Datový rádce · Praktické vysvětlování pojmů

BI slovník

38 důležitých pojmů z Business Intelligence, datové analytiky a reportingu. Srozumitelně, s příklady a odkazy na vybraná vysvětlující videa.

Od datových základů až po rozhodování a pokročilou analytiku.
01 / 38

Akční vhledy

Actionable insights

Konkrétní poznatky z dat, ze kterých vyplývá užitečný další krok. Nestačí zjistit, co se stalo; podstatné je, jak s tím firma může naložit.

Příklad z praxe: Dashboard ukáže, že určité výrobky ztrácejí zákazníky. Akční vhled pomůže určit, kterých segmentů se problém týká a co se vyplatí ověřit.
02 / 38

Behaviorální segmentace

Behavioral segmentation

Rozdělení zákazníků nebo uživatelů do skupin podle jejich skutečného chování, například četnosti nákupů či způsobu používání služby.

Příklad z praxe: E-shop rozliší pravidelné zákazníky, příležitostné nakupující a zákazníky, kteří se delší dobu nevracejí; jednotlivým skupinám může přizpůsobit komunikaci.
03 / 38

Zkreslení

Bias

Systematická odchylka v datech, jejich výběru, měření nebo interpretaci, která vede k nesprávným závěrům. Může vzniknout i bez vědomého úmyslu.

Příklad z praxe: Průzkum spokojenosti vyplní hlavně nejaktivnější zákazníci. Závěry pak nemusejí vypovídat o celé zákaznické základně.
04 / 38

Business Intelligence

BI

Soubor postupů, datových řešení a analytických výstupů, které pomáhají firmě chápat její fungování a dělat informovaná rozhodnutí. Zahrnuje nejen reporting, ale i práci se zdroji, definicemi a kvalitou dat.

Příklad z praxe: Vedení sleduje marži, tržby a vývoj zákazníků v jednotných metrikách a může porovnávat výsledky napříč odděleními.
Vysvětluji na YouTube:Co je Business Intelligence ↗
05 / 38

Kontextové filtrování

Contextual filtering

Filtrování, při kterém výběr v jednom grafu nebo pohledu ovlivňuje další zobrazené údaje. Uživatel tak postupně prozkoumává souvislosti v datech.

Příklad z praxe: Kliknutí na konkrétní region v grafu přefiltruje ostatní vizualizace tak, aby zobrazovaly výsledky pouze pro tento region.
Vysvětluji na YouTube:Co je Kontextové filtrování ↗
06 / 38

Riziko odchodu zákazníka

Customer churn risk

Odhad pravděpodobnosti, že zákazník přestane využívat službu, nenakoupí znovu nebo ukončí smlouvu. Vychází z pozorovaného chování a vhodně definovaných historických dat.

Příklad z praxe: Pokles četnosti objednávek či využívání služby může být signálem, že zákazník potřebuje cílenou péči.
07 / 38

Dashboard

Dashboard

Přehledová obrazovka kombinující vybrané ukazatele, tabulky a grafy pro rychlou orientaci v určité oblasti podnikání. Dobrý dashboard je postavený kolem rozhodnutí uživatele.

Příklad z praxe: Obchodní ředitel na jednom místě sleduje tržby, plnění plánu a vývoj zakázek, přičemž může otevřít důležité detaily.
Vysvětluji na YouTube:Co je Dashboard ↗
08 / 38

Databáze

Database

Organizované úložiště dat s pravidly pro jejich ukládání, vyhledávání a správu. Relační databáze obvykle pracují s tabulkami a vazbami mezi nimi.

Příklad z praxe: Informační systém vede zákazníky, objednávky a produkty v propojených databázových tabulkách.
09 / 38

Datamart

Datové tržiště

Datová vrstva nebo úložiště připravené pro konkrétní analytickou oblast, například obchod, finance či nákup. Poskytuje vhodně uspořádaná data a stabilní definice pro reporting.

Příklad z praxe: Prodejní datamart propojí objednávky se zákazníky, produkty a kalendářem tak, aby šlo spolehlivě vyhodnocovat výsledky prodeje.
10 / 38

Datový model

Data model

Popis struktury dat, jejich významu a vztahů mezi nimi. Pro analytiku pomáhá správně spojovat fakta s kontextem a předcházet chybným výpočtům.

Příklad z praxe: Model prodeje oddělí objednávkové položky od dimenzí zákazníků, produktů a času. Uživatel pak může tržby analyzovat z různých úhlů.
Vysvětluji na YouTube:Co je Datový model ↗Co je Normalizace dat ↗
11 / 38

Kvalita dat

Data quality

Míra, v jaké jsou data pro konkrétní účel přesná, úplná, konzistentní, aktuální a použitelná. Kvalita se posuzuje ve vztahu k tomu, k čemu mají data sloužit.

Příklad z praxe: Duplicitní zákazníci nebo neplatné kódy produktů mohou zkreslit výnosy i zákaznické ukazatele.
12 / 38

Zdroj dat

Data source

Systém, databáze, aplikace, soubor nebo služba, odkud data pocházejí. Pro analytiku je zásadní znát nejen zdroj, ale i význam a způsob vzniku jeho údajů.

Příklad z praxe: Účetní systém dodává faktury, CRM obchodní příležitosti a e-shop objednávky. Každý zdroj může mít vlastní pravidla a čas aktualizace.
13 / 38

Datový sklad

Data warehouse / DWH

Integrovaná datová platforma určená pro historické i průběžné analytické potřeby firmy. Data z více zdrojů sjednocuje a připravuje pro spolehlivou analýzu a reporting.

Příklad z praxe: Prodej, finance a zákaznický servis využívají společný základ, díky němuž lépe sjednotí definice zákazníků a výkonnostních ukazatelů.
Vysvětluji na YouTube:Co je Datový sklad ↗
14 / 38

Digitální stopa

Digital footprint

Záznamy vznikající při digitálních interakcích osob nebo firem. Mohou obsahovat chování na webu, používání aplikací i historii transakcí; jejich využití musí respektovat soukromí a právní pravidla.

Příklad z praxe: Firma analyzuje návštěvy zákaznického portálu a četnost objednávek, aby lépe pochopila potřeby svých klientů.
15 / 38

Dimenze

Dimensions

Popisná data, která dodávají kontext měřeným událostem a hodnotám. Umožňují analyzovat fakta podle kategorií, času, zákazníků, regionů a dalších pohledů.

Příklad z praxe: Tržby z objednávek lze rozdělit podle dimenze produktu, zákazníka nebo kalendáře.
Vysvětluji na YouTube:Co jsou Dimenze ↗
16 / 38

ETL a ELT

Data pipelines

Postupy pro získávání, přesun a transformaci dat. U ETL transformace typicky předchází načtení do cílové vrstvy, u ELT se data nejprve načtou a upravují až v ní.

Příklad z praxe: Při přípravě prodejních dat se sjednotí měny, zkontrolují identifikátory zákazníků a vytvoří přehled pro datamart.
17 / 38

Historická data

Historical data

Údaje zachycující minulý stav nebo události. Pro správnou analýzu je důležité vědět, zda se ukládá jen aktuální hodnota, nebo i její předchozí podoby.

Příklad z praxe: Pokud se zákazník přesunul do jiného segmentu, historická data umožní vyhodnotit, do kterého segmentu patřil v okamžiku nákupu.
18 / 38

Vhledy a poznatky

Insights

Smysluplná zjištění odvozená z dat v konkrétním kontextu. Na rozdíl od samotného čísla pomáhají vysvětlit, proč je výsledek důležitý.

Příklad z praxe: Nejen informace, že tržby klesly, ale také zjištění, které produktové skupiny nebo typy zákazníků pokles způsobily.
19 / 38

Spojení dat

Join

Operace, která kombinuje záznamy z více tabulek podle definované vazby. Správné klíče a kardinalita vztahů jsou zásadní pro správné výsledky.

Příklad z praxe: Objednávky se spojí se zákazníky přes identifikátor zákazníka. Chybně nastavená vazba ale může způsobit násobení řádků a tržeb.
20 / 38

Strojové učení

Machine learning

Metody, při nichž se model učí vzory z dat a používá je k odhadům, klasifikaci nebo doporučením. Kvalita zadání, dat a ověření výsledku bývá stejně důležitá jako algoritmus.

Příklad z praxe: Model odhaduje pravděpodobnost odchodu zákazníka podle dřívějšího chování podobných zákazníků.
21 / 38

Metrika

Metric / measure

Jasně definovaná vypočtená hodnota, která popisuje určitou vlastnost nebo výkon. Aby jí lidé důvěřovali, potřebuje přesnou definici, zdroj, kontext a časové vymezení.

Příklad z praxe: „Počet aktivních zákazníků“ musí říkat, co znamená aktivní a za jaké období se zákazníci počítají.
Vysvětluji na YouTube:Co je Metrika ↗
22 / 38

OLAP a datová kostka

Online Analytical Processing

Přístup k vícerozměrné analýze dat, který umožňuje agregace a pohledy podle různých dimenzí. Pojem „kostka“ označuje logickou analytickou strukturu, nikoli nutně fyzický objekt.

Příklad z praxe: Finanční data se prohlížejí podle období, organizační jednotky a druhu nákladu, aniž by se pro každý pohled musel tvořit nový report.
23 / 38

Paretovo pravidlo

Pareto principle

Pozorování, že podstatná část výsledku často připadá na menší část příčin. Poměr 80/20 je orientační, nikoli univerzální zákon.

Příklad z praxe: Analýza zjistí, že menší skupina zákazníků tvoří většinu tržeb; obchod pak ověří, jak s touto informací pracovat.
24 / 38

Perspektiva a úhel pohledu

Perspective

Způsob, jakým se na stejná data dívá určitá role či skupina uživatelů. Lišit se může výběrem metrik, dimenzí i podrobností.

Příklad z praxe: Manažer potřebuje přehled po regionech, nákupčí pohled na dodavatele a controlling členění nákladů.
25 / 38

Power BI

Microsoft Power BI

Platforma společnosti Microsoft pro přípravu dat, tvorbu datových modelů, vizualizaci a sdílení analytických výstupů. Kvalita výsledku závisí především na datech, modelu a definici metrik.

Příklad z praxe: Obchodní tým používá přehled tržeb postavený nad společným prodejním datamartem.
26 / 38

Prediktivní analytika

Predictive analytics

Analýza zaměřená na odhad budoucích událostí nebo hodnot na základě historických dat a vhodného modelu. Výstup je odhad s určitou mírou nejistoty.

Příklad z praxe: Firma odhaduje pravděpodobné objemy objednávek pro další měsíc a plánuje zásoby.
27 / 38

Prediktivní model

Predictive model

Statistický nebo algoritmický model vytvořený pro odhad neznámé hodnoty či výsledku. Jeho kvalitu je potřeba ověřovat na datech, která nebyla použita k učení.

Příklad z praxe: Model předpovídá pravděpodobnost pozdní úhrady faktury podle známých charakteristik zákazníka a smlouvy.
28 / 38

Preskriptivní analytika

Prescriptive analytics

Přístup, který z analytických poznatků a omezení navrhuje možné kroky nebo optimalizovaná rozhodnutí. Často využívá kombinaci predikce a optimalizace.

Příklad z praxe: Na základě předpovědi poptávky a kapacit firma hledá vhodný plán doplnění zásob.
29 / 38

Nákupní chování

Purchase behavior

Způsoby, jakými zákazníci vybírají, nakupují a opakovaně využívají produkty či služby. Analýza hledá vzorce, segmenty a změny v čase.

Příklad z praxe: Z nákupních košíků vyjde najevo, jaké kategorie zákazníci často nakupují společně.
30 / 38

Doporučovací model

Recommendation model

Model navrhující zákazníkům nebo uživatelům vhodné položky podle historie, podobnosti nebo aktuálního kontextu.

Příklad z praxe: E-shop nabízí související produkty na základě toho, co společně nakupovali podobní zákazníci.
31 / 38

Reporting

Reporting

Pravidelné nebo ad hoc předávání informací o fungování firmy prostřednictvím reportů. Smyslem je poskytovat srozumitelné, aktuální a důvěryhodné podklady pro řízení.

Příklad z praxe: Týdenní obchodní přehled porovnává výsledky s plánem a vysvětluje hlavní odchylky.
32 / 38

Retence zákazníků

Retention

Schopnost firmy udržovat vztahy se zákazníky a opakované využívání služeb či nákupy. Je potřeba ji měřit podle jasně definované skupiny a období.

Příklad z praxe: Provozovatel předplatného sleduje, kolik zákazníků pokračuje po obnovení smlouvy a jak se retence liší mezi segmenty.
33 / 38

Řádkové zabezpečení

Row-Level Security / RLS

Omezení přístupu k jednotlivým záznamům podle role či identity uživatele. Běžně se používá v analytických modelech a reportech.

Příklad z praxe: Regionální manažer v jednom reportu vidí jen data svého regionu, zatímco vedení vidí všechny regiony.
34 / 38

Analýza sezónnosti

Seasonality analysis

Zkoumání pravidelně se opakujících změn v čase, například podle měsíců, týdnů nebo dní. Pomáhá odlišit přirozený cyklus od mimořádné události.

Příklad z praxe: Vánoční nárůst objednávek se při hodnocení výsledků porovnává s odpovídajícím obdobím minulých let.
35 / 38

Tabulka

Table

Struktura dat složená z řádků a sloupců. V databázích obvykle představuje určitý druh entity nebo záznamu; v reportu může označovat také tabulkové zobrazení.

Příklad z praxe: Tabulka objednávek obsahuje datum, identifikátor zákazníka a hodnotu každé objednávky.
36 / 38

Tableau

Tableau

Platforma pro vizuální analytiku a interaktivní práci s daty. Stejně jako jiné BI nástroje vyžaduje správně připravený datový základ a konzistentní význam ukazatelů.

Příklad z praxe: Analytik připraví interaktivní přehled pro prodej, ve kterém uživatelé zkoumají výsledky podle segmentů.
37 / 38

Databázový pohled

View

Virtuální tabulka definovaná databázovým dotazem. Umožňuje zpřístupnit vhodný výběr a kombinaci dat bez nutnosti ukládat další fyzickou kopii tabulky.

Příklad z praxe: Pohled sjednotí údaje o objednávkách a zákaznících tak, aby je mohl využít reporting.
38 / 38

Vizualizace

Visual

Grafické zobrazení dat, například graf, mapa, indikátor nebo tabulka. Správná volba formy má pomoci pochopit informaci, nikoli jen stránku ozdobit.

Příklad z praxe: Časová řada tržeb ukáže vývoj a sezónnost lépe než seznam jednotlivých objednávek.

Potřebujete jít v datech dál?

Pokud chcete rozvíjet datové kompetence týmu, připravit kvalitní BI nebo si ujasnit konkrétní datové téma, můžeme navázat odbornou spoluprací.

Podívat se na mentoring a školení