← Zpět na obsah

** Kapitola pro maturitní obory

Kapitola 2.1**: Metody pro zajištění správnosti dat

Co se naučíš: V této kapitole se naučíš, jak zajistit, aby data byla správná, úplná a kvalitní. Zjistíš, jaké metody a nástroje se používají pro kontrolu a čištění dat v praxi.

1. Proč je kvalita dat důležitá?

Představ si, že firma posílá faktury zákazníkům. Pokud jsou adresy špatně, dopisy se vrátí. Pokud jsou částky špatně, firma přijde o peníze nebo naštve zákazníky. Špatná data = špatná rozhodnutí.

Příklad z praxe: V roce 1999 ztratila NASA sondu Mars Climate Orbiter za 125 milionů dolarů. Proč? Jeden tým používal metrické jednotky a druhý imperiální. Chyba v datech = ztráta mise.

2. Dimenze kvality dat

Kvalitu dat hodnotíme podle několika dimenzí:

Pokročilá analýza dat - vizualizace a interpretace
Pokročilá analýza dat - vizualizace a interpretace

3. Metody kontroly dat

3.1 Validace při zadávání

Nejlepší je zachytit chybu hned při zadávání dat:

3.2 Čištění dat (Data Cleaning)

Pokud už máme "špinavá" data, musíme je vyčistit:

Příklad v Excelu: Pro odstranění duplicit vyber data a použij: Data → Odebrat duplicity. Excel ti ukáže, kolik duplicit odstranil.

3.3 Kontrolní součty a hashe

Pro ověření, že data nebyla změněna při přenosu:

4. Praktické nástroje

Excel – Validace dat

V Excelu můžeš nastavit pravidla pro zadávání dat:

  1. Vyber buňky, kde chceš validaci.
  2. Jdi na: Data → Ověření dat.
  3. Vyber typ ověření:

Kontrola dat pomocí vzorců v Excelu

V Excelu můžeš použít vzorce pro automatickou kontrolu dat: 

=KDYŽ(DÉLKA(A2)>=2;"OK";"Příliš krátké")     // Kontrola délky jména
=KDYŽ(POČET.ZNAKŮ(B2)-POČET.ZNAKŮ(SUBSTITUCE(B2;"@";""))=1;"OK";"Chybí @")  // Kontrola e-mailu
=KDYŽ(A(C2>=13;C2<=100);"OK";"Neplatný věk")  // Kontrola rozsahu věku
Statistické metody - distribuce a korelace
Statistické metody - distribuce a korelace

Člověk a digitální svět

V digitálním světě platí pravidlo "Garbage In, Garbage Out" – pokud vložíš špatná data, dostaneš špatné výsledky. Schopnost zajistit kvalitu dat je klíčová pro jakékoliv rozhodování založené na datech, ať už jde o osobní finance, školní projekty nebo profesní práci.

Proces analýzy dat - od surových dat k poznatkům
Proces analýzy dat - od surových dat k poznatkům

** Úkoly pro maturitní obory

  1. Excel – Komplexní validace: Vytvoř tabulku "Registrace uživatelů" se sloupci: Jméno, E-mail, Věk, PSČ, Země. Nastav validaci: Jméno min. 2 znaky, E-mail obsahuje @, Věk 13-100, PSČ přesně 5 číslic, Země ze seznamu.
  2. Excel – Čištění dat: Stáhni dataset s "špinavými" daty (např. z Kaggle – "messy data"). Vyčisti ho: odstraň duplicity, oprav formáty, standardizuj hodnoty. Zdokumentuj, co jsi udělal.
  3. Word – Dokumentace pravidel: Napiš dokument "Pravidla kvality dat pro e-shop". Definuj pravidla pro každé pole (jméno, adresa, e-mail, telefon). Uveď příklady správných a špatných hodnot.
  4. PowerPoint – Prezentace: Vytvoř prezentaci "6 dimenzí kvality dat" (8-10 snímků). Ke každé dimenzi uveď definici, příklad a jak ji zajistit.
  5. Canva – Plakát: Vytvoř v Canvě plakát "Pravidla pro kvalitní data" pro kancelář. Použij ikony, krátké texty a barevné rozlišení. Formát A3.
  6. Excel – Kontrolní vzorce: Vytvoř tabulku s daty a přidej sloupec "Kontrola", který automaticky ověří správnost každého řádku pomocí vzorců KDYŽ, DÉLKA, POČET.ZNAKŮ. Barevně zvýrazni chybné řádky pomocí podmíněného formátování.

*** Rozšíření pro IT obory

Jako budoucí IT specialista musíš chápat validaci a integritu dat na hlubší teoretické úrovni. Tato kapitola rozšiřuje základy bez programování.

Formální definice integrity dat

Integrita dat znamená, že data jsou správná, úplná a konzistentní po celou dobu jejich životního cyklu. Rozlišujeme několik typů:

Typ integrity Popis Příklad porušení
Entitní integrita Každý záznam má unikátní identifikátor Dva studenti mají stejné ID
Doménová integrita Hodnoty jsou v povoleném rozsahu/typu Věk = -5 nebo "patnáct"
Referenční integrita Odkazy mezi tabulkami jsou platné Objednávka odkazuje na neexistujícího zákazníka
Uživatelská integrita Obchodní pravidla jsou dodržena Student je zapsán do kurzu bez prerekvizit

Kontrolní mechanismy

Paritní bit

Nejjednodušší forma kontroly chyb. Přidá se jeden bit, aby celkový počet jedniček byl sudý (sudá parita) nebo lichý (lichá parita).

Příklad sudé parity:
Data: 1010101 (4 jedničky – sudé) → Paritní bit = 0 → Výsledek: 10101010
Data: 1010111 (5 jedniček – liché) → Paritní bit = 1 → Výsledek: 10101111

Omezení: Detekuje pouze lichý počet chyb. Dvě chyby se navzájem vykompenzují.

Kontrolní součet (Checksum)

Součet všech hodnot modulo nějaké číslo. Používá se pro detekci poškození dat.

Příklad jednoduchého checksum:
Data: 45, 32, 78, 12
Součet: 45 + 32 + 78 + 12 = 167
Checksum (mod 256): 167

Při přenosu se posílá: 45, 32, 78, 12, 167
Příjemce sečte první 4 čísla a porovná s 167.

CRC (Cyclic Redundancy Check)

Pokročilejší metoda používaná v síťových protokolech a úložištích. Používá polynomiální dělení.

Regulární výrazy (RegEx) – teorie

Regulární výrazy jsou vzory pro popis textových řetězců. Používají se pro validaci formátů.

Symbol Význam Příklad
. Libovolný znak a.c → abc, aXc, a1c
* 0 nebo více opakování ab* → a, ab, abb, abbb
+ 1 nebo více opakování ab+ → ab, abb (ne "a")
[abc] Jeden ze znaků [aeiou] → samohlásky
[0-9] Číslice [0-9]{5} → 5 číslic (PSČ)
^ Začátek řetězce ^Ahoj → začíná "Ahoj"
$ Konec řetězce .cz$ → končí ".cz"
Příklady RegEx:
E-mail: ^[\w.-]+@[\w.-]+\.[a-z]{2,}$
Telefon CZ: ^(\+420)?[0-9]{9}$
PSČ: ^[0-9]{3}\s?[0-9]{2}$

Standardy kvality dat

*** Úkoly pro IT obory

  1. Paritní bit: Pro data 1101011 vypočítej paritní bit pro sudou paritu. Pak simuluj chybu (změň jeden bit) a ukaž, jak se chyba detekuje.
  2. Checksum: Vypočítej checksum (mod 256) pro hodnoty: 123, 45, 67, 89, 200. Pak změň jednu hodnotu a ukaž, že checksum se liší.
  3. RegEx: Napiš regulární výraz pro: a) české telefonní číslo, b) rodné číslo, c) IČO (8 číslic). Otestuj je na regex101.com.
  4. Integrita v praxi: Najdi příklad porušení každého typu integrity (entitní, doménová, referenční, uživatelská) v běžném životě.
← Zpět na obsah