AI dashboard: přehled klíčových metrik na jednom místě
Dashboard se čtyřiceti grafy nikdo neotevírá. Ukážeme, jak vybrat pár metrik, na kterých opravdu rozhodujete, jak k nim připojit AI komentář a kdy se vyplatí AI funkce Power BI nebo Data Studia.
Většina e-shopů nějaký dashboard má. Obvykle ho někdo postavil při spuštění GA4, má čtyřicet grafů a nikdo ho neotevírá. Když se pak majitel ptá, jak jsme na tom proti loňsku, stejně vzniká tabulka v Excelu.
Dobrý dashboard je opačný. Má pár čísel, u kterých je jasné, jak se počítají, a ukazuje je proti plánu a minulému období. AI k tomu přidává jednu věc, která dashboardům chyběla: krátký komentář, co se změnilo a kde. V článku ukazujeme, jak metriky vybrat, odkud brát data, jak k nim připojit AI a kolik to stojí.
Méně grafů, víc rozhodnutí
Začínáme vždy stejnou otázkou: jaká rozhodnutí z dashboardu děláte? Majitel rozhoduje o rozpočtu na reklamu, nákupu zboží a cenách. Marketing o kampaních. Sklad o objednávkách u dodavatelů. Každý potřebuje jiný pohled, ale nikdo nepotřebuje čtyřicet grafů.
Pro vedení e-shopu obvykle stačí pět až osm čísel:
- tržby bez DPH proti plánu a loňsku,
- marže v korunách a procentech,
- počet objednávek a průměrná objednávka,
- konverzní poměr,
- náklady na reklamu vůči tržbám (PNO) nebo vůči hrubému zisku (POAS),
- podíl nových a vracejících se zákazníků,
- stav zásob u nejprodávanějšího zboží.
Detail patří o úroveň níž, na proklik: tržby podle kategorií, kanálů, zařízení. Podrobnější výběr metrik rozebíráme v článcích KPI, které by měl sledovat každý majitel e-shopu a co nesmí chybět v dashboardu pro management.
Každá metrika potřebuje definici
Nejčastější důvod, proč dashboardu nikdo nevěří: ukazuje jiné číslo než účetnictví. Tržba v GA4 se liší od tržby v administraci e-shopu a ta od tržby v ERP. Nejde o chybu, každý systém počítá něco jiného.
Proto má u nás každá metrika sepsanou definici přímo v dashboardu. Příklad:
| Metrika | Definice v dashboardu | Zdroj | Na co pozor |
|---|---|---|---|
| Tržba | bez DPH, bez dopravy a platby, po stornech | e-shop nebo ERP | GA4 počítá tržbu podle měření v prohlížeči, ne podle objednávek |
| Marže | tržba minus nákupní cena zboží | ERP | nákupní ceny v e-shopu bývají neaktuální |
| Objednávky | vytvořené, bez stornovaných a testovacích | e-shop | vratky a reklamace se řeší zvlášť |
| Konverzní poměr | objednávky / relace | e-shop + GA4 | relace z GA4 ovlivňuje souhlas s cookies |
| POAS | hrubý zisk z objednávek / náklady na reklamu | ERP + reklamní systémy | atribuce objednávek ke kampaním |
Když se číslo liší od účetnictví, je aspoň jasné proč.
Definice ověřujeme jednoduše. Vezmeme jeden uzavřený měsíc, spočítáme tržbu a marži v dashboardu a porovnáme je s účetní uzávěrkou. Rozdíl do jednoho až dvou procent obvykle vysvětlí časování (objednávka vytvořená 31., fakturovaná 1.) a dobropisy. Větší rozdíl znamená chybu v definici nebo v datech a opravujeme ji dřív, než dashboard ukážeme vedení.
Odkud data tečou
Data z e-shopu čteme přes REST API nebo exporty. Přidáváme GA4, Google Ads, Sklik, Meta a ERP. U jednoduchých dashboardů stačí přímé konektory BI nástroje.
Jakmile spojujete víc zdrojů nebo chcete delší historii, data přenášíme do jednoho úložiště přes ETL, nejčastěji do BigQuery. Dashboard čte až z něj. Je rychlejší a čísla se mezi grafy nerozcházejí.
Dvě omezení, se kterými počítáme:
- Zpracování dat ve standardní službě GA4 podle nápovědy Google obvykle trvá 24–48 hodin a nejde o garantovanou dobu. Včerejší čísla z GA4 se tedy ještě můžou změnit.
- Denní export GA4 do BigQuery má u standardních služeb limit 1 milion událostí denně. Streamovaný export limit nemá, ale je placený podle objemu na straně BigQuery.
Objednávky a sklad proto bereme přímo z e-shopu nebo ERP, GA4 slouží pro návštěvnost a chování.
Co přidává AI
AI v dashboardu dělá dvě věci.
Komentář ke změnám. Nad grafy je pár vět: „Tržby za září jsou 4 % pod plánem. Propad je v kategorii Zahrada, kde klesly objednávky z Google Ads o třetinu. Ostatní kategorie plán plní.“ Takový text přečtete za deset vteřin a víte, kam kliknout.
Dotazy běžnou řečí. Místo hledání správného filtru napíšete „tržby z Heureky za poslední tři měsíce podle týdnů“. Tuto funkci nabízejí přímo BI nástroje.
Důležité pravidlo: čísla nikdy nepočítá jazykový model. Automatizace spočítá metriky přesnými dotazy, výsledky předá modelu s pevnou šablonou a hotový text vloží do dashboardu. Model čísla jen popisuje a porovnává.
AI funkce v Power BI a Data Studiu (k 9/2026)
Oba hlavní BI nástroje mají AI asistenta, ale s podmínkami.
Power BI Copilot podle dokumentace Microsoftu vyžaduje placenou kapacitu Fabric F2 a vyšší nebo Premium P1. Samotná licence Pro nebo Premium Per User nestačí. Uživatelé s licencí Pro ho můžou používat, pokud jim organizace přiřadí kapacitu pro Copilot. Na zkušebních kapacitách Copilot nefunguje.
Data Studio (Google v roce 2026 přejmenoval Looker Studio zpět na Data Studio) nabízí Gemini v rámci předplatného Data Studio Pro. Podle dokumentace Google jsou AI funkce během preview bez dalšího poplatku, po jeho skončení můžou být zpoplatněny. Aktuální ceník Data Studio Pro ověřte u poskytovatele.
Pro menší e-shop se kapacita Fabric kvůli komentářům často nevyplatí. Pak stavíme AI komentáře mimo BI nástroj, jak popisujeme výše.
Kolik stojí AI komentáře: modelový výpočet
Výpočet je modelový, vstupy nahraďte svými.
| Předpoklad | Hodnota v modelu |
|---|---|
| Komentářů denně (celek, kategorie, kanály) | 30 |
| Vstup na komentář (instrukce, metriky, srovnání) | 2 500 tokenů |
| Výstup na komentář | 300 tokenů |
| Model | Claude Haiku 4.5, dávkové zpracování |
| Kurz | 22 Kč za USD |
Claude Haiku 4.5 stojí 1 USD za milion vstupních a 5 USD za milion výstupních tokenů, dávkové zpracování má slevu 50 % (ceník k 9/2026, aktuální ceník ověřte u poskytovatele). Komentáře se generují jednou denně po načtení dat, dávka proto stačí.
Denně: 75 000 vstupních tokenů za 0,0375 USD a 9 000 výstupních za 0,0225 USD, celkem 0,06 USD. Za měsíc asi 1,80 USD, tedy zhruba 40 Kč. Model je i tady nejmenší položka. Práce je v datové vrstvě a definicích.
Jak na to prakticky
- Sepište rozhodnutí, která z dashboardu děláte, a kdo je dělá.
- Vyberte 5–8 metrik pro vedení. Zbytek dejte do detailu.
- Napište definice a ověřte je proti účetnictví za jeden uzavřený měsíc.
- Zvolte zdroje. Objednávky a sklad z e-shopu nebo ERP, návštěvnost z GA4.
- Přidejte plán a loňsko. Číslo bez srovnání nic neříká.
- Připojte AI komentář až ve chvíli, kdy čísla sedí.
- Po měsíci zkontrolujte, které části dashboardu se používají, a zbytek odstraňte.
Dashboard je místo, kam se díváte, když chcete. Pokud chcete, aby vám souhrn chodil sám, doplňte ho o AI reporting. Postavit dashboard nad vašimi daty pomůžeme v rámci služby AI dashboard. Cenu připravíme po konzultaci podle počtu zdrojů dat.
Potřebujete s tím pomoct?