লাভ:
- কেভিকেকে এবং মৌলিক তথ্য নিরাপত্তা নীতির কাঠামোর মধ্যে এমআইএস-এ কৃত্রিম বুদ্ধিমত্তা ব্যবহারের সীমা ব্যাখ্যা করার ক্ষমতা
- কৃত্রিম বুদ্ধিমত্তা কর্মপ্রবাহে বেনামীকরণ, ন্যূনতম সুবিধা এবং ডেটা শ্রেণীবিভাগের নীতিগুলি নিরাপদে প্রয়োগ করার ক্ষমতা
- নৈতিকতা, সম্মতি এবং উপযুক্ত অনুমোদনের কাঠামোর মধ্যে একটি এন্ড-টু-এন্ড MIS-AI প্রকল্প দায়িত্বের সাথে পরিচালনা করার ক্ষমতা।
মডিউল পরীক্ষা
1. কোন বিবৃতিটি সবচেয়ে সঠিকভাবে একজন ম্যানেজমেন্ট ইনফরমেশন সিস্টেম বিশেষজ্ঞের কাজে কৃত্রিম বুদ্ধিমত্তা আউটপুটের ভূমিকা বর্ণনা করে?
- ক) এআই খসড়া এবং প্রস্তাব তৈরি করে; ✔ ব্যবসায়িক নিয়ম বাস্তব তথ্য এবং উপযুক্ত অনুমোদনের সাথে যাচাই করা মানুষের দায়িত্ব
- খ) এআই আউটপুট সাবলীলভাবে এবং প্রযুক্তিগতভাবে লেখা হয় তাই এটি সাধারণত যাচাইকরণের প্রয়োজন হয় না
- গ) AI ব্যবসায়িক ইউনিটের অনুমোদন ছাড়াই সরাসরি প্রয়োজনীয়তা চূড়ান্ত করতে পারে
- ঘ) অর্থ-সমালোচনামূলক সিদ্ধান্তে, এআই আউটপুট একজন দক্ষ বিশেষজ্ঞের অনুমোদনকে প্রতিস্থাপন করে
বর্ণনা: কৃত্রিম বুদ্ধিমত্তা দ্রুত মধ্যবর্তী পণ্য যেমন প্রয়োজনীয়তা, ডেটা মডেল, এসকিউএল এবং রিপোর্টের খসড়া তৈরি করে; যাইহোক, ব্যবসার নিয়ম, প্রকৃত তথ্য এবং স্টেকহোল্ডার নিশ্চিতকরণের সাথে এই খসড়াগুলি যাচাই করা মানুষের দায়িত্ব। বিশেষ করে আর্থিক এবং সম্মতি-সমালোচনামূলক সিদ্ধান্তে, AI দক্ষ বিশেষজ্ঞের অনুমোদনের বিকল্প নয়।
2. একটি প্রয়োজনীয়তা বিশ্লেষণ গবেষণায় 'সিস্টেমটি অবশ্যই দ্রুত হতে হবে' বিবৃতিটির প্রধান সমস্যা কী?
- ক) এটি একটি কার্যকরী প্রয়োজনীয়তা হলেও এটি অ-কার্যকর হিসাবে লেখা হয়
- খ) পরীক্ষা এবং যাচাই করা যাবে না কারণ এতে পরিমাপযোগ্য থ্রেশহোল্ড নেই ✔
- গ) স্টেকহোল্ডাররা বুঝতে পারে না কারণ এতে অনেক প্রযুক্তিগত বিবরণ রয়েছে
- D) এটি অবৈধ কারণ এটি ব্যবহারকারীর গল্প বিন্যাসে লেখা হয়নি
ব্যাখ্যা: এই বিবৃতিটি একটি অ-কার্যকর প্রয়োজনীয়তা বর্ণনা করে, কিন্তু এটি পরিমাপযোগ্য নয়। 'দ্রুত' বিষয়গত; সংখ্যা, শর্ত এবং লোড দ্বারা একটি গ্রহণযোগ্য প্রয়োজনীয় প্রতিক্রিয়া সময় সংজ্ঞায়িত করে (যেমন 'গড় লোডে 2 সেকেন্ডের কম কোয়েরি প্রতিক্রিয়া')। পরিমাপ করা যায় না এমন একটি প্রয়োজনীয়তা পরীক্ষা করা যাবে না।
3. নিচের কোনটি ডেটা মডেলিংয়ে স্বাভাবিককরণের প্রধান উদ্দেশ্য?
- ক) একটি বড় টেবিলে সমস্ত ডেটা সংগ্রহ করে কোয়েরি সহজ করা
- খ) ডেটা সদৃশতা হ্রাস করে এবং অখণ্ডতা বজায় রেখে আপডেটের অসঙ্গতিগুলি রোধ করুন ✔
- গ) সর্বদা ব্যাকআপ ফাইলের আকার ছোট করুন
- ঘ) সরাসরি গ্রাফিক্স এবং বোর্ড কর্মক্ষমতা গ্যারান্টি
বর্ণনা: সাধারণীকরণ হল অপ্রয়োজনীয়তা কমাতে এবং ডেটার অখণ্ডতা রক্ষা করার জন্য যৌক্তিকভাবে টেবিল বিভক্ত করার প্রক্রিয়া। একই তথ্য এক জায়গায় রাখা আপডেট অসঙ্গতি এবং অসঙ্গতি প্রতিরোধ করে। লক্ষ্য রিপোর্টের গতি বাড়ানো নয়; ইচ্ছাকৃত ডিনরমালাইজেশন কখনও কখনও গতির জন্য করা হয়।
4. একটি ব্যবসায়িক বুদ্ধিমত্তা ড্যাশবোর্ডে 'বিজ্ঞাপন ব্যয় বৃদ্ধির ফলে বিক্রয় বৃদ্ধি পায়, তাই বিজ্ঞাপন বিক্রয় বৃদ্ধি করে' অনুমান করার মূল ঝুঁকি কী?
- ক) কার্যকারণের সাথে বিভ্রান্তিকর সম্পর্ক; একসাথে অভিনয় করা প্রমাণ করে না যে একজন অন্যটিকে তৈরি করে ✔
- খ) চার্টের প্রকারের ভুল নির্বাচন
- গ) ডেটা স্বাভাবিক করা হয় না
- ঘ) বোর্ডে অনেকগুলো রং থাকে
ব্যাখ্যা: এটি কার্যকারণের সাথে বিভ্রান্তিকর পারস্পরিক সম্পর্ক। দুটি মেট্রিক একসাথে সরে যেতে পারে, কিন্তু তৃতীয় একটি ফ্যাক্টর (যেমন সিজন, প্রচারের সময়) উভয়কে এগিয়ে নিয়ে যেতে পারে। এমআইএস বিশেষজ্ঞের এআই-উত্পাদিত বর্ণনামূলক পাঠ্যগুলিতে এই ফাঁদটি পরীক্ষা করা উচিত এবং প্রমাণ সহ কার্যকারণ দাবিগুলি পরীক্ষা করা উচিত।
5. স্মার্ট অটোমেশনে, যেখানে RPA (রোবোটিক প্রক্রিয়া অটোমেশন) এবং কৃত্রিম বুদ্ধিমত্তা একসাথে ব্যবহার করা হয়, কোন ধাপের ধরন RPA এর জন্য সবচেয়ে উপযুক্ত?
- ক) যে পদক্ষেপগুলি অস্পষ্ট, ব্যাখ্যার উপর ভিত্তি করে এবং প্রতিবার বিভিন্ন সিদ্ধান্তের প্রয়োজন হয়৷
- খ) নিয়মিত, পুনরাবৃত্তিমূলক এবং কাঠামোগত ডেটাতে কাজ করার পদক্ষেপ ✔
- গ) গ্রাহকের সাথে সহানুভূতি প্রয়োজন এমন পদক্ষেপ
- ঘ) পদক্ষেপ যেখানে কৌশলগত বিনিয়োগের সিদ্ধান্ত নেওয়া হয়
ব্যাখ্যা: RPA নিয়মিত, পুনরাবৃত্তিমূলক এবং কাঠামোগত ডেটা ধাপে শক্তিশালী: এক স্ক্রীন থেকে ডেটা অনুলিপি করা এবং অন্য সিস্টেমে প্রবেশ করা। কৃত্রিম বুদ্ধিমত্তা এমন পদক্ষেপে কার্যকর হয় যার জন্য অস্পষ্ট বিচার, শ্রেণীবিভাগ বা প্রাকৃতিক ভাষা বোঝার প্রয়োজন হয়; উচ্চ-ঝুঁকির সিদ্ধান্তগুলি মানুষের অনুমোদন সাপেক্ষে থাকে।
6. কেন AI আউটপুটগুলি বিশেষভাবে ERP সিস্টেমে সতর্কতার সাথে যাচাই করা দরকার?
- ক) ERP ডেটা সবসময় বেনামী থাকে তাই অতিরিক্ত সতর্কতা প্রয়োজন
- খ) ইআরপি প্রক্রিয়াগুলি আর্থিক এবং কর্মক্ষমভাবে গুরুত্বপূর্ণ; ভুলের সরাসরি আর্থিক এবং আইনি পরিণতি রয়েছে ✔
- গ) ইআরপি সিস্টেমগুলিকে মোটেই কৃত্রিম বুদ্ধিমত্তার সাথে একীভূত করা যায় না
- ঘ) এআই ইআরপি রিপোর্ট বুঝতে পারে না কারণ সেগুলি ভিজ্যুয়াল নয়
বর্ণনা: ERP; অ্যাকাউন্টিং, ইনভেন্টরি, ক্রয় এবং বেতনের মতো আর্থিক এবং অপারেশনাল জটিল প্রক্রিয়াগুলি পরিচালনা করে। এখানে একটি ত্রুটি সরাসরি আর্থিক রেকর্ডিং, অর্থপ্রদান বা ইনভেন্টরি সিদ্ধান্তে প্রতিফলিত হয়। অতএব, AI সুপারিশগুলি একজন দক্ষ বিশেষজ্ঞের অনুমোদন ছাড়া প্রক্রিয়া করা হয় না; অডিট ট্রেইল বাধ্যতামূলক.
7. সিআরএম ডেটা নিয়ে কাজ করার সময় কৃত্রিম বুদ্ধিমত্তা ব্যবহার করার সময় একজন এমআইএস বিশেষজ্ঞের প্রথমে কী মনোযোগ দেওয়া উচিত?
- ক) প্যানেলের রঙের প্যালেট নির্বাচন করা
- খ) ব্যক্তিগত ডেটা গোপনীয়তা: বেনামীকরণ, ন্যূনতম অনুমোদন এবং প্রথমে KVKK সম্মতি নিশ্চিত করা ✔
- গ) গাড়ির মধ্যে সম্ভাব্য বৃহত্তম ডেটা সেট লোড করা হচ্ছে
- ঘ) মডেলের নতুন সংস্করণ ব্যবহার করার জন্য এটি যথেষ্ট
বর্ণনা: CRM ডেটা মূলত ব্যক্তিগত ডেটা (নাম, যোগাযোগ, ক্রয়ের ইতিহাস)। একটি কৃত্রিম বুদ্ধিমত্তা টুলে এই ডেটা দেওয়ার আগে, বেনামীকরণ, ন্যূনতম অনুমোদন এবং KVKK সম্মতি মূল্যায়ন করা উচিত। উপরন্তু, গ্রাহককে প্রভাবিত করে এমন স্বয়ংক্রিয় সিদ্ধান্তের জন্য মানুষের তত্ত্বাবধান এবং আপত্তি করার অধিকার প্রয়োজন।
8. ড্যাশবোর্ডে সময়ের সাথে সাথে হার (শতাংশ) পরিবর্তন দেখানোর জন্য সাধারণত কোন ধরণের চার্ট সবচেয়ে উপযুক্ত?
- ক) সময়ের প্রবণতার জন্য লাইন চার্ট; স্কেল এবং অক্ষ সঠিকভাবে সেট করা আবশ্যক ✔
- খ) একটি পাই চার্ট প্রতিটি পরিস্থিতিতে সেরা
- গ) ত্রিমাত্রিক প্রভাব সহ গ্রাফিক্স পাঠযোগ্যতা বৃদ্ধি করে
- ঘ) চার্ট টাইপ বার্তা প্রভাবিত করে না, তারা সব সমতুল্য
ব্যাখ্যা: একটি লাইন চার্ট সময়ের সাথে একটি প্রবণতা দেখানোর জন্য উপযুক্ত; অক্ষ এবং স্কেল সঠিকভাবে সেট করা থাকলে, পরিবর্তনটি স্পষ্টভাবে পড়া যাবে। পাই চার্ট সময়ে একটি একক পয়েন্টে শেয়ার দেখায়, এটি সময়ের প্রবণতার জন্য উপযুক্ত নয়। গ্রাফিক নির্বাচন করা হয় বার্তা জানানো হবে অনুযায়ী.
9. শাসনের ক্ষেত্রে নো-কোড/লো-কোড প্ল্যাটফর্মের সবচেয়ে গুরুত্বপূর্ণ ঝুঁকি নিচের কোনটি?
- ক) অ্যাপ্লিকেশন সবসময় খুব ধীর গতিতে চলে
- খ) অনথিভুক্ত, অনিরীক্ষিত 'শ্যাডো আইটি' সমাধানগুলি ডেটা এবং নিরাপত্তা ঝুঁকি তৈরি করে ✔
- গ) তারা কখনই প্রকৃত ব্যবসায়িক সমস্যার সমাধান করে না
- ঘ) তারা শুধুমাত্র বড় কোম্পানি ব্যবহার করা যেতে পারে
বর্ণনা: নো-কোড/লো-কোড নন-টেকনিক্যাল কর্মীদের (নাগরিক বিকাশকারী) অ্যাপ্লিকেশনগুলিকে দ্রুত ইনস্টল করার অনুমতি দেয়। যাইহোক, যখন এটি অনিয়ন্ত্রিত বৃদ্ধি পায়; অনথিভুক্ত, অনিরাপদ এবং অনাথ 'শ্যাডো আইটি' সমাধানগুলি ডেটা ফাঁস এবং প্রযুক্তিগত ঋণ তৈরি করে। শাসনের জন্য এই সমাধানগুলি রেকর্ড করা এবং পর্যবেক্ষণ করা প্রয়োজন।
10. 'সংগতি', ডেটার গুণমানের একটি মাত্রা বলতে কী বোঝায়?
- ক) তথ্য বাস্তব বিশ্বের মান ঠিক ফিট করে
- খ) একই ডেটা বিভিন্ন সিস্টেম এবং রেকর্ডে একে অপরের সাথে দ্বন্দ্ব করে না ✔
- গ) ডেটার সমস্ত ক্ষেত্র পূরণ করা হয়
- ঘ) তার সবচেয়ে বর্তমান আকারে তথ্য খোঁজা
ব্যাখ্যা: সামঞ্জস্য মানে একই ডেটা বিভিন্ন সিস্টেম বা রেকর্ডে একে অপরের সাথে বিরোধ করে না; উদাহরণস্বরূপ, CRM এবং বিলিং সিস্টেমে একজন গ্রাহকের ঠিকানা একই। যথার্থতা মানে বাস্তবতার সাথে সামঞ্জস্য, সম্পূর্ণতা মানে সম্পূর্ণতা, এবং আপ-টু-ডেটনেস মানে ডেটার সময়োপযোগীতা। এগুলো আলাদা মাত্রা।
11. KVKK-এর পরিধির মধ্যে, কৃত্রিম বুদ্ধিমত্তার সরঞ্জামের সাহায্যে ব্যক্তিগত ডেটা প্রক্রিয়া করার আগে একজন MIS বিশেষজ্ঞের সবচেয়ে মৌলিক নীতিটি কী প্রয়োগ করা উচিত?
- ক) সমস্ত ব্যক্তিগত তথ্য সংগ্রহ করা যা প্রাপ্ত করা যেতে পারে
- খ) ডেটা মিনিমাইজেশন এবং উদ্দেশ্য সীমাবদ্ধতা: সংজ্ঞায়িত উদ্দেশ্যে শুধুমাত্র প্রয়োজনীয় ডেটা প্রক্রিয়া করুন ✔
- গ) একটি পাবলিক ফোল্ডারে ডেটা রাখা যা প্রত্যেকে অ্যাক্সেস করতে পারে
- ঘ) গোপনীয়তার সিদ্ধান্ত সম্পূর্ণরূপে কৃত্রিম বুদ্ধিমত্তার উপর ছেড়ে দেওয়া
বর্ণনা: ডেটা মিনিমাইজেশন এবং উদ্দেশ্য সীমাবদ্ধতা অপরিহার্য: একটি চিহ্নিত এবং বৈধ উদ্দেশ্যে শুধুমাত্র প্রয়োজনীয় ডেটা প্রক্রিয়াকরণ। যেখানে সম্ভব, ডেটা বেনামী বা ছদ্মনাম করা হয়; যে এলাকাগুলো ব্যক্তিকে শনাক্ত করে সেগুলোকে গাড়ি থেকে দূরে রাখা হয়। 'আরো ডেটা, তত ভালো' পদ্ধতি KVKK নীতির বিরুদ্ধে।
12. কেন একটি এআই-চালিত প্রয়োজনীয়তা খসড়ায় 'যথাযথ হলে সিস্টেম স্বয়ংক্রিয়ভাবে অনুমোদন করে' বাক্যটি একটি ঝুঁকিপূর্ণ প্রয়োজন?
- ক) কারণ এটি খুব দীর্ঘ
- খ) 'সম্ভাব্য কেস' অসংজ্ঞায়িত, ব্যাখ্যার জন্য উন্মুক্ত, অস্থির এবং ত্রুটি প্রবণ ✔
- গ) অটোমেশন সবসময় নিষিদ্ধ
- D) কারণ এটি ব্যবহারকারীর গল্প বিন্যাসে নয়
ব্যাখ্যা: 'উপযুক্ত পরিস্থিতি' একটি অস্পষ্ট অভিব্যক্তি; এটা সংজ্ঞায়িত করা হয় না কি শর্ত অনুমোদন ট্রিগার. অস্পষ্ট প্রয়োজনীয়তা ডেভেলপার দ্বারা ভুল ব্যাখ্যা করা হয়েছে এবং পরীক্ষা করা যাবে না। এমআইএস বিশেষজ্ঞের উচিত AI দ্বারা উত্পাদিত এই জাতীয় অস্পষ্ট বিবৃতিগুলি স্পষ্ট নিয়ম এবং থ্রেশহোল্ড সহ স্পষ্ট করা এবং স্টেকহোল্ডারের দ্বারা সেগুলি নিশ্চিত করা উচিত।
13. একটি ডেটা গুদামে একটি ETL (Extract-Transform-Load) প্রক্রিয়ার মূল উদ্দেশ্য কী?
- ক) নতুন গ্রাহকের ডেটা তৈরি করা
- খ) বিভিন্ন উৎস থেকে তথ্য আহরণ ও রূপান্তর করা এবং বিশ্লেষণের জন্য প্রস্তুত একটি সামঞ্জস্যপূর্ণ কাঠামোতে লোড করা ✔
- গ) স্বয়ংক্রিয়ভাবে প্যানেলের রং নির্বাচন করা
- ঘ) আইন নির্বিশেষে ব্যক্তিগত তথ্য ভাগ করা
বর্ণনা: ETL; এটি উৎস থেকে ডেটা বের করে (Extract), পরিষ্কার করে এবং এটিকে একটি স্ট্যান্ডার্ড স্ট্রাকচারে রূপান্তর করে (Transform) এবং বিশ্লেষণের জন্য ডেটা গুদামে লোড করে (লোড)। উদ্দেশ্য হল রিপোর্টিং এবং বিশ্লেষণের জন্য প্রস্তুত একটি সামঞ্জস্যপূর্ণ কাঠামোর মধ্যে অপারেশনাল ডেটার বিচ্ছুরিত এবং বিভিন্ন বিন্যাস আনা। ETL ডেটা তৈরি করে না, এটি বিদ্যমান ডেটা স্থানান্তর এবং সংগঠিত করে।
14. প্রক্রিয়া অটোমেশন ডিজাইনে 'ব্যতিক্রম পরিচালনা' কেন গুরুত্বপূর্ণ?
- ক) কারণ এটি সর্বদা অটোমেশনকে দ্রুত কাজ করে
- খ) কারণ এটি অবৈধ পরিস্থিতিতে নীরব ত্রুটির পরিবর্তে লোকেদের নিরাপদ থামানো এবং নির্দেশিকা প্রদান করে ✔
- গ) কারণ এটি গ্রাফিক ডিজাইন উন্নত করে
- ঘ) কারণ এটি স্বয়ংক্রিয়ভাবে ব্যক্তিগত তথ্য মুছে দেয়
ব্যাখ্যা: অটোমেশন সবসময় এমন পরিস্থিতির সম্মুখীন হয় যা নিয়মের বিরুদ্ধে যায় (অনুপস্থিত ডেটা, অপ্রত্যাশিত বিন্যাস, সিস্টেম ত্রুটি)। ব্যতিক্রম হ্যান্ডলিং রোবটটিকে নিরাপদে প্রক্রিয়াটি বন্ধ করতে এবং এই ক্ষেত্রে নীরবে ভুল পদক্ষেপ নেওয়ার পরিবর্তে এটিকে একজন মানুষের কাছে পুনঃনির্দেশ করতে দেয়। যদি কোন ব্যতিক্রম ডিজাইন করা না হয়, ত্রুটিগুলি নীরবে প্রচারিত হবে এবং অডিট ট্রেল হারিয়ে যাবে৷