近期美团打车登陆上海，四月会登陆北京，这段时间，认为滴滴凭借马太效应壁垒高企，唱衰美团者众多，我反倒认为，其实滴滴无法遏制美团，但美团能刺痛滴滴。因为这是一场非对称战役，甚至可以说，美团上线打车功能，其实是对滴滴的一次降维打击。
“降维打击”一词多次出现，虽然能隐约感觉他的意思，可是具体含义及应用场景或许并不清楚。下面来讨论一下“降维”在日常问题分析中的价值。
所谓的“降维打击”之说，源于刘慈欣的《三体》。听了那么多人说某某公司降维打击，然而对于商业市场里所谓的“降维”打击到底是什么鬼、个人又能从这种“降维”思维中学到些什么来应用一下，似乎总没有人说个清楚明白。
“降维打击”，字面意思就是通过下降一个维度来进行打击。所以关键就在于什么是“维度”。对于企业来说，运转和盈利需要很对要件，比如供应链、人力资源、硬件盈利、软件盈利、专利盈利、仓储、物流……经过一定的时间后，行业内各家公司虽有效率高下之分，但各个要件的组成核心基本大同小异。
2.降维的实践方法
通过消解要件来打破竞争对手的惯性生存条件。就是商业意义上的降维手段。分析清楚自己必须的要件，然后自己消解掉其中哪怕一个关键的要件，同时保证自己根据这套模式依然可以存活盈利有发展，那么对手就被降维打击啦。
实际上，商业意义的“降维打击”，就商业模式的创新。一个旧维度的消解是以新维度取而代之为前提的。
反例就是新东方，做在线教育无疑是消解了若干维度，然而打击的对象除了对手更有自己（毕竟新东方还是离不开线下班级的教学收入）
形象来说，地图就是一张具象化的降维结果。提取关键的要件，而忽视其他无关紧要的变量，最后给出一个简化的只有经纬度等的平面图。
所以降维的主要方法，其实是分析，降低复杂性
然而，问题产生了——万一我想从投影恢复原始数据怎么办？此时，我们就必须从各个渠道获取信息来尽量还原被丢弃的维度。
其实更常见的不适把丢弃的维度还原，而是发现既有的系统不完整、有新的东西需要补充。此时，我们也就往往并不需要彻底丢弃原来的结果，而只需要在原来结果的基础上新加一个维度就好了。这样一来，原来的系统就相当于新系统的一个投影。经典物理至于现代物理、欧几里得几何之于现今认知的几何学都是这样投影的存在。
降维并不是唯一的降低复杂性的方法。现实世界不仅多元，而且异常复杂，有时候直接把若干变量直接投影投掉会造成分析的精确性受损。在这样的场景下，可能把多个变量聚合成一个变量是更好的分析方式。此时，新聚合而成的变量囊括了各个弱相关变量、不牺牲数据，同时，不再需要关注这些若相关变量本身。
如果用函数关系来表示，那么降维的含义可以这样来表述：
R=f(x,y,z)为了便于分析、以及由于z变量无关分析要义，所以真正分析的时候关注的是R=f(x,y)。
多变量聚合则可以这样来表述：
W=f(a,b,c,d,e,f,x,y,z)
n=g(a,b,c,d,e,f)
所以W=f(n,x,y,z)。
就先说这么多吧。
,
