Riešené úlohy k 1.-4. lekciu úvodu do dátovej analýzy Nové

V predchádzajúcej lekcii, Štruktúrované a neštruktúrované údaje , sme sa zoznámili s rozdielmi medzi štruktúrovanými a neštruktúrovanými dátami a možnosťami ich kombinácie.

Nasledujúce 3 cvičenia vám pomôžu precvičiť znalosti práce s tabuľkami a základnú dátovú analýzu v Exceli alebo Google Sheets z minulých lekcií. Vo vlastnom záujme sa ich pokúste vyriešiť sami. Pod článkom máte na kontrolu riešenie na stiahnutie. Ale pozor, akonáhle sa naň pozriete bez vyriešenia príkladov, stráca pre vás cvičenie zmysel a nič sa nenaučíte:)

Ak si naozaj nebudete vedieť rady, pozrite sa radšej znova do minulých tutoriálov a skúste prísť na riešenie sami.

Jednoduchý príklad

Predstavte si, že ste tréner basketbalového tímu. Máte tabuľku s údajmi o troch hráčoch NBA: jméno, počet bodů, počet asistencí a čas na hřišti (v minútach).

Vašou úlohou je:

1. Uložiť dáta do tabuľkovej podoby (Excel alebo Google Sheets).
2. Vypočítať priemerný počet asistencií na hráča.
3. Napísať krátky záver, čo tento údaj môže znamenať pre tímovú taktiku.

Dataset (CSV):

Jméno;Body;Asistence;Čas na hřišti
LeBron James;25;8;35
Stephen Curry;30;6;34
Giannis Antetokounmpo;28;5;33

Pokročilý príklad

Ste analytik v e-shope so športovým tovarom. Máte dataset o predajoch vo formáte CSV.

Vašou úlohou je:

1. Importovať CSV do Excelu alebo Google Sheets.
2. Pridať nový stĺpec Tržby = Cena x Počet ks.
3. Spočítať celkové tržby.
4. Zistiť, ktorá kategória má najvyššie tržby.
5. Stručne vysvetliť, ako by táto informácia mohla ovplyvniť marketingovú stratégiu.

Dataset (CSV):

Datum;Produkt;Kategorie;Cena;Počet ks
2025-09-01;Basketbalový míč;Sportovní vybavení;800;2
2025-09-01;Běžecké boty;Obuv;2200;1
2025-09-02;Fotbalový dres;Oblečení;1200;3
2025-09-03;Švihadlo;Sportovní vybavení;250;4
2025-09-03;Kšiltovka;Doplňky;400;2
2025-09-04;Běžecké boty;Obuv;2200;2
2025-09-04;Mikina;Oblečení;1500;1

Príklad pre náročných – BONUS

Ako konzultant pre mestský úrad máte k dispozícii dva zdroje dát o doprave. Vašou úlohou je spojiť výsledky a odporučiť, čo by malo mesto urobiť.

1. V CSV súbore spočítajte priemernú dennú prevádzku na každej ulici.
2. V textových komentároch identifikujte aspoň dva opakujúce sa problémy.
3. Spíšte krátke odporúčanie pre radnicu, ako tieto problémy riešiť.

Štruktúrované dáta (CSV):

Datum;Ulice;Počet aut
2025-09-01;Broadway;1200
2025-09-01;5th Avenue;950
2025-09-01;Madison Avenue;700
2025-09-02;Broadway;1500
2025-09-02;5th Avenue;980
2025-09-02;Madison Avenue;720
2025-09-03;Broadway;1400
2025-09-03;5th Avenue;910
2025-09-03;Madison Avenue;680

Neštruktúrované dáta (text):

"Na Broadway jsou každé ráno obrovské kolony."
"Na 5th Avenue je nedostatek parkovacích míst."
"Madison Avenue je relativně klidná, ale ráno u školy se tvoří fronty."
"Kolony na Broadway se zhoršují, hlavně mezi 7:30 a 9:00."
"Parkování na 5th Avenue je téměř nemožné."

V ďalšej lekcii, Dáta Lifecycle a metódy zberu dát , sa zoznámime s procesom, ktorým prechádzajú dáta pri dátovej analýze, a priblížime si metódu zberu dát.

 

Mal si s čímkoľvek problém? Stiahni si vzorovú aplikáciu nižšie a porovnaj ju so svojím projektom, chybu tak ľahko nájdeš.

Na absolvovanie tohto cvičenia prosím splň všetky príklady tým, že ich úspešne odovzdáš na otestovanie.