颜色是最有效的美学特征之一，因为它吸引了人们的注意力。我们注意到的第一个特征是颜色，它突出了特定的见解并以直接的方式识别异常值。在论证中，颜色的使用应该基于数据，而不是个人偏好或品牌颜色。
接下来我们使用数据分析系统DataFocus所制作的图表来进行相应的演示。
通常，我们在使用颜色时可以遵循以下颜色一致性原则：
1.数字指标的一致性
当基于某个指标的数值执行颜色映射时，建议使用两极颜色生长模式的渐变颜色。例如，统计不同地区的销售情况。左侧图像的颜色没有颜色系统和生长规律。用户很难理解特定索引值的含义。此时，如果使用右侧的生长颜色系统。它的表达方式，向用户传达了一种颜色可测量感。然后，基于这种梯度增长颜色，用户可以容易地理解该年中每个区域的销售分布。
2.指标颜色一致性
在同一仪表板中，尝试对同一指标使用相同的颜色方案，避免过多的颜色干扰。
例如，当我们进行销售看板分析时，我们通常会分析销售和退货金额的指标。因此，即使我们对同一指标进行不同尺寸的数据可视化分析，我们也建议分别对销售和退货金额使用相同的颜色系统。例如，对于颜色匹配，销售额应为黄色，付款金额为蓝色。在遵循指示器颜色一致性颜色匹配原理之后，用户可以根据颜色区别快速理解当前数据可视化图表所表示的指示符的含义。
3.色彩系统一致性
在同一仪表板中，尝试选择相同颜色系统的颜色方案以避免颜色对比。
如何定义颜色的选择，这可能是很多用户非常头疼的问题，不知道选择哪种颜色来搭配。然而，在色彩匹配方面，DataFocus有很多漂亮的配色方案供大家选择相同颜色的颜色。这对用户非常友好。毕竟，有时“颜色价值也非常重要”。如果我们是自定义颜色匹配，我们需要避免一些颜色对比。例如，你可以匹配黄色+白色，蓝色+黑色，红色+蓝色，黄色+紫色等的颜色，这不仅美观，而且易于刺激用户的眼睛。
4.语义颜色一致性
语义颜色可以帮助人们更快地处理信息，并尝试根据指标的含义选择最符合人类感知的颜色。
因此，红色可用于指示热量分布，棕色表示干旱指数，蓝色表示降水，等等。
