Poznatky z praxe · 2026
54 propracovaných článků o bankovnictví, datech, IT, testování a rizicích. Každý propojuje doložený případ z praxe, praktickou úvahu, doporučení a odkazy na zdroje.
Redakční data této řady následují po dvou dnech a končí 26. října 2026. Všechny texty tohoto vydání byly zrevidovány a rozšířeny 28. října 2026.
01↗
Případ TSB ukazuje rozdíl mezi dokončením technické úlohy a schopností banky obsloužit klienta. Jak bych propojila kontrolu dat, testování služeb a rozhodnutí o spuštění.
Přečíst článek →
02↗
Opakované dohledové kroky vůči Citi nabízejí konkrétní podnět: nestačí vykázat dokončené úkoly. Náprava musí prokazatelně omezit riziko a obstát v běžném provozu.
Přečíst článek →
03↗
Když se situace mění během hodin, nestačí správná informace doručená pozdě. Na případu Silicon Valley Bank rozlišuji rizikové předpoklady, datové podklady a schopnost jednat.
Přečíst článek →
04↗
Kybernetická krádež z Bangladesh Bank v roce 2016 nabízí podnět k analýze oprávnění, nezávislých kontrol a reakce na neobvyklou platbu. Jak bych zkoumala celý proces, nikoli jen jednu technickou bariéru.
Přečíst článek →
05↗
Aktuální přehled propojuje nové dohledové podněty s praktickou otázkou: co z nich plyne pro analýzu dat, kontrolu procesů a formulaci zjištění.
Přečíst článek →
06↗
Změna přístupu ECB k významným úpravám modelů ukazuje, proč je důležitá nezávislá kontrola, dokumentace a připravenost banky.
Přečíst článek →
07↗
Co lze vyčíst z říjnového šetření ČNB a proč agregovaný výsledek nestačí pro posouzení konkrétní banky.
Přečíst článek →
08↗
Dobrá souhrnná kondice bank a pečlivá kontrola jednotlivých procesů se doplňují. Jak výsledky testů analyticky číst?
Přečíst článek →
09↗
Místo výpočtu dopadu jedné krize hledat situaci, která by banku významně oslabila — a vysvětlit celou cestu dopadu.
Přečíst článek →
10↗
Při dobré současné kvalitě portfolia lze přehlédnout slabiny, které se projeví až později. Jak číst novou úvěrovou produkci?
Přečíst článek →
11↗
Proč je i při použití modelů důležitá kvalita standardizovaného výpočtu a jak oddělit metodický vliv od změny rizika.
Přečíst článek →
12↗
Aktualizace dohledových materiálů otevírá téma správy dat, jejich rozsahu a návaznosti mezi systémy.
Přečíst článek →
13↗
Místo obecného označení udržitelnosti sledovat konkrétní finanční dopad na klienta a kvalitu použitých informací.
Přečíst článek →
14↗
Jak propojit jednotlivé kontrolní zjištění s širším obrazem řízení rizik, aniž bychom přeceňovali jeden ukazatel.
Přečíst článek →
15↗
Číselná shoda je začátek kontroly. Důvěru v report vytváří až porozumění tomu, co čísla zahrnují, odkud pocházejí a jak vznikla.
Přečíst článek →
16↗
Chyba viditelná v reportu mohla vzniknout o několik kroků dříve. Pomáhá rozdělit datovou cestu a ověřovat jednotlivé přechody.
Přečíst článek →
17↗
Přesný popis rozdílu, doložené podklady a jasný další krok pomáhají proměnit postřeh v řešitelný úkol.
Přečíst článek →
18↗
Oblast úvěrového rizika chci dále poznávat. Navazuji přitom na to, co znám z analýzy: význam údajů, jejich ověření a srozumitelnou dokumentaci.
Přečíst článek →
19↗
Jak propojit cíl šetření, požadované podklady a ověřitelné kroky.
Přečíst článek →
20↗
Rozdíl mezi cíleným hledáním problémů a odhadem jejich četnosti.
Přečíst článek →
21↗
Co ověřovat u příjmů, závazků a předpokladů úvěrového rozhodnutí.
Přečíst článek →
22↗
Dohledatelnost rozhodnutí je důležitá i tehdy, když úvěr zatím řádně splácí.
Přečíst článek →
23↗
Od zhoršujícího se ukazatele k odpovědnosti a následnému kroku.
Přečíst článek →
24↗
Proč počet úvěrů sám o sobě neříká, jak je portfolio rozložené.
Přečíst článek →
25↗
Ocenění, aktuálnost a dohledatelnost nejsou totéž co schopnost splácet.
Přečíst článek →
26↗
Srozumitelný scénář pomáhá hledat citlivá místa portfolia.
Přečíst článek →
27↗
Jak přemýšlet o podkladech pro změnu úvěrových podmínek.
Přečíst článek →
28↗
Co zkoumat, když se modelový výsledek a konečné hodnocení liší.
Přečíst článek →
29↗
Jak rozlišovat provedení, nezávislou kontrolu a ověření účinnosti.
Přečíst článek →
30↗
Co může odhalit jednoduchá kontrola dat a co už vyžaduje další šetření.
Přečíst článek →
31↗
Verze podkladu, postup a hranice závěru patří k sobě.
Přečíst článek →
32↗
Jak vést rozhovor, který doplní podklady a pomůže vyjasnit rozpor.
Přečíst článek →
33↗
Jak propojit kritérium, skutečný stav a vysvětlení rizika.
Přečíst článek →
34↗
Ověřit zavedení změny i její fungování v běžném provozu.
Přečíst článek →
35↗
Praktický pohled na využití generativní AI při návrhu testů, analýze chyb a práci s dokumentací — bez slepé důvěry v automaticky vytvořené odpovědi.
Přečíst článek →
36↗
Nedeterministické výstupy vyžadují jiný způsob ověřování než klasická funkce s jedním správným výsledkem.
Přečíst článek →
37↗
Automatizace přináší největší hodnotu tam, kde chrání klíčové scénáře a snižuje opakovanou ruční práci.
Přečíst článek →
38↗
Když se systémy propojují, drobná změna struktury dat může rozbít proces, který každý tým samostatně považuje za funkční.
Přečíst článek →
39↗
Nesprávný výsledek může vzniknout při importu, transformaci, segmentaci i exportu. Kontrola pouze na konci procesu nestačí.
Přečíst článek →
40↗
Realistická data jsou pro testování důležitá, ale kopírování produkčních údajů není automaticky správné řešení.
Přečíst článek →
41↗
Kvalita nevzniká pouze během testovací fáze. Začíná při formulaci požadavku a pokračuje sledováním chování v provozu.
Přečíst článek →
42↗
Logy, metriky a trasování nejsou jen nástroje provozu. Pomáhají také testovat, zda systém umí své problémy srozumitelně ukázat.
Přečíst článek →
43↗
Přístupný produkt je srozumitelnější, ovladatelnější a robustnější pro mnohem širší skupinu uživatelů.
Přečíst článek →
44↗
Test, který někdy projde a někdy selže bez změny aplikace, postupně přestane tým brát vážně.
Přečíst článek →
45↗
Když není možné otestovat vše, musí pořadí určovat dopad, pravděpodobnost a schopnost chybu včas odhalit.
Přečíst článek →
46↗
Rychlá oprava obnoví provoz. Teprve pochopení příčiny snižuje pravděpodobnost opakování.
Přečíst článek →
47↗
Počet testů nebo nalezených chyb sám o sobě neříká, zda je produkt bezpečnější a tým efektivnější.
Přečíst článek →
48↗
Nejasnost objevená při refinementu je levnější než defekt objevený těsně před releasem.
Přečíst článek →
49↗
Exploratorní testování není náhodné klikání. Dobře zvolený charter dává průzkumu cíl a zároveň ponechává prostor pro objevování.
Přečíst článek →
50↗
Před nasazením nestačí vědět, že testy prošly. Tým potřebuje společný obraz rizik, změn a připravenosti provozu.
Přečíst článek →
51↗
Není možné ručně ověřit každou kombinaci zařízení, prohlížeče, rozlišení a operačního systému.
Přečíst článek →
52↗
Výkon není pouze rychlost jedné obrazovky. Patří sem odezva, propustnost, stabilita i chování při špičce.
Přečíst článek →
53↗
Kvalitní hlášení chyby umožní druhému člověku problém pochopit, reprodukovat a vyhodnotit jeho dopad.
Přečíst článek →
54↗
Zlepšování neznamená vytvořit dlouhý seznam nápadů. Znamená vybrat jednu konkrétní změnu, ověřit ji a vrátit se k výsledku.
Přečíst článek →