数据通过视觉通道映射
业务数据以文字、数字的方式呈现，对于人类来说，毕竟是抽象的。如果用颜色、大小、形状、位置等来表示，以达到对数据的比较、比例、趋势、分布等的一目了然，这就是数据可视化。总而言之，数据可视化是以人类眼睛可快速辨识的方式呈现数据。
数据可视化的目的，在于信息的传递和沟通。小到个人工作汇报，大到国家新闻传播，处理恰当的数据可视化，可以让接收者在短时间内获取到发送者所要表达的核心观点，且印象深刻。当然，轻分析的分析工具，更多的时候是希望使用者用于自助式的数据探索，那么信息的发送者和接收者就都是使用者本人，这并不妨碍对此的理解。
数据以点、线、面等图形元素（称为“标记”）表示，并在颜色、大小、形状等要素（称为“视觉通道”）上进行映射，这是数据可视化的基本理论。
数据通过视觉通道的映射，按数据的性质不同，相应有两种类型。一种是“定性”，一种是“定量”。
定性也就是分类，例如优先级“高”、“中”、“低”，季度有“一”、“二”、“三”、“四”，地区分为“东北”、“华北”、“华南”、……，等等。将它们 对应成红、蓝、绿等几个不同的颜色，或者将它们对应成圆形、方形、三角形等几个不同的形状，诸如此类就是“映射”。
定量是指数值在一个区间内的连续变化，将它对应成柱子的长短，将它对应成面积的大小，或者将它对应成一个颜色的深浅过度，诸如此类也是“映射”。
颜色在数据可视化中有最为广泛的应用，也是视觉上最有辨识度的一种表达。
RGB色彩模式是常用的颜色表示方式，它由红色（Red）、绿色（Green）、蓝色（Blue）三个分量的叠加来表示一个颜色。每个分量可以是0至255的整数，用16进制表示就是0至FF。RGB的色值以井号（#）开头，跟随六位的16进制值（分别对应三个分量，每个分量两位）。
例如 #FF0000 是纯红色， #00FF00 是纯绿色， #0000FF 是纯蓝色，全部为零 #000000 是黑色，全部都有 #FFFFFF 是白色。另外，红加绿 #FFFF00 是黄色，红加蓝 #FF00FF 是洋红色，绿加蓝 #00FFFF 是青色……如果各个分量在0至FF之间取不同值，就可以组合成各种各样的颜色，这很像画油画、水彩画时将颜料混合调色。
HSL色彩模式是另一种颜色表示方式，它由色相（Hue）、饱和度（Saturation）、亮度（Lightness）三个分量来描述。其中，色相取值0至360，可以围成圆形的一圈，0与360是相同的。饱和度、亮度分别都是取值0%至100%。
为了更直观的理解，在三维空间中，用一个圆柱体来表示HSL模型。圆柱体在高度上是亮度的变化，上底全是白色，下底全是黑色；在圆形的横切面上，半径方向是饱和度变化，圆心饱和度最低，圆周上饱和度最高；360度的圆周一圈对应的则是色相。如果让空间中每一个点与颜色值一一对应，则圆柱体可以变形为两个相扣的圆锥体。
与RGB相比，HSL更符合人的直觉。色相也有翻译为色调，就是人眼感知的红橙黄绿青蓝紫（0-360的值就是这个顺序）的色彩。饱和度高，颜色就更鲜艳；饱和度低，感觉则更灰白。亮度就是明暗变化，加大到最亮是纯白，减小到最暗是纯黑。
在轻分析的自定义颜色设置界面上，方形的彩色面板，在横向上是色相，在纵向上是饱和度，鼠标可以点击或拖动到其中任何一个位置进行选择。相邻的竖条表示的是亮度，同样可以点击或拖动。这样就能以HSL的思维方式来确定一个色值了。在选择的过程中，右侧RGB的输入框的数值会同步变化，它们以不同的模式表示着同一颜色。
以眼睛可快速辨识的方式传递信息是数据可视化的目的。而信息传递过程中，具体的意图，是为了进行比较，还是为了显示比例，是为了呈现趋势，还是为了展示分布，抑或其它。不同的意图，应该使用不同类型的图表来表达。
柱形图是最为常见的以比较为目的的图表。这种图表横轴表示分类（维度），每个值（维度成员）对应一个矩形；纵轴表示数值（度量），对应矩形的高度。这样，各个分类就以柱形的高低来进行数量的比较，谁多谁少一目了然。
横条状的条形图与竖条状的柱形图，表达上完全一致，只是调换了横、纵轴，柱形高低变成了条形的长短。
另外，像雷达图、多系列折线图等，也有比较的意图。
饼图是最为常见的以展现比例为目的的图表。这种图表由一个整圆切成多块扇形来表示，每一块扇形是一个维度成员，对应一种颜色，扇形的角度大小对应了度量值。通常，按度量值从大到小，并以钟面顺序从12点钟方向开始排列。这样，扇形的角度占360度周角的大致比例一目了然，前几名过四分之一、过半、过四分之三也很容易判读。
饼图在外观上的变化，例如环形图，例如加上半径表示数量以夸张事实的玫瑰图，都是以展现比例为目的。
另外，像堆积柱（条）形图、百分比堆积柱（条）形图、树图等，既有比较的目的，又有呈现比例的意图。
折线图是最为常见的以呈现连续变化及整体趋势为目的的图表。这种图表一般横轴作为时间轴（日期维），纵轴表示度量值。横轴上的每个时间粒度（例如按年、按月……）对应一个点，点的上下位置由度量值对应纵轴上的刻度决定。依次将每个点用线连接起来，形成折线。这样，数量随时间变化的趋势也就一目了然。
另外，像面积图、百分比面积图等，既能呈现趋势，又能体现比例。
散点图是最为常见的展示两个度量值之间关系的图表。这种图表横轴、纵轴分别表示一个度量值，再有一个维度，每个维度成员对应一个点，点的位置分别由横轴、纵轴上的刻度决定。这样，从众多的点的散落位置，容易发现两个数量之间是否有相关性（相关性不意味着必然的因果关系）。
气泡图是散点图的变化，它加上第三个变量表现为点的大小，可展示三个数量之间关系。
另外，直方图等，也是展示分布的图表。
概念图是一种与数据的统计值无关的图表，不管度量值怎么变化，图表是确定不变的。
由于数据无关，严格意义上，概念图并不算是数据可视化。它只是通过图形的隐喻，表达一些抽象的概念。但如果用得恰当，也可以有助于对复杂事物的直观理解。
漏斗图就是一种概念图，整体呈倒梯形，数值的变化仅仅体现在数据标签上，而图形总是不随之改变。