对照“对照”俗称比照，单独看一个数据是不会有觉得的，必需跟另一个数据做比照才会有觉得。
我们发现一个搜索指数和一个宝贝数，这两个指标一个代表需求，一个代表竞争，有很多人把搜索指数/宝贝数=倍数，用倍数来代表一个词的竞争度(仅供参考)。
这种做法，就是在增维。
增加的维度有一种叫法称之为“辅助列”。
在理想中的应用十分广，比方京东选品测款丶监控店铺数据等，这些过程就是在做“对照”，剖析人员拿到数据后，假如数据是独立的，无法停止比照的话，就无法判别，等于无法从数据中读取有用的信息。
拆分我们回到第一个思想“比照”上面来，当某个维度能够比照的时分，我们选择比照。
再比照后发现问题需求找出缘由的时分?
或者基本就没有得比照。
这个时分，“拆分”就闪亮退场了。
销售额=成交用户数*客单价，成交用户数又等于访客数*转化率。
降维这么多的维度，其实不用每个都剖析。
我们晓得成交用户数/访客数=转化率，当存在这种维度，是能够经过其他两个维度经过计算转化出来的时分，我们就能够“降维”。
成交用户数丶访客数和京东店铺转化率，只需三选二即可。
另外，成交用户数*客单价=销售额，这三个也能够三择二。
另外，我们普通只关怀对我们有用的数据，当有某些维度的数据跟我们的剖析无关时，我们就能够挑选掉，到达“降维”的目的。
增维增维和降维是对应的，有降必有增。
当我们当前的维度不能很好地解释我们的问题时，我们就需求对数据做一个运算，增加多一个指标。
请看下图。
我们发现一个搜索指数和一个宝贝数，这两个指标一个代表需求，一个代表竞争，有很多人把搜索指数/宝贝数=倍数，用倍数来代表一个词的竞争度(仅供参考)。
这种做法，就是在增维。
增加的维度有一种叫法称之为“辅助列”。
假说我们先假定有了却果，然后运用逆向思想。
从结果到缘由，要有怎样样的因，才干产生这种结果。
这有点寻根的滋味。
那么，我们能够晓得，如今满足了几因，还需求几因。
假如是多选的状况下，我们就能够经过这种办法来找到比拟佳途径(决策)。
我们回到数据剖析的目的，我们就会晓得只要明白了问题和需求，我们才干选择剖析的办法。
