Datová analytika

A/B testování je řízený experiment, který porovnává dvě varianty stránky, funkce, ceny nebo sdělení na podobných skupinách uživatelů. Měří předem zvolenou metriku, například konverzi nebo retenci, a pomáhá rozhodnout, zda změna skutečně zlepšuje výsledek, nebo zda pozorovaný rozdíl mohl vzniknout náhodou.

Arbitráž je obchodní strategie, která využívá rozdíl v ceně stejného nebo ekonomicky shodného aktiva na různých trzích, místech nebo v různých formách. Trader se snaží levně koupit a současně dráž prodat, aby zisk vznikl z cenové nesrovnalosti, ne z dlouhodobého odhadu směru trhu. V praxi rozhodují poplatky, rychlost, likvidita a riziko vypořádání.

Atribuce je způsob, jak v marketingové analytice přiřadit zásluhu za konverzi jednotlivým kontaktům zákazníka se značkou, například reklamě, e-mailu nebo organickému vyhledávání. Pomáhá odhadnout přínos kanálů a kampaní, ale sama o sobě nedokazuje kauzalitu. Výsledek závisí na datech, pravidlech měření a zvoleném atribučním modelu.

Backtesting je ověřování obchodní strategie, rizikového modelu nebo rozhodovacího pravidla na historických datech. Simulace ukazuje, jak by se pravidla chovala v minulosti při daných nákladech, omezeních a dostupných informacích. Výsledek není předpověď zisku, ale test konzistence, robustnosti a praktické proveditelnosti modelu.

Business intelligence je soubor postupů, datových modelů a nástrojů, které převádějí firemní data na reporty, dashboardy a metriky pro rozhodování. BI obvykle spojuje data z provozních systémů, čistí je, ukládá pro analýzu a zpřístupňuje manažerům, analytikům i týmům, které sledují výkon produktu nebo firmy.

Confusion matrix je tabulka, která porovnává předpovědi klasifikačního modelu se skutečnými třídami a rozděluje je na správné a chybné případy. U dvou tříd obsahuje čtyři čísla: true positive, true negative, false positive a false negative. Z těchto čtyř hodnot se počítá accuracy, precision, recall i F1 skóre.

CPC je metrika v digitální reklamě, která vyjadřuje cenu zaplacenou za jeden proklik na reklamu. Používá se hlavně u PPC kampaní, aukčních reklamních systémů a výkonového marketingu. Pomáhá porovnat náklady na získání návštěvy, ale sama neříká, zda kliknutí přineslo objednávku, lead nebo zisk.

Cross-selling je prodejní technika, při které obchodník nabídne zákazníkovi doplňkový produkt k tomu, co už kupuje nebo vlastní: pouzdro k telefonu, pojištění k letence, prodlouženou záruku k pračce. Cílem je zvýšit hodnotu objednávky i užitek z hlavního nákupu, aniž by se měnil původně zvolený produkt.

CTR (click-through rate, míra prokliku) je poměr počtu kliknutí k počtu zobrazení reklamy, odkazu nebo výsledku vyhledávání, vyjádřený v procentech. Vzorec je kliknutí děleno zobrazeními krát sto. CTR měří, jak dobře sdělení zaujme publikum, ke kterému se dostane, ale samo o sobě neříká nic o tom, co se stane po kliknutí.

Customer Lifetime Value je odhad celkového zisku, který firmě přinese jeden zákazník za celou dobu vztahu s ním. Počítá se z průměrné hodnoty objednávky, frekvence nákupů, marže a míry odchodu zákazníků, obvykle diskontovaný na současnou hodnotu. Slouží hlavně jako strop pro to, kolik se vyplatí zaplatit za získání nového zákazníka.

Dashboard je vizuální panel, který soustředí klíčové metriky, grafy, upozornění a odkazy na jednu přehlednou obrazovku. Pomáhá rychle sledovat stav produktu, firmy nebo systému, odhalit odchylky a rozhodovat podle aktuálních dat místo procházení mnoha samostatných reportů v různých nástrojích a týmech.

Data pipeline je řízený sled kroků, který přesouvá data ze zdrojů do cílového úložiště nebo aplikace a během cesty je čistí, převádí, obohacuje či kontroluje. Používá se v analytice, strojovém učení i provozních systémech, aby data dorazila včas, ve správném formátu a dohledatelně.

Databázový pohled je pojmenovaný uložený SELECT dotaz, na který se v databázi odkazuje jako na tabulku. Pohled sám o sobě data neukládá: při každém použití se jeho definice vyhodnotí nad zdrojovými tabulkami. Slouží k zjednodušení složitých dotazů, k omezení přístupu na vybrané sloupce a řádky a ke stabilnímu rozhraní nad měnícím se datovým modelem.

Datová kvalita je míra, do jaké data odpovídají potřebám konkrétního použití, například rozhodování, reportingu, automatizace nebo trénování modelů. Posuzuje se podle vlastností jako přesnost, úplnost, konzistence, aktuálnost, jedinečnost a dohledatelnost původu, nikoli jen podle toho, zda jsou data technicky validní.

Datová sada je uspořádaný soubor datových záznamů, který má společný účel, strukturu a kontext použití. Může jít o tabulku objednávek, kolekci obrázků, logy aplikace nebo trénovací příklady pro model. Důležitá není jen data samotná, ale také popis sloupců, původ, kvalita a pravidla aktualizace.

Datové jezero je centrální úložiště, které uchovává velké objemy strukturovaných, polostrukturovaných i nestrukturovaných dat v původní nebo málo upravené podobě. Slouží jako základ pro analytiku, strojové učení, reporting a pozdější zpracování, kdy se datům dává struktura až při čtení nebo transformaci.

Datový sklad je centrální databázové prostředí určené pro dlouhodobé ukládání, sjednocení a analytické dotazování dat z více provozních systémů. Na rozdíl od transakční databáze optimalizuje čtení, agregace a historické pohledy, takže podporuje reporting, business intelligence, plánování i datové modely nad konzistentními metrikami.

Denormalizace je záměrné zavedení redundance do datového modelu, typicky zkopírováním nebo předpočítáním hodnot z jiných tabulek, aby čtení nemuselo spojovat mnoho tabulek a agregovat je za běhu. Denormalizace zrychluje dotazy výměnou za větší objem dat, složitější zápisy a riziko, že se kopie hodnoty rozejdou s originálem.

Detekce anomálií je hledání datových bodů, událostí nebo průběhů, které se výrazně odlišují od naučeného obrazu běžného chování. Používá se při odhalování podvodných plateb, průniků do sítě, výpadků infrastruktury nebo vadných kusů ve výrobě. Typicky pracuje s velmi nevyváženými daty, kde anomálie tvoří zlomek procenta všech pozorování.

Doporučovací systém je software, který každému uživateli vybírá z rozsáhlého katalogu malou množinu položek, jež ho pravděpodobně zaujmou. Odhad staví na historii chování (kliknutí, nákupy, hodnocení), na vlastnostech položek nebo na kombinaci obojího. Nasazuje se v e-shopech, streamovacích službách i zpravodajských aplikacích všude tam, kde je nabídka větší, než dokáže člověk projít.

Dotazovací plán je postup kroků, kterým databáze skutečně vykoná zadaný SQL dotaz: v jakém pořadí čte tabulky, zda použije index nebo sekvenční průchod a jakou metodou spojí data. Plán sestavuje plánovač na základě statistik o datech a vybírá z více možností tu s nejnižší odhadovanou cenou.

Embedding je číselná vektorová reprezentace objektu, například slova, věty, obrázku, produktu nebo uživatele, navržená tak, aby zachytila významové či statistické vztahy. Modely strojového učení s embeddingy počítají podobnost, řazení, doporučování a vyhledávání, protože podobné objekty leží vektorově blízko sebe.

Ensemble učení je postup ve strojovém učení, při kterém se predikce několika samostatně natrénovaných modelů spojí do jedné výsledné odpovědi, typicky hlasováním nebo průměrem. Kombinace zpravidla chybuje méně než jednotlivé modely, protože jejich chyby se částečně vyruší. Patří sem bagging, boosting, stacking a náhodné lesy.

ETL je proces, při kterém se data získají ze zdrojových systémů, upraví do požadované podoby a uloží do cílového úložiště, typicky datového skladu. Používá se pro reporting, analytiku a integraci aplikací, protože odděluje sběr dat, jejich čištění a kontrolované načtení do jednotného modelu.

Eye tracking je měření polohy pohledu a pohybu očí v čase pomocí kamery a infračerveného osvětlení. Zaznamenává fixace, sakády a jejich pořadí, takže odhalí, kam se člověk na obrazovce nebo v prostoru skutečně díval, jak dlouho a v jakém sledu. Používá se ve výzkumu použitelnosti, reklamy, v medicíně i jako ovládací vstup.

Feature engineering je proces vytváření, výběru a úprav vstupních proměnných pro model strojového učení tak, aby data lépe vystihovala sledovaný jev. Zahrnuje odvozování nových příznaků, kódování kategorií, škálování hodnot, práci s chybějícími údaji a omezení úniku informací mezi tréninkem a testem.

Feed produktů je strukturovaný soubor nebo datový výstup, kterým e-shop předává katalog zboží reklamním systémům, srovnávačům, tržištím nebo interním aplikacím. Obsahuje položky jako název, cena, dostupnost, URL, obrázek a identifikátory. Kvalitní feed umožňuje automatickou aktualizaci nabídek bez ručního přepisování dat.

Fotogrammetrie je metoda určování tvaru, polohy a rozměrů objektů z překrývajících se fotografií nebo jiných obrazových snímků. Software v nich hledá stejné body, odhaduje pozice kamer a z geometrie paprsků skládá mračno bodů, 3D model, ortofoto nebo měřitelné mapové podklady.

Fulltextové vyhledávání je způsob hledání v textových dokumentech, který neporovnává jen přesný řetězec znaků, ale pracuje s tokeny, jazykovými tvary a pořadím slov. Vyhledávač si obvykle vytváří index, podle dotazu najde kandidáty a seřadí výsledky podle relevance, případně zvýrazní nalezené pasáže.

Gradientní sestup je optimalizační metoda, která postupně mění parametry modelu ve směru nejrychlejšího poklesu ztrátové funkce. V praxi se používá hlavně při trénování modelů strojového učení, kde pomáhá najít váhy s menší chybou, i když prostor možných řešení má miliony rozměrů.

Hrubá marže je podíl tržeb, který obchodníkovi zbude po odečtení přímých nákladů na prodané zboží nebo službu, obvykle vyjádřený v procentech. Počítá se jako (tržby minus náklady na prodané zboží) děleno tržbami. Ukazuje, kolik korun z každé stokoruny obratu zůstává na provoz, marketing a zisk.

Hyperparametr je nastavení modelu strojového učení, které volí člověk nebo automatický vyhledávač před samotným trénováním a které se z dat neučí. Patří sem rychlost učení, počet vrstev, hloubka stromu, velikost dávky nebo síla regularizace. Hodnoty vah se naopak během trénování mění: to jsou parametry, nikoli hyperparametry.

Inference je fáze, kdy se už natrénovaný model, pravidlový systém nebo jiný mechanismus rozhodování použije na nová vstupní data a vrátí výsledek. Ve strojovém učení jde typicky o predikci, klasifikaci nebo generování odpovědi bez úpravy vah modelu, zatímco náklady řeší latence, paměť a provoz.

JOIN je operace v SQL, která skládá řádky ze dvou nebo více tabulek podle zadané podmínky, typicky podle shody primárního a cizího klíče. Umožňuje číst normalizovaná data jako jeden výsledek, ale může měnit počet řádků i výkon dotazu.

Klasifikace je úloha strojového učení, při níž model přiřazuje vstupům jednu nebo více předem daných tříd. Používá se například pro spam, detekci podvodů, rozpoznávání obrázků nebo třídění zákaznických zpráv. Model se učí ze štítkovaných dat a jeho výstupem bývá třída, skóre nebo pravděpodobnost.

Kohortní analýza je metoda datové analytiky, která sleduje chování skupin uživatelů se společným začátkem, například registrací nebo prvním nákupem, v čase. Pomáhá odhalit retenci, churn, opakované nákupy nebo dopad změn produktu přesněji než souhrnné průměry za všechny uživatele.

Konverzní poměr je metrika, která vyjadřuje podíl návštěv, uživatelů nebo jiných příležitostí, jež skončily požadovanou akcí. V e-commerce jde typicky o nákup, v SaaS o registraci nebo aktivaci funkce. Hodnota pomáhá porovnávat kvalitu návštěvnosti, nabídky, UX, kampaní i měření v čase.

Konverzní trychtýř e-shopu je model nákupní cesty, který rozděluje návštěvu internetového obchodu na měřitelné kroky od příchodu přes prohlížení produktu, vložení do košíku a checkout až po zaplacenou objednávku. Pomáhá najít místa, kde zákazníci odpadají, porovnat dopad úprav webu a řídit akvizici, UX i retenci podle dat, ne pocitu.

KPI je měřitelný ukazatel, který vyjadřuje, zda tým, produkt nebo firma postupuje ke konkrétnímu důležitému cíli. Dobrý KPI má jasný vzorec, vlastníka, časové období a hranici úspěchu, aby z dat nevznikla jen statistika, ale podklad pro rozhodnutí a následnou akci.

Křížová validace je postup hodnocení modelu strojového učení, při kterém se data opakovaně rozdělí na trénovací a testovací část a model se vyhodnotí na každé části zvlášť. Výsledné metriky se zprůměrují, takže odhad výkonu méně závisí na jednom náhodném rozdělení dat a lépe odhalí přeučení.

Marketingová automatizace je řízení marketingových úloh pomocí pravidel, dat a softwarových workflow, které spouštějí komunikaci podle chování nebo vlastností kontaktu. Typicky zahrnuje e-maily, segmentaci, lead scoring, připomínky v CRM a měření kampaní, aby tým nemusel každou rutinní reakci dělat ručně.

Marketingový trychtýř je model, který popisuje cestu člověka od prvního kontaktu se značkou přes zvažování až po nákup nebo jinou konverzi. Pomáhá rozdělit marketingové aktivity, obsah a měření podle fází, ve kterých lidé postupně ubývají, a ukazuje, kde se ztrácí pozornost, důvěra nebo obchodní příležitost.

Metrika je číselně vyjádřená veličina, která popisuje stav, výkon nebo chování systému, produktu, modelu či procesu. V praxi převádí pozorování na srovnatelné hodnoty, například latenci API, konverzní poměr, chybovost klasifikátoru nebo retenci uživatelů, aby bylo možné sledovat změny a rozhodovat podle dat.

Mobilní analytika je měření chování uživatelů uvnitř mobilní aplikace pomocí událostí, které SDK odesílá ze zařízení na server ke zpracování a vyhodnocení. Sleduje instalace, spuštění, obrazovky, nákupy, pády a retenci. Na rozdíl od webové analytiky pracuje s offline frontou událostí, verzemi aplikace a povinným souhlasem se sledováním.

Neuronová síť je výpočetní model složený z propojených jednotek, které převádějí vstupy na výstupy pomocí vah, biasů a aktivačních funkcí. Při učení upravuje parametry podle příkladů tak, aby zmenšovala chybu, například při rozpoznávání obrazu, predikci poptávky nebo zpracování textu v reálných aplikacích.

Opuštěný košík je situace v e-commerce, kdy zákazník vloží produkt do nákupního košíku, ale objednávku nedokončí. Metrika pomáhá odhalit tření v nákupním procesu, například drahou dopravu, povinnou registraci, pomalou platbu nebo nedůvěru. Hodí se pro UX analýzu, remarketing i odhad ztracených tržeb bez automatického závěru, že každý košík šlo zachránit.

Orchestrace je automatizované řízení mnoha dílčích úloh, kontejnerů nebo služeb tak, aby dohromady tvořily fungující celek. Orchestrátor rozhoduje, co se kde spustí, v jakém pořadí, co se stane při selhání a kdy se má kapacita zvětšit. Typickými nástroji jsou Kubernetes pro kontejnery a Airflow pro datové pipeline.

Order book je průběžně aktualizovaný seznam čekajících nákupních a prodejních pokynů pro konkrétní aktivum, seřazený podle ceny a často i času zadání. Ukazuje dostupnou likviditu, nejlepší bid a ask, hloubku trhu a nerovnováhu mezi stranami, takže pomáhá odhadovat okamžitou proveditelnost obchodu i možný cenový skluz.