سود:
- توانایی توضیح محدودیت های استفاده از هوش مصنوعی در MIS در چارچوب KVKK و اصول اولیه امنیت اطلاعات
- امکان استفاده ایمن از اصول ناشناس سازی، حداقل امتیاز و طبقه بندی داده ها در گردش کار هوش مصنوعی
- توانایی مدیریت مسئولانه یک پروژه MIS-AI end-to-end در چارچوب اخلاق، انطباق و تایید صالح.
امتحان ماژول
1. کدام عبارت دقیقا نقش خروجی هوش مصنوعی را در کار یک متخصص سیستم های اطلاعات مدیریت توصیف می کند؟
- الف) هوش مصنوعی پیش نویس ها و پیشنهادات را تهیه می کند. ✔ قانون تجارت مسئولیت انسان برای تأیید با داده های واقعی و تأیید صالح است
- ب) خروجی هوش مصنوعی به صورت روان و فنی نوشته شده است، بنابراین معمولاً نیازی به تأیید ندارد
- ج) هوش مصنوعی میتواند الزامات را مستقیماً بدون تأیید واحد تجاری نهایی کند
- د) در تصمیمات حیاتی مالی، خروجی هوش مصنوعی جایگزین تایید یک کارشناس ذیصلاح می شود
توضیحات: هوش مصنوعی به سرعت پیش نویس محصولات میانی مانند الزامات، مدل های داده، SQL و گزارش ها را تهیه می کند. با این حال، این مسئولیت انسان است که این پیشنویسها را با قوانین تجاری، دادههای واقعی و تأیید سهامداران تأیید کند. بهویژه در تصمیمهای حیاتی مالی و انطباق، هوش مصنوعی جایگزین تأییدیه متخصص صالح نیست.
2. مشکل اصلی عبارت «سیستم باید سریع باشد» در مطالعه تحلیل نیازمندی چیست؟
- الف) به عنوان غیر کاربردی نوشته شده است، حتی اگر یک نیاز کاربردی باشد
- ب) قابل آزمایش و تأیید نیست زیرا دارای آستانه قابل اندازه گیری نیست ✔
- ج) ذینفعان متوجه نمی شوند زیرا حاوی جزئیات فنی بسیار زیادی است
- د) نامعتبر است زیرا در قالب داستان کاربر نوشته نشده است
توضیح: این عبارت یک نیاز غیرعملکردی را توصیف می کند، اما قابل اندازه گیری نیست. "سریع" ذهنی است. زمان پاسخگویی مورد نیاز قابل قبول را بر اساس تعداد، شرایط و بار تعریف میکند (مثلاً «پاسخ درخواست کمتر از ۲ ثانیه در بار متوسط»). نیازی که قابل اندازه گیری نباشد قابل آزمایش نیست.
3. کدام یک از موارد زیر هدف اصلی نرمال سازی در مدل سازی داده ها است؟
- الف) ساده سازی پرس و جو با جمع آوری تمام داده ها در یک جدول بزرگ
- ب) با کاهش تکثیر داده ها و حفظ یکپارچگی از بروز ناهنجاری جلوگیری کنید
- ج) همیشه حجم فایل های پشتیبان را به حداقل برسانید
- د) تضمین مستقیم گرافیک و عملکرد برد
توضیحات: عادی سازی فرآیند تقسیم منطقی جداول برای کاهش افزونگی و حفظ یکپارچگی داده ها است. نگه داشتن اطلاعات یکسان در یک مکان از بروز ناهنجاری و ناهماهنگی جلوگیری می کند. هدف تسریع گزارش نیست. گاهی اوقات غیر طبیعی سازی عمدی برای سرعت انجام می شود.
4. خطر کلیدی استنباط «افزایش فروش با افزایش هزینه تبلیغات، بنابراین تبلیغات باعث افزایش فروش» در داشبورد هوش تجاری چیست؟
- الف) همبستگی گیج کننده با علیت. با هم عمل کردن ثابت نمی کند که یکی دیگری را ایجاد می کند ✔
- ب) انتخاب نادرست نوع نمودار
- ج) داده ها نرمال سازی نشده اند
- د) تابلو دارای رنگ های بسیار زیادی است
توضیح: این همبستگی گیج کننده با علیت است. این دو معیار ممکن است با هم حرکت کنند، اما عامل سوم (مثلاً فصل، دوره کمپین) ممکن است هر دو را افزایش دهد. کارشناس MIS همچنین باید این تله را در متون روایی تولید شده توسط هوش مصنوعی بررسی کند و ادعاهای علی را با شواهد آزمایش کند.
5. در اتوماسیون هوشمند که از RPA (اتوماسیون فرآیند رباتیک) و هوش مصنوعی با هم استفاده می شود، RPA برای کدام نوع مرحله ای مناسب تر است؟
- الف) مراحلی که مبهم و بر اساس تفسیر است و هر بار تصمیمات متفاوتی را می طلبد
- ب) مراحل کار بر روی داده های منظم، تکراری و ساختار یافته ✔
- ج) مراحلی که نیاز به همدلی با مشتری دارد
- د) مراحلی که در آن تصمیمات استراتژیک سرمایه گذاری اتخاذ می شود
توضیح: RPA در مراحل داده های منظم، تکراری و ساختاریافته قوی است: کپی کردن داده ها از یک صفحه و وارد کردن آن به سیستم دیگر. هوش مصنوعی در مراحلی که مستلزم قضاوت مبهم، طبقه بندی یا درک زبان طبیعی است وارد بازی می شود. تصمیمات پرخطر همچنان منوط به تایید انسان هستند.
6. چرا باید خروجی های هوش مصنوعی در سیستم های ERP به دقت تایید شوند؟
- الف) داده های ERP همیشه ناشناس هستند، بنابراین احتیاط بیشتری لازم است
- ب) فرآیندهای ERP از نظر مالی و عملیاتی حیاتی هستند. اشتباه عواقب مستقیم مالی و حقوقی دارد✔
- ج) سیستم های ERP به هیچ وجه نمی توانند با هوش مصنوعی ادغام شوند
- د) هوش مصنوعی گزارش های ERP را درک نمی کند زیرا آنها بصری نیستند
توضیحات: ERP; فرآیندهای حیاتی مالی و عملیاتی مانند حسابداری، موجودی، خرید و حقوق و دستمزد را انجام می دهد. یک خطا در اینجا مستقیماً در تصمیم گیری ثبت مالی، پرداخت یا موجودی منعکس می شود. بنابراین، توصیههای هوش مصنوعی بدون تأیید یک متخصص ذیصلاح پردازش نمیشوند. پیگیری حسابرسی اجباری است
7. اولین چیزی که یک متخصص MIS هنگام استفاده از هوش مصنوعی هنگام کار با داده های CRM باید به آن توجه کند چیست؟
- الف) انتخاب پالت رنگ پانل
- ب) حریم خصوصی داده های شخصی: ناشناس سازی، حداقل مجوز و اطمینان از انطباق با KVKK ابتدا ✔
- ج) بارگذاری بزرگترین مجموعه داده ممکن در وسیله نقلیه همانطور که هست
- د) استفاده از جدیدترین نسخه مدل کافی است
توضیحات: داده های CRM عمدتاً داده های شخصی (نام، تماس، سابقه خرید) هستند. قبل از دادن این داده ها به ابزار هوش مصنوعی، ناشناس سازی، حداقل مجوز و انطباق با KVKK باید ارزیابی شود. علاوه بر این، تصمیمات خودکار که بر مشتری تأثیر می گذارد، مستلزم نظارت انسانی و حق اعتراض است.
8. معمولاً چه نوع نموداری برای نشان دادن تغییرات نرخ (درصد) در طول زمان در داشبورد مناسب است؟
- الف) نمودار خطی برای روند زمانی؛ مقیاس و محور باید به درستی تنظیم شود ✔
- ب) نمودار دایره ای در هر موقعیتی بهترین است
- ج) گرافیک با افکت های سه بعدی خوانایی را افزایش می دهد
- د) نوع نمودار بر پیام تأثیر نمی گذارد، همه آنها معادل هستند
توضیح: نمودار خطی برای نشان دادن روند در طول زمان مناسب است. اگر محورها و مقیاس به درستی تنظیم شوند، تغییر را می توان به وضوح خواند. نمودار دایره ای سهم را در یک نقطه از زمان نشان می دهد، برای روند زمانی مناسب نیست. انتخاب گرافیک با توجه به پیامی که باید منتقل شود انجام می شود.
9. کدام یک از موارد زیر مهمترین خطر پلتفرم های بدون کد / کم کد از نظر حاکمیت است؟
- الف) برنامه ها همیشه بسیار کند اجرا می شوند
- ب) راه حل های غیرمستند و حسابرسی نشده «سایه فناوری اطلاعات» خطرات داده و امنیتی ایجاد می کند.
- ج) هرگز مشکلات واقعی کسب و کار را حل نمی کنند
- د) فقط در شرکت های بزرگ قابل استفاده هستند
توضیحات: بدون کد/کد کم به کارمندان غیر فنی (توسعه دهندگان شهروند) اجازه می دهد تا به سرعت برنامه ها را نصب کنند. با این حال، هنگامی که بدون کنترل رشد می کند. راهحلهای «سایه فناوری اطلاعات» غیرمستند، ناامن و یتیم باعث نشت دادهها و بدهیهای فنی میشوند. حکمرانی مستلزم ثبت و نظارت بر این راهکارها است.
10. «ثبات»، یکی از ابعاد کیفیت داده، به چه معناست؟
- الف) داده ها دقیقاً با ارزش دنیای واقعی مطابقت دارند
- ب) داده های یکسان در سیستم ها و رکوردهای مختلف با یکدیگر تضاد ندارند ✔
- ج) تمام فیلدهای داده پر شده است
- د) یافتن داده ها در جدیدترین شکل آن
توضیح: سازگاری به این معنی است که داده های یکسان در سیستم ها یا رکوردهای مختلف با یکدیگر تضاد ندارند. به عنوان مثال، آدرس مشتری در CRM و سیستم صورتحساب یکسان است. دقت به معنای مطابقت با واقعیت، کامل بودن به معنای کامل بودن و به روز بودن به معنای به موقع بودن داده ها است. اینها ابعاد جداگانه ای هستند.
11. در محدوده KVKK، اساسی ترین اصلی که یک متخصص MIS باید قبل از پردازش داده های شخصی با ابزار هوش مصنوعی اعمال کند، چیست؟
- الف) جمع آوری کلیه داده های شخصی که می توان به دست آورد
- ب) به حداقل رساندن داده ها و محدودیت هدف: فقط داده های ضروری را برای هدف تعریف شده پردازش کنید
- ج) قرار دادن داده ها در یک پوشه عمومی که همه می توانند به آن دسترسی داشته باشند
- د) واگذاری تصمیم به حفظ حریم خصوصی به طور کامل به هوش مصنوعی
توضیحات: به حداقل رساندن داده ها و محدودیت هدف ضروری است: پردازش فقط داده های ضروری برای یک هدف مشخص و قانونی. در صورت امکان، داده ها ناشناس یا مستعار هستند. مناطقی که فرد را شناسایی می کنند از وسیله نقلیه دور نگه داشته می شوند. رویکرد «دادههای بیشتر، بهتر» برخلاف اصول KVKK است.
12. چرا جمله "سیستم به طور خودکار در صورت لزوم تایید می کند" یک الزام مخاطره آمیز در پیش نویس الزامات مبتنی بر هوش مصنوعی است؟
- الف) چون طولانی است
- ب) "موارد امکان پذیر" تعریف نشده، قابل تفسیر، غیر قابل آزمایش و مستعد خطا هستند ✔
- ج) اتوماسیون همیشه ممنوع است
- د) چون در قالب داستان کاربر نیست
توضیح: "موقعیت های مناسب" یک عبارت مبهم است. تعریف نشده است که چه شرایطی باعث تایید می شود. نیاز مبهم توسط توسعه دهنده به اشتباه تفسیر می شود و قابل آزمایش نیست. کارشناس MIS باید چنین اظهارات مبهم تولید شده توسط هوش مصنوعی را با قوانین و آستانه روشن روشن کند و آنها را توسط ذینفعان تأیید کند.
13. هدف اصلی فرآیند ETL (Extract-Transform-Load) در انبار داده چیست؟
- الف) تولید داده های مشتری جدید
- ب) استخراج و تبدیل داده ها از منابع مختلف و بارگذاری آن در یک ساختار سازگار و آماده برای تجزیه و تحلیل ✔
- ج) انتخاب خودکار رنگ پانل ها
- د) به اشتراک گذاری داده های شخصی بدون توجه به قانون
توضیحات: ETL; داده ها را از منابع استخراج می کند (Extract)، آن ها را تمیز می کند و به یک ساختار استاندارد (Transform) تبدیل می کند و برای تجزیه و تحلیل (Load) در انبار داده بارگذاری می کند. هدف این است که قالبهای پراکنده و متفاوت دادههای عملیاتی را در یک ساختار سازگار آماده برای گزارشدهی و تجزیه و تحلیل قرار دهیم. ETL داده تولید نمی کند، داده های موجود را جابجا و سازماندهی می کند.
14. چرا «کنترل استثناها» در طراحی اتوماسیون فرآیند بسیار مهم است؟
- الف) زیرا همیشه باعث می شود اتوماسیون سریعتر کار کند
- ب) زیرا به جای خطای بی سر و صدا در مواقع غیرقانونی توقف و راهنمایی ایمن را برای افراد فراهم می کند.
- ج) زیرا باعث بهبود طراحی گرافیکی می شود
- د) زیرا به طور خودکار داده های شخصی را حذف می کند
توضیح: اتوماسیون ها همیشه با موقعیت هایی مواجه می شوند که برخلاف قوانین است (داده های از دست رفته، فرمت غیرمنتظره، خطای سیستم). مدیریت استثنا به ربات اجازه می دهد تا در این موارد به جای انجام بی سر و صدا، فرآیند را متوقف کند و آن را به سمت انسان هدایت کند. اگر هیچ استثنایی طراحی نشود، خطاها بی سر و صدا منتشر می شوند و دنباله حسابرسی از بین می رود.