Když se řekne „práce s daty“, většina lidí si představí Google Analytics a pár grafů v dashboardu. Ale to je jen špička ledovce.
Práce s daty ve firmě zahrnuje řízení, procesy, nástroje, kvalitu dat, bezpečnost, reporting, governance — a hlavně lidi, kteří tomu všemu dávají smysl. Měření je jen jeden dílek z celé skládačky.
Za roky práce s klienty v celé Evropě jsem viděl firmy na všech úrovních datové vyspělosti. A jedna věc se opakuje: ty úrovně nejde přeskočit. Firma, která nemá vyřešenou základní datovou hygienu, nemůže smysluplně nasadit prediktivní modely — i kdyby si koupila sebelepší nástroj.
Proto jsem dal dohromady jednoduchý maturity model, který pomáhá firmám zorientovat se, kde jsou a co je čeká dál.
Úroveň 1: Začátečník
Nikdo ve firmě neodpovídá za data. Občas někdo z vedení požádá o nějaký report, ale není jasné, proč ho vlastně chce ani co s ním udělá. Cookie lišta buď chybí, nebo je nastavená špatně. Nikdo neví, kolik firma za data utrácí — protože se to ani nesleduje.
Zní to tvrdě, ale je to realita překvapivě velkého množství firem.
Úroveň 2: Ad hoc
Data má na starost někdo, kdo řeší i dvacet dalších věcí — typicky marketingový manažer. Existuje základní měření, základní reporty typu „Top 10 stránek“. Ale každý analytik (pokud vůbec nějaký je) má vlastní postupy, nic není standardizované. UTM parametry si každý značí po svém. Optimalizuje se na obrat, protože jiná data nejsou k dispozici.
GA4 měří, cookie lišta funguje, privacy policy je v pořádku. To je dobrý základ — ale je to teprve začátek.
Úroveň 3: Systémová
Tady to začíná být zajímavé. Firma má jmenovaného analytics leada, stanovenou vizi a budget. Existují standardy pojmenování událostí a metrik. Běží datový sklad, ETL procesy, dashboardy.
A hlavně: vzniká systém. Metodika, procesy, standardizace.
Tohle je úroveň, na kterou se většina firem snaží dostat — a právem. Je to základ, na kterém jde stavět.
Úroveň 4: Řízená
Sponzor datových iniciativ sedí na C-levelu. Tým prochází čísla každý týden. Online a offline data jsou na jednom místě. Existuje data governance, řízení změn, incident management. CI/CD pipeline i pro měření. Self-service BI, kde si manažeři sami najdou odpovědi.
Na téhle úrovni firma má jasně domluvené, jaká data odkud tečou, hlídá jejich kvalitu a má pravidla, jak s nimi nakládá. Nejde už jen o to „mít data“ — jde o to mít data, kterým jde věřit.
Úroveň 5: Strategická
Za data odpovídá člen vedení. Data nejsou podpůrná funkce — jsou produkt, který firma vědomě buduje. Existuje jedna hlavní metrika, na kterou se celá firma orientuje, a vedení ji pravidelně vyhodnocuje. Bonusy jsou navázané na konkrétní datové ukazatele.
Firma má několik datových oddělení, systematicky experimentuje, měří návratnost datových investic a má bezpečnost a compliance zabudované do každého projektu od začátku.
Na tuhle úroveň se dostane málokdo — ale právě tady data přestávají být nákladem a začínají být konkurenční výhodou.
Kde jste vy?
Zkuste si upřímně odpovědět na pár otázek:
- Kdo u vás odpovídá za data? Konkrétní člověk s mandátem, nebo „někdo to dělá při své práci“?
- Máte standardy? Pojmenování událostí, výpočet metrik, UTM konvence — nebo si každý dělá po svém?
- Věříte svým datům? Kontrolujete pravidelně kvalitu, čerstvost, kompletnost?
- Víte, kolik vás data stojí? A kolik firmě vydělávají?
- Koukáte na data pravidelně? Máte na to vyhrazený konkrétní blok času, nebo se na čísla díváte, jen když „hoří“?
Většina firem, se kterými pracuju, je někde mezi úrovní 2 a 3. A to je úplně v pořádku — důležité je vědět, kde jste, a mít plán, jak se posunout dál. Krok po kroku.
Co z toho plyne
Práce s daty není jen „nastavit měření“. Je to
- řízení — kdo rozhoduje o datech a nese za ně odpovědnost
- procesy — jak se data sbírají, zpracovávají a předávají dál
- znalosti — rozumí lidé v týmu datům, se kterými pracují?
- nástroje — od měření přes sklad po vizualizaci
- bezpečnost — kdo má k datům přístup a jak jsou chráněná
- kvalita — jsou data kompletní, aktuální a důvěryhodná?
- kultura — rozhoduje se ve firmě na základě dat, nebo pocitů?
Každá z těchto oblastí musí růst společně — jinak vznikají slepá místa, která znehodnotí i sebelepší dashboard.
A hlavně: nedává smysl přeskakovat. Firma bez datové hygieny nepotřebuje AI modely. Firma bez jasných KPI nepotřebuje real-time dashboardy. Nejdřív základy, pak nadstavba.
Jak dál?
- Zmapujte, kde jste. Projděte si otázky výše a upřímně se ohodnoťte v každé oblasti. Nemusíte být přesní — jde o celkový obraz.
- Definujte, kam se chcete dostat. Ne za rok, ale v další fázi. Jak má vaše práce s daty vypadat po první sadě změn?
- Nastavte konkrétní kroky. Vyberte jednu nebo dvě věci, které vás brzdí nejvíc, a začněte od nich. Nemusíte řešit všechno najednou.
Chcete vědět, kde přesně jste a co by měl být váš další krok? Napište mi, podíváme se na to spolu.