Datový sklad & Data engineeringDatový sklad & Data engineering

Osm systémů,
jeden zdroj pravdy.

Eight systems,
one source of truth.

Shoptet, Pohoda, GA4, Meta Ads, email, srovnávače — každý systém má jiná čísla a nikdo neví, která jsou správná.

Shoptet, Pohoda, GA4, Meta Ads, email, price comparators — every system has different numbers and nobody knows which ones are right.

Každé oddělení má jiný Excel a jiná čísla — schůzky skončí hádkou o data, ne rozhodnutím Every department has a different spreadsheet — meetings end in arguments about data, not decisions
Ruční exporty z osmi systémů každý měsíc — 2 dny práce pro čísla, která jsou hned zastaralá Manual exports from eight systems every month — 2 days of work for numbers that are immediately outdated
Bez propojených dat nevidíte marži, LTV ani skutečný ROAS — rozhodujete se naslepo Without connected data you can't see margin, LTV, or real ROAS — you're making decisions blind
ZDROJE DAT 8 GA4 · Meta Ads · Google Ads GA4 · Meta Ads · Google Ads Shoptet · Pohoda · Fakturoid Shoptet · Pohoda · Fakturoid + Heuréka, Zboží.cz a další + Heuréka, Zboží.cz and more denně daily BIGQUERY SKLAD 1 jeden zdroj pravdy one source of truth Looker Studio · SQL · Python neomezená retence · žádný sampling unlimited retention · no sampling automatická aktualizace každý den · Dataform orchestration · BigQuery automatic daily update · Dataform orchestration · BigQuery
Nezávazná konzultace zdarmaFree consultation, no commitment
Co získáteWhat you get

Data, která konečně
dávají smysl.

Data that finally
makes sense.

1

Jeden zdroj pravdy

Single source of truth

Všechna vaše data na jednom místě — e-shop, účetnictví, reklamy, analytika. Jedno číslo, kterému všichni věří.

All your data in one place — e-shop, accounting, ads, analytics. One number everyone trusts.

Data aktuální každý den

Data updated daily

Automatizované pipeline sbírají data z každého systému denně. Ráno máte čerstvá čísla bez jediného stisknutého tlačítka.

Automated pipelines collect data from every system daily. In the morning you have fresh numbers without pressing a single button.

Základ pro vše ostatní

Foundation for everything else

Datový sklad není jen reporting. Je to základ pro AI agenty, prediktivní analýzy, zákaznické segmentace i automatizaci.

A data warehouse isn't just reporting. It's the foundation for AI agents, predictive analytics, customer segmentation, and automation.

Jak spolupráce probíháHow we work together

Od zdrojů po hotový
datový sklad.

From sources to a finished
data warehouse.

Pět kroků, transparentní proces — víte co se děje v každé fázi.

Five steps, transparent process — you know what's happening at every stage.

01
Mapování zdrojůSource mapping
Zmapuji všechny vaše datové zdroje — co máte, v jaké kvalitě, jak se propojí. Návrh architektury bez závazku.
I'll map all your data sources — what you have, in what quality, how they'll connect. Architecture proposal with no commitment.
02
Konektory a pipelineConnectors & pipeline
Napíšu Python konektory pro vaše systémy. Shoptet, Pohoda, reklamní API, emailové platformy — co potřebujete.
I'll write Python connectors for your systems. Shoptet, Pohoda, advertising APIs, email platforms — whatever you need.
03
BigQuery datový skladBigQuery data warehouse
Nastavím BigQuery projekty, datasets a schémata. Data budou strukturovaná, pojmenovaná a zdokumentovaná.
I'll set up BigQuery projects, datasets, and schemas. Data will be structured, named, and documented.
04
dbt/Dataform
Transformační vrstvaTransformation layer
V Dataformu nebo dbt postavím transformační modely — čistění, agregace, business metriky. Data ready pro reporting.
In Dataform or dbt I'll build transformation models — cleaning, aggregation, business metrics. Data ready for reporting.
05
Předání a monitoringHandover & monitoring
Dokumentace datového modelu, zaškolení, monitoring pipeline. Vy víte odkud přicházejí čísla.
Data model documentation, training, pipeline monitoring. You know where the numbers come from.
Ukázka architekturyArchitecture overview

Jak vypadá
datový sklad.

What a data warehouse
looks like.

Typická architektura pro střední e-shop — od zdrojových systémů přes transformační vrstvu po hotové datové modely.

Typical architecture for a mid-size e-shop — from source systems through the transformation layer to finished data models.

BigQuery data warehouse · e-commerce architecture · demo
ZDROJOVÁ DATA SOURCE DATA E-SHOP Shoptet API ÚČETNICTVÍ ACCOUNTING Pohoda MS SQL ANALYTIKA ANALYTICS GA4 Export REKLAMA ADVERTISING Google Ads API REKLAMA ADVERTISING Meta Ads API SROVNÁVAČ COMPARATOR Heuréka XML BIGQUERY TRANSFORMACE TRANSFORMATION raw_data raw_shoptet_orders raw_pohoda_invoices raw_ga4_sessions raw_google_ads staging stg_orders stg_ads_spend stg_sessions stg_customers mart — business modely — business models mart_orders_daily mart_roas_by_channel mart_customer_ltv mart_product_margin SELECT date, channel, SUM(revenue) / SUM(spend) AS roas VÝSTUPY OUTPUTS REPORTING Looker Studio Živé dashboardy a reporty Live dashboards and reports → sdílení přes odkaz ANALÝZY ANALYTICS BigQuery SQL Ad-hoc dotazy a segmentace Ad-hoc queries and segmentation → SELECT * FROM mart.* AI AGENTI Python Automatizace a predikce Automation and predictions → bigquery.Client() EXPORTY EXPORTS Sheets / CSV Sdílení s týmem Share with the team 6 zdrojů · Python konektory 6 sources · Python connectors Dataform / dbt · automatická aktualizace Dataform / dbt · automatic refresh 4 výstupní vrstvy 4 output layers

Architektura se přizpůsobí vašim systémům. Každý e-shop má jiné zdroje — návrh ukáži zdarma při úvodním hovoru.

The architecture adapts to your systems. Every e-shop has different sources — I'll show you the design for free during the initial call.

Co je součástíWhat's included

Vše co potřebujete
k fungování.

Everything you need
to get running.

Python konektory na vaše systémy

Python connectors for your systems

Vlastní konektory na Shoptet, Pohodu, reklamní API a další. Automaticky synchronizují data do BigQuery.

Custom connectors for Shoptet, Pohoda, advertising APIs, and more. Automatically sync data to BigQuery.

BigQuery datový sklad

BigQuery data warehouse

Strukturovaný dataset s raw daty, staging vrstvou a business modely. Pojmenování a schémata podle vašich potřeb.

Structured dataset with raw data, staging layer, and business models. Naming and schemas tailored to your needs.

Transformační vrstva (Dataform/dbt)

Transformation layer (Dataform/dbt)

Čistění dat, business logika, metriky počítané konzistentně — ROAS, marže, LTV, CAC. Vždy stejné výsledky.

Data cleaning, business logic, consistently computed metrics — ROAS, margin, LTV, CAC. Always the same results.

Automatizovaný pipeline

Automated pipeline

Data se synchronizují automaticky — každý den bez zásahu. Notifikace při výpadku zdroje.

Data syncs automatically — every day without intervention. Notifications on source failure.

Dokumentace datového modelu

Data model documentation

Popis každé tabulky, každého sloupce a každé metriky. Víte odkud přicházejí čísla a jak se počítají.

Description of every table, column, and metric. You know where the numbers come from and how they're calculated.

Zdrojový kód a přístupy

Source code & access rights

Vše je vaše — Git repozitář s kódem, přístupy k BigQuery. Žádný vendor lock-in, žádná závislost na mně.

Everything is yours — Git repository with code, access to BigQuery. No vendor lock-in, no dependency on me.

Dlouhodobá spolupráceLong-term partnership

Datový sklad roste
s byznysem.

The data warehouse grows
with the business.

Byznys se mění — přibývají nové systémy, nové metriky, nové otázky. Datový sklad není jednorázový projekt, ale živý organismus, který se vyvíjí.

Business changes — new systems, new metrics, new questions keep appearing. A data warehouse isn't a one-time project but a living organism that evolves.

Phase 01
Měsíce 1–2: základMonths 1–2: foundation

Klíčové zdroje napojeny, základní pipeline běží, první datové modely hotové.

Key sources connected, basic pipeline running, first data models complete.

Phase 02
Měsíce 3–6: rozšířeníMonths 3–6: expansion

Přibývají nové zdroje, nové metriky, doladění business logiky podle toho, co potřebujete vidět.

New sources added, new metrics, business logic refined based on what you need to see.

PrůběžněOngoing
Průběžně: evoluceOngoing: evolution

Nové systémy, změny v API, nové analytické potřeby — datový sklad drží krok.

New systems, API changes, new analytical needs — the data warehouse keeps pace.

Z blogu From the blog
Data Engineering
Datový sklad pro e-shop: jeden zdroj pravdy místo 8 Excelů →
Data Engineering
Pohoda a BigQuery: jak automatizovat reporting z účetního systému →
Reporting
Shoptet reporting v Looker Studiu →
Pojďme začítLet's get started

Jaká data chcete
propojit?

Which data do you want
to connect?

Napište mi z jakých systémů máte data — během úvodního hovoru navrhnu architekturu datového skladu přesně pro váš e-shop.

Tell me which systems your data lives in — during the initial call I'll propose a data warehouse architecture tailored to your e-shop.

Chráněno reCAPTCHA (Privacy & Terms).