Michaela Raková: Internetové obchody pohledem ČOI

Internetové obchody pohledem ČOI

Michaela Raková

Úvod

Účast v digitální akademii byl pro mě hodně velký krok do neznáma. Vůbec jsem netušila, co od toho můžu očekávat. Byla jsme v tomto směru jako prázná tabulka, do které se na každé lekci zapisovaly nové hodnoty. Zpočátku jsem z této mé osobní tabulky nemohla získat odpovědi na otázky:
  • co chci dělat jako závěrečný projekt?
  • baví mě to vůbec?
  • dokážu si představit pracovat v tomto oboru?
Měla jsem málo vstupních záznamů. S blížícím se koncem akademie a s přibývajícími záznamy v mé tabulce se i snáze hledaly odpovědi. Nejvíce spěchala odpověď na otázky ohledně závěrečného projektu.
Při procházení internetu během hledání tématu projektu jsem narazila na volně dostupná data z České obchodní inspekce a napadlo mě podívat se na ně i pomocí mých nově nabytých znalostí a dovedností.

Příprava dat

 Tabulky obsahují údaje o všech provedených kontrolách (nejen internetových obchodů), jejich zaměření, o zabavených věcech, udělených pokutách a zákazech a to od začátku roku 2013 do současnosti. Tabulky byly k dispozici v někollika formátech z nichž jsem si vybrala formát CSV. V programu SQL Server Management Studio (SSMS) od Microsoftu jsem z nich vytvořila databázi, přičemž menší komplikace nastaly s kódováním češtiny. Ve všech tabulkách jsem upravila datové typy proměnných, protože ne vždy počítač správně odhadl, o jaký datový typ se jedná. Toto byla docela jednoduchá práce, neboť SSMS na to má předpřipravené šablony. Komplikovanější to bylo akorát u tabulky “zákazy“, kde se ve sloupci „cena_celkem“ vyskytují desetinná čísla. Jako oddělovač desetinných míst byla v původní tabulce použita “.”. To nekorespondovalo s požadavkem programu na formát desetinného čísla, který vyžadoval jako oddělovač “,”. Změnu jsem provedla jedním  SQL příkazem takto:
INSERT INTO [dbo].[zakazy_t]
           ([Id_zakazu]
           ,[Id_kontroly]
           ,[Sortiment]
           ,[Mnozstvi]
           ,[Jednotka]
           ,[Cena_celkem]
           ,[Dle_zakona])
SELECT [Id zakazu]
      ,[ID kontroly]
      ,[Sortiment]
      ,[Mnozstvi]
      ,[Jednotka]
      , try_CAST(replace(ltrim(rtrim([cena celkem])), ',', '.') as float)
      ,[Dle zakona]
  FROM [dbo].[zakazy]


Konečně byla všechna data naimportovaná do databáze. Můj plán na hledání odpovědí byl v SSMS pomocí SQL vytvořit pohledy (views), které rozšířily původní databázi. Rozšířenou databázi jsem propojila s PowerBI, ve kterém jsem výsledky visualizovala.

Co jsem zjistila

Nejprve jsem se zaměřila na činnost České obchodní inspekce jako takové

Počet kontrol

Zajímalo mě, kolik Česká obchodní inspekce (ČOI) provedla ve sledovaném období kontrol.

Pomocí následujícího SQL příkazu jsem vytvořila potřebný pohled. 
CREATE VIEW pocet_kontrol_v_CR AS
SELECT YEAR(kontroly_t.Datum_Kontroly) AS rok
        ,COUNT(kontroly_t.Id_Kontroly) AS pocet_kontrol
FROM kontroly_t
GROUP BY YEAR(kontroly_t.Datum_Kontroly);

Celkem provedla Česká obchodní inspekce přes 160tis. kontrol, což je průměrně 34tis. kontrol za rok, jak je vidět na následujícím grafu.


Počet kontrol podle krajů

Dále mě zajímalo, jak je to s plošným rozprostřením, tzn. kolik kontrol bylo v kterém kraji provedeno. Z důvodu ochrany osobních údajů fyzických osob nelze provést vypovídající analýzy podle menších územně správných celků.

SQL příkaz k vytvoření pohledu
CREATE VIEW pocet_kontrol_podle_kraju AS
SELECT YEAR(kontroly_t.Datum_Kontroly) AS rok
        ,COUNT(kontroly_t.Id_Kontroly) AS pocet_kontrol
        ,kontroly_t.Kraj AS kraj
FROM kontroly_t
GROUP BY kontroly_t.Kraj, year(kontroly_t.Datum_Kontroly)

Nejvíc kontrol ve sledovaném období bylo provedeno v Jihočeském kraji (viz visualizace).


Zaměření kontrol

Odpověď na otázku, dodržování kterých zákona co se nejčastěji kontroly zaměřují jsem získala díky tomuto dotazu

SQL příkaz k vytvoření pohledu
CREATE VIEW zamereni_kontrol AS
SELECT COUNT(zamereni_t.Id_kontroly) AS pocet
        ,zamereni_t.Zakon
FROM zamereni_t
GROUP BY zamereni_t.Zakon

Největší počet kontrol byl proveden podle zákona č.634/1992 Sb. o ochraně spotřebitele, podle zákona č.64/1986 Sb. o České obchodní inspekci a podle systému RAPEX, což je rychlý výstražný systém Evropské unie o nebezpečných výrobcích nepotravinářského charakteru.




Počet sankcí

Takže už víme, kolik Česká obchodní inspekce provedla za sledované období kontrol, na co se při nich zaměřuje. Ale otázkou zůstává, u kolika kontrol inspektoři odhalí nějaké pochybení. Při hledání odpovědi jsem si pomohola tímto SQL dotazem (tady už jsem si nevystačila s jednou tabulkou a bylo potřeba spojit vyhledávání ve dvou tabulkách).

SQL příkaz k vytvoření pohledu
CREATE VIEW pocty_prusvihu AS
SELECT YEAR(kontroly_t.Datum_Kontroly) AS rok
        ,COUNT(DISTINCT kontroly_t.Id_Kontroly) AS celkovy_pocet_kontrol
        ,COUNT(DISTINCT sankce_t.Id_kontroly) AS pocet_kontrol_sankci
        ,COUNT(DISTINCT sankce_t.Id_Sankce) AS pocet_sankci
        ,SUM(sankce_t.Vyse_pokuty) AS celkova_vyse_pokut_v_Kc
        ,AVG(sankce_t.Vyse_pokuty) AS prumerna_vyse_pokuty_v_KC
        ,COUNT(DISTINCT zajisteni_t.[ID kontroly]) AS pocet_kontrol_se_zajistenim
        ,COUNT(zajisteni_t.Id_Zajisteni) AS pocet_zajisteni
        ,COUNT(DISTINCT zakazy_t.Id_zakazu) AS pocet_kontrol_se_zakazem
        ,COUNT(zakazy_t.Id_zakazu) AS pocet_zakazu
FROM kontroly_t
LEFT JOIN sankce_t ON sankce_t.Id_kontroly = kontroly_t.Id_Kontroly
LEFT JOIN zajisteni_t ON zajisteni_t.[ID kontroly] = kontroly_t.Id_Kontroly
LEFT JOIN zakazy_t ON zakazy_t.Id_kontroly = kontroly_t.Id_Kontroly
GROUP BY YEAR(kontroly_t.Datum_Kontroly);

Z grafu je vidět, že přibližně ve třetině kontrol byla udělena pokuta. I když počet kontrol i počet sankcí zůstává přibližně stejný, výše udělených pokut ve sledovaném období klesá.


Jen pro zajímavost, tabulka TOP 20 nejvyšších pokut, které ČOI ve sledovaném období udělila.


Počet a výše sankcí

A teď se už zaměřím na internetové obchody. Jak si stojí internetové obchody v porovnání s dalšími druhy prodeje, co se týče počtu a výše pokut.

SQL příkaz k vytvoření pohledu
CREATE VIEW vyse_pokuty AS
SELECT sankce_t.Vyse_pokuty
        ,sankce_t.Id_kontroly
        ,sankce_t.Zakon
        ,sankce_t.Paragraf
        ,sankce_t.Metoda_prodeje
        ,kontroly_t.IC_Subjektu
        ,kontroly_t.Datum_Kontroly
FROM sankce_t
JOIN kontroly_t ON kontroly_t.Id_Kontroly = sankce_t.Id_kontroly;

Z následujících grafů plyne, že i když internetové obchody patří mezi subjekty, které jsou nejčastěji pokutovány. Na druhou stranu výší pokut se řadí do středu startovního pole.




Opět pro zajímavost tabulka TOP10 výše pokut mezi internetovými obchody.

Porušované paragrafy

Už vím jak velké pokuty internetové obchody dostávají. Určitě je také zajímavá informace, podle kterých paragrafů tyto pokuty dostávají.

SQL příkaz k vytvoření pohledu
CREATE VIEW Sankce_podle_paragrafu AS
SELECT year(kontroly_t.Datum_Kontroly) AS rok
        ,COUNT(DISTINCT sankce_t.Id_kontroly) AS pocet_kontrol
        ,sankce_t.zakon AS zakon
        ,sankce_t.Paragraf AS podle_paragrafu
FROM sankce_t
JOIN kontroly_t ON kontroly_t.Id_Kontroly = sankce_t.Id_kontroly
WHERE sankce_t.Metoda_prodeje LIKE '%internet mimo%'
GROUP BY YEAR(kontroly_t.Datum_Kontroly)
        ,sankce_t.Zakon
        ,sankce_t.Paragraf;

Internetové obchody jsou nejvíce na štíru s dodržováním Zákona na ochranu spotřebitele (634/1992 Sb.) a jsou nejčastěji pokutovány za nekalé obchodní praktiky(§4 Nekalá obchodní praktika, §5 Klamavé konání, §5a Klamavé opomenutí, §5b Agresivní obchodní praktika a jejich kombinace) a dále pak za §13, kdy prodávající řádně neinformuje o rozsahu, podmínkách a způsobu reklamace.


Problémové internetové obchody podle krajů

Ne každý se při nakupování na internetu dívá na adresu obchodu, pokud teda internetový obchod nenabízí možnost osobního odběru. Ale přes to, jak jsou na tom internetové obchody s průšvihy podle krajů, liší se to nějak?

SQL příkaz k vytvoření pohledu
CREATE VIEW prusvihy_eshop_podle_kraju AS
SELECT kontroly_t.Kraj
        ,COUNT(sankce_t.Id_Sankce) AS pocet_sankci
        ,COUNT(zakazy_t.Id_zakazu) AS pocet_zakazu
        ,COUNT(zajisteni_t.Id_Zajisteni) AS pocet_zajisteni
FROM kontroly_t
LEFT JOIN sankce_t ON sankce_t.Id_kontroly = kontroly_t.Id_Kontroly
LEFT JOIN zakazy_t ON zakazy_t.Id_kontroly = kontroly_t.Id_Kontroly
LEFT JOIN zajisteni_t ON zajisteni_t.[ID kontroly] = kontroly_t.Id_Kontroly
WHERE sankce_t.Metoda_prodeje LIKE '%internet mimo%'
GROUP BY kontroly_t.Kraj;

Nejvíce sankcí bylo uděleno v Moravskoslezkém kraji, druhou příčku obsadil kraj Jihomoravský a na třetím místě se umístila Praha. Co to ale vypovídá o úrovni internetových obchodů napříč republikou? Skoro nic, neboť není s čím porovnávat, ve veřejně dostupných datech chybí údaje kolik internetových obchodů bylo kontrolováno celkem a v které části republiky mají své sídlo.

Opakované prohřešky

Mají prováděné kontroly a udělené pokuty v internetových obchodech nějaký vliv, napravují jednou potrestané internetové obchody své chyby?

SQL příkaz k vytvoření pohledu
CREATE VIEW opakovani_kontrol_eshopu AS
SELECT kontroly_t.IC_Subjektu AS IC_subjektu
        ,COUNT(kontroly_t.Id_kontroly) AS pocet_kontrol
FROM kontroly_t
JOIN sankce_t ON sankce_t.Id_kontroly = kontroly_t.Id_Kontroly
WHERE sankce_t.Metoda_prodeje LIKE '%internet mimo%'
GROUP BY kontroly_t.IC_Subjektu;

V tomto případě je odpověď opět neúplná, neboť z důvodů ochrany osobních údajů jsou v tabulce “kontroly_t“ uvedeny pouze IČ právnických subjektů. Nelze tedy zjistit, zda u fyzických osob byly kontroly opakovány a s jakým výsledkem. Tabulku největších hříšníků mezi právnickými osobami vede subjekt se “startovním číslem“ 62304381.

Celkem u něj bylo provedeno 12 kontrol, ale opakovaly se prohřešky, za které už byl jednou pokutován?

SQL příkaz k vytvoření pohledu
CREATE VIEW kontroly_subjektu_62304381 AS
 SELECT kontroly_t.Datum_Kontroly
        ,kontroly_t.Id_Kontroly
        ,sankce_t.Id_Sankce
        ,sankce_t.Zakon
        ,sankce_t.Paragraf
        ,sankce_t.Vyse_pokuty
FROM kontroly_t
JOIN sankce_t ON sankce_t.Id_kontroly = kontroly_t.Id_Kontroly
WHERE kontroly_t.IC_Subjektu = 62304381;

Jak je vidět z následující tabulky, některé internetové obchody jsou nepoučitelné. Uvedený internetový obchod má opakovaně problém s dodržováním §13 a §19 zákona na ochranu spotřebitele (634/1992 Sb). Jak již bylo zmíněno výše §13 se týká informování kupujícího o rozsahu, podmínkách a způsobu případných reklamací, §19 se týká průběhu reklamace jako takové.


Závěr

Co mi řekla analýza dat z České obchodní inspekce? Internetové obchody určitě nejsou bez chyby. Některé se snaží vyhrát jak nad zákony tak nad zákazníky. Nejčastěji porušují Zákon na ochranu spotřebitele kontrétně paragrafy týkající se nekalé obchodní praktiky. Nejvíce pokut dostávají internetové obchody v Moravskoslezkém kraji. Mezi internetovými obchody se najde i několik takových, které se prohřešků dopouští opakovaně.
A jak to vypadá s analýzou mé osobní tabulky? I díky tomuto projektu jsem zjistila, že používání SQL mě baví a jeho kombinace s visualizačním nástrojem např. PowerBI může dát srozumitelné odpovědi na zajímavé otázky.

Reference

http://www.coi.cz/cz/spotrebitel/otevrena-data/
https://www.zakonyprolidi.cz/

Komentáře

  1. Dovolte mi, abych vám představil LE-MERIDIAN FUNDING SERVICES. Jsme přímo do čistého úvěru a financování projektů z hlediska investic. Poskytujeme finanční řešení soukromým / společnostem hledajícím přístup k finančním prostředkům na kapitálových trzích, tj. Ropu a zemní plyn, nemovitosti, obnovitelné zdroje energie, léčiva, zdravotnictví, dopravu, stavebnictví, hotely a atd. Můžeme financovat až 900 000 000 000 dolarů ( Devět set milionů dolarů) v jakémkoli regionu světa, pokud bude na projektech zaručena návratnost investic ve výši 1,9%.
    Le-Meridian financování.
    Email Kontakt .... lnfo@lemeridianfds.com
    Whatapps ... + 19893943740

    OdpovědětVymazat
  2. JackpotCity Casino Site: Review & Rating 2021 - LuckyClub.live
    All the latest casino games from Microgaming include progressive jackpots, classic progressive jackpots, and even luckyclub free spins for the Mega Wheel.

    OdpovědětVymazat

Okomentovat

Populární příspěvky z tohoto blogu

Barbora Junová: Podpora začínajícího podnikání zaměřeného na prodej výrobků a poskytování služeb

Petra Havlínová: Automatické zpracování podkladů pro vyhodnocení vybraných KPI

Kateřina Kolouchová & Lenka Tomešová: Vliv počasí na kriminalitu v New Yorku a Brně