Data mining a export dat: jak z e-shopu a ERP dostat čísla, se kterými se dá pracovat

Většina firem má data. Málokterá z nich z nich umí spolehlivě rozhodovat. Typický stav: objednávky jsou v e-shopu, faktury v účetnictví, sklady v ERP, kampaně v reklamních systémech a reporting vzniká jednou týdně v Excelu, který někdo „nějak“ poskládal.

Data mining a export dat v tomhle kontextu neznamená akademické strojové učení. Znamená poctivě dostat data ven, dát jim společný model a teprve potom hledat vzorce, které mění rozhodnutí: co objednat, komu napsat, kterou kampaň vypnout, kde se ztrácí marže.

Kdy nestačí tlačítko Export v administraci

Ruční export z e-shopu dává smysl pro jednorázovou kontrolu. Přestává stačit ve chvíli, kdy:

• potřebujete denní nebo hodinová data, ne „když si na to vzpomenu“,
• chcete spojit objednávky s náklady na reklamu, dopravu a reklamace,
• víc lidí sahá do stejných tabulek a každý má jinou verzi pravdy,
• reporty se rozcházejí s účetnictvím a nikdo neví, která čísla platí.

V tu chvíli nepotřebujete „hezčí dashboard“. Potřebujete export, který běží sám, a datový model, kterému věří provoz i finance.

Co je data mining v praxi e-shopu

V praxi jde o tři vrstvy práce:

1. Sběr a export – stabilní cesta z e-shopu, ERP, skladu, CRM a reklamních účtů.
2. Transformace a validace – sjednocení identifikátorů, měn, DPH, stavů objednávek, doplnění chybějících polí.
3. Analýza – konkrétní otázky na zákazníky, produkty a kanály, ne obecné „insights“.

Bez prvních dvou bodů je třetí bod věštění. S nimi často stačí relativně jednoduché analýzy a pořád změníte víc než složitý model nad špatnými daty.

Základní vrstvy dat, bez kterých to nedává smysl

Než řešíte predikce, ověřte, že máte pokryté tyto zdroje:

• Transakční data – objednávky, položky, storno, reklamace, doprava, platby, marže.
• Zákazník – historie nákupů, kontaktní preference, B2B vs. B2C, případně firma a IČO.
• Produkt a sklad – dostupnost, nákupní cena, kategorie, varianty, dodací lhůty.
• Webová analytika – GA4 (nebo jiné měření) s rozumně nastaveným consent mode a konverzemi.
• Marketingové náklady – Google Ads, Sklik, Meta a e-mailing na úrovni kampaní, ideálně i reklamních sad.

Častá chyba: sledovat jen tržby. Tržby bez marže, dopravy a vratek vypadají skvěle, dokud neotevřete výsledovku.

Export a ETL: jak data dostat ven spolehlivě

ETL (Extract → Transform → Load) zní enterprise, ale princip je prostý: data vytáhnete, upravíte do společného tvaru a uložíte tam, odkud se dají opakovaně číst.

Praktický postup, který se nám osvědčil:

1. Datový model – objednávka, řádek objednávky, zákazník, produkt, skladový pohyb, náklad kampaně. Pojmenujte stavy jednoznačně (zaplaceno, odesláno, stornováno).
2. Způsob napojení – API e-shopu nebo ERP, databázové čtení (read replica), feedy, případně eventy po změně objednávky. Ruční CSV jen jako nouzovka.
3. Plánování – denní dávka stačí pro reporting; hodinová nebo near-realtime, když řídíte sklad, pricing nebo fraud kontroly.
4. Validace – kontrola počtu objednávek, součtu tržeb a chybějících klíčů. Když dnes chybí 40 objednávek, dashboard lže, i když vypadá hezky.
5. Úložiště – datový sklad, BigQuery, PostgreSQL nebo i dobře držená databáze reportingu. Nástroj je méně důležitý než pravidla a vlastnictví procesu.

Pokud řešíte hlavně propojení systémů a pravidelné transformace, dává smysl začít u datových transformací a ETL a u API mezi e-shopem, ERP a skladem.

Analýzy, které u e-shopu stojí za investici

Až máte čistá data, jděte po otázkách s přímým dopadem na provoz:

• RFM segmentace – kdo kupuje často a za vysoké částky, kdo usíná, kdo je nový. E-mailing a retence pak přestanou být „newsletter pro všechny“.
• Košíková analýza – které produkty se kupují spolu. Hodí se pro balíčky, cross-sell v košíku i doplnění skladových tipů.
• Kohorty – jaká část zákazníků z ledna se vrátí v únoru a březnu. Bez kohort si retenci snadno nalžete průměrem.
• Unit economics po kanálech – CAC vs. hrubá marže a LTV. Kanál s levnými kliky může být drahý, jakmile započítáte vratky a slevy.
• Výpadky sortimentu – které SKU padají do nedostupnosti právě když jede poptávka. To je provozní data mining, ne „AI projekt“.

Začněte jednou nebo dvěma analýzami, které někdo ve firmě opravdu použije příští týden. Deset dashboardů bez vlastníka je dražší než žádný.

Na co si dát pozor

• GDPR a oprávnění – personal data patří pod kontrolu. Pseudonymizace, retence, přístupová práva a účel zpracování nejsou „právní otravování“, ale součást návrhu.
• Atribuce – poslední klik lže, když ho berete jako jedinou pravdu. Berte kanálové reporty jako podklad k rozhodnutí, ne jako soudní verdikt.
• Duplicitní zákazníci – bez sjednocení e-mailů, telefonů a firemních IČO vám RFM i LTV rozpadne realitu.
• Měna, DPH, storno – špatně počítané storno a vratky umí „vylepšit“ výkon kampaní o desítky procent.
• Dashboard bez akce – metrika, která nemění rozhodnutí, je šum. Ke každému reportu patří otázka: co se stane, když číslo klesne?

Build vs. hotový nástroj

Hotové BI nástroje a e-shopové doplňky ušetří čas, dokud zůstáváte v jejich datovém modelu. Ve chvíli, kdy potřebujete spojit ERP marži, vlastní sklady, B2B ceníky a marketingové náklady, obvykle narazíte.

Praktické pravidlo:

• standardní reporting a marketingová analytika → často stačí dobré měření a BI nad čistým exportem,
• specifické procesy, více systémů, vlastní logika cen a skladů → vyplatí se ETL a model na míru.

Měření návštěvnosti a konverzí přitom řešte zvlášť od transakční pravdy v ERP. Webová analytika odpovídá na „co lidé dělají na webu“. Export z e-shopu a účetnictví odpovídá na „co se opravdu prodalo a za jakou marži“. Obě vrstvy potřebujete; jedna druhou nenahrazuje. K měření webu se hodí nastavení a vyhodnocování konverzí.

Jak k tomu obvykle přistupujeme

Nezačínáme od nástroje. Začínáme od rozhodnutí, která firma potřebuje dělat líp: nákup zboží, retence, pricing, vyhodnocení kampaní, controlling.

Pak zmapujeme zdroje, navrhneme minimální datový model, postavíme spolehlivý export a teprve potom reporty nebo pokročilejší analýzy. Když dává smysl automatizace nebo AI nad už čistými daty, navazujeme až ve chvíli, kdy základní vrstva drží.

Pokud řešíte podobný stav (ruční exporty, rozházené reporty, nejistá marže po kanálech), ozvěte se. Projdeme zdroje dat a navrhneme konkrétní postup, ne obecnou „data strategii“.