FIUNPDAF Data analysis in finance

School of Business Administration in Karvina
Summer 2026
Extent and Intensity
0/3/0. 5 credit(s). Type of Completion: zk (examination).
Teacher(s)
doc. Ing. Iveta Palečková, Ph.D. (seminar tutor)
Ing. Zuzana Szkorupová, Ph.D. (seminar tutor)
Guaranteed by
Ing. Zuzana Szkorupová, Ph.D.
Department of Finance and Accounting – School of Business Administration in Karvina
Contact Person: Ing. Irena Szarowská, Ph.D., MPA
Timetable of Seminar Groups
FIUNPDAF/01: Thu 10:35–13:00 A423, I. Palečková, Z. Szkorupová
Prerequisites (in Czech)
FAKULTA(OPF) && TYP_STUDIA(N) && FORMA(P)
Course Enrolment Limitations
The course is also offered to the students of the fields other than those the course is directly associated with.
The capacity limit for the course is 10 student(s).
Current registration and enrolment status: enrolled: 9/10, only registered: 3/10
fields of study / plans the course is directly associated with
Learning outcomes (in Czech)

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.

Syllabus (in Czech)

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


Literature
    required literature
  • 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.
    recommended literature
  • 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
Teaching methods (in Czech)
Praktické cvičení v software Excel, Power BI, case studies, skupinová výuka, projektová výuka, prezentace výsledků analýzy, frontální výuka.
Assessment methods (in Czech)
Hodnotící metody: průběžné aktivity - zpracování 4 úkolů po 10 bodech (40 % hodnocení), ústní zkouška - vypracování a obhajoba projektu  (60 % hodnocení)
Language of instruction
Czech
Further Comments
Study Materials
  • Enrolment Statistics (recent)
  • Permalink: https://is.slu.cz/course/opf/summer2026/FIUNPDAF