AI business intelligence pro majitele e-shopu: data, nástroje a první kroky
AI v reportingu slibuje odpovědi na otázky v češtině. Funguje ale jen nad daty, která dávají smysl. Ukazujeme, co musí být hotové dřív, než se začnete ptát, a kolik to stojí.
Většina majitelů e-shopů má dat dost. Tržby v administraci, náklady v Google Ads a Skliku, marže v ERP, návštěvnost v GA4. Problém je, že každé číslo žije jinde a každé říká něco trochu jiného. Tržba v e-shopu nesedí s tržbou v analytice, obrat z reklam nesedí s obratem v účetnictví.
AI business intelligence slibuje, že se na výsledky zeptáte česky a dostanete odpověď s grafem. To opravdu jde. Jen to funguje až ve chvíli, kdy jsou data propojená a metriky jednoznačně popsané. V článku ukazujeme, v jakém pořadí BI stavět, co dnes umí nástroje s AI a kolik stojí licence.
Co si pod AI business intelligence představit
Klasické BI je sada dashboardů. Někdo je navrhne, někdo je čte. AI přidává tři věci:
- Dotazy běžnou řečí. „Jak se změnila marže kategorie kola proti loňskému září?“ Model převede otázku na dotaz nad datovým modelem a vrátí číslo.
- Souhrny. Pondělní přehled pro vedení: co rostlo, co padá, kde se změnil podíl kanálů.
- Vysvětlení odchylek. Když tržby spadnou o 15 %, AI projde kategorie, kanály a zařízení a navrhne, kde začít hledat.
Co AI neumí: opravit špatná data a rozhodnout za vás, co je tržba. Jazykový model počítá spolehlivě jen tehdy, když pracuje nad pojmenovanými metrikami. Bez nich si „marži“ vyloží po svém a odpoví sebejistě a špatně.
Nejdřív data, potom AI
Pořadí je pro výsledek rozhodující. Doporučujeme čtyři vrstvy.
- Zdroje. E-shop (objednávky, produkty, zákazníci), ERP (nákupní ceny, sklad, vratky), GA4, reklamní systémy, případně marketplace.
- Přenos a úložiště. Data se pravidelně stahují do jednoho místa. Tomuto procesu se říká ETL. Úložištěm bývá BigQuery, databáze nebo datový model v Power BI.
- Sémantická vrstva. Definice metrik a vazeb. Tady vzniká jedna pravda o tržbě, marži a zákaznících.
- Výstupy. Dashboardy, souhrny a AI dotazy.
Nejvíc práce je obvykle ve třetí vrstvě a nejvíc se podceňuje. Pro představu, jaké otázky je nutné rozhodnout:
| Metrika | Otázka, na kterou musí být jedna odpověď |
|---|---|
| Tržba | S DPH, nebo bez? Včetně dopravy? Po odečtení vratek a storen? |
| Marže | Z nákupní ceny v okamžiku prodeje, nebo aktuální? Počítá se sleva a doprava? |
| Nový zákazník | Podle e-mailu, zákaznického účtu, nebo telefonu? |
| Náklad na kanál | Včetně poplatků srovnávačů, agentury a slevových kódů? |
| Objednávka | Počítají se zrušené a nezaplacené? |
Teprve s těmito definicemi dávají smysl metriky jako POAS, tedy zisk z reklamy vůči nákladům, nebo LTV, hodnota zákazníka za celou dobu vztahu. Bez propojení nákupních cen, nákladů na reklamu a objednávek je spočítat nejde.
Nástroje: Power BI, Data Studio, BigQuery
Nejčastěji pracujeme s Power BI. Pro menší e-shopy bývá rozumnou volbou Google Data Studio. Přehled k září 2026:
| Nástroj | Cena (k 9/2026) | AI funkce | Na co si dát pozor |
|---|---|---|---|
| Power BI Pro | 14 USD za uživatele měsíčně | Copilot jen na kapacitě Fabric F2+ nebo Premium P1+ | Licence Pro sama Copilota nezpřístupní |
| Power BI Premium Per User | 24 USD za uživatele měsíčně | Stejně jako Pro | PPU také nestačí, zkušební kapacity Copilot nepodporují |
| Google Data Studio | základní verze zdarma | Conversational Analytics v preview | Do dubna 2026 se jmenovalo Looker Studio |
| BigQuery + export GA4 | platí se úložiště a dotazy | Datoví agenti v BigQuery | Denní export GA4 standard má strop 1 milion událostí denně |
Aktuální ceník ověřte u poskytovatele, ceny se mění. Power BI Pro zdražil 1. 4. 2025 z 10 na 14 USD.
Dvě věci stojí za zdůraznění. Zaprvé, Copilot v Power BI podle dokumentace Microsoftu vyžaduje pracovní prostor na placené kapacitě Fabric F2 a vyšší nebo Premium P1 a musí ho zapnout administrátor tenantu. Kdo počítá jen s licencemi Pro, bude překvapen. Zadruhé, Google v dubnu 2026 přejmenoval Looker Studio zpět na Data Studio a funkci Conversational Analytics zpřístupnil všem uživatelům v režimu preview. Gemini v ní převádí otázky v přirozeném jazyce na SQL nad připojenými zdroji.
U GA4 počítejte s limitem exportu. Standardní služba má u denního exportu do BigQuery strop 1 milion událostí denně. Při opakovaném překročení Google denní export pozastaví. Streamovaný export limit nemá, ale BigQuery za něj účtuje zvlášť.
AI dotazy ale nejsou vázané na Copilota. U klientů, kteří nechtějí platit kapacitu Fabric, stavíme dotazy nad datovým modelem vlastním napojením jazykového modelu. Princip je stejný: model dostane popis metrik a tabulek, napíše dotaz, systém ho provede a výsledek vrátí i s dotazem, ze kterého vznikl.
Kde AI v BI opravdu šetří čas
Z praxe vidíme největší přínos ve čtyřech situacích.
Porady vedení. Místo ručního skládání čísel z pěti systémů dostane vedení každé pondělí souhrn v textu. Kdo chce detail, klikne na dashboard. Automatickým souhrnům se podrobně věnujeme v článku AI reporting.
Ad hoc otázky. Majitel se ptá na věci, na které dashboard nebyl navržený. „Kolik zákazníků z Vánoc nakoupilo znovu do března?“ Bez AI je to úkol pro analytika na půl dne. S dobře popsaným modelem je to minuta.
Hledání příčin. Při propadu projde AI dimenze a řekne třeba, že většina poklesu jde za jednou kategorií na mobilu. Rozhodnutí zůstává na vás, ale víte, kde začít.
Podklady pro nákup. Odhad poptávky podle historie a sezóny jako vstup pro nákupčího. Ne jako automatické objednávání.
Na co si dát pozor
Do BI nepatří víc osobních údajů, než je nutné. Pro většinu rozhodnutí stačí agregovaná nebo pseudonymizovaná data, jména a e-maily zákazníků v reportu vedení nemají co dělat. Hlídáme také přístupová práva: obchodník nemusí vidět marže všech kategorií. U AI funkcí řešíme, kde se data zpracovávají a zda je poskytovatel nepoužívá k tréninku. Podrobněji v článku AI a GDPR.
Druhé riziko je důvěra. Když AI jednou odpoví špatně a nikdo to nepozná, rozhoduje se podle chybného čísla. Proto u každé odpovědi ukazujeme dotaz a zdroj dat a klíčové metriky pravidelně porovnáváme s účetnictvím.
Jak na to prakticky
Pokud chcete AI business intelligence zavést, doporučujeme tento postup:
- Sepište otázky. Deset otázek, na které vedení opakovaně chce odpověď. Z nich vyplyne, jaká data potřebujete.
- Inventura zdrojů. Kde která data jsou, jak se k nim dostat (API, export, přímý přístup do databáze) a jak často se mění.
- Definice metrik. Projděte tabulku výše a u každé metriky zapište jednu platnou definici. Podepište ji s účetní.
- Datová vrstva. Napojení zdrojů, pravidelný přenos a kontrola, že čísla sedí s účetnictvím.
- Dashboard pro vedení. Jedna stránka s klíčovými metrikami. Inspiraci najdete v článku ecommerce dashboard pro management.
- AI vrstva. Souhrny, dotazy a vysvětlení odchylek. Až nad ověřenými daty.
- Průběžná kontrola. Nové zdroje, nové otázky, změny definic.
Jednodušší AI řešení nasazujeme v řádu dnů až 2 týdnů. Propojení e-shopu, ERP, analytiky a reklam s AI dotazy je spíš projekt na 4–8 týdnů. Podívejte se na službu AI business intelligence, dlouhodobý rozvoj reportingu pokrývá program Data & BI. Cenu připravíme po konzultaci podle počtu a kvality datových zdrojů.
Potřebujete s tím pomoct?