Interpretar e criar visualizações de dados são habilidades essenciais na sociedade atual, em que o uso de dados é intensivo. Visualizações são ferramentas para extrair e comunicar informações de dados de forma eficiente. No entanto, novatos, com nenhuma ou pouca experiência com visualizações, muitas vezes têm dificuldades com atividades que envolvem mapeamentos visuais. Compreender essas dificuldades e investigar maneiras de melhorar o design de visualização de informação visam a capacitar os novatos a explorar melhor seus dados de forma independente. Nesse contexto, esta pesquisa almeja identificar e compreender lacunas no processo de design de visualização, e fornecer subsídios para que novatos possam planejar suas visualizações de forma adequada. Durante a pesquisa, realizamos dois estudos empíricos. O primeiro foi um estudo de observação do processo de design de visualizações, realizado com cinco profissionais de diferentes empresas. Neste estudo, mapeamos as etapas do processo e o material criado foi avaliado por dois especialistas em visualizações. Identificamos dificuldades e decisões inadequadas dos participantes, principalmente nas atividades de escolha de visualizações e mapeamento de variáveis para estas visualizações. Com base nos resultados e em trabalhos extraídos da literatura, propusemos e avaliamos um material didático estruturado, VIS-SeMa. O material é baseado em templates genéricos e exemplos concretos de questões e visualizações para apoiar novatos nas atividades de seleção de visualizações e mapeamento de variáveis. No segundo estudo, avaliamos a viabilidade do VIS-SeMa. Os resultados mostraram que o material apoiou boa parte dos participantes na seleção de visualizações e criação de mapeamentos visuais de forma correta. Nossa pesquisa contribui também com um processo de estudo baseado em utilizar questões para avaliar visualizações criadas e identificar decisões e dificuldades de novatos. Com o material VIS-SeMa, observamos a preferência dos participantes por conteúdos visuais e que a apresentação de exemplos concretos ajudou no entendimento de como fazer o mapeamento das variáveis para as visualizações e que combinar a anatomia (templates genéricos) das questões e das visualizações com os exemplos facilitou a compreensão por novatos.