FIUNPDAF Datová analýza ve financích

Obchodně podnikatelská fakulta v Karviné
léto 2026
Rozsah
0/3/0. 5 kr. Ukončení: zk.
Vyučující
doc. Ing. Iveta Palečková, Ph.D. (cvičící)
Ing. Zuzana Szkorupová, Ph.D. (cvičící)
Garance
Ing. Zuzana Szkorupová, Ph.D.
Katedra financí a účetnictví – Obchodně podnikatelská fakulta v Karviné
Kontaktní osoba: Ing. Irena Szarowská, Ph.D., MPA
Rozvrh seminárních/paralelních skupin
FIUNPDAF/01: Čt 10:35–13:00 A423, I. Palečková, Z. Szkorupová
Předpoklady
FAKULTA(OPF) && TYP_STUDIA(N) && FORMA(P)
Omezení zápisu do předmětu
Předmět je nabízen i studentům mimo mateřské obory.
Předmět si smí zapsat nejvýše 10 stud.
Momentální stav registrace a zápisu: zapsáno: 9/10, pouze zareg.: 3/10
Mateřské obory/plány
Výstupy z učení

Student porozumí práci datové analýzy ve finanční oblasti pomocí nástrojů Excel a Power BI. Bude schopen si vhodná data vyhledat, stáhnout a správně upravit pro následné provedení datové analýzy. Bude umět správně využit podmíněné formátování například pro zvýraznění trendů a odchylek. Porozumí a bude schopen vhodně zvolit a použit funkce Excelu, potřebné pro datovou analýzu. Porozumí základům Power Query, které umožňuje automatizovat opakující se úkony při přípravě dat. Student bude schopen vhodně vizualizovat data v Excelu pomoci kontingenčních tabulek, kontingenčních grafů, slicerů. Student porozumí práci v Power BI pro účely vizualizace dat. Bude schopen si data do Power BI nahrát, provést základní úpravy dat a následně vhodným způsobem data vizualizovat. Student bude schopen provést analýzu vztahů mezi zvolenými proměnnými pomoci korelační a regresní analýzy. Bude umět správným způsobem interpretovat zjištěné závěry.

Osnova

1.  Úvod do datové analýzy a práce s finančními daty - Co je datová analýza a jaký má význam ve financích (úvěrové portfolio, rizika, ziskovost, reporting). Typy bankovních dat (finanční ukazatele, úvěry, vklady, klientské segmenty). Zdroje dat (např. Moody´s Bank Focus, ostatní databáze). Základy práce s datovými sadami – struktura, formát, kvalita dat, datové typy. 2.  Příprava a tvorba datových tabulek v Excelu - Import dat z externích zdrojů (csv, databáze Moody´s Bank Focus, jiné Excel soubory). Čištění a standardizace dat (formáty čísel, textů, datumů). Tvorba strukturovaných tabulek, pojmenovaných oblastí a propojení listů. Práce s filtrováním, tříděním a validací dat. Příprava datové základny pro další analýzu 3.  Podmíněné formátování a vizuální úprava dat - Použití podmíněného formátování pro zvýraznění trendů a odchylek. Práce s barevnými škálami, datovými pruhy, ikonickými sadami. Vytváření přehledných finančních tabulek. 4. Funkce pro datovou analýzu v Excelu - Základní operátory, základní funkce, logické funkce (IF, IFS, SUMIF, SUMIFS, IFERROR atd.). Textové funkce jako: ZLEVA, ZPRAVA, ČÁST, NAHRADIT, DOSADIT CONCATENATE. Práce s datumem a extrakce jeho části, funkce: DATUM, ROK, MĚSIC, DEN, DENTDNE. Funkce SVYHLEDAT, XLOOKUP. 5.  Úvod do Power Query - Seznámení s prostředím Power Query v Excelu. Import, slučování a transformace více zdrojů dat. Realizace praktických příkladů v Power Query. 6.  Kontingenční tabulky a vizualizace v Excelu - Tvorba kontingenčních tabulek a grafů. Výpočty v kontingenční tabulce. Seskupování a filtrování v kontingenční tabulce. Kombinované a dynamické grafy. Slicery – použití filtrování v kontingenční tabulce pomocí průřezu. 7. Vizualizace a reporting v Power BI - Import dat z Excelu do Power BI, tvorba datového modelu a relací. Tvorba KPI panelů a dashboardů – vývoj aktiv, ziskovosti, kvality úvěrů. Práce s grafy, mapami, filtry a interaktivními vizualizacemi. Publikace a sdílení reportů v rámci týmu nebo managementu. 8. Korelace a regrese - Analýza vztahů mezi zvolenými proměnnými pomoci korelační a regresní analýzy. Interpretace zjištěných závěrů. Analýza rozdílů mezi skupinami (např. t-test) a její interpretace


Literatura
    povinná literatura
  • LAURENČÍK, M., 2021. Excel 2021 – pokročilé nástroje. Praha: Grada. ISBN 978-80-247-4924-2.
  • O´CONNOR, E, 2018. Microsoft Power BI Dashboards Step by Step. Washington: Microsoft Press US. ISBN 805059688.
  • HENDL, J., 20212. Přehled statistických metod zpracování dat: Analýza a metaanalýza dat. 4. rozš. vydání. ISBN 978-80-262-0200-4.
    doporučená literatura
  • KOLOKOLOV A. a M. Zelensky, 2024. Data Visualization with Microsoft Power BI. Morrisville: Lulu Press. ISBN 1098152786.
  • RUSSO, M. a A. FERRARI, 2017. Analyzing Data with Power BI and Power Pivot for Excel. Washington: Microsoft Press US. ISBN 978-1-5093-0276-5.
  • SCHUERMAN, P. a kol. 2015. Efektivní analýza a využití dat. Brno: Compruter Press. ISBN 978-80-251-4571-5. Podpora výuky v rámci e-learningu (prezentace přednášek, doplňkové texty, případové studie).
  • WEBB, CH., 2014. Power Query for Power BI and Excel. Berlin: Springer. ISBN 1430266910
Výukové metody
Praktické cvičení v software Excel, Power BI, case studies, skupinová výuka, projektová výuka, prezentace výsledků analýzy, frontální výuka.
Metody hodnocení
Hodnotící metody: průběžné aktivity - zpracování 4 úkolů po 10 bodech (40 % hodnocení), ústní zkouška - vypracování a obhajoba projektu  (60 % hodnocení)
Další komentáře
Studijní materiály
  • Statistika zápisu (nejnovější)
  • Permalink: https://is.slu.cz/predmet/opf/leto2026/FIUNPDAF