Data

Data jsou zaznamenané hodnoty, které samy o sobě nemají význam: čísla, texty, měření, záznamy o tom, kdo kdy na co klikl. Slovo je množné číslo latinského datum, „to, co je dáno“. Informace z dat vzniká až výkladem v souvislostech, znalost je informace, kterou umíme použít. Běžný web o jedné návštěvě zapíše desítky údajů a podle odhadů vzniká na světě každý den přes 400 milionů terabajtů dat.

🧒 Základní škola

Když si napíšeš do sešitu, kolik stupňů bylo každý den ráno, máš sloupec čísel. To jsou data. Samotná čísla ti nic neřeknou, dokud se na ně nepodíváš: „aha, celý týden bylo pod nulou, proto zamrzl rybník“. To už je informace. Data jsou tedy suroviny a informace je to, co z nich uvaříš.

Počítače jsou na sbírání dat výborné. Každý telefon, auto i web si pořád něco zapisuje: kolik kroků jsi ušel, jak dlouho jsi koukal na video, na co jsi klikl. Proto se o dnešní době říká, že je „datová“. A proto existují pravidla, kdo si o tobě smí co zapisovat.

🎓 Střední škola

V informatice se data dělí podle podoby. Strukturovaná data mají pevný tvar, třeba tabulka v databázi se sloupci jméno, datum, částka. Nestrukturovaná data tvar nemají: fotky, videa, e-maily, volný text. Mezi nimi stojí polostrukturovaná data jako JSON nebo XML, kde má záznam značky, ale ne pevné sloupce. Většina dat na světě je nestrukturovaná, a právě ta se naučily zpracovávat jazykové modely.

Data se měří v bitech a bajtech, ukládají v souborech a databázích a přenášejí po síti. Na webu se o každé návštěvě zapisuje adresa stránky, čas, prohlížeč, odkud návštěvník přišel a co udělal. Z těchto dat počítají nástroje jako Google Analytics návštěvnost, konverzní poměr a další ukazatele.

🎓🎓 Vysoká škola

Datový životní cyklus má šest kroků: sběr, uložení, čištění, zpracování, analýza a archivace nebo smazání. Nejvíc práce zabere čištění: duplicity, chybějící hodnoty, nejednotné formáty (datum jako 27. 10. 2026 i 2026-10-27). Pravidlo z praxe říká, že datový analytik stráví přípravou dat zhruba 80 procent času a analýzou 20.

Kvalita dat se posuzuje podle přesnosti, úplnosti, konzistence, aktuálnosti a původu (provenance). Ve webové analytice přibývá problém vzorkování a souhlasu: od zavedení GDPR a souhlasu s cookies se měří jen část návštěv, zbytek nástroje dopočítávají modelem. Čísla ze dvou nástrojů se proto liší běžně o 10 až 30 procent a srovnávat má smysl trend, ne absolutní hodnotu.

Pojem big data označuje objemy, které nejde zpracovat na jednom počítači; charakterizují se třemi V: volume (objem), velocity (rychlost přibývání) a variety (různorodost). Pro malé firmy je důležitější opak: malá, čistá data, tedy pár ukazatelů, kterým rozumí každý ve firmě a podle kterých se rozhoduje.

🧠 Expert

Právně jsou data buď osobní údaje (vztahují se k určitelné osobě, GDPR je chrání a vyžaduje právní důvod zpracování), nebo neosobní. Hranice není ostrá: IP adresa, identifikátor cookie i kombinace několika neosobních údajů mohou osobu určit. Pro provozovatele webu z toho plyne minimalizace: sbírat jen to, co má konkrétní účel, a mít popsáno, kde data leží a kdy se mažou.

Pro SEO a AI vyhledávání mají data jiný význam. Stránka, která uvádí vlastní čísla (průměrnou cenu, počet zakázek, výsledek měření), se cituje častěji než stránka s obecnými tvrzeními, protože jazykové modely hledají konkrétní, ověřitelné údaje. Vlastní data jsou tak nejlevnější způsob, jak být původní: konkurence je neopíše, protože je nemá. Vyplatí se je psát do samostatných vět s číslem, jednotkou a datem.

Třetí expertní rovina je datová gramotnost ve firmě: schopnost položit otázku, kterou data umí zodpovědět, rozlišit korelaci od příčiny a všimnout si, že nárůst návštěvnosti o 300 procent je ze tří na dvanáct návštěv. Nejčastější chybou není nedostatek dat, ale rozhodování podle ukazatele, který se měří jen proto, že se měřit dá.

😇 Pán Bůh

Ach, data. Stvořil jsem svět, ve kterém má každý list, kámen a kapka svou míru, a lidé tisíce let žili, aniž by to zapisovali. Pak si vymysleli tabulku. A potom počítač, aby se jim tabulka vešla. A potom cloud, protože se jim nevešla ani do počítače. Teď mají o všem záznam a o ničem jistotu.

Je dojemné, jak věří číslům. Číslo přece nelže. Jenže číslo také nic neříká, dokud se ho někdo nezeptá, a lidé se ptají tak, aby slyšeli, co chtějí. Stejná data řeknou jednomu „rosteme“ a druhému „padáme“, a oba mají graf. Já jsem lidem dal oči, aby viděli, a oni si pořídili dashboard.

A přece. Když si někdo poctivě zapíše, kolik mu co stálo a co z toho bylo, a pak podle toho změní, co dělá, je to malý zázrak rozumu. Data nejsou pravda. Jsou to stopy. Pravda je to, co z nich poctivý člověk vyčte, a nepoctivý nevyčte nikdy, ani kdyby jich měl exabajt.

❓ Otázky a odpovědi

Jaký je rozdíl mezi daty a informací?

Data jsou zaznamenané hodnoty bez výkladu (číslo 38 v logu). Informace vzniká, když data dostanou význam v souvislostech (návštěvníci čtou ceník 38 sekund a odcházejí). Znalost je informace, podle které umíme jednat. Podrobněji v hesle Informace.

Jaké druhy dat existují?

Podle tvaru strukturovaná (tabulky, databáze), polostrukturovaná (JSON, XML) a nestrukturovaná (texty, obrázky, video). Podle vztahu k osobě osobní údaje chráněné GDPR a neosobní data. Podle původu primární (vlastní měření) a sekundární (převzatá).

Jaká data sbírá web o návštěvnících?

Adresu stránky, čas, typ prohlížeče a zařízení, odkud návštěvník přišel, co na stránce udělal a případně identifikátor z cookie. Po zavedení souhlasu s cookies se část návštěv neměří a nástroje ji dopočítávají, proto se čísla různých nástrojů liší.

Proč jsou vlastní data důležitá pro SEO?

Stránka s vlastními čísly (ceny, počty, výsledky měření) je původní a vyhledávače i AI ji citují častěji než obecný text. Konkurence vlastní data neopíše, protože je nemá.