（1）视觉暗示：
是指通过查看图表就可以与潜意识中的意识进行联系从而得出图表表达的意识。常用的视觉暗示主要有：位置（位置高低）、长度（长短）、角度（大小）、方向（方向上升还是下降）、形状（不同形状代表不同分类）、面积（面积大小）、体积（体积大小）、饱和度（色调的强度，就是颜色的深浅）、色调（不同颜色）。
（2）坐标系：
这里的坐标系和我们之前数学中学到的坐标系是相同的，只不过坐标轴的意义可能稍有不同。常见的坐标系种类有：直角坐标系、极坐标系和地理坐标系。
大家对直角坐标系、极坐标系比较熟悉，这里说一下地理坐标系。
地理坐标系是使用三维球面来定义地球表面位置，以实现通过经纬度对地球表面点位引用的坐标系。但是我们在进行数据可视化的时候一般用投影的方法把其从三维数据转化成二维的平面图形。
（3）标尺：
前面说到的三种坐标系只是定义了展示数据的维度和方向，而标尺的作用是用来衡量不同方向和维度上的大小，其实和我们熟悉的刻度挺像。
（4）背景信息：
此处的背景和我们在语文中学习到的背景是一个概念，是为了说明数据的相关信息（who、what、when、where、why），使数据更加清晰，便于读者更好的理解。
（5）组合组件：
组合组件就是根据目标用途将上面四种信息进行组合。本回答被网友采纳
一、大数据可视化的定义
大数据可视化是通过三维表现技术来表示复杂的信息，实现对海量数据的立体呈现。可视化技术借助人脑的视觉思维能力，通过挖掘数据之间重要的关联关系将若干关联性的可视化数据进行汇总处理，揭示数据中隐含的规律和发展趋势，从而提高数据的使用效率。在解决了海量数据分析耗时过长、挖掘深度不够、数据展现简单等问题的基础上，大数据可视化平台使人们不再局限于使用传统关系数据表来分析数据信息，而是以更直观的方式呈现和推导数据间的逻辑关系。总而言之，数据可视化是做大数据分析的一个很重要的手段。
二、大数据可视化方法
技术的发展已导致数据的大爆炸。这反过来又促使数据展示方式的激增。一般来说，大数据可视化分为2种不同的类型：探索型和解释型。勘探类型帮助人们发现数据背后的故事，而解析数据方便给人们看。此外，有不同的方法可用于创建这2种类型。最常见的数据可视化方法包括：
2D区域
此方法使用的地理空间数据可视化技术，往往涉及到事物特定表面上的位置。2D区域的数据可视化的例子包括点分布图，可以显示诸如在一定区域内犯罪情况。
时态
时态可视化是数据以线性的方式展示。最为关键的是时态数据可视化有一个起点和一个终点。时态可视化的一个例子可以是连接的散点图，显示诸如某些区域的温度信息。
多维
可以通过使用常用的多维方法来展示目前2维或高维度的数据。多维可视化的一个例子可能是一个饼图，它可以显示诸如政府开支。
分层
分层方法用于呈现多组数据。这些数据可视化通常展示的是大群体里面的小群体。分层数据可视化的例子包括一个树形图，可以显示语言组。
网络
在网络中展示数据间的关系,它是一种常见的展示大数据量的方法。
三、大数据可视化带来的价值
快速搭建部署
利用丰富强大的UI，快速搭建前端分析界面和分析流程
完全可以在几天之内基本实现客户的大数据蓝图
缩短周期，降低成本，最大限度提升成功率
立体数据动态呈现
实时流状大数据动态呈现、智能分析
适用于网络流量监控、交通疏导等对数据实时性要求较高的应用领域
灵活搭配提升费效比
可通过轻量级解决方案实现灵活的大数据可视化
数据展示、数据处理、元数据管理相互松耦合
基于GIS全方位呈现
数据延伸至空间地理维度
实现数据的空间分布展示
数据保持动态实时性
支持移动端数据
支持大数据可视化的移动端部署
实现与后台的无缝对接
实现离线数据分析
轻松摆脱对固网的依赖
