Analýza dat z CSV s pomocí AI: od tabulky k závěrům

Máte export objednávek, výpis z účtu nebo data z CRM a chcete vědět, co z nich plyne. AI vám s tím pomůže – ale nejspolehlivěji ne tak, že jí pošlete celý soubor a necháte ji „počítat v hlavě“. Ukážeme postup, který vede k ověřitelným výsledkům.

Proč AI nenechat počítat přímo

Jazykové modely jsou dobré v pochopení struktury dat, navrhování analýz a psaní kódu. Ale sčítat tisíce řádků „z hlavy“ není jejich silná stránka – mohou se splést a chybu nepoznáte. Navíc velký soubor zabere hodně kontextu a tokenů.

Spolehlivější postup:

1. AI ukážete strukturu a vzorek dat,
2. AI napíše skript, který analýzu provede,
3. skript spustíte vy a výsledky máte přesně spočítané,
4. AI pomůže výsledky interpretovat.

Krok 1: Připravte vzorek

Pošlete hlavičku a pár řádků, ne celý soubor:

head -n 15 objednavky.csv
wc -l objednavky.csv

Pokud data obsahují osobní údaje (jména, e-maily, adresy), nahraďte je ve vzorku zástupnými hodnotami. Pro návrh analýzy AI skutečná jména nepotřebuje.

Krok 2: Popište, co chcete zjistit

Mám CSV export objednávek z e-shopu (cca 12 000 řádků).
Oddělovač středník, kódování UTF-8, desetinná čárka.
Ukázka prvních řádků:

datum;cislo_objednavky;kategorie;castka;zpusob_platby;mesto
2025-01-03;10021;Kuchyně;1290,00;karta;Brno
2025-01-03;10022;Zahrada;459,90;dobírka;Ostrava
...

Chci zjistit:
1. tržby po měsících,
2. podíl kategorií na tržbách,
3. jestli se liší průměrná objednávka podle způsobu platby.
Napiš skript v Pythonu s pandas. Výsledky ulož do CSV a vykresli
graf tržeb po měsících do PNG.

Všimněte si detailů: oddělovač, kódování, desetinná čárka. Bez nich skript na českých datech často selže.

Krok 3: Skript od AI

Výsledek může vypadat zhruba takto:

import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv(
    "objednavky.csv",
    sep=";",
    decimal=",",
    encoding="utf-8",
    parse_dates=["datum"],
)

# 1. Tržby po měsících
mesicne = df.groupby(df["datum"].dt.to_period("M"))["castka"].sum()
mesicne.to_csv("trzby_mesicne.csv")

# 2. Podíl kategorií
kategorie = (
    df.groupby("kategorie")["castka"].sum()
    .sort_values(ascending=False)
)
podil = (kategorie / kategorie.sum() * 100).round(1)
podil.to_csv("podil_kategorii.csv")

# 3. Průměrná objednávka podle platby
platba = df.groupby("zpusob_platby")["castka"].agg(["count", "mean", "median"])
platba.to_csv("platby.csv")

ax = mesicne.plot(kind="bar", figsize=(10, 5), title="Tržby po měsících")
ax.set_ylabel("Kč")
plt.tight_layout()
plt.savefig("trzby_mesicne.png")

print(mesicne, podil, platba, sep="\n\n")

Instalace a spuštění:

python3 -m venv .venv
source .venv/bin/activate
pip install pandas matplotlib
python analyza.py

Krok 4: Ověřte, že čísla sedí

Než výsledkům uvěříte, udělejte pár kontrol:

• Součet – sedí celkové tržby se součtem v e-shopu nebo účetnictví?
• Počet řádků – načetl skript všechny řádky? Přidejte print(len(df)).
• Chybějící hodnoty – print(df.isna().sum()) ukáže prázdné buňky.
• Typy sloupců – print(df.dtypes). Pokud je castka typu object, nenačetla se jako číslo (typicky kvůli mezerám v tisících nebo „Kč“ v buňce).

Typické problémy s českými CSV

Problém	Příznak	Řešení
Kódování Windows	UnicodeDecodeError	encoding="cp1250"
Desetinná čárka	částky jako text	decimal=","
Mezery v tisících	„1 290,00“ nejde převést	thousands=" " (pozor i na nezlomitelnou mezeru)
Datum ve formátu 3. 1. 2025	špatně načtená data	pd.to_datetime(..., dayfirst=True)
Středník v textu	posunuté sloupce	ověřit uvozovky v exportu

Krok 5: Interpretace

Teprve teď pošlete AI výsledky (malé souhrnné tabulky, ne surová data):

Tady jsou výsledky analýzy. Co z nich vyplývá?
Upozorni na zajímavé trendy a navrhni, co dalšího prozkoumat.
Odliš, co data skutečně ukazují, od toho, co je jen hypotéza.

Poslední věta je důležitá – korelace v datech ještě neznamená příčinu.

Bez programování?

Pokud nechcete spouštět Python, požádejte AI o postup v Excelu (kontingenční tabulka, funkce SUMIFS) – princip „AI navrhne, vy spočítáte“ zůstává stejný. Kdo pracuje na vlastním serveru, může v ColdHost AI připojit VPS přes SSH: AI navrhne příkazy, vy každý schválíte a výstup se jí vrátí k vyhodnocení.