Článok
Vytvoril som si vlastné analytics v spolupráci s AI – bez potreby cookie lišty a v súlade s GDPR
Nedávno som si uvedomil, že chcem mať väčší prehľad o návštevnosti môjho blogu.
Mám rád presné a prehľadné dáta. Klasické analytické nástroje ako Google Analytics však majú zásadné nedostatky: nepresné čísla (kvôli zamietnutým súhlasom návštevníkov a rôznym blockerom), nutnosť cookie lišty a nie práve ideálnu transparentnosť v oblasti ochrany osobných údajov.
Rozhodol som sa preto vytvoriť si vlastné analytics, ktoré budú mať čisté, neskreslené dáta a zároveň budú rešpektovať súkromie návštevníkov môjho webu. A keďže žijeme v roku 2025, vybudoval som ich s pomocou generatívnej AI.
Čo sa týka programovania, od svojich 12 rokov, keď som sa začal venovať webovému vývoju, sa považujem za večného začiatočníka. Umelá inteligencia mi však priniesla možnosti a zručnosti, o ktorých som ani len netušil, že ich niekedy budem mať. O tom, ako mi pomáha zlepšovať sa v kódovaní, ako mi vysvetľuje svoje postupy a rozhodnutia, som už na tomto blogu písal. Vďaka tomu sa mi postupne rozšírili obzory o tom, čo všetko dokážem zrealizovať. Jednou z takýchto vecí bol aj môj vlastný analytický nástroj.
Definovanie výstupu a prvé prompty
Pri budovaní takéhoto projektu je podľa mňa dnes potrebné mať nejakú predstavu, čo od toho chcem a na čo mi to bude slúžiť. Nestačí len to, že chcem vlastné analytics.
Začali sme teda tým, že sme si definovali, čo presne chcem merať: dennú návštevnosť, zdroje návštevnosti, zakúpenie mojich platených článkov a detailnejšiu analýzu typov návštevníkov (ľudia vs. podozrivá aktivita vs. boty).
Pri tvorbe prvých tabuliek a grafov sa zdalo, že všetko pôjde ľahko. Neprešlo však veľa času a objavili sa prvé výzvy.
Problémy, ktoré bolo nutné vyriešiť
Prvé SQL dotazy, ktoré sme použili, boli náročné na výpočet a neefektívne. Spomaľovali web. Postupne sme ich ladili, nahradili neefektívne LIKE operácie presnými zhodami a upravili logiku tak, aby sa prechádzali len tie dáta, ktoré skutočne potrebujeme – a zrazu sa všetko rozbehlo.
Vstúpte do knižnice
Plný prístup k mojim myšlienkam, osobným príbehom, zisteniam a tomu, čo sa dozviem od ľudí, s ktorými sa stretávam.
Vstúpte do knižnice — €29,99 ročneZískajte celý článok e-mailom a neváhajte odpovedať, ak o ňom chcete ďalej diskutovať.
Zhrnutie
Ak máte nejaké otázky alebo spätnú väzbu, pokojne mi napíšte na mail@richardgolian.com.
Ďalšie články
Európa nemá kapacity, aby čelila plnohodnotnej masívnej vojne dronov, takej akú vidíme na Ukrajine. Oslabujú ju tri závislosti: materiál pre obranné systémy dodáva Čína, vojenské schopnosti, ktoré Európa nemá, dodávajú USA, a dvadsaťsedem štátov sa nevie dohodnúť, ako rýchlo a za čo. Plány na prezbrojenie existujú, ich napĺňanie je však pomalé.
AI spraví grafiku, newsletter aj produktovú stránku rýchlejšie než človek. Tomu, kto to robil, zostáva jediné — posúdiť, či je výstup dobrý. Lenže väčšina ľudí má horší úsudok než AI. A kto nevie posúdiť kvalitu, nevie ani delegovať. Ako zistíš, či je tvoj úsudok ten, na ktorý sa firma spolieha, alebo ten nahraditeľný?
V apríli som v prvej časti tejto série písal o AI predikčnom systéme, ktorý som začal vyvíjať na vlastnom počítači. Vtedy mal software pár hodín a záznam predpovedí bol prázdny. Odvtedy záznamy v systéme ukázali vec, ktorá sa na začiatku dala čakať — systém ešte nerozumie trhu, ktorý má predpovedať. Vie si nájsť makro kontext, účtovnú hodnotu firiem, zisky. Ale nevie si tie veci poskladať do niečoho, čo by mu pomáhalo porozumieť cene.
Praha, 13. mája 2026. Cestou do práce som začal premýšľať o niečom, čo mi zostalo v hlave celé dni. Ak väčšina rutinnej práce na počítači v nasledujúcich desiatich rokoch zmizne a s ňou aj veľká časť opakujúcej sa manuálnej práce, čo sa stane s tokom peňazí? Kto bude platiť komu a za čo? Aké ekonomické vrstvy budú existovať, aké budú veľké a aké vzťahy medzi nimi pobežia? Toto je šesťvrstvová mapa, ktorú som ako odpoveď načrtol.
Staviam AI systém na predpovedanie indexu S&P 500. Beží na mojom vlastnom počítači, používa verejne dostupné dáta zdarma — yfinance, FRED, Shillerov dataset — a každú predpoveď hodnotí oproti realite. Táto séria dokumentuje samotný vývoj: rozhodnutia, metodiku, chyby.
Včera večer som sa nevedel odtrhnúť od počítača. Keď som zdvihol hlavu, bolo pol deviatej. Na poschodí som už asi tri hodiny sedel sám.
Hodina. Päťdesiatpäť minút. To je čas, ktorý mi trvalo postaviť niečo, čo mi česká softvérová firma nacenila na viac ako 50 000 €. Postavil som to s Claude Code. Nie prototyp. Nie proof of concept. Funkčný nástroj — ten, ktorý firma reálne potrebovala. Ešte ten večer bežal na testovacom prostredí. Toto nie je o Claude Code. Je to o tom, čo Claude Code odhaľuje.
Za posledné štyri roky som viedol zhruba stopäťdesiat praktických pohovorov. Päťdesiat na pozície dátových špecialistov. Sto na špecialistov reklamy a výkonnostného marketingu. Takmer každý z nich znamenal sadnúť si s kandidátom nad praktickou úlohou — niečím blízkym reálnemu problému, ktorý v firme naozaj potrebujeme riešiť. Žiadna teória. Žiadne kvízy. Aplikované riešenie problémov. Postupom času som si začal všímať vzorec.
Predtým, než AI niečo naučíte, musíte vidieť, čo pred vami skrýva.
V momente, keď k nemu potrebovali prístup ďalší ľudia, problém sa úplne zmenil. Už nešlo o to, či sa agent dokáže učiť. Šlo o to, kto ho smie učiť.
Štyri dni v Katalánsku. Bez počítača, bez AI, takmer bez sociálnych sietí. Kúpil som si tento zápisník, aby som doň písal to, o čom budem premýšľať, a to, na čo na tejto ceste narazím a čo sa naučím.
„Neospravedlniteľné, neobhájiteľné. Na toto sa nesmie nikdy zabudnúť.“