刘润年度演讲PPT里的饼图全都错了！

昨晚的朋友圈，被刘润2021年度商业演讲《进化的力量》刷屏，我身边有很多咨询师朋友和设计师朋友都在朋友圈里给予了这场演讲超高的评价。作为PPT行业从业者，我自然也产生了浓厚的兴趣，恰好今天周末有空，就为大家讲讲我的看法~

首先，这场演讲从内容储备，演讲表达，控场节奏，现场调度等方面，可以说都展现了国内目前顶尖梯队的水平，有相当多值得学习的地方！但美中不足的是，在PPT的数据可视化设计上，尤其是其中几乎所有饼图的呈现上，都犯下了许多低级错误。今天正好为大家做一期盘点，也帮助大家纠正一下长期以来对饼图的误区~

首先看这里：

在这页PPT中，刘润讲到：中国养宠用户，在宠物食品上花的钱，只占总花费的34%左右

紧跟着，刘润引出了“恩格尔系数”这一概念（即食物支出在所有支出中的占比），如果60%以上的支出花在食物上，这个家庭基本上是贫困的。50～60%是温饱。40～50%是小康。30～40%是富裕。低于30%为特别富裕。

然后刘润得出的结论是：“中国的一部分宠物，已经比主人，更早过上了富裕的生活。”

这里出现了第一个错误：

饼图的分支关系对应错乱

这张PPT的处理方式，极容易让人误以为右边的扇形是34%这一分支的进一步展开。而实际上，右边的扇形仅仅是恩格尔系数的一个区间参考。两者并没有直接的对应关系。因此，像PPT中的这种可视化处理是很不妥的：

此外，从演讲内容上，恩格尔系数本来是针对人类社会的经济学概念，直接用在宠物消费上本身就是不够严谨的（比如宠物至少不用考虑房贷，交通，水电等支出花费），严格来讲二者之间没有可比性，在这样的场合下直接类比，是不够妥当的。当然，也可以用玩笑的口吻，让人感受到是打了引号的“恩格尔系数”，口述时轻轻带过，表达出这一现象即可~

而且恩格尔系数本质是越小越好，但PPT里宠物的食品支出却是饼图中比例最大的一项（其实饼图的最佳使用场合就是用来突出其中某一项占绝大多数比例优势的），因此，可以说是其他项的迅速爆发，将其中食品消费的比例压缩至仅剩34%，再承接到后面“恩格尔系数”的话题上，就会非常自然了~

演讲文本修改建议：

随着宠物市场的井喷发展，宠物医疗、宠物用品、宠物美容等领域的各类消费总和已经达到了66%，将宠物食品这一最基本的消费需求占比挤压至仅剩34%。如果宠物世界中也有“恩格尔系数”的话，那如今，相当多的宠物早已比自己的主人提前进入了“富裕生活”~

PPT修改建议：

（双击查看大图）

当然，为了更好地突出其他项对宠物食品消费支出的“挤压”感，也可以做这样的处理：

（双击查看大图）

数据可视化呈现的不是数据

而是数据背后的事实

…

随后，刘润接着刚才的话题继续讲到：“具体到宠物食品里，其中宠物保健品的支出，占食物支出的46%，超过了主粮。这意味着，中国的宠物，早就不追求“吃得饱”了。它们的追求，是膳食均衡……”

在这一页中，随着PPT动画的平滑移动，出现了左侧的新饼图：

从内容看，左侧的新饼图其实就是右侧原本34%食品支出的进一步细分构成，而此时的话题，已经跟“恩格尔系数”没有关系了。相信大家看到这，应该都知道该怎么改了~那就是把左侧的饼图改到右侧，沿着34%的角度等比例展开，替换恩格尔系数的扇形区域，加强他们之间的总分对应关系：

（双击查看大图）

可是这样真的就是最好的修改方案吗？不是~

刚才说过，饼图（环形图）的最佳使用场合其实就是用来展现其中的某一项占绝大多数比例优势，而在这组数据中，保健品和主粮的比例其实是比较接近的，这就意味着他们之间的角度差距并不大，再加上各自的起始角度不统一，其实是不利于肉眼直观比较的。

比如想象一下三项比例分别为34%，33%，33%的饼图绘制出来，其实远看就像是一个“奔驰车标”，不标注的情况下很难肉眼分辨究竟哪一个的比例最大：

而主讲人的想表达的其实保健品的比例竟然略高于主粮。所以在比例较为接近时，为了更直观呈现细微差异，应当采用条形图来呈现进一步的分支比例：

PPT修改建议：

（双击查看大图）

而这里之所以采用倒序条形图，是因为这样更像日常生活中最常见的“排行榜”的形式，很容易让人本能地从上到下依次查看由高到低的占比排名~

好的设计应追求本能

源于习惯

…

紧跟着，主讲人又讲到了宠物消费领域的消费升级，并以LV的项圈和Versace的狗床举例，但这里的PPT可视化却又犯了致命错误：他将这两个特例画在饼图中16%的宠物用品的外延，这非常容易引起错误的占比构成联想，即误认为是这两个产品构成了那16%的消费。

PPT修改建议：

其实在这里，主讲人的讲稿内容已经脱离了宠物用品的所占比例，完全聚焦在两个消费升级的极端案例里了，所以其实可以直接脱离饼图，单纯展示两个商品，设计些小互动，比如让大家猜一猜价格之类的，再讲出这背后的现象与思考就可以了~相比原稿，这样的处理在避免歧义的同时，还更加聚焦与当前的表达重点~

…

接下来在讲到回顾过去20年经济增长经历的三次动能转换时，PPT又翻车了：

我们知道，饼图其实是一种非常典型的“横向数据”的展示方式，所谓“横向数据”，即某个时间点或时间段上各个变量的即时数据。而与之相对，“纵向数据”是数据样本在一段时间内的重复测量。简单来说，纵向数据是随时间变化而变化的数据。

原稿的PPT中，其实能看出作者有意借助一份由不同时段新闻内容所拼凑的报纸截图为底，按照顺时针方向依次展开一条时间轴，通过蓝色扇形区域引导人们关注当年报纸上的热点事件。看似是一个“巧妙”的设计，可实际上，时间轴是典型的纵向数据，是不能用饼图呈现的，因为时间轴是单向射线，而不是往复循环，这就意味着时间轴要有明确的起点终点。因此，这里采用饼图本身就是一种视觉误导，会让人误以为这其中有构成关系，而实际上这里是前后串联的并列关系。

而且从直播和讲稿来看，主讲人也并没有对“报纸”上的内容做重点介绍，相关的核心关键词也已经提炼在边上了，因此这里不如直接使用时间轴来表达~放弃中间的饼图设计，让观众聚焦在年份及关键词上，而不是中间的“报纸”上。

这里我还要延伸讲一个概念，叫“第一视觉停留”，也就是当观众看到这一页时，第一眼视线会停留在哪里。在这版设计中，显然会将第一视线停留在中间的“报纸”上，这是不利于聚焦当前表达的。虽然中间的“报纸”仔细阅读也能或多或少体现出关键词所表达的内容，但这需要更多的时间成本。

因为聆听和阅读是互相冲突的活动，受众只能二选一，因此在设计PPT时要为两种感官互相预留空间，也就是PPT需紧密配合主讲人的表达。

要记住：

大家不是来看你的PPT设计展的

做PPT的目的

是帮助主讲人实现

“信息传递效率最大化”

…

接下来当讲到人口结构中男女比例的变化时，屏幕上的PPT是这样的：

这里第一个数学错误：

请先看左边的出生人口性别比，从118.1变成了现在的111.3

按照主讲人的口述原话：“2010年时，每出生100个女孩，大概会出生118个男孩子，也就是每100人中，男生比女生多18人；而到了2020年时，男女比例变成了111:100。（即男女比例从118.1比100，变为了111.3比100）

如果是这样的比例，正确的写法其实只有两种，一种是“118:100”，另一种是直接呈现比值，也就是用118.1直接除以100，应当是1.181，而不是118.1。

同理比如我们回忆下黄金分割比的比值是0.618，即0.618/1=0.618

再比如8:2的比值是4，即8/2=4，可以理解为当分母为1时，前者是后者的几倍。

所以如果出生人后性别比是118.1,严格来讲是118个男生对应1个女生。这显然是错误的~为了避免歧义，建议用最常见的、理解成本最低的写法来表达，即

“  118.1 : 100  →  111.3 : 100  ”

第二个数学错误：

请看右边的饼图，首先这里只有一个饼图，观众只能勉强当做是最新的男女比例来看待，但仔细看数据你会发现，51.24%比48.76%，这个比值是1.05，尴尬的事来了：这个饼图对应的既不是之前的数据1.181，也不是之后的数据1.113，唯一可能的解释就是算错了…

第三处是设计常识错误：

同样在右边的饼图上，这个饼图不仅没有写明是什么时间的比例，左右图例里的icon也是有问题的：这两个icon除了颜色外，没有任何区别。虽然我们会默认蓝色是代表男生，但在色盲者的眼中，可能根本没法区分。这就是为什么公共厕所的男女标识都是用图形区分，而不是颜色~

第四处是图表逻辑和使用错误：

这一页无论右边的饼图代表之前还是之后的数据，都无法体现出这是一个“变化”的过程，以至于这页的核心信息，是需要依赖左边的文字来呈现的，这依然是表达效率的浪费。而有同学会说：如果右边是两个饼图呢？我的回答是：也不行~因为饼图不适用于纵向数据间的比较。

最后，我们来看这页PPT饼图：

其实这一页的问题并不是很严重，因为作者已经把所有低于2%的项目都合并到“其他”里面了，避免了饼图末尾端的进一步拥挤。但即使这样看起来，图表左侧密集的多个2%仍然造成了不好的体验~

这里不得不再强调下饼图的标准使用规范：是从12点钟方向，顺时针依次呈现最大、第二大、第三大…直至最小的项。它最佳的应用场景是展现其中的某一项占有绝大多数比例优势。

做饼图的目的不是为了单纯的呈现数字，而是为了便于观众比较，因此，当项目超过5个以上时，越接近末尾端的数据，比较起来就越困难:

…

最后的最后，再帮大家拓宽下思路，不要一谈到比例，就会首先想到饼图。其实用来表现比例或构成类的可选图表还有很多，大家要根据实际的表达情况灵活选用哦~

演示设计的世界很大~

我们都曾仅窥见一角~

下课~

——
公众号：PPT逻辑美学
原文链接：刘润年度演讲PPT里的饼图全都错了！