Ieguvumi:
- Spēja skaidrot mākslīgā intelekta izmantošanas robežas MIS ietvaros KVKK ietvaros un informācijas drošības pamatprincipus
- Spēja droši piemērot anonimizācijas, mazāko privilēģiju un datu klasifikācijas principus mākslīgā intelekta darbplūsmām
- Spēja atbildīgi vadīt visaptverošu MIS-AI projektu ētikas, atbilstības un kompetentas apstiprināšanas ietvaros.
Moduļa eksāmens
1. Kurš apgalvojums visprecīzāk raksturo mākslīgā intelekta izvades lomu Vadības informācijas sistēmu speciālista darbā?
- A) AI izstrādā projektus un priekšlikumus; ✔ Biznesa noteikumi ir cilvēka pienākums veikt pārbaudi ar reāliem datiem un kompetentu apstiprinājumu
- B) AI izvade ir rakstīta tekoši un tehniski, tāpēc parasti tai nav nepieciešama pārbaude
- C) AI var pabeigt prasības tieši bez biznesa vienības apstiprinājuma
- D) Finanšu ziņā kritiskos lēmumos mākslīgā intelekta izvade aizstāj kompetenta eksperta apstiprinājumu
Apraksts: mākslīgais intelekts ātri izstrādā starpproduktus, piemēram, prasības, datu modeļus, SQL un atskaites; Tomēr cilvēku pienākums ir pārbaudīt šos melnrakstus, izmantojot uzņēmējdarbības noteikumus, faktiskos datus un ieinteresēto personu apstiprinājumu. Īpaši finanšu un atbilstībai kritiskos lēmumos AI neaizstāj kompetentu ekspertu apstiprinājumu.
2. Kāda ir galvenā problēma saistībā ar apgalvojumu "sistēmai jābūt ātrai" prasību analīzes pētījumā?
- A) Tas ir uzrakstīts kā nefunkcionāls, lai gan tā ir funkcionāla prasība
- B) Nevar pārbaudīt un pārbaudīt, jo tajā nav izmērāma sliekšņa ✔
- C) Ieinteresētās personas nesaprot, jo tajā ir pārāk daudz tehnisku detaļu
- D) Tas nav derīgs, jo nav rakstīts lietotāja stāsta formātā
Paskaidrojums. Šis apgalvojums apraksta nefunkcionālu prasību, taču tā nav izmērāma. "Ātri" ir subjektīvs; definē pieņemamo prasības atbildes laiku pēc skaita, stāvokļa un slodzes (piemēram, “atbilde uz vaicājumu ir mazāka par 2 sekundēm pie vidējās slodzes”). Prasību, kuru nevar izmērīt, nevar pārbaudīt.
3. Kurš no šiem ir galvenais normalizācijas mērķis datu modelēšanā?
- A) Vaicājuma vienkāršošana, apkopojot visus datus vienā lielā tabulā
- B) Novērsiet atjaunināšanas anomālijas, samazinot datu dublēšanos un saglabājot integritāti ✔
- C) Vienmēr samaziniet dublējuma failu lielumu
- D) tieši garantē grafikas un dēļa veiktspēju
Apraksts: Normalizācija ir tabulu loģiska sadalīšanas process, lai samazinātu dublēšanos un saglabātu datu integritāti. Turot vienu un to pašu informāciju vienuviet, tiek novērsta atjaunināšanas anomālija un nekonsekvence. Mērķis nav paātrināt ziņojumu; apzināta denormalizācija dažreiz tiek veikta ātruma dēļ.
4. Kāds ir galvenais risks biznesa informācijas informācijas panelī secināt, ka “pārdošanas apjoms pieauga, palielinoties reklāmas izdevumiem, tādējādi reklāma palielina pārdošanas apjomu”?
- A) mulsinoša korelācija ar cēloņsakarību; Kopīga darbošanās nepierāda, ka viens rada otru ✔
- B) Nepareiza diagrammas veida izvēle
- C) Dati nav normalizēti
- D) Tāfele satur pārāk daudz krāsu
Paskaidrojums: šī ir mulsinoša korelācija ar cēloņsakarību. Abi rādītāji var pārvietoties kopā, taču trešais faktors (piemēram, sezona, kampaņas periods) var veicināt abus rādītājus. MIS ekspertam arī jāpārbauda, vai AI ģenerētajos stāstījuma tekstos nav šīs lamatas, un jāpārbauda cēloņsakarības apgalvojumi ar pierādījumiem.
5. Kuram soļu tipam RPA ir vispiemērotākais viedajā automatizācijā, kur RPA (robotic process automation) un mākslīgais intelekts tiek izmantots kopā?
- A) Soļi, kas ir neskaidri, balstās uz interpretāciju un katru reizi prasa dažādus lēmumus
- B) Darbības ar regulāriem, atkārtotiem un strukturētiem datiem ✔
- C) soļi, kas prasa empātiju pret klientu
- D) soļi, kuros tiek pieņemti stratēģiski investīciju lēmumi
Paskaidrojums: RPA ir spēcīga regulāros, atkārtotos un strukturētos datu posmos: datu kopēšana no viena ekrāna un ievadīšana citā sistēmā. Mākslīgais intelekts tiek izmantots soļos, kas prasa neviennozīmīgu spriedumu, klasifikāciju vai dabiskās valodas izpratni; Augsta riska lēmumi joprojām ir jāapstiprina cilvēkiem.
6. Kāpēc AI izvadi ERP sistēmās ir īpaši rūpīgi jāvalidē?
- A) ERP dati vienmēr ir anonīmi, tāpēc ir nepieciešama papildu piesardzība
- B) ERP procesi ir finansiāli un operatīvi kritiski; Kļūdai ir tiešas finansiālas un juridiskas sekas ✔
- C) ERP sistēmas vispār nevar integrēt ar mākslīgo intelektu
- D) AI nesaprot ERP ziņojumus, jo tie nav vizuāli
Apraksts: ERP; Veic finanšu un darbības kritiskos procesus, piemēram, grāmatvedību, inventarizāciju, iepirkšanu un algu uzskaiti. Kļūda šeit ir tieši atspoguļota finanšu uzskaites, maksājuma vai inventarizācijas lēmumā. Tāpēc AI ieteikumi netiek apstrādāti bez kompetenta eksperta apstiprinājuma; Revīzijas liecība ir obligāta.
7. Kas ir pirmais, kam MIS speciālistam jāpievērš uzmanība, izmantojot mākslīgo intelektu, strādājot ar CRM datiem?
- A) Paneļa krāsu paletes izvēle
- B) Personas datu konfidencialitāte: anonimizācija, minimālā autorizācija un KVKK atbilstības nodrošināšana vispirms ✔
- C) Vislielākās iespējamās datu kopas ielāde transportlīdzeklī
- D) Pietiek izmantot jaunāko modeļa versiju
Apraksts: CRM dati lielākoties ir personas dati (vārds, kontaktpersona, pirkumu vēsture). Pirms nodot šos datus mākslīgā intelekta rīkam, jāizvērtē anonimizācija, minimālā atļauja un KVKK atbilstība. Turklāt automatizētiem lēmumiem, kas ietekmē klientu, ir nepieciešama cilvēka uzraudzība un tiesības iebilst.
8. Kāda veida diagramma parasti ir vispiemērotākā, lai informācijas panelī rādītu laika gaitā notikušās izmaiņas procentos?
- A) Līniju diagramma laika tendencei; pareizi jāiestata mērogs un ass ✔
- B) Sektoru diagramma ir vislabākā jebkurā situācijā
- C) Grafika ar trīsdimensiju efektiem uzlabo lasāmību
- D) Diagrammas veids neietekmē ziņojumu, tie visi ir līdzvērtīgi
Paskaidrojums: līniju diagramma ir piemērota, lai parādītu tendences laika gaitā; Ja asis un skala ir iestatīti pareizi, izmaiņas var skaidri nolasīt. Sektoru diagramma parāda daļu vienā laika brīdī, tā nav piemērota laika tendencēm. Grafiskā atlase tiek veikta atbilstoši nododamajam ziņojumam.
9. Kurš no šiem ir vissvarīgākais bezkoda/zema koda platformu risks pārvaldības ziņā?
- A) Lietojumprogrammas vienmēr darbojas ļoti lēni
- B) Nedokumentēti, neauditēti “ēnu IT” risinājumi rada datu un drošības riskus ✔
- C) Viņi nekad neatrisina reālas biznesa problēmas
- D) Tos var izmantot tikai lielos uzņēmumos
Apraksts: bez koda/zema koda ļauj darbiniekiem, kas nav tehniski (pilsoņu izstrādātāji), ātri instalēt lietojumprogrammas. Tomēr, kad tas aug nekontrolēti; Nedokumentēti, nenodrošināti un bāreņu “ēnu IT” risinājumi rada datu noplūdi un tehniskos parādus. Pārvaldībai ir jāreģistrē un jāuzrauga šie risinājumi.
10. Ko nozīmē “konsekvence”, viena no datu kvalitātes dimensijām?
- A) Dati precīzi atbilst reālās pasaules vērtībai
- B) Vieni un tie paši dati nav pretrunā viens ar otru dažādās sistēmās un ierakstos ✔
- C) Visi datu lauki ir aizpildīti
- D) Datu atrašana to jaunākajā formā
Paskaidrojums: konsekvence nozīmē, ka vieni un tie paši dati nav pretrunā viens ar otru dažādās sistēmās vai ierakstos; Piemēram, klienta adrese CRM un norēķinu sistēmā ir vienāda. Precizitāte nozīmē atbilstību realitātei, pilnīgums nozīmē pilnīgumu, un atjauninātība nozīmē datu savlaicīgumu. Tie ir atsevišķi izmēri.
11. Kāds ir KVKK ietvaros pamatprincips, kas MIS ekspertam būtu jāpiemēro pirms personas datu apstrādes ar mākslīgā intelekta rīku?
- A) Apkopot visus personas datus, ko var iegūt
- B) Datu minimizēšana un mērķa ierobežošana: apstrādājiet tikai nepieciešamos datus noteiktajam mērķim ✔
- C) Datu ievietošana publiskā mapē, kurai var piekļūt visi
- D) lēmumu par privātumu pilnībā atstājot mākslīgā intelekta ziņā
Apraksts: Datu minimizēšana un mērķa ierobežošana ir būtiska: apstrādāt tikai nepieciešamos datus noteiktam un likumīgam mērķim. Ja iespējams, dati tiek anonimizēti vai pseidonimizēti; Vietas, kas identificē personu, tiek turētas tālāk no transportlīdzekļa. “Vairāk datu, jo labāk” pieeja ir pretrunā KVKK principiem.
12. Kāpēc teikums “sistēma vajadzības gadījumā automātiski apstiprina” ir riskanta prasība AI darbināmā prasību projektā?
- A) Jo tas ir pārāk garš
- B) “Iespējamie gadījumi” ir nedefinēti, ir interpretējami, nepārbaudāmi un ir pakļauti kļūdām ✔
- C) Automatizācija vienmēr ir aizliegta
- D) Jo tas nav lietotāja stāsta formātā
Paskaidrojums: “Piemērotas situācijas” ir neskaidrs izteiciens; Nav definēts, kādi nosacījumi izraisa apstiprinājumu. Neviennozīmīgo prasību izstrādātājs ir nepareizi interpretējis, un to nevar pārbaudīt. MIS ekspertam ir jāprecizē šādi neviennozīmīgi AI sniegtie apgalvojumi ar skaidriem noteikumiem un sliekšņiem, un ieinteresētajai personai tie jāapstiprina.
13. Kāds ir ETL (Extract-Transform-Load) procesa galvenais mērķis datu noliktavā?
- A) jaunu klientu datu ģenerēšana
- B) Datu iegūšana un pārveidošana no dažādiem avotiem un to ielāde konsekventā struktūrā, kas ir gatava analīzei ✔
- C) Automātiska paneļu krāsu atlase
- D) Personas datu kopīgošana neatkarīgi no likuma
Apraksts: ETL; Tas iegūst datus no avotiem (Extract), attīra tos un pārvērš tos standarta struktūrā (Transform) un ielādē datu noliktavā analīzei (Load). Mērķis ir izveidot izkliedētu un dažādu formātu operatīvo datu konsekventu struktūru, kas ir gatava ziņošanai un analīzei. ETL neražo datus, tas pārvieto un kārto esošos datus.
14. Kāpēc “izņēmumu apstrāde” ir ļoti svarīga procesa automatizācijas projektēšanā?
- A) Jo tas vienmēr liek automatizācijai darboties ātrāk
- B) Jo tas nodrošina drošu apstāšanās un norādījumus cilvēkiem, nevis klusas kļūdas nelikumīgās situācijās ✔
- C) Jo tas uzlabo grafisko dizainu
- D) Jo tas automātiski izdzēš personas datus
Paskaidrojums: Automatizācijas vienmēr saskaras ar situācijām, kas ir pretrunā noteikumiem (trūkst datu, neparedzēts formāts, sistēmas kļūda). Izņēmumu apstrāde ļauj robotam droši apturēt procesu un novirzīt to uz cilvēku šādos gadījumos, nevis klusībā veikt nepareizu darbību. Ja nav paredzēti izņēmumi, kļūdas izplatīsies klusi un audita pēdas tiks zaudētas.