AI analýza dat: jak s umělou inteligencí rozebírat tabulky a reporty

AI analýza dat dnes nemusí znamenat drahý analytický projekt ani tým datových vědců. Běžné AI nástroje umějí načíst tabulku, popsat, co v ní je, spočítat souhrny, navrhnout graf nebo napsat komentář k měsíčnímu reportu. Pro manažera, účetní nebo obchodníka, který pracuje s Excelem, to může znamenat rychlejší cestu od dat k odpovědi. Zároveň tu číhají rizika: AI se umí splést ve výpočtu, přehlédnout chybu v datech nebo vyvodit závěr, který z čísel nevyplývá. V tomto článku projdeme, jak s AI analyzovat tabulky a reporty, proč rozhoduje kvalita dat, jak výsledky ověřovat a jak chránit citlivé údaje.

Co AI analýza dat zvládne v běžné firmě

Pro většinu malých a středních firem nejde o big data, ale o tabulky s tržbami, náklady, objednávkami, docházkou nebo skladem. U nich AI pomáhá hlavně v těchto úlohách:

• První průzkum dat. Co tabulka obsahuje, jaké má sloupce, kde chybějí hodnoty, jaké jsou rozsahy čísel.
• Souhrny a porovnání. Tržby podle měsíců, zákazníků nebo produktů, porovnání s minulým obdobím.
• Vzorce a postupy. Vysvětlení existujícího vzorce, návrh nového, postup pro kontingenční tabulku.
• Grafy. Návrh, jaký typ grafu se hodí, a jeho vytvoření.
• Komentáře k číslům. Slovní shrnutí, co se změnilo a na co se podívat podrobněji.
• Čištění dat. Sjednocení formátů dat, oprava překlepů v názvech, rozdělení sloupců.

Pokud ve firmě používáte Microsoft 365, část těchto funkcí nabízí Copilot přímo v Excelu. Jinak lze tabulku nahrát do nástrojů jako ChatGPT, Claude nebo Gemini. Přehled nástrojů najdete v sekci AI nástroje.

Jak postupovat při AI analýze dat krok za krokem

1. Formulujte otázku. „Analyzuj tabulku“ je slabé zadání. Lepší je například: „Které produkty meziročně ztratily nejvíc tržeb a u kterých zákazníků?“
2. Popište data. Co znamenají jednotlivé sloupce, v jakých jednotkách jsou, zda jsou částky s DPH nebo bez.
3. Nechte AI nejdřív data popsat. Ověříte si, že je pochopila správně, než začne počítat.
4. Ptejte se postupně. Jedna otázka, kontrola výsledku, další otázka.
5. Chtějte vidět postup. Ať AI uvede, jak výsledek spočítala, případně jaký vzorec nebo kód použila.
6. Ověřte klíčová čísla. Viz samostatná kapitola níže.

Příklad otázek pro AI analytické nástroje

Pro představu, jak může vypadat práce s tabulkou prodejů za poslední dva roky:

• „Popiš, jaké sloupce tabulka obsahuje a kde chybějí hodnoty.“
• „Spočítej tržby bez DPH po měsících a porovnej je se stejným měsícem minulého roku.“
• „Kteří zákazníci tvoří většinu tržeb a jak se jejich podíl změnil?“
• „Najdi řádky, které vypadají jako duplicity nebo chyby v zápisu.“
• „Navrhni graf, který vedení ukáže vývoj tržeb podle produktových skupin.“
• „Napiš krátký komentář k výsledkům a označ, co je potřeba ověřit.“

Takové postupné otázky dávají lepší výsledky než jedno obecné zadání a každý krok si můžete zkontrolovat dřív, než na něj navážete. AI analytické nástroje se liší rozhraním a možnostmi, princip dobrého zadání je ale u všech stejný.

Kvalita dat rozhoduje víc než nástroj

Žádná AI nevytáhne správný závěr ze špatných dat. Typické problémy firemních tabulek:

• Nejednotné zápisy. Stejný zákazník pod třemi různými názvy, data v různých formátech, částky jako text.
• Chybějící hodnoty. Prázdné buňky, které mohou znamenat nulu, nebo „nevíme“.
• Duplicity. Stejná objednávka zapsaná dvakrát.
• Sloučené buňky a mezisoučty uprostřed tabulky, které zmátnou každý výpočet.
• Nejasné definice. Co přesně je „tržba“? S DPH, po slevách, včetně dobropisů?

AI vám s úklidem může pomoct, například najít podezřelé hodnoty nebo navrhnout sjednocení názvů. Rozhodnutí, co je správně, ale musí udělat člověk, který data zná.

Ověřování výsledků

Jazykové modely umějí počítat jen omezeně. Novější nástroje k výpočtům často používají kód, což přesnost zvyšuje, ale ani to není záruka. Proto:

• Kontrolní součty. Porovnejte celkový součet s tím, co znáte z účetnictví nebo z původního systému.
• Namátková kontrola. Několik řádků nebo skupin přepočítejte ručně.
• Zdravý rozum. Pokud výsledek vypadá překvapivě, nejspíš je chyba v datech nebo ve výpočtu, ne převratný objev.
• Druhý pohled. U důležitých rozhodnutí ať výsledek zkontroluje ještě někdo další.
• Korelace není příčina. AI ráda nabízí vysvětlení, proč něco stouplo nebo kleslo. Berte je jako hypotézy k ověření, ne jako fakta.

AI reporting: pravidelné přehledy s menší námahou

Pravidelné reporty jsou místo, kde se AI vyplatí opakovaně. Typický postup: data se každý měsíc exportují ze systému, AI pomůže je očistit, spočítat ukazatele a napsat slovní komentář, který člověk zkontroluje a doplní o souvislosti. U měsíčních výsledků firmy takový přehled včetně porovnání s rozpočtem připraví agent pro finanční reporting.

Pokud se report opakuje stále stejně, lze ho postupně automatizovat: data se stáhnou ze systému, zpracují a odešlou ke schválení bez ručního kopírování. To už je oblast automatizace procesů a AI agentů. Přínos takové úpravy na produktivitu popisuje i článek AI a produktivita práce.

Predikce poptávky a pokročilejší analýzy

S AI se dnes často spojuje i predikce poptávky, tedy odhad, kolik zboží se bude prodávat v příštích týdnech nebo měsících. Pro první orientaci lze s běžným AI nástrojem rozebrat sezónnost a trendy v historických prodejích. Na spolehlivou predikci pro řízení skladu nebo výroby je ale potřeba dostatek kvalitních historických dat, zohlednění akcí, sezóny a dalších vlivů a průběžné porovnávání odhadů se skutečností. To už bývá úloha pro specializované nástroje nebo řešení na míru.

Podobně téma big data a AI se týká hlavně firem s velkými objemy dat z e-shopu, výroby nebo senzorů. Pro většinu menších firem je rozumnější začít u tabulek, které už mají.

Ochrana dat a soukromí

Před nahráním dat do AI nástroje si položte otázky:

• Obsahují data osobní údaje? Jména, e-maily, mzdy, rodná čísla. Pokud ano, platí GDPR a data je vhodné anonymizovat nebo vůbec nenahrávat.
• Jde o citlivá obchodní data? Marže, ceny pro konkrétní zákazníky, smlouvy.
• Jaký nástroj a v jaké verzi používáte? Firemní verze nástrojů mívají jiné podmínky nakládání s daty než bezplatné osobní účty. Ověřte si je.
• Musí data zůstat ve firmě? Pak připadá v úvahu AI provozovaná na vlastním serveru, viz AI server pro firmy.

Často stačí jednoduché opatření: nahradit jména zákazníků kódy a nahrát jen sloupce, které jsou pro analýzu skutečně potřeba.

Závěr a další krok

AI analýza dat zrychlí první průzkum tabulek, přípravu vzorců, grafů i komentářů k reportům. Výsledky ale stojí na kvalitě dat a na důsledném ověřování. U citlivých údajů je potřeba předem promyslet, kam data posíláte.

Pokud chcete pravidelné zpracování dat a reportů automatizovat, doporučujeme kurz AI agentů a automatizace. Pro práci s daty přímo v Excelu se hodí i kurz Microsoft Copilot. Řešení napojené na vaše systémy nabízí služba AI automatizace procesů.