Analýza dat s AI: od CSV k závěru, který obhájíte

Mezi „mám data“ a „vím, co v nich je“ dřív stála znalost Excelu. Dnes tam stojí něco záludnějšího: schopnost poznat, kdy vám AI odpověděla z výpočtu a kdy jen napsala číslo, které v té větě vypadalo dobře.

Jazykový model v chatu nepočítá. Generuje text. Když se ho zeptáte na průměr, nespustí sčítačku — napíše hodnotu, která se do kontextu hodí. Občas je i správná, a právě proto je to nebezpečné. Užitečná analýza vzniká jinak: model napíše kód, kód se spustí nad vaším souborem a čísla přijdou z běhu programu. To je celý rozdíl mezi „AI mi spočítala tržby“ a „AI mi napsala skript, který tržby spočítal a spočítá je zase“.

Návod vede od syrového exportu k závěru, který můžete říct nahlas na poradě: příprava a anonymizace dat, rozdíl mezi chatem a nástrojem, který kód opravdu spouští, průzkum neznámého datasetu, hledání trendů a anomálií, volba grafu a nakonec interpretace. Každá fáze má prompty k okopírování; stačí doplnit hranaté závorky.

Vzorová situace

Jana vede e-shop s domácími potřebami. V červnu jí tržby proti květnu spadly o dvaadvacet procent a v účetnictví má export objednávek za dva roky: čtrnáct tisíc řádků, osmnáct sloupců. Klasický scénář: odpoledne v kontingenčních tabulkách, dvě hypotézy od oka („asi dovolené“, „asi ta nová konkurence“) a rozhodnutí podle pocitu — plošná sleva, marže dolů, problém nevyřešený.

Jana stráví večer jinak. Nejdřív z exportu smaže jména a e-maily a nechá si soubor zkontrolovat — vyjde najevo, že šest set řádků jsou storna, která v součtech neměla co dělat. Pak si nechá napsat skript, který tržby rozpadne podle měsíců, kategorií a zdroje návštěvy. Skript proběhne za tři vteřiny a ukáže, co v souhrnném čísle vidět nebylo: propad není plošný. Dvě ze čtyř kategorií rostou, jedna stagnuje a jedna spadla o šedesát procent — přesně od týdne, kdy vypadl dodavatel a půlka položek byla nedostupná.

Rozdíl není v šikovnosti s Excelem. Je v tom, že ve druhé verzi má Jana na konci větu, kterou umí obhájit: „Nepřišli jsme o zákazníky, přišli jsme o zboží v jedné kategorii.“ A protože analýza běží skriptem, příští měsíc ji zopakuje za deset vteřin.

Fáze 1: data dřív, než se jich AI dotkne

Většina špatných analýz se pokazí tady, ještě než padne první otázka. Model neví, že sloupec „cena“ je jednou s DPH a jindy bez, že se od března změnil formát data a že řádky se stavem „storno“ nikdo nevyřadil. Spočítá to, co dostane — včetně nesmyslů.

Jak vypadá použitelný export

Pravidla jsou nudná a rozhodují o všem ostatním. Jeden řádek = jedno pozorování (jedna objednávka, jeden den, jeden respondent), nikdy ne kombinace úrovní. Jedna hlavička na prvním řádku, žádné sloučené buňky a hlavně žádné mezisoučty uvnitř dat — souhrnný řádek „celkem za březen“ mezi objednávkami je klasická cesta k tomu, že se tržby napočítají dvakrát.

U českých exportů pohlídejte tři technikálie, na kterých padá načtení: oddělovač (typicky středník), kódování (UTF-8, ale starší systémy dávají Windows-1250 a rozsypou se háčky) a desetinnou čárku místo tečky — bez ošetření se z čísel stane text. Pro analýzu preferujte CSV před XLSX: v sešitu se schovávají skryté listy a barevné příznaky, které nese jen člověk, ne data.

První prompt nepouštějte na výpočty, ale na kontrolu — modelu ukazujete jen hlavičku a pár řádků, ne celý soubor:

Tady je hlavička mého exportu a prvních 20 řádků (oddělovač středník,
kódování UTF-8, desetinná čárka):

[vlož 20 řádků včetně názvů sloupců]

Nedělej zatím žádné výpočty. Udělej datový audit:
1. U každého sloupce urči typ (text, číslo, datum, kategorie)
   a co podle názvu a hodnot pravděpodobně znamená.
2. Označ problematické sloupce: smíšené formáty, datum jako text,
   čísla s jednotkou v buňce, kategorie psané různě („Praha“,
   „praha“, „PRAHA “).
3. Vypiš, na co se mě musíš zeptat, než začnu počítat — typicky
   jestli jsou ceny s DPH a jestli se mají storna vyřadit.
4. Napiš, co je v těchto datech jedno pozorování.

Nic nedomýšlej — kde nemáš z ukázky jistotu, napiš to jako
otázku pro mě.

Vrátí seznam nejasností, které byste jinak objevili až v grafu. Bod 3 je ten důležitý: většina chyb v analýzách nejsou chyby ve výpočtu, ale v tom, že se sečetlo něco jiného, než si člověk myslel. A pozor — model občas s klidem prohlásí, že sloupec „cena_celkem“ je s DPH. Neví to; ověřte si to v systému, odkud export pochází.

Anonymizace: co se nikdy nenahrává

Objednávky, mzdy, dotazníky i výpisy z banky obsahují osobní údaje. Než soubor kamkoli nahrajete, smažte jména, e-maily, telefony, adresy, rodná a účtová čísla a otevřené odpovědi, ve kterých se lidé identifikují. Zákazníka nahraďte pořadovým číslem; potřebujete-li vazbu na původní záznam, klíč si nechte v souboru, který nikam neposíláte.

Platí zásada webu: citlivá data patří jen do placeného účtu se smluvní ochranou dat, ne do volného chatu, a i tam bez identifikátorů. U citlivých firemních čísel se navíc ptejte, jestli musíte nahrávat celou tabulku — na většinu otázek stačí agregovaný výřez. Nejčistší varianta je nechat si napsat skript a spustit ho u sebe; data pak nikam neodcházejí.

Napiš Python skript, který připraví anonymizovanou kopii mého CSV.
Struktura sloupců: [vlož jen názvy sloupců, bez dat]

Skript má:
1. odstranit sloupce [jméno, e-mail, telefon, adresa],
2. [zakaznik_id] nahradit pořadovým číslem a převodní tabulku
   uložit do klic.csv, který zůstane u mě,
3. v textovém sloupci [poznámka] jen OZNAČIT řádky s e-mailem,
   telefonem nebo možným jménem a vypsat je ke kontrole,
4. uložit data_anonym.csv se stejným oddělovačem a kódováním
   a vypsat, kolik řádků a sloupců zůstalo.

Spustíte jednou a máte bezpečnou kopii. Bod 3 nedávejte na automatiku schválně — o tom, co je v poznámce osobní údaj, rozhoduje člověk. Je to podoba pravidla AI navrhuje, člověk schvaluje.

Fáze 2: AI nepočítá v chatu, AI píše skript

Jádro celého návodu. Když si z něj odnesete jednu věc, ať je to tahle.

Dva důvody, proč číslo z chatu nesmí do rozhodnutí

Kontextové okno. Model vidí jen omezený výřez textu, a u delší konverzace mnohem menší, než se zdá. Tabulka se čtrnácti tisíci řádky se do něj nevejde celá — model si z ní vezme kus. Nedostanete chybovou hlášku „nevidím zbytek dat“. Dostanete odpověď.

A hlavně: model generuje text, ne výpočet. Na otázku „jaký je průměr“ napíše číslo, které v daném kontextu vypadá jako správná odpověď. Nebezpečné je to proto, že takové číslo vypadá naprosto normálně: sedí do rozsahu, procenta dávají sto, meziroční změna zní věrohodně. Nemáte podle čeho poznat, že je vymyšlené — dokud ho někdo nepřepočítá.

Pravidlo je proto tvrdé: do rozhodnutí, prezentace ani reportu nesmí číslo, které vzniklo jako text v chatu. Každá hodnota musí pocházet z kódu, který jde spustit znovu.

Kdy chat počítat smí: nástroje, které kód opravdu spouštějí

Rozdíl není mezi „AI“ a „ne AI“, ale mezi „napsalo to“ a „spočítalo to“. Moderní chaty umí obojí a vy musíte poznat, co se zrovna děje. Poznávací znamení: vidíte kód a jeho výstup. Když v odpovědi proběhne blok kódu a pod ním výpis (načteno 14 200 řádků, odstraněno 612 storen, průměr 1 284 Kč), počítal stroj. Když přijde rovnou hezky formulovaný odstavec s čísly, psal model.

Tři místa, kde kód reálně běží:

• Analytický nástroj přímo v chatu. Nahrajete CSV, model napíše kód a spustí ho v izolovaném prostředí. Nejrychlejší cesta pro jednorázovou analýzu.
• Claude Code nad složkou s daty. Model soubor vidí, skript napíše, spustí a chybu opraví. Nejlepší volba, když v datech čekáte nepořádek nebo analýzu budete opakovat. Víc v tipu malé skripty bez programování.
• Lokálně u sebe. Nainstalovaný Python, pip install pandas matplotlib, python analyza.py. Pomalejší start, ale data nikdy neopustí váš počítač.

Do každé analytické konverzace se vyplatí dát rámcovou instrukci, která zakáže odhadování:

Pracujeme nad mým datovým souborem. Pro celou konverzaci platí:

1. Žádné číslo neuvádíš z hlavy ani z odhadu — každou hodnotu
   spočítej kódem a ukaž mi kód i jeho výstup.
2. Když na výpočet nemáš data nebo nástroj, napiš „tohle
   nespočítám“ místo přibližné odpovědi.
3. U každého výsledku uveď, z kolika řádků vznikl a kolik jich
   bylo vyřazeno a proč.
4. Při nejednoznačnosti (chybějící hodnoty, duplicity, podezřelé
   kategorie) se zeptej, nerozhoduj sám.
5. Na konci každé odpovědi napiš větou, co by mohlo výsledek
   zkreslit.

Vypadá to formálně a je to účelné: bez bodů 1 a 2 model tiše přejde do režimu „napíšu, co se hodí“. Bod 3 je pojistka proti tichému zahození řádků.

Fáze 3: od otázky ke skriptu

Jak se ptát, aby šlo odpovědět

Analýza není o datech, ale o otázce. „Podívej se na to a řekni mi, co je zajímavé“ vrátí odstavec obecností. Použitelné otázky mají tři podoby:

• Popisné — kolik, jaký podíl, jak rozložené. („Jaký podíl tržeb dělá top 10 produktů?“)
• Srovnávací — liší se A od B a o kolik. („Mají zákazníci z vyhledávání jinou průměrnou objednávku než ze sociálních sítí?“)
• Vývojové — mění se to v čase, kdy nastal zlom. („Od kterého týdne klesá počet opakovaných nákupů?“)

Špatná otázka se pozná podle toho, že na ni neexistuje číslo, které by ji zodpovědělo. Než začnete počítat, nechte si mlhavý dotaz převést na měřitelné otázky (prompt na to je ve fázi 4) — typicky se ukáže, že „proč nakupují míň“ potřebuje data, která nemáte, zatímco „kdo přesně nakupuje míň“ jde zodpovědět hned.

Prompt, který vyrobí analytický skript

Modelu ukazujete strukturu, ne celý soubor:

Tady je hlavička mého CSV (prvních 5 řádků, oddělovač středník,
kódování UTF-8, desetinná čárka):

[vlož 5 řádků včetně názvů sloupců]

Napiš Python skript (pandas, matplotlib), který:
1. načte soubor jako data/objednavky.csv a ošetří české kódování
   i desetinnou čárku,
2. vyčistí data: vyřadí řádky se stavem [storno, nezaplaceno],
   sjednotí psaní kategorií, převede [datum] na datový typ,
3. vypíše, kolik řádků načetl, kolik vyřadil a z jakého důvodu,
4. spočítá tržby, počet objednávek a průměrnou objednávku
   po měsících a totéž v rozpadu podle [kategorie] a [zdroj],
5. uloží čísla do results.csv a grafy do složky grafy/ jako PNG.

Požadavky:
- ke každému kroku český komentář, PROČ se dělá,
- skript musí projít i s prázdnými buňkami,
- žádná natvrdo zapsaná čísla, vše počítej z dat,
- na konci vypiš kontrolní součet: tržby za celé období.

Vrátí hotový skript i s komentáři, které jsou stejně cenné jako kód. Hlavičku vkládejte skutečnou, ne přepsanou z hlavy — na špatně odhadnutém oddělovači padne načtení. A kontrolní součet porovnejte s číslem, které znáte odjinud (z účetnictví, z administrace). Když se rozchází, něco se vyřadilo navíc.

Jak vypadá výstup, kterému se dá věřit

Načteno 14 203 řádků, 18 sloupců.
Vyřazeno 612 storen a 87 nezaplacených, zbývá 13 504.
Chybějící hodnoty: kategorie 41 řádků (ponechány jako „neuvedeno“).

Rozpad června podle kategorie (proti květnu):
kategorie        kveten     cerven    zmena
Kuchyne         612 400    598 200     -2,3 %
Uklid           418 700    401 500     -4,1 %
Zahrada         510 100    203 400    -60,1 %
Ostatni         320 200    249 800    -22,0 %

Kontrolní součet za období: 21 480 300 Kč
Výsledky uloženy: results.csv, grafy/trzby-mesice.png

Tohle je číslo, které smí do prezentace: víte, kolik řádků do něj vstoupilo, co se vyřadilo a jak vznikne znovu. A hned je vidět, že „červnový propad“ je propad jedné kategorie.

Rozumět skriptu, i když ho neumíte napsat

Neumět Python není problém. Nerozumět tomu, co skript s daty dělá, problém je — protože se na to někdo zeptá.

Vysvětli mi tenhle skript po blocích, jako člověku, který
programovat neumí a nechce se to učit.

U každého bloku napiš:
- co se v něm děje běžnou češtinou,
- jaké rozhodnutí o mých datech v sobě skrývá (co vyřazuje,
  co doplňuje, co zaokrouhluje),
- co by se stalo, kdybych ho vynechal.

Pak zvlášť vypiš místa, kde skript může tiše vrátit špatné číslo,
aniž by spadl (chybějící hodnoty, duplicity, dělení nulou, špatně
načtený datum), a 5 otázek, které mi k téhle analýze může položit
šéf nebo klient, i s odpověďmi.

[vlož skript]

Vrátí srozumitelný výklad plus seznam tichých rizik. Část o „tiše špatném čísle“ typicky odhalí, že duplicitní objednávky se počítají dvakrát nebo že řádky bez data vypadly z časové řady.

Fáze 4: explorace neznámého datasetu

Někdy nemáte otázku, jen soubor, který vám někdo poslal. Nejdřív zjistíte, co v datech je, teprve pak, co se z nich dá vytáhnout.

Profil dat jako povinný první krok

Napiš Python skript, který udělá profil datasetu — chci vědět,
s čím pracuju, než začnu počítat. Ať vypíše:

1. počet řádků a sloupců,
2. u každého sloupce: typ, podíl chybějících hodnot, počet
   unikátních hodnot,
3. u číselných: minimum, maximum, průměr, medián, 1. a 99. percentil,
4. u textových: 10 nejčastějších hodnot s četností a upozornění
   na podezřele podobné dvojice (stejné až na mezery a velikost
   písmen),
5. u datových: nejstarší a nejnovější datum a chybějící období
   (dny nebo měsíce bez jediného záznamu),
6. počet duplicit celkem i podle [klíčový sloupec],
7. řádky s nesmyslnými hodnotami: záporné ceny, věk mimo rozsah
   0-120, datum v budoucnosti.

Výstup ať je čitelný v terminálu, nic neopravuj — jen ohlas.

Poslední věta je podstatná: profilování nikdy nesmí data měnit. Chcete diagnózu, ne tichou léčbu. Nálezy pak řešíte po jednom a rozhodnutí („storna ven, chybějící kategorie jako neuvedeno“) si zapište. Chybějící období z bodu 5 bývají největší úlovek — když v datech chybí celý týden, každé srovnání „letos versus loni“ je od té chvíle vedle a nikdo si toho nevšimne.

Co se z těch dat vlastně dá zjistit

Tady je profil mého datasetu (výstup profilovacího skriptu):

[vlož výstup]

Kontext: data pocházejí z [zdroj], používám je k [účel] a mlhavě
mě zajímá [např. proč klesly tržby v červnu].

Nepočítej nic. Navrhni 12 měřitelných otázek, které JDOU z těchto
sloupců zodpovědět. U každé napiš:
- otázku jednou větou,
- které sloupce a jaký výpočet na ni odpoví,
- jaký výsledek by znamenal „ano“ a jaký „ne“,
- k jakému rozhodnutí by mi odpověď byla dobrá.

Pak vypiš 5 otázek, které by se nabízely, ale tahle data na ně
nestačí, a u každé napiš, co konkrétně by mi k odpovědi chybělo.

Nakonec označ tři otázky, kterými bych měl začít, a zdůvodni to.

Vrátí rozcestník hodnotnější než jakékoli automatické „insighty“. Pozor na past: model rád navrhne otázky, které znějí analyticky, ale k ničemu nevedou („jaká je distribuce sloupce X“). Začínejte tím, co změní nějaké rozhodnutí.

Fáze 5: trendy a anomálie

Trend, sezonnost a šum

Tři čísla vedle sebe nejsou trend. Většina „propadů“ a „růstů“, kolem kterých se na poradách dělá dusno, je běžné kolísání — nebo artefakt kalendáře. Než začnete hledat příčiny, oddělte dlouhodobý směr, sezonnost a šum.

Pomůžou tři pravidla. Srovnávejte meziročně, ne meziměsíčně — červen s červnem. Normalizujte na počet pracovních dní; únor je krátký, květen bývá plný svátků a rozdíl deseti procent může být celý jen o tom. A na vyhlazení šumu použijte klouzavý průměr přes sedm nebo třicet dní.

Napiš Python skript pro analýzu časové řady z mých dat.
Sloupce: [datum], [hodnota], volitelně [segment].

Skript má:
1. agregovat hodnotu po dnech, týdnech a měsících,
2. dopočítat klouzavý průměr přes 7 a 30 dní,
3. spočítat meziroční srovnání (stejný měsíc loni) v procentech,
4. normalizovat měsíční hodnoty na počet pracovních dní a ukázat,
   jak moc se tím obraz změní,
5. vypsat tabulku dní, kdy se hodnota liší od klouzavého průměru
   o víc než 2 směrodatné odchylky,
6. vykreslit graf: denní hodnoty světle, klouzavý průměr silně,
   odchylky zvýrazněné.

Do komentářů napiš, jaké předpoklady metoda má a kdy by mě mohla
splést (krátká řada, chybějící dny, změna metodiky sběru).

Vrátí skript a hlavně tabulku odchylek — dny, kterým stojí za to se podívat na zoubek. Bod 4 často překvapí: „propad“ se po přepočtu na pracovní dny scvrkne na dvě procenta. Skript není detektor příčin, je to detektor míst, kam se podívat.

Když najdete anomálii, rozpadněte ji

Agregované číslo neřekne proč. Odpověď je skoro vždy v rozpadu podle dimenzí — jedna kategorie, jeden region, jeden kanál, jeden týden.

V datech mám tenhle nález: [např. tržby v červnu -22 % proti
květnu]. Chci zjistit, čím je způsobený.

Napiš skript, který propad rozloží na příspěvky segmentů:
1. rozpad podle [kategorie], [region], [zdroj], [nový vs.
   vracející se zákazník] — u každé dimenze tabulka: období A,
   období B, absolutní i procentní změna a PŘÍSPĚVEK k celkové
   změně v procentních bodech, seřazeno podle příspěvku,
2. rozklad na počet objednávek versus průměrnou hodnotu
   objednávky — chci vědět, jestli ubylo nákupů, nebo se zmenšily,
3. denní časová řada pro tři nejvíc zasažené segmenty, ať vidím,
   jestli propad začal skokem, nebo postupně.

Nevymýšlej vysvětlení, vrať jen čísla a graf.

Poslední věta je tam schválně: chcete rozpad, ne příběh — ten k němu doplníte vy, protože jenom vy víte, že v tom týdnu vypadl dodavatel. Bod 2 je nejrychlejší diagnostika, jakou v obchodních datech máte: „přišlo míň lidí“ a „lidé utráceli míň“ jsou dva jiné problémy s jiným řešením.

Fáze 6: vizualizace — jaký graf na co

Volba typu grafu

Graf není dekorace, je to nástroj na jednu konkrétní otázku. Podle otázky se vybírá:

• Vývoj v čase — čárový graf. Jedna až čtyři čáry, víc už je klubko.
• Srovnání kategorií — vodorovný sloupcový, seřazený podle hodnoty: vejdou se dlouhé české popisky a pořadí je samo o sobě informace.
• Podíl na celku — sloupcový nebo stoprocentně skládaný. Koláč nejvýš u pěti kategorií; nad to nikdo nerozezná, který díl je větší.
• Rozložení hodnot — histogram nebo krabicový graf pro srovnání skupin. Tady se pozná, jestli má průměr vůbec smysl.
• Vztah dvou proměnných — bodový graf. Jediný typ, ve kterém uvidíte, že „korelace“ jsou ve skutečnosti dva shluky.
• Kombinace dvou dimenzí — teplotní mapa (den v týdnu krát hodina).

Čemu se vyhnout: 3D efektům (zkreslují velikosti), dvěma osám y (dají se jimi „prokázat“ libovolné dvě věci), useknuté ose u sloupcového grafu (rozdíl vypadá desetkrát větší, než je) a koláčům s deseti dílky.

Uprav grafickou část mého skriptu, aby grafy měly jednotný
střízlivý styl vhodný do firemní prezentace:
- bezpatkové písmo, popisky nejméně 11 bodů,
- popisky os česky včetně jednotek („Tržby (tis. Kč)“),
- nadpis grafu je věta se závěrem, ne název proměnné
  („Propad je jen v kategorii Zahrada“, ne „Tržby dle kategorie“),
- tisícové oddělovače, osa y u sloupcových grafů od nuly,
- maximálně 4 barvy, zbytek odstíny šedé, čitelné i černobíle,
- bez mřížky, bez rámečku, bez 3D,
- do popisku doplň n (počet záznamů) a období,
- export do grafy/ jako PNG, 300 dpi, bílé pozadí.

Nastavení dej na jedno místo na začátku skriptu.

Vrátí upravený skript se stylem na jednom místě. Požadavek na nadpis jako větu se závěrem je drobnost s velkým dopadem — nutí vás pojmenovat, co graf ukazuje, a čtenář to pochopí bez vysvětlování.

Interaktivní graf jako artefakt

Statický obrázek stačí do reportu. Když chcete, aby si kolegové sami přepínali období nebo segment, hodí se artefakt — mini-aplikace vytvořená přímo v chatu, kterou sdílíte odkazem a nic se neinstaluje. Podrobněji v tipu artefakty jako mini-aplikace.

Vytvoř mi artefakt — interaktivní přehled mých dat.

Vstupní data vkládám jako JSON (už agregovaná, bez osobních
údajů, [počet] řádků):

[vlož agregovaná data]

Přehled má obsahovat:
- přepínač období (posledních 12 měsíců / letos / vše),
- filtr podle [kategorie] s možností vybrat víc položek,
- nahoře čtyři souhrnná čísla: tržby, počet objednávek,
  průměrná objednávka, meziroční změna,
- čárový graf vývoje v čase, který reaguje na filtry,
- vodorovný sloupcový graf top 10 [produktů] s hodnotami,
- tabulku, kterou jde seřadit kliknutím na hlavičku.

Styl: střízlivý, čitelný na projektoru, česky včetně formátu
čísel. Když je po filtrování méně než 5 záznamů, napiš to
místo grafu.

Vrátí funkční přehled, se kterým jde jít rovnou na poradu. Vkládejte agregovaná data, ne surový export (osobní údaje tam nemají co dělat), a čísla v přehledu porovnejte s výstupem skriptu — přepis do JSON je další místo na chybu.

Fáze 7: interpretace — co data říkají a co neříkají

Nejdražší chyby nevznikají ve výpočtu, ale ve větě, která ho vysvětluje: čísla správná, závěr špatný.

Šest způsobů, jak se splést nad správnými čísly

• Korelace není kauzalita. Prodeje zmrzliny a utonutí rostou spolu; příčinou je léto. Hledejte třetí veličinu, která hýbe oběma — a pozor i na obrácenou příčinu: zákazníci s newsletterem nakupují víc možná proto, že se přihlásili ti, kdo už rádi nakupovali.
• Výběrové zkreslení. Dotazník vyplnili jen ti, kterým se chtělo. Spokojenost vyšla vysoká; nespokojení totiž neodpověděli.
• Přeživší v datech. Analýza zákazníků, kteří zůstali, neřekne nic o těch, co odešli — a přitom ta otázka je důležitější.
• Malý vzorek. Segment s dvanácti objednávkami se „zlepšil o čtyřicet procent“. Nezlepšil, jen se zachvěl. Podobně: když se ptáte na dvacet věcí, jedna vyjde „významně“ úplně náhodou.
• Průměr nad nesourodými daty. Průměrná objednávka 1 300 Kč může vzniknout ze samých tisícovek, nebo z tisíce stovek a jedné statisícové. Podívejte se na medián a na histogram.
• Změna metodiky. Od března se jinak počítá „aktivní zákazník“ — a řada v tom místě skočí. Není to jev, je to definice.

Tady jsou výsledky mojí analýzy (výstup skriptu a popis grafů):

[vlož výstup]

Kontext: data jsou [zdroj, období, co obsahují a co neobsahují].
Předběžný závěr, ke kterému se kloním: [závěr].

Nepiš text prezentace. Odpověz ve třech blocích:
1) Co data doslova říkají — jen tvrzení, která z čísel plynou,
   u každého uveď, ze kterého čísla vychází.
2) Alternativní vysvětlení mého závěru: zmatečná třetí proměnná,
   obrácená příčina, výběrové zkreslení, sezonnost, změna
   metodiky, malý vzorek.
3) Co z těchhle dat NEMŮŽU tvrdit, i když by to znělo dobře —
   hlavně záměna souvislosti za příčinu a zobecnění mimo vzorek.

Na konec napiš, jaké jedno další měření by můj závěr nejvíc
potvrdilo nebo vyvrátilo.

Blok 3 je důvod, proč prompt používat pokaždé: chrání vás před větou, kterou byste na poradě neobhájili. A poslední odstavec často ukáže, že místo dalšího hloubání stačí zeptat se na jednu věc na jiném oddělení.

Od čísla k doporučení

Analýza končí až rozhodnutím. Převod čísel do srozumitelného sdělení AI zvládá dobře — pod podmínkou, že jí zakážete přidávat čísla, která ve výstupu nejsou.

Mám hotovou analýzu s těmito výsledky:

[vlož závěry a klíčová čísla]

Připrav podklad na 15minutové vystoupení pro [vedení / klienta
/ tým]. Struktura:
1. Jedna věta, která shrnuje zjištění (bez čísel).
2. Tři čísla, která ji podpírají — každé s obdobím a základnou.
3. Co z toho plyne: 2-3 varianty postupu, u každé odhad dopadu
   a co je na ní riskantní.
4. Tři nejpravděpodobnější námitky publika a odpověď na ně.
5. Co zatím nevíme a co bychom museli změřit.

Používej výhradně čísla z mého vstupu, nic nedopočítávej.
Žádná superlativa. Kde ti podklad chybí, napiš TODO.

Vrátí kostru, kterou doplníte kontextem, jaký má v hlavě jen člověk. Bod 5 nevynechávejte — kdo sám řekne, co neví, má u publika větší kredit než ten, kdo tvrdí všechno.

Věta, kterou musíte umět říct nahlas

Test na konec každé analýzy: zkuste zjištění vyslovit jednou větou a hned za ni přidat „a vím to proto, že…“. Když druhá půlka zní „to mi řekla AI“, nejste hotoví. Když zní „skript to spočítal ze třinácti tisíc objednávek po vyřazení storen a číslo sedí s účetnictvím“, můžete jít na poradu.

Fáze 8: z jednorázové analýzy rutina

Největší výhoda skriptového přístupu se projeví až podruhé: co poprvé zabralo večer, zabere nad novým exportem minutu.

Vyplatí se tři návyky. Skript uložit vedle dat ve složce projektu, ne v historii chatu: data/, grafy/, analyza.py a krátký README s tím, odkud export pochází a co skript vyřazuje. Zapsat si rozhodnutí o čištění — za dva měsíce nebudete vědět, proč se vyřazovaly objednávky pod padesát korun. A nechat běh naplánovat: v Claude Code jde skript spustit nad novým souborem jedním pokynem a plánované úlohy zvládnou měsíční opakování samy, podobně jako v tipu osobní rozpočet z bankovního výpisu. Při úpravách skriptu si vždycky nechte vypsat seznam změn a pusťte ho nejdřív na kopii dat — snadno se tiše změní i způsob výpočtu a čísla se rozejdou s tím, co jste říkali minule.

Nejčastější chyby

• Nechat si spočítat čísla v chatu bez spuštěného kódu. Model napíše věrohodnou hodnotu bez varování. Poznávací znamení dobré analýzy je viditelný kód a jeho výstup, ne hezky formulovaný odstavec.
• Nahrát surový export s osobními údaji. Jména, e-maily a adresy z tabulky vyhoďte dřív, než ji kamkoli přetáhnete; citlivá data patří jen do placeného účtu se smluvní ochranou dat.
• Počítat dřív, než víte, co data znamenají. Ceny s DPH i bez, storna mezi objednávkami, mezisoučty v datech — všechno tiše posune výsledek o desítky procent.
• Zaměnit souvislost za příčinu. „Zákazníci s newsletterem utrácejí víc“ nikdy neznamená „newsletter zvyšuje útratu“, dokud to neověříte jinak.
• Srovnávat meziměsíčně a bez normalizace. Různý počet pracovních dní, svátky a sezonnost vyrobí „propad“, který neexistuje.
• Nechat analýzu jen v chatu. Konverzace se ztratí, skript zůstane. Bez uloženého skriptu děláte příště všechno znovu a jinak.

Nejlepší nástroje

• Analytický nástroj v chatu (ChatGPT, Claude, Gemini) — nahrajete CSV, model napíše a spustí kód a ukáže výstup; nejrychlejší cesta k jednorázové odpovědi.
• Claude Code — práce nad složkou s daty: napíše skript, spustí ho, uvidí chybu a opraví ji; nejlepší volba pro opakovanou analýzu a nepořádek v datech.
• Python (pandas, matplotlib) — výpočetní stroj; skripty nemusíte umět napsat, musíte jim rozumět natolik, abyste je obhájili.
• Artefakty — interaktivní přehled s filtry, který sdílíte odkazem místo posílání obrázků v příloze.
• Excel a Google Sheets — nejlepší místo pro ruční kontrolu jednoho řádku a pro rychlý souhrn přes kontingenční tabulku; ověřit výsledek skriptu na pěti známých řádcích se vyplatí vždycky.
• Power BI nebo Looker Studio — když analýzu potřebujete pravidelně a chcete živý dashboard místo jednorázové odpovědi.

Co vám to přinese

• Čas: odpoledne v kontingenčních tabulkách se smrskne na půl hodiny — a podruhé na minutu, protože skript už existuje.
• Peníze: rozhodujete podle rozpadu, ne podle souhrnného čísla, takže řešíte skutečnou příčinu; plošná sleva kvůli špatně pochopenému propadu stojí mnohem víc než večer analýzy.
• Klid: každé číslo má dohledatelný původ, takže otázka „odkud to je?“ není nepříjemná, ale vítaná.
• Kvalita: profil dat a kontrolní součty odhalí duplicity, chybějící období a storna, která by v ručním souhrnu prošla.

Pro tip

Zaveďte si datový deník — obyčejný textový soubor u dat, kam si po každé analýze zapíšete tři věci: co jste počítali, co jste vyřadili a proč, a jaké číslo vyšlo. Vypadá to jako byrokracie, dokud se za tři měsíce nedostanete do situace, kdy vám stejný skript nad stejnými daty vrátí jiné tržby a vy nevíte, jestli se změnila data, nebo definice.

A závěrečné pravidlo, které stojí nad vším ostatním: do rozhodnutí smí jen číslo, jehož cestu od zdrojového řádku k výsledku dokážete popsat. Když ji popsat neumíte, nemáte analýzu — máte dojem, který má náhodou desetinnou čárku. Na hlubší práci s daty, kde jde o metodu a obhajobu, navazuje bakalářka s AI.