1. 「大數據」主要涉及哪些領域相關股票分別有哪些
近期，大數據概念正在風靡全球，從華爾街到國內資本市場，大數據概念股持續走強。5月17日，可視化數據分析軟體供應商Tableau 及大數據營銷公司Marketo一登陸美股市場，便引來瘋狂的買盤。截至當日收盤，Marketo的股價飆升77.69%，Tableau的股價也暴漲63.71%。美股對「大數據」概念的瘋狂熱炒很快傳播到了A股市場。今年以來至今，大數據概念股逆市上揚，累計漲幅達47.8%。根據細分行業分類，「大數據」主要涉及七大領域，包括數據處理和分析環節以及綜合處理、語音識別、視頻識別、商業智能軟體、數據中心建設與維護、IT咨詢和方案實施、信息安全等。
相關股票
「大數據」涉及的七大領域之一數據處理、分析環節和綜合處理，與其相關的國內A股上市公司拓爾思和美亞柏科，近期表現搶眼。
語音識別作為「大數據」涉及的七大領域之一，近期，其相關的科大訊飛、大華股份(002236)、華平股份(300074)、中威電子(300270)和國騰電子(300101)等5隻個股受到市場關注。
目前，國內A股市場中涉及視頻識別行業的上市公司主要有5家，具體為：海康威視(002415)、大華股份、華平股份、中威電子、國騰電子。這5隻個股今年以來至今均有不錯表現，大華股份（74.34%）、華平股份（60.34%）、國騰電子（25.49%）、海康威視（22.47%）、中威電子（15.60%）。
目前，A股市場中涉及商業智能軟體生產的上市公司主要有：久其軟體(002279)、用友軟體(600588)、東方國信(300166)。
對於國內企業而言，在大型設備與基礎軟體方面尚無法與全球IT巨頭匹敵。不過，在應用軟體、IT服務的多個細分領域，國內企業已積累了客戶基礎與行業、項目經驗，有望借大數據的興起而獲得增長助力。
值得一提的是，漢得信息是我國本土領先的IT咨詢企業，多年來致力於為企業提供高端ERP實施服務。
三分技術，七分數據，得數據者得天下。隨著未來數據的規模劇增，數據中心的建設與維護是必不可少的。目前A股中涉及數據中心建設與維護的公司包括天璣科技(300245)、銀信科技(300231)和榮之聯(002642)。
目前A股涉及信息安全領域的個股包括：衛士通(002268)、同有科技(300302)、美亞柏科等等。
2. PowerBI 致敬 Tableau 10大表計算
有夥伴說一段時間沒有更新文章，這一次頂十次。明明能拆成十期的文章，非要一次寫完，沒辦法，厚道。
客觀地講，PowerBI 作為快速發展的BI產品，在很多方面仍然需要打磨，以前我們似乎更多來說 PowerBI 有多厲害，但這並不影響我們客戶地向更加優秀的夥伴學習，例如：在 Tableau 確實有太多的優點，PowerBI 需要去學習，期待希望微軟的產品經理們。（也只能期待了...）
在數據分析中，除了簡單匯總或簡單變換以外，很多需求是需要有額外的輔助才能實現的，在 PowerBI 中，這些全部以 DAX函數 給出，來構建模型的語義層；而在 Tableau 中，自有她的一套巧妙設計，我們不妨來對比研究一下對於同樣的略微復雜的功能是如何在不同的產品中實現的。由於我們這里主要是研究 PowerBI，故給出 Tableau 的實現效果，對其涉及公式不再詳細討論，而將這些精力留給對 PowerBI 的描述。
本文全部是案例，案例來自於實際，Tableau舉例了十個案例，為了處於學習目的，這里將變換下案例，但保持本質不變，來達到花費最小精力學習最多收益的效果。
參考文章《10大Tableau表計算》： https://www.tableau.com/zh-cn/about/blog/2017/2/top-10-tableau-table-calculations-65417
推薦實踐方式：
以下詳細對比每個案例並給出在 PowerBI 中的實現。
在 Tableau 中，利用表計算，可以計算從任意值開始的百分比變化。假設您對某個股票組合感興趣，並且想評估它們從某個時間點開始的相對表現。為此，需要設置一個「投資日期」，並將這些股票標准化到同一個時間點，用線條顯示百分比變化。可使用滑塊調整參考日期。效果如下：
Tableau 表達式：
以及：
在 PowerBI 中，模擬類似的需求，實現選定任意時間點，顯示不同時間相對於該時間的銷售額的增長率。效果如下：
Power BI DAX表達式：
以及：
小結：
您可能想參照一個公共基準點查看數據，而不是查看一段絕對時間范圍的數據。例如，這里有三部《玩具總動員》電影的票房收入。如果按星期看一下自首映日開始的總收入，比較起來就容易多了：
Tableau 表達式：
在 PowerBI 中，模擬類似的需求，實現按照首次銷售計算不同類別的銷售額趨勢。效果如下：
首先構造了一個坐標軸，然後根據當前坐標軸位置來計算，PowerBI DAX 表達式為：
小結：
希望一次執行兩遍表計算的情況很常見。例如，查看某個細分市場隨時間變化的增長或收縮對公司的重要性可能很有意義。為此，必須先按細分市場計算隨時間變化的銷售額匯總，然後將其作為隨時間變化的銷售總額百分比來查看。這也稱為多遍聚合，在 Tableau 中不寫公式也可以完成這種聚合。
在 Tableau 中僅需要設置就可以完成：
以及：
在 PowerBI 中，模擬類似的需求，實現按照不同類別顯示其當年積累銷售額占整體銷售額的比例。效果如下：
Power BI DAX 表達式：
小結：
這里我們需要了解產品在一個月和一年內的排名，然後顯示排名隨時間的變化。為此，我們創建一個凹凸圖，其中以折線圖形式顯示隨時間的變化。可在左側看到復印機和傳真機已經從銷售不佳的產品變成目前的銷售前 3 甲。還可以看到，傳真機和復印機的購買量波動很大。
Tableau中這樣計算：
在 PowerBI 中，模擬類似的需求，實現按照不同類別顯示其不同時間段的排名。效果如下：
在 PowerBI 中，在報告層面可以實現傳達同樣信息的效果，但從報告層的細節來說，仍無法做到 Tableau 的融合性，例如：
無法做到最少可視化元素的完備性以及整體性，PowerBI 產品經理有的玩了。
當然 PowerBI DAX 表達式：
小結：
現在需要監視呼叫中心未結支持案例的數量，或者有貨的庫存數量。但是系統未記錄未結案例的滾動合計，您需要推算出來。這等於開案日的案例數 + 新開案例數 + 重開案例數 – 已結案例數。
表面看來，這是簡單計算。但是，每日開案數量是根據上一個結案日推算的，後者又是根據當日開案數量推算的。這形成了計算的循環引用。
效果如下：
在 Tableau 中的大致實現方式：
以及：
以及：
充分看出在 Tableau 中的報表層提供了很多控制以實現計算。
在 PowerBI 中，模擬類似的需求，實現計算每天的累計未發貨量，未發貨量由昨日累計訂單量 - 昨天累計發貨量得到，效果如下：
PowerBI DAX 表達式：
這看似一種遞歸的效果，但其實可以轉化為非遞歸實現，在 Tableau 和 PowerBI 兩者中都並非真正的遞歸，在 PowerBI DAX 中是不支持真正遞歸的，當然在這種案例中也不用使用真正的遞歸。
小結：
對於考試分數或訂單優先順序等數據，適合採用加權平均分析。也許您想查看各種產品類型所有訂單的平均優先順序，並且想按訂購量加權該優先順序，這樣訂購量大的產品就會得到更高的優先順序分數。可以使用加權平均優先順序分數來優化訂購量大、優先順序高的產品的供應鏈。這里，我們使用 Superstore 銷售數據進行加權平均：
在 PowerBI 中，模擬類似的需求，實現按子類別銷售額利潤率加權來計算類別的平均銷售額，效果如下：
PowerBI DAX 表達式可以直接由快速度量值給出：
生成的 PowerBI DAX 表達式如下：
小結：
如果您管理公司的配送運營，可能會對哪些產品的運輸成本高於平均值感興趣。在 Tableau 6 中，可以計算整個時間窗口的平均值，並在計算中使用該值對各值進行分組和配色。
Tableau 中的主要計算如下：
在 PowerBI 中，模擬類似的需求，效果如下：
首先構建一個用來分組的輔助表作為圖例，然後編寫 PowerBI DAX 表達式如下：
小結：
對於零售、智能或邊界控制等不同的場景，通常需要了解在一個時間窗口內發生某一事件的次數。例如，一次可疑事件可能是一次意外，但是如果在 x 天里發生次數超過 n 次，那就值得調查一下。
這里 Tableau 用到了參數和計算的結合，主要的計算如下：
在 PowerBI 中，模擬類似的需求，實現 X 天內小於上月日平均銷售額的次數達到指定閾值，效果如下：
如果在連續的X天內次數超過了閾值次數則顯示，否則不顯示。
PowerBI DAX 表達式如下：
小結：
您已使用 Tableau 中的快速表計算功能，計算了所有月份的銷售額移動平均，但現在希望進行擴展，以便選擇要計算多少個時段的平均值。
淡藍色線條顯示所有月份的銷售額總和，而橙色線條顯示 15 個時段的銷售額移動平均。
在 Tableau 中的設置和計算如下：
在 PowerBI 中，模擬類似的需求，效果如下：
PowerBI DAX 表達式如下：
小結：
您可能更想看到季度銷售額與當年平均值（而不是絕對數）的差異。此處顯示了與當年平均值和絕對訂單數之間的差異。
在 Tableau 中的主要設置和計算如下：
在 PowerBI 中，模擬類似的需求，效果如下：
PowerBI DAX 表達式如下：
雖然是達到同樣的效果，在 PowerBI DAX 中卻要理解上下文轉換以及取消外部篩選等高級的 DAX 知識才能快速而准確地寫出度量值。
小結：
通過對比用 Tableau 和 PowerBI 實現同樣的 10 種非默認效果的計算，可以對兩種軟體在某方面的設計有了一個局部的認知，可以總結為：
因此，我們可以對 PowerBI 的報表計算能力有一個更准確的把握：
更多的思考：
從本文的 10 個典型案例可以部分看出 Tableau 作為完成報表層計算和展示時有良好和完備的能力，這也許得益於其初期就明確的精準定位，尤其看到在 Tableau 6 時代就已經達到了完備的計算。在這方面，由於 PowerBI 將數據准備，數據建模，數據可視化，報表製作融為一體，尤其是 模型層計算 和 報表層計算 並沒有從系統化的角度做嚴格區分，導致任何報表需求的本質都是一個DAX查詢，而報表層又沒能做到：
這兩點導致：
PowerBI 的報表製作嚴重依賴於添加眾多沒有模型意義的輔助表以及過度復雜的相對重量級 DAX計算，雖然能證明 DAX 的強大，但明顯可以感受到在很多方面，這並不得心應手。
相信 PowerBI 在報表層必然有更大的提升，至少完成兩點：
最後，致敬 Tableau，沒有這么優秀的對手，這么可能讓 PowerBI 變得更強大呢，通過對 Tableau 的體會和理解，可以更多加深對 BI體系 的思考，也更清楚 PowerBI 的軟肋，對於應對實際問題，如何基於現有的 PowerBI 特點做出合理的設計也就給出了更多的方法。