Semestrální práce ZS 2026/2027

K praktickému vyzkoušení postupů a technik předvedených na cvičení byla letos sestavena následující úloha.

Cíl: Propojení a zpracování vybraných open-data zdrojů v nástroji PowerBI

• Zvolte dle vašeho zájmu některou z datových sad z katalogu Otevřených dat https://data.gov.cz/datové-sady (případně jinou vhodnou datovou sadu), kterou budete zpracovávat.

• Dle potřeby dohledejte další tabulky/číselníky/sady související s datovou sadou, které budou v prostředí PowerBi propojeny se zvolenými daty.

• Data vhodně upravte, odvoďte pomocné sloupce a míry, čímž připravíte podklad pro případný dashboard zabývající se danou tématikou.

• Vytvořte dokumentaci popisující zpracování dat, řešené problémy, použité postupy (i pokusy, které nakonec nevedly k výsledku).

Časová náročnost: 40-50 hodin

Velikost týmu: 1 student

Očekávaný průběh práce na projektu:

Prezentace (a následné odevzdání) v.2026:

Výběr tématu

Jelikož je hlavním účelem práce vyzkoušení metod pro zpracování dat, nikoliv samotná vizualizace, je potřeba zvolit jako hlavní soubor (tabulku faktů) data, která lze nějakým způsobem propojit s dalšími datasety a jejichž dimenzní atributy lze dále rozvíjet.

Jako příklad uvažujte řešený příklad na cvičení - covid nákazy v ČR cv. 4, cv. 6-8, cv. 10-11

Zdrojová tabulka obsahuje:

• velký počet záznamů
• atribut datum, který lze použít pro časové řady
• atribut kraj, okres pro hierarchické členění území
• atribut věk, který lze členit do různých věkových skupin
• atribut nákaza v zahraničí, umožňující zkoumat vliv charakteristik cizích států na vývoj nákazy v ČR

Tabulka je přirozeně propojitelná s dalšími tabulkami, např.:

• číselník krajů a okresů (kraj, okres)
• informace o obyvatelstvu (věk, pohlaví, kraj/okres)
• další denní data jako počty testů či vývoj tvrdosti opatření proti šíření nákazy (datum)
• popisné údaje o státech jako GDP, životní úroveň, region, vzdálenost od ČR (nákaza v zahraničí)
• denní data o počtu případů z jiných zemí (datum)

Požadavky na Power BI projekt

V práci jsou následující povinné součásti:

Následující seznam slouží jako přehled technik, které můžete v práci využít. Jejich výběr přizpůsobte datům a účelu zpracování. Není potřeba vše z toho použít, ale je důležité umět vysvětlit, proč zvolený postup dává smysl.

Power Query:

• načtení různých datových zdrojů, či vytvoření vlastních pomocných tabulek
• využití základních transformací (přejmenování, změna datového typu, nahrazení hodnot, rozdělení/sloučení textu, ...)
• spojení tabulek (Merge, Append)
• filtrace dat
• agregace pomocí Group By či Pivot
• vytvoření odvozených sloupců (dle příkladu, či přímo M vzorcem)
• správa query (duplikace query, reference na query)
• práce s parametry

Model View

• propojení tabulek pomocí relací
• využití dimenzních tabulek
• vytvoření hierarchií/skupin
• zavedení míry (výpočet statistik, klouzavé průměry, ...)
• vytvoření odvozeného sloupce či tabulky (DAX)

Vizualizace

Při prezentaci bude potřeba demonstrovat alespoň jeden vizuál využívající data z více tabulek pro ověření funkčnosti datového modelu. Tvorba dashboardů nebo komplexních přehledů není nutná.

Ověření správnosti

Věnujte pozornost tomu, aby výsledky dávaly smysl. Můžete si klást otázky jako například:

• Jsou hodnoty spojovacího klíče v číselníku či dimenzní tabulce unikátní tam, kde to vztah vyžaduje? Kolik řádek z jedné tabulky nelze napárovat na žádné záznamy z druhé tabulky?
• Proč se změnil počet řádek při transformaci? Je agregovaný výsledek shodný s tím, který by se manuálně vypočítal z původních dat?
• U DAX měr se podívat, jestli je výsledek stále správný po provedení filtrace.

U neznámých, chybějících, nejistých nebo nulových hodnot je také vhodné zdůvodnit, jestli to je v pořádku a co to znamená.

Také zkontrolujte, že při přemístění složky s projektem vše funguje po změně parametru datové složky.

Postup a výsledky ověření uveďte v dokumentaci. Vybranou kontrolu představte při prezentaci.

Dokumentace

Styl ani formát dokumentace není striktně daný. Doporučuji následující formáty (sestupně dle preference):

• Markdown dokument(y) (.md)
• Word (+ ekvivalenty) dokument (.docx + .pdf)
• HTML dokument(y) (.html)
• TeX dokument (.tex + .pdf)

V dokumentaci by mělo zaznít:

Popis výchozí datové sady a jejího kontextu: jaký význam mají jednotlivé záznamy (řádky) a atributy (sloupce), kdo za datovou sadou stojí, jak často se aktualizuje, zda jsou k dispozici podobné datasety (z jiného časového období, území, ...).

Pokud je tabulka přirozeně propojitelná s dalšími tabulkami, uveďte, jaké to jsou a jakým způsobem je lze propojit.

Nezapomeňte uvést odkaz na stažení, datum stažení nebo verzi a jaký region/časový úsek sada pokrývá.

Je vhodné přidat ilustraci obsahu tabulky.

Popis transformací: jaké transformace byly nad daty provedeny, jaké byly jejich výsledky a jaké byly důvody pro jejich provedení. Vhodné je uvést i pokusy, které nakonec nevedly k výsledku.

Popis modelu: jaké tabulky jsou v PowerBI modelu obsaženy, jaké mají vztahy, jaké jsou jejich atributy a jaké mají datové typy. Jaký význam má jedna řádka tabulek? Ideální je přiložit obrázek ERA schematu.

Popis měr: vzorec, význam, jednotky a jakým způsobem reaguje míra na filtraci.

Ověření a omezení: jak jste ověřovali správnost zpracování a věrohodnost výsledků. Jaké možné chyby nebo nedostatky původních dat jste zvažovali? Co se podařilo ověřit a co zůstává nejisté? Jak tato omezení ovlivňují interpretaci výsledků?

Vyprávění o cestě: jaké problémy byly řešeny, jaké byly jejich příčiny a jaké byly jejich řešení. Co se zdálo ze začátku jednoduché a nakonec to tak nebylo, co naopak vypadalo složitě a nakonec to bylo jednoduché. Co se nepovedlo vyřešit? Co byste zpětně změnili na výběru tématu či postupu?

Bonus na závěr (extra, není povinné): pokud jste vygenerovali i nějakou zajímavou vizualizaci, nebo jste použili zajímavou pokročilou techniku, podělte se o ni na konci dokumentace.

Dokumentace by měla být věcná a stručná. Nejde o beletrii, ale o technický popis. Zaměřte se na učiněná rozhodnutí a kroky podstatné pro pochopení řešení. Není potřeba popisovat každé kliknutí v uživatelském rozhraní

Prezentace

Každý student bude mít ~10 min na prezentaci své práce. Účelem prezentace je obhájit vůči cvičícímu, že student pochopil a vyzkoušel techniky, které byly na cvičení předvedeny a že práce rozsahem odpovídá očekávané časové náročnosti. Součástí prezentace je ukázka vizuálu ověřujícího funkčnost modelu. Další vizualizace a data storytelling můžete zařadit jako bonus na závěr.

Po prezentaci bude vyhrazený čas ~5 min na hlubší dotazy k práci. Neschopnost obhájit své řešení a kroky, případně vysvětlit zvolený postup a limitace, je důvodem k vrácení projektu k přepracování, případně neudělení zápočtu.

Prezentaci doporučuji mít připravenou v pdf formátu ideálně na vlastním USB disku. Případně nějakým způsobem online, abyste si ji mohli otevřít z učitelského PC. Na přepojování kabelů projektoru nebude čas.

Odevzdání

Po úspěšné prezentaci student nahraje archiv s PowerBI projektem, daty a dokumentací do příslušného portletu na STAG.

Pokud používáte v projektu datové soubory z disku, nastavte aby na ně bylo odkazováno pomocí parametru s datovou složkou a nikoli absolutní cestou. Viz Nastavení relativní adresace zdrojů.

FAQ

Ještě nemám téma a cvičení k tomu určené již proběhlo.

Zastavte se u mě na začátku nebo konci cvičení a domluvíme se na tématu.

Nemám nahlášené téma, můžu práci odevzdat či prezentovat?

Ne

Potřebuji konzultovat problém nebo specifický postup.

Jedno cvičení je vyhrazeno právě pro konzultace takových situací. Pokud na řešení spěcháte, připravte si ukázku problému a ukažte mi ji před/po regulérním cvičení. Nouzově, pokud se na cvičení nemůžete dostavit, napište mi email a domluvíme se na online konzultaci (Discord nebo Google Meet).

Mám data, ale nevím, s čím je propojit.

Zde nelze dát obecně platnou radu.

Podívejte se na atributy, zda tam jsou nějaké dimenze, které by šlo detailněji rozebrat (v příkladu na cvičení třídím věk do věkových skupin, řeším hierarchii oblastí, přidávám data o cizích zemích, přidávám informace do kalendáře).

Je v datech časový údaj? Lze najít jinou datovou sadu s informacemi o daných dnech, měsících, letech, které by šly uvažovat v kontextu vašich dat? Tzn. třeba pro počty nakažených tímto způsobem přidat data o počtu testů, vývoji volebních preferencích vládnoucích stran, vývoji tvrdosti opatření, počty nákaz v Evropě, ...

Existují podobné datasety pro jiná období či území? Můžete je připojit a použít pro porovnání.

Jsou data lokačně kódovaná na okresy, kraje, obce, ...? Můžete je tedy propojit s demografickými údaji či ekonomickými údaji pro dané lokality a následně počítat poměry dle počtu obyvatel, hustoty zalidnění, GDP, ...

Jsou v datech informace o státech? Můžete je propojit s dalšími daty o státech, např. vzdálenost od ČR, životní úroveň, velikost populace/území, ...

Nevím, co je DAX a jak se to používá. Nerozumím některým požadavkům.

Funkce a postupy, které si máte vyzkoušet, jsou na cvičeních probírány v průběhu celého semestru. Konkrétně DAX bude cvičen až po druhých konzultacích. Je tedy očekávané, že v polovině semestru si nedokážete představit, co vše lze pomocí DAXu vytvořit a nemůžete tedy vytvořit práci v celém rozsahu. Na DAX nemusíte čekat se získáním dat, jejich čištěním, návrhem propojení ani průběžnou dokumentací. Výpočty doplníte po příslušných cvičeních.

Je nutné splnit všechny požadavky?

Povinné součásti uvedené v úvodní tabulce je potřeba splnit. Jednotlivé techniky z následujícího seznamu vybírejte podle charakteru dat. Případné odchylky od povinných součástí předem konzultujte.