이득:
- KVKK 프레임워크 내에서 MIS의 인공지능 사용 한계와 기본 정보 보안 원칙을 설명하는 능력
- 인공 지능 워크플로에 익명화, 최소 권한 및 데이터 분류 원칙을 안전하게 적용하는 기능
- 윤리, 규정 준수 및 유능한 승인의 프레임워크 내에서 엔드투엔드 MIS-AI 프로젝트를 책임감 있게 관리할 수 있는 능력.
모듈 시험
1. 경영 정보 시스템 전문가의 작업에서 인공 지능 출력의 역할을 가장 정확하게 설명하는 설명은 무엇입니까?
- A) AI는 초안과 제안서를 작성합니다. ✔ 비즈니스 규칙은 실제 데이터와 유능한 승인을 통해 검증하는 인간의 책임입니다.
- B) AI 출력은 유창하고 기술적으로 작성되므로 일반적으로 검증이 필요하지 않습니다.
- C) AI는 사업부의 승인 없이 직접 요구사항을 마무리할 수 있습니다.
- D) 재무에 중요한 결정에서 AI 출력은 유능한 전문가의 승인을 대체합니다.
설명: 인공 지능은 요구 사항, 데이터 모델, SQL 및 보고서와 같은 중간 제품의 초안을 신속하게 작성합니다. 그러나 비즈니스 규칙, 실제 데이터 및 이해관계자 확인을 통해 이러한 초안을 검증하는 것은 인간의 책임입니다. 특히 재무 및 규정 준수에 중요한 결정에서 AI는 유능한 전문가의 승인을 대체할 수 없습니다.
2. 요구사항 분석 연구에서 '시스템은 빨라야 한다'는 진술의 주요 문제점은 무엇입니까?
- A) 기능적 요구사항임에도 불구하고 Non-Functional 이라고 쓰여 있습니다.
- 나) 측정 가능한 임계값이 포함되어 있지 않아 테스트 및 검증이 불가능함 ✔
- 다) 기술적 내용이 너무 많아 이해관계자들이 이해하지 못하는 경우
- 라) 사용자 스토리 형식으로 작성되지 않았기 때문에 유효하지 않다.
설명: 이 명령문은 비기능적 요구사항을 설명하지만 측정할 수는 없습니다. '빠름'은 주관적입니다. 수, 조건 및 로드별로 허용 가능한 요구 사항 응답 시간을 정의합니다(예: '평균 로드에서 2초 미만의 쿼리 응답'). 측정할 수 없는 요구사항은 테스트할 수 없습니다.
3. 다음 중 데이터 모델링에서 정규화의 주요 목적은 무엇입니까?
- A) 하나의 큰 테이블에 모든 데이터를 수집하여 쿼리 단순화
- 나) 데이터 중복 감소 및 무결성 유지를 통한 업데이트 이상 방지 ✔
- C) 항상 백업 파일의 크기를 최소화하십시오.
- D) 그래픽 및 보드 성능을 직접적으로 보장
설명: 정규화는 중복성을 줄이고 데이터 무결성을 보존하기 위해 테이블을 논리적으로 분할하는 프로세스입니다. 동일한 정보를 한 곳에 보관하면 업데이트 예외 사항과 불일치가 방지됩니다. 목표는 보고서 속도를 높이는 것이 아닙니다. 의도적인 비정규화는 때때로 속도를 위해 수행됩니다.
4. 비즈니스 인텔리전스 대시보드에서 '광고비 증가에 따라 매출이 증가하여 광고가 매출을 증가시킨다'고 추론할 때 발생하는 주요 위험은 무엇입니까?
- A) 인과관계와 상관관계를 혼동함; 함께 행동한다고 해서 하나가 다른 하나를 창조한다는 것을 증명하는 것은 아닙니다 ✔
- B) 차트 유형의 잘못된 선택
- C) 데이터가 정규화되지 않았습니다.
- D) 보드에 색상이 너무 많습니다.
설명: 이는 인과관계와 상관관계를 혼동하는 것입니다. 두 측정항목은 함께 움직일 수 있지만 세 번째 요소(예: 시즌, 캠페인 기간)가 두 가지 측정항목을 모두 촉진할 수 있습니다. MIS 전문가는 AI가 생성한 내러티브 텍스트에서 이러한 함정을 확인하고 증거를 통해 인과관계 주장을 테스트해야 합니다.
5. RPA(로봇 프로세스 자동화)와 인공지능이 함께 사용되는 스마트 자동화에서 RPA는 어떤 단계 유형에 가장 적합한가요?
- A) 해석에 따라 불분명하고 매번 다른 결정이 필요한 단계
- B) 일반, 반복, 구조화된 데이터 작업 단계 ✔
- 다) 고객과의 공감이 필요한 단계
- D) 전략적 투자 결정이 이루어지는 단계
설명: RPA는 정기적이고 반복적이며 구조화된 데이터 단계, 즉 한 화면에서 데이터를 복사하여 다른 시스템에 입력하는 데 강력합니다. 인공지능은 모호한 판단, 분류 또는 자연어 이해가 필요한 단계에서 작동합니다. 고위험 결정은 여전히 사람의 승인을 받아야 합니다.
6. ERP 시스템에서 AI 출력을 특히 주의 깊게 검증해야 하는 이유는 무엇입니까?
- A) ERP 데이터는 항상 익명이므로 추가적인 주의가 필요합니다.
- B) ERP 프로세스는 재정적, 운영상 중요합니다. 실수는 직접적인 금전적, 법적 결과를 초래합니다 ✔
- 다) ERP 시스템은 인공지능과 전혀 통합될 수 없다
- D) AI는 ERP 보고서가 시각적이지 않기 때문에 이해하지 못합니다.
설명: ERP; 회계, 재고, 구매, 급여 등 재무 및 운영에 중요한 프로세스를 수행합니다. 여기서 오류는 재무 기록, 지불 또는 재고 결정에 직접 반영됩니다. 따라서 AI 추천은 유능한 전문가의 승인 없이는 처리되지 않습니다. 감사 추적은 필수입니다.
7. CRM 데이터 작업 시 인공지능을 활용할 때 MIS 전문가가 가장 먼저 주의해야 할 점은 무엇입니까?
- A) 패널의 색상 팔레트 선택
- B) 개인 데이터 개인 정보 보호: 익명화, 최소한의 승인 및 KVKK 규정 준수 우선 보장 ✔
- C) 가능한 가장 큰 데이터 세트를 차량에 있는 그대로 로드합니다.
- D) 최신 버전의 모델을 사용하면 충분합니다.
설명: CRM 데이터는 주로 개인 데이터(이름, 연락처, 구매 내역)입니다. 이 데이터를 인공 지능 도구에 제공하기 전에 익명화, 최소 권한 부여 및 KVKK 규정 준수를 평가해야 합니다. 또한 고객에게 영향을 미치는 자동화된 결정에는 사람의 감독과 반대할 권리가 필요합니다.
8. 대시보드에서 시간에 따른 비율(백분율) 변화를 표시하는 데 일반적으로 가장 적합한 차트 유형은 무엇입니까?
- A) 시간 추세에 대한 선형 차트 눈금과 축을 올바르게 설정해야 합니다 ✔
- B) 원형 차트는 모든 상황에 가장 적합합니다.
- 다) 입체감 있는 그래픽으로 가독성을 높인다.
- D) 차트 유형은 메시지에 영향을 주지 않으며 모두 동일합니다.
설명: 선형 차트는 시간 경과에 따른 추세를 표시하는 데 적합합니다. 축과 눈금이 올바르게 설정되면 변경 사항을 명확하게 읽을 수 있습니다. 파이 차트는 특정 시점의 점유율을 보여주기 때문에 시간 추세에 적합하지 않습니다. 전달하려는 메시지에 따라 그래픽 선택이 이루어집니다.
9. 다음 중 거버넌스 측면에서 노코드/로우코드 플랫폼의 가장 중요한 위험은 무엇입니까?
- A) 응용프로그램은 항상 매우 느리게 실행됩니다.
- B) 문서화되지 않고 감사되지 않은 '섀도우 IT' 솔루션은 데이터 및 보안 위험을 야기합니다. ✔
- C) 실제 비즈니스 문제를 해결하지 못합니다.
- D) 대기업에서만 사용할 수 있습니다.
설명: 노코드/로우코드를 통해 기술 지식이 없는 직원(시민 개발자)이 애플리케이션을 빠르게 설치할 수 있습니다. 그러나 통제할 수 없을 정도로 커지면; 문서화되지 않고 보안도 유지되지 않으며 고아가 된 '섀도우 IT' 솔루션은 데이터 유출과 기술 부채를 야기합니다. 거버넌스는 이러한 솔루션을 기록하고 모니터링해야 합니다.
10. 데이터 품질 차원 중 하나인 '일관성'은 무엇을 의미하나요?
- A) 데이터가 실제 값과 정확히 일치합니다.
- 나) 동일한 데이터가 서로 다른 시스템과 기록에서 서로 충돌하지 않음 ✔
- C) 데이터의 모든 필드가 채워집니다.
- D) 최신 형태의 데이터 찾기
설명: 일관성이란 동일한 데이터가 다른 시스템이나 기록에서 서로 충돌하지 않음을 의미합니다. 예를 들어 고객의 주소는 CRM과 청구 시스템에서 동일합니다. 정확성은 현실에 대한 적합성을 의미하고, 완전성은 완전성을 의미하며, 최신성은 데이터의 적시성을 의미합니다. 이는 별도의 차원입니다.
11. KVKK 범위 내에서 MIS 전문가가 인공지능 도구로 개인 데이터를 처리하기 전에 적용해야 하는 가장 기본 원칙은 무엇입니까?
- 가) 획득 가능한 모든 개인정보 수집
- 나) 데이터 최소화 및 목적 제한 : 정의된 목적에 꼭 필요한 데이터만 처리 ✔
- C) 모든 사람이 접근할 수 있는 공용 폴더에 데이터 저장
- D) 개인 정보 보호 결정을 전적으로 인공 지능에 맡김
설명: 데이터 최소화 및 목적 제한은 필수적입니다. 식별되고 합법적인 목적을 위해 필요한 데이터만 처리합니다. 가능한 경우 데이터는 익명화되거나 가명화됩니다. 사람을 식별할 수 있는 영역은 차량에서 멀리 떨어져 있어야 합니다. '데이터가 많을수록 좋다'는 접근 방식은 KVKK 원칙에 위배됩니다.
12. AI 기반 요구사항 초안에서 '적절할 때 시스템이 자동으로 승인합니다'라는 문장이 위험한 요구사항인 이유는 무엇입니까?
- A) 너무 길기 때문에
- B) '타당한 사례'는 정의되지 않았고, 해석이 가능하며, 테스트할 수 없고 오류가 발생하기 쉽습니다. ✔
- C) 자동화는 항상 금지됩니다.
- D) 사용자 스토리 형식이 아니기 때문에
설명: '적절한 상황'은 모호한 표현입니다. 어떤 조건이 승인을 트리거하는지 정의되지 않았습니다. 모호한 요구 사항은 개발자가 잘못 해석하여 테스트할 수 없습니다. MIS 전문가는 AI가 생성한 모호한 진술을 명확한 규칙과 기준으로 명확히 하고 이해관계자의 확인을 받아야 합니다.
13. 데이터 웨어하우스에서 ETL(Extract-Transform-Load) 프로세스의 주요 목적은 무엇입니까?
- A) 신규 고객 데이터 생성
- B) 다양한 소스에서 데이터를 추출 및 변환하고 분석 준비가 된 일관된 구조로 로드 ✔
- C) 패널 색상 자동 선택
- D) 법률에 관계없이 개인정보 공유
설명: ETL; 소스에서 데이터를 추출(Extract)하고 정리한 후 표준 구조로 변환(Transform)하고 분석을 위해 데이터 웨어하우스에 로드(Load)합니다. 목표는 분산되어 있고 다양한 형식의 운영 데이터를 보고 및 분석을 위해 준비된 일관된 구조로 가져오는 것입니다. ETL은 데이터를 생성하지 않고 기존 데이터를 이동하고 정리합니다.
14. 프로세스 자동화 설계에서 '예외 처리'가 중요한 이유는 무엇입니까?
- A) 자동화 작업이 항상 더 빨라지기 때문입니다.
- B) 불법 상황에서 묵묵한 오류 대신 사람에게 안전한 정지와 안내를 제공하기 때문이다 ✔
- C) 그래픽 디자인을 향상시키기 때문에
- 라) 개인정보를 자동으로 삭제하기 때문에
설명: 자동화는 항상 규칙에 어긋나는 상황(데이터 누락, 예상치 못한 형식, 시스템 오류)에 직면합니다. 예외 처리를 통해 로봇은 이러한 경우 자동으로 잘못된 조치를 취하는 대신 안전하게 프로세스를 중지하고 사람에게 방향을 지정할 수 있습니다. 예외를 설계하지 않으면 오류가 조용히 전파되고 감사 추적이 손실됩니다.