O projektu: data, provoz a cena vývoje

Manažerské shrnutí webu Přijímačky na školu. Co web dělá, z jakých veřejných dat staví, jak je zpracovává a co by jeho vývoj stál, kdyby ho dodala běžná agentura.

Stav k 21. 9. 2026. Čísla o datech a školách se berou z týchž souborů, které pohánějí web, takže stárnou spolu s ním. Rozsah kódu a odhad ceny jsou měření a model k datu 21. 9. 2026.

1.Co web dělá

Přijímací řízení na střední školy vytváří každý rok velké množství veřejných dat. CERMAT zveřejňuje, kolik se na který obor přihlásilo uchazečů, kolik jich škola přijala a s jakými výsledky jednotné zkoušky. Česká školní inspekce vydává zprávy o školách. MŠMT vede rejstřík škol. Data jsou veřejná, ale leží v desítkách tabulek, které rodič ani ředitel školy neotevře.

Web tato data spojuje do jednoho místa a odpovídá jimi na otázky, které rodiče a žáci skutečně mají: jak velký je o obor zájem, s kolika body se tam někdo dostal v posledním uzavřeném ročníku, jak škola dopadá u maturity, co o ní napsala inspekce a jak dlouho se tam dítě dostane hromadnou dopravou. Každé číslo má dohledatelný zdroj a uvedený rok.

Web vzniká jako otevřený projekt Patricka Zandla ve spolupráci s Hlídačem státu. Veškerý kód i postupy zpracování dat jsou veřejné na GitHubu. Kdokoli si může ověřit, jak se konkrétní číslo spočítalo.

2.Web v číslech

Katalog drží 2024 (2 721 nabídek), 2025 (2 837 nabídek), 2026 (3 224 nabídek). Díky tomu jde u oboru ukázat vývoj, ne jen poslední číslo. Seznam škol z inspekce je širší než katalog, protože zahrnuje i základní a mateřské školy: je v něm 9 558 záznamů.

3.Jaká data používáme

Všechna data jsou veřejná a anonymizovaná. Web nesbírá nic o návštěvnících a nepracuje s údaji o konkrétních dětech; i tam, kde zdroj obsahuje jednotlivé uchazeče, jsou to anonymní řádky bez jakékoli možnosti ztotožnění.

Zdroje vede registr datových sad. U každé sady je zapsané, jaké období web zobrazuje, kdy se kontrolovala, co se z ní počítá a jak se aktualizuje. Registr je závazný: dokud v něm období nepřepneme, web novější data neukáže, ani když už je máme stažená. Naposledy se registr měnil 18. 9. 2026.

Sady, které se nezobrazují, jsou v soupisu schválně. Má být úplný, aby se při návrhu nové funkce hledalo mezi tím, co projekt opravdu má. Jinak se hledá mezi tím, co už je na webu vidět, a to je past, do které jsem spadl. Jedna sada je dokonce vedená jako zobrazovat se nesmí: obsahuje starší dopočty, které se rozcházejí s nynější metodikou.

4.Jak se data dostanou na web

Žádný zdroj se nepřebírá přímo. Mezi zveřejněním dat a jejich zobrazením je linka o pěti krocích, kterou z větší části obsluhuje stroj, ale poslední slovo má vždy člověk:

1. 1Zjištění. Stroj se pravidelně ptá sledovaných adres, zda se soubor změnil nebo přibyl nový ročník.
2. 2Příprava. Stáhne soubor, spočítá jeho otisk, zkontroluje, že má očekávané sloupce, a zkusmo ho zpracuje stranou od webu.
3. 3Oznámení. Pošle správci shrnutí: co se změnilo, jak velký je rozdíl proti tomu, co web ukazuje, a co se stane po schválení.
4. 4Schválení. Správce odpoví „schvaluji“. Bez toho se nestane nic.
5. 5Předání. Teprve pak vznikne návrh změny ke kontrole. I po jeho přijetí web zobrazí nový ročník až po samostatném přepnutí v registru.

Dvojí pojistka, tedy schválení a pak samostatné přepnutí období, je tam schválně. Data o přijímacím řízení vycházejí nejprve předběžně a upřesňují se o rok později. Kdyby se web aktualizoval sám, mohl by rodičům ukázat čísla, která se ještě změní, a nikdo by si toho nevšiml.

Kontrola struktury není formalita. Když zdroj přejmenuje list v tabulce nebo vypustí sloupec, zpracování se zastaví a ohlásí to, místo aby tiše vyrobilo web s prázdnými hodnotami.

5.Jak je web postavený

Stránky škol a oborů se předgenerují dopředu, ne až při návštěvě. Když si rodič otevře konkrétní gymnázium, server nepočítá nic: posílá hotovou stránku. Má to tři důsledky, které stojí za zmínku.

• Únor a květen web nepoloží. Návštěvnost má dva ostré vrcholy, kolem podávání přihlášek a kolem výsledků; v únoru je zhruba šestkrát vyšší než v létě. Předgenerovaná stránka stojí stejně u sta i u sta tisíc návštěv.
• Chyba v datech se projeví při sestavení, ne u návštěvníka.Kontroly běží nad celým katalogem najednou, takže je vidět, že například čtrnáct oborů sdílí jednu adresu, dřív než si toho všimne rodič.
• Provoz je levný. Většinu webu tvoří hotové soubory.

Dynamické části jsou jen tam, kde bez nich nejde být: vyhledávání, dotaz na dojezd hromadnou dopravou, odběr novinek e-mailem a portál, přes který školy spravují svůj profil. Ty používají databázi. Sklízeč novinek z webů škol běží dvakrát denně odděleně od webu, aby výpadek cizího feedu neovlivnil nic dalšího.

Nad tím vším běží 59 automatických testů a 8 pravidelných kontrol. Některé testy prohánějí celou datovou linku proti falešnému zdroji, aby se dalo ověřit i chování při rozbitém vstupu, aniž by se čekalo na to, až se rozbije doopravdy.

6.Jak vývoj probíhal

Od první verze 24. 1. 2026 do dneška vyšlo 34 vydání. Úplný přehled je ve veřejném changelogu; tady jsou jen měsíce a to hlavní, co v nich přibylo.

Rozložení není rovnoměrné a nemá být. Únor stavěl dopravní dostupnost a inspekce, jaro patřilo výsledkům přijímaček, léto bylo mrtvé období a září přineslo data ročníku 2026, přepsané stránky školy i oboru, portál pro školy a odběr novinek.

7.Co by vývoj stál

Otázka zní: kolik by stálo objednat tentýž výsledek u dodavatele. Odpověď je odhad a nemůže být nic jiného, protože nikdo neodpracoval a nevykázal hodiny, ze kterých by se dala sečíst. Aby šel odhad oponovat po částech, je rozepsaný na bloky i s tím, proč u každého vychází tolik, kolik vychází.

Změřený rozsah k 21. 9. 2026: 66 471 řádků kódu a 112 dokumentů o zhruba 250 696 slovech. Dokumentace tu není přílepek: velkou část tvoří rozbory zdrojů a zdůvodnění, proč se ten či onen ukazatel počítá takhle a ne jinak.

367 člověkodnů práce plus 59 na vedení. Pro představu: 426 člověkodnů odpovídá zhruba dvěma rokům jednoho člověka na plný úvazek, nebo osmi měsícům čtyřčlenného týmu.

Při běžných českých sazbách

Kde se odhad může mýlit

• Člověkodny jsou odhad z rozsahu a obtížnosti, ne záznam odpracovaného času. Nikdo takový záznam nevede, protože projekt tímto způsobem nevznikal.
• Poměr 181 řádků kódu na člověkoden je na horní hranici běžné produktivity. Odhad proto spíš podhodnocuje; tým, který stejná data vidí poprvé, by strávil víc času rozborem zdrojů než psaním.
• Cena nezahrnuje průzkum mezi uživateli, testování s rodiči a žáky, právní posouzení ani provoz po spuštění.
• Sazba dodavatele obsahuje marži a nefakturovaný čas. Vlastní zaměstnanecký tým by týž rozsah zvládl levněji, veřejná zakázka na obdobný portál bývá dražší.
• Odhad říká, co by stál tento výsledek. Neříká, že by ho tým v tomto tvaru navrhl; část rozhodnutí vznikla až z toho, co se v datech našlo.
• Dva bloky se opravily poté, co rozbor 514 commitů ukázal, kam čas opravdu šel: katalog dostal o patnáct dnů víc a provoz s konfigurací přibyl jako blok, který v první podobě chyběl. Ostatní bloky se nepřepisovaly, protože naměřený čas říká, jak rychle práci odbyl model, ne jak dlouho by trvala týmu. Dopravní dostupnost je toho případ: šest procent naměřeného času a přitom algoritmicky nejtěžší kus webu.

8.Kolik to stálo doopravdy

Žádný tým na tom nedělal. Web jsem postavil sám ve spolupráci s jazykovým modelem: určuju, co se má stát a proč, rozhoduju sporné otázky a dílo přebírám, model píše kód, rozbory a dokumentaci.

Rozdíl je řádový a stojí za to říct nahlas, čím to je. Nejdražší položkou klasické dodávky bývá rozbor dat. Někdo musí otevřít tabulku o devadesáti jedna sloupcích a zjistit, co v nich vlastně je. Pro tým jsou to týdny, tady odpoledne. Druhá věc: oponentura vlastního návrhu tu nestojí nic. Když se ukáže, že jsem ukazatel postavil špatně, přepíšu ho. Nehledám argument, proč to tak stačí.

Co nezlevnilo ani o korunu: rozhodnout, co se smí rodičům tvrdit. Právě proto mám v repozitáři 112 dokumentů. Většina z nich popisuje, proč se něco počítá tak a ne jinak, a co jsem zamítl. Jak kód funguje, v nich nenajdete.

Vedle sebe to tedy stojí takhle: zhruba 200 hodin proti 3 408 hodinám, které by na týž rozsah potřeboval dodavatelský tým. Dělit jedno druhým a vydávat výsledek za míru úspory by bylo přehnané. Obě čísla jsou odhady a každé se může mýlit o desítky procent. Řádový rozdíl ta dvojice ukazuje spolehlivě, přesný násobek už ne.

9.Co stojí provoz

Provoz je oproti vývoji zanedbatelný, protože web je z velké části hotové soubory. Platí se čtyři věci:

Odhad z veřejných ceníků, ne z faktur; databáze je zatím v bezplatném pásmu. Dohromady řádově 600 až 1 100 Kč měsíčně při kurzu kolem 23 Kč za dolar. Odesílání e-mailů se v tomto objemu vejde do bezplatného pásma.

Podstatné je, jak se částka chová při růstu. Předgenerované stránky rostou s návštěvností pomalu; kdyby se únorová špička ztrojnásobila, hosting to nepocítí. Dražší by bylo spíš rozšíření odběru novinek, kde se platí za odeslané zprávy.