Motivace

Množství dat vs. možnosti jejich zpracování. Historicky data stále rostou, ale zpracování zaostává.

Jak z těchto dat získat smysluplné informace a vzorce chování? Jakými nástroji a technikami je možné data analyzovat a extrahovat z nich relevantní poznatky? Jak zajistit, aby tyto informace byly spolehlivé a relevantní pro daný účel? Datová analytika se těmito otázkami zabývá a snaží se efektivně využít přehršle dostupných dat a vytvořit na jejich základě výstupy, které pomohou v rozhodovacím procesu.

Průběh analytického procesu s tučně vyznačenými částmi týkajícími se cyklu cvičení:

• Formulace otázky
• Získání dat
• Čištění a zpracování dat
• Průzkum a analýza dat
• Modelování či vizualizace
• Interpretace výsledků
• Komunikace výsledků (storytelling)
• Rozhodnutí

Na cvičeních budeme postupně připravovat data pro analýzu. Načteme je, ověříme jejich význam, upravíme jejich strukturu, propojíme související tabulky a doplníme výpočty. Power BI použijeme jako prostředí, ve kterém můžeme jednotlivé kroky provést a jejich výsledky průběžně kontrolovat.

Microsoft Power BI

Microsoft Power BI je sada služeb a aplikací, která umožňuje relativně pohodlně provádět většinu činností týkající se datové analytiky. Pro načítání dat existuje řada konektorů na různé zdroje a formáty souborů. V aplikaci lze řešit transformace a čištění dat. Pro tvorbu reportů nabízí standardní paletu grafů a možnost tzv. cross-filterů, které se aplikují na datové sady ve všech grafech současně.

Součástí Power BI je desktopová aplikace Power BI Desktop, kterou budeme během cvičení používat. Dále existuje Power BI service (SaaS), která slouží jako cloudová nadstavba pro kolaboraci, publikování reportů a získání extra pluginů. Je možné se také setkat s verzí skrze Office 365, která ale nenabízí všechny potřebné nástroje, se kterými budeme během semestru pracovat.

Power BI Desktop

Power BI Desktop (670 MB) lze stáhnout z příslušné stránky Microsoftu. Podporovaný je pouze operační systém Microsoft Windows. Případně lze nainstalovat Power BI Desktop z Microsoft Store.

Instalace je přímočará. Po spuštění vyskočí do popředí okno, které vás vyzývá k vyzkoušení trial verze Power BI Pro, resp. k přihlášení se pomocí účtu s předplatným této služby. Okno lze nicméně směle vykřížkovat a používat free variantu, tj. bez cloudové nadstavby a s některými dalšími pro nás irelevantními limitacemi. Základní rozložení ovládacích prvků v Power BI Desktop je zobrazeno na obrázku 1.

• V horní části je ribbon menu (1-2) podobné jako u produktů z balíku MS Office.
• V pravé části je sloupec (3) týkající se možnosti filtrování datasetu pro konkrétní vizualizaci, stránku reportu nebo celý sešit.
• Vedle něj je sloupec (4) s nabídkou podporovaných typů vizualizací, které lze přetáhnout na plochu reportu. V tom samém sloupci je i nastavení konkrétní vizualizace při jejím označení.
• V posledním sloupci (5) je datová hierarchie načtených zdrojů. Konkrétně zde je načtená tabulka osoby obsahující sedm atributů.
• V levé části je přepínání (6) zobrazovaného pohledu v centrálním prostoru (7). Na výběr je pohled na grafický report, dataset na pozadí nebo datový model.
• V dolní části (8) lze přepnout mezi jednotlivými listy reportu.

První report v Power BI

Úkol: vytvořit podporu pro vizuální prozkoumání dat o počtu osob s prokázanou nákazou COVID-19 v ČR.

Dataset: COVID-19: Přehled osob s prokázanou nákazou dle hlášení krajských hygienických stanic (v2) z otevřených datových sad Ministerstva zdravotnictví ČR.

K vyzkoušení základní práce s Power BI zkusíme načíst jednoduchý dataset (ve smyslu nekomplexní, s málo atributy) a vytvořit několik provázaných vizualizací. Při následné filtraci je možné, že narazíme na zajímavé chování, které bude možné později detailněji prozkoumat.

Načtení dat

Nultým krokem je samotné stažení odkazovaného datasetu (tlačítko CSV) a případně příslušných metadat (tlačítko CSV schema, ve skutečnosti se stáhne JSON soubor), která vysvětlují význam atributů v datech.

Q1: Kolik záznamů je v datasetu?

Načtení dat do Power BI provedeme příkazem (1) Home → Get data → Text/CSV a výběrem příslušného souboru. Po potvrzení dojde k automatické detekci struktury vstupního souboru a aplikace nabídne výpis exportovaných názvů atributů a prvních 100 zpracovaných řádků. Pokud nedošlo ke správnému parsování souboru, je možné změnit přes možnosti v horní části použitou znakovou sadu, použitý oddělovací symbol a způsob detekce datových typů.

Pokud je výsledek automatického zpracování vyhovující, tlačítkem Load se provede načtení dat do aplikace. Pokud je potřeba manuálně zasáhnout a transformovat data před načtením, kliknutím na Transform Data se zobrazí příslušné dialogové okno. Nám zatím zpracování takto vyhovuje a dáváme Load.

Kliknutím na (6) Table view se zobrazí obsah načteného datasetu. V zápatí GUI je vidět informace o počtu řádků, a tedy i odpověď na Q1.

Prozkoumání dat pomocí vizualizací

Q2: Jaký má význam jeden řádek v datasetu? Jaký význam nesou atributy? Odpovídá realita popisu ve schématu?

Ve sloupci (5) Fields se po načtení zobrazí název zpracovaného CSV souboru a hierarchicky pod ním devět atributů. Všimněte si, že u položky datum je ikona kalendáře signalizující, že se jedná o speciální datový typ datum. U tří atributů je symbol Σ, který značí, že pro číselné atributy je nastavena nějaká forma agregace. Náhledem do metadat k datasetu můžeme zjistit sémantiku jednotlivých atributů. Zároveň se lze dočíst, že jeden řádek představuje záznam o potvrzeném případu nákazy. Sada zahrnuje i reinfekce, takže počet řádků nelze interpretovat jako počet unikátních osob. Podle popisu sady se datum vztahuje k hlášení případu.

Jako první vizualizaci použijme sloupcový graf (Stacked column chart), na kterém vykreslíme počet případů v jednotlivých měsících (obrázek 3). Kliknutím na ikonu se vytvoří prázdná schránka na ploše reportu. Pro její naplnění je potřeba přetáhnout vhodné atributy do položek ve sloupci Visualizations → Build visual. V našem případě na pozici X-axis přetáhneme datum, protože chceme členit sloupce po měsících. Všimněte si, že se automaticky vygenerovalo několik hierarchických úrovní data (rok, kvartál, měsíc, den). Do pole Y-axis vložte id a nastavte agregaci Count. Počítáme neprázdné hodnoty identifikátoru – počtu řádků to odpovídá, pokud má každý záznam identifikátor vyplněný.

Nejprve ponechte v hierarchii pouze měsíc (Month). Co nyní představuje sloupec January? Je takový graf vhodný pro sledování vývoje nákazy v čase?

Pozor na interpretaci tohoto grafu. Jelikož jsou data sesbírána za několik let, do sloupců se skládají všechny ledny, únory atd. Nejedná se tedy o pohled na konkrétní rok. Pokud chceme zobrazit počet případů v jednotlivých měsících pro konkrétní rok, je možné změnit položku v X-axis, aby obsahovala hierarchii datum: Year → Month. Následně přes operaci Expand all down one level získáme rozložení podle roků a měsíců.

Nyní nás může zajímat, jaký je poměr mužů a žen mezi nakaženými. Pro vizualizaci lze zvolit výsečový graf, do kterého přetáhneme atribut pohlavi do políčka Legend a do políčka Values opět použijeme počet id (Count).

Všimněte si, že atribut nakaza_v_zahranici nabývá pouze hodnot 1 a null. Dokážeme z dokumentace určit, zda prázdná hodnota znamená „ne“, nebo chybějící informaci?

Zkusme tento atribut přesunout do políčka Tooltips výsečového grafu. V tomto případě nehraje roli, jestli je použita agregace Sum nebo Count. Po najetí kurzorem na některou z výsečí v grafu se zobrazí bublina s hodnotou počtu případů a zároveň i s hodnotou počtu případů importovaných ze zahraničí (obr. 4).

Kliknutím na sloupec sledujte, jak se změní druhý graf. Power BI může ostatní vizuály filtrovat, nebo v nich pouze zvýraznit vybranou část dat. Při zvýraznění zůstává viditelný také původní celek. Vyberte sloupcový graf a přes Format → Edit interactions nastavte u výsečového grafu možnost Filter. Porovnejte oba způsoby chování.

Q3: Z jaké skupiny případů se nyní počítá zobrazené procento?

Přidejte graf počtu případů podle kraj_nuts_kod. Použijte stejnou agregaci jako v předchozích grafech.

Q4: Jaký byl poměr M/Ž u nových případů v červnu 2020? Došlo k nějaké výchylce v počtu případů v nějakém kraji? Zdůvodněte.

Uložte projekt jako .pbix a ponechte si také zdrojový CSV soubor a jeho metadata. Projekt budeme používat v dalších cvičeních.

Materiál k cvičení KIV/INS · týden #2 · ZS 2026/2027

Autor: Yuki Kryl · poslední úprava: 28. 9. 2026

Využití AI: GPT-6 Astra via Codex pro jazykové a formátovací úpravy, dále pro diskusi nad obsahem a strukturou cvičení.