已知淘宝店A在7-23日的店铺销售额241723元，其中客服销售额71077元，静默销售额170646元。店铺负责人想要了解店铺销售的构成情况，分析消费者成交是否都需要通过客服接待，来考察客服团队对于店铺的贡献程度

针对这一场景，分析客服团队在消费者成交过程的参与程度，实际上是分析了销售额中有多少是客服销售额，即消费者通过客服接待后下单成交的部分；

通过计算得到客服销售额占比29.4%，静默销售额占比70.6%，用基础饼图图形化表达后，观察客服销售额的扇面部分，能非常直观读出客服销售额占比低，绝大部分的下单成交都是消费者静默下单完成的。

这就是基础饼图在产品设计中最常见的应用方式之一，用饼图来表达占比，得出的结论可以帮助分析场景，辅助决策。但是饼图不单单只有这一种应用方式，可应用的场景很多，本文就想和大家一起讨论基础饼图在产品设计中的应用价值。

一、什么是饼图？

基础饼图的定义，通过不同的扇面大小，图形化表达了不同类别的比例，即一个数据组中不同数据项的数据大小占所有数据和的比例；并通过带颜色的图例将扇面和数据项一一对应起来

从上面的定义中，我们可以发现构成饼图的基础是数据组，数据组内的数据项个数控制了扇面的个数；单个数据项占数据组的比例决定了扇面的大小。只有当数据组满足特定的条件时，图形化表达出来的饼图才有意义，我们也可以利用数据组的一些特点来发挥饼图在产品中的应用价值，下面就想通过不同的场景来说明

二、什么样的数据组能用饼图表达？

我们在实际场景中需要表达占比时，常常会想到用饼图来表达，但并不是所有情况下都可以用基础饼图来表达的，这里可以通过“数据组”被饼图表达所需要满足的条件，来区分数据组能不能被饼图表达

数据组是什么？有2个或2个以上的数据项组成的一组数据，被我们定义为“数据组”，数据项和数据组存在包含关系，数据项是子集，数据组是母集。 假设数据项1是A，数据项2是B，数据组的汇总数据是C，三者存在的关系：

• A包含于C，A：C就是数据项1在整个数据组中的占比

• B包含于C，B：C就是数据项2在整个数据组中的占比

• 像店铺A中，店铺销售额就是数据组的汇总数据，客服销售额和静默销售额就是子数据，而店铺销售额是母数据，子数据被包含于母数据。因此客服销售额和静默销售额就是一组数据组

饼图是把数据组中的关系通过图形表达出来，数据组就是饼图的基础，了解了数据组的定义后，可以推论出数据组要能被饼图图形化表达有1个前提条件，数据组中的各个子集是相互独立，没有交集的，且归属于同一个母集（数据组）

如果不满足这一前提，饼图就无法用来反映真实的场景了，也不具有业务价值了，所以我们在产品设计中可以通过分析数据组中的包含关系来判断能否被饼图表达

案例：

淘宝店铺A中的客服销售额由客服A组、客服B组和客服C组构成，现在已知客服A组整组数据、客服B组整组的数据、客服C组其中2个客服的数据。业务方想了解不同数据项的占比，我们一起来看下这些数据项的关系。

假设客服团队数据项为D，客服A组，客服B组、客服C组这3个数据项为A、B、C，客服C组两个客服分别为C1，C2，他们的数据关系就是：

• A、B、C是母集D的子集，A包含于D，B包含于D，C包含于D

• C1和C2是母集C的子集，C1包含于C，C2包含于C

通过对数据项的观察，很容易就做出判断了，如果将客服A组、客服B组、客服C1、客服C2这4个数据作为一个数据组，是混淆子数据和母数据的关系，同一个数据组不是互相独立且归属于同一个母集的数据，表达出来的饼图无法反映出来真实的占比情况不具有业务价值。

这里我们发现了，数据组可以用来判断数据组能否被饼图图形化，避免了产品设计中出现不能反映实际场景的饼图

三、数据组内数据个数影响饼图可读性

当数据组可以被饼图表达后，数据组内的数据个数就等于了饼图中扇面的个数。数据组内的数据个数就会影响到我们对于饼图信息的获取

人的视觉决定了，我们在多个个体中寻找具体某一个个体时会比较费力，试着观察下面两个饼图，能发现同样寻找“事例二”，右图会比左图轻松许多

当数据组内的个数多时，扇面个数就变多了，就会导致饼图显得非常拥挤，透出的信息挤在一张图中，降低了从饼图获取信息的速度；当数据组内的个数少时，饼图显示的信息就变的很直观很清晰

在实际业务中，我们常常会碰到这样的场景，数据组内个数非常多，但是我们只关心极个别的数据，这时候就可以通过合并多余数据项的方式减少数据组中的数据个数，减少了扇面个数，从而突出了用户最关心的数据，强化了对特定几个数据的表达

案例：

店铺A统计了客服团队10个客服的销售额占比，作为客服主管想针对性的观察客服1的Q1每个月份的业绩变化，如果我们将10个客服占比数值都图形化表达到饼图上，因为客服团队这组数据组中存在10个数据，对应在饼图上就是10个扇面，导致了很难寻找到客服1

这个时候我们可以通过合并其他9个客服数据的方式，合并为“其他客服”，该数据组的数据个数变成了2个，而且满足了数据组中各个数据相互独立，没有交集的前提。

在减少了数据组中数据个数的同时，强化表达了客服1这个数据。这就是应用了数据组内数据个数多少对饼图的影响，这一特点还经常运用于强化表达异常数据，例如观察突出表达流失人数等。

四、单数据占比影响饼图可读性

当数据组被饼图表达后，单个数据与数据组汇总数据的占比大小，就是扇面的大小，我们通过扇面大小可以直观感受到不同数据的比例，而扇面的大小会影响到我们对饼图的可读性，当其中个别扇面特别大或者特别小的时候，都会导致扇面之间的扇面大小差距悬殊，从而导致部分扇面不容易被识别，影响了对饼图数据的可读性。

出现这种情况的时候，我们可以很容易判断出扇面大的部分对应数据占数据组汇总的比例大，但是比较难读出扇面非常小的那一部分图形，这个时候我们可以“局部放大”的手段来放大这些比较难被读出来的扇面

“局部放大”是放大了饼图中占比小的那一部分扇面，所以首先要判断当前饼图中占比小的部分是否被影响了可读性，一般当出现3个及3个以上的扇面比例小于1%的情况，可以认为饼图的可读性收到了影响。通过利用人视觉对面积大的图形感知力更强这一特点，等比例放大饼图中占比小的部分，方便了这部分数据的读取

案例：

店铺A对本店销售额做了商品维度的分析，希望通过饼图来表达不同商品销售额的占比大小，得到商品销售额数据组时，发现商品A是爆款，店铺销售额大部分都是通过商品A成交产生的，所以商品A销售额数据占整个数据组的比例非常大，代表商品A的扇面也非常大

商品A的扇面非常大，导致了不容易读出其余商品的占比大小，也就没有办法对这些商品占比进行直观的比较，这个时候就运用局部放大的方式，局部放大那些占比小的扇面，就可以直观观察出饼图种占比小的部分类别的占比差异，同时通过饼图又能非常直观读出商品A的占比远大于其他，结合2者就可以对不同商品占比大小有个了解。

这里我们发现，数据组中单个数据占比的大小会影响我们对饼图信息的读取，当遇到部分扇面特别大的情况，可以通过局部放大的手段解决，从而比较占比小的那一部分扇面的差异。

总结

在产品设计中，饼图被运用最多的应用价值是表达占比，实际上饼图除了表达占比之外，还有强化表达的作用。我们可以通过对数据组中数据个数来强化表达我们想展示给用户看的内容，也需要注意当单个数据比例过大时，通过局部放大来解决饼图的显示问题。