Gevinster:
- Evne til å forklare grensene for bruk av kunstig intelligens i MIS innenfor rammen av KVKK og grunnleggende informasjonssikkerhetsprinsipper
- Evne til å trygt bruke anonymisering, minste privilegium og dataklassifiseringsprinsipper på arbeidsflyter for kunstig intelligens
- Evne til ansvarlig å lede et ende-til-ende MIS-AI-prosjekt innenfor rammen av etikk, compliance og kompetent godkjenning.
Moduleksamen
1. Hvilket utsagn beskriver mest nøyaktig rollen til produksjon av kunstig intelligens i arbeidet til en spesialist i Management Information Systems?
- A) AI produserer utkast og forslag; ✔ Forretningsregel er menneskets ansvar for å verifisere med ekte data og kompetent godkjenning
- B) AI-utdata er skrevet flytende og teknisk, så det krever vanligvis ikke verifisering
- C) AI kan fullføre krav direkte uten godkjenning av forretningsenheten
- D) I finanskritiske beslutninger erstatter AI-utgang godkjenningen av en kompetent ekspert
Beskrivelse: Kunstig intelligens utarbeider raskt mellomprodukter som krav, datamodeller, SQL og rapporter; Det er imidlertid det menneskelige ansvar å verifisere disse utkastene med forretningsregelen, faktiske data og interessentbekreftelse. Spesielt i økonomiske og compliance-kritiske beslutninger er AI ikke en erstatning for kompetent ekspertgodkjenning.
2. Hva er hovedproblemet med påstanden 'systemet må være raskt' i en kravanalysestudie?
- A) Det skrives som ikke-funksjonelt selv om det er et funksjonskrav
- B) Kan ikke testes og verifiseres fordi den ikke inneholder en målbar terskel ✔
- C) Interessenter forstår ikke fordi det inneholder for mange tekniske detaljer
- D) Den er ugyldig fordi den ikke er skrevet i brukerhistorieformat
Forklaring: Denne setningen beskriver et ikke-funksjonelt krav, men det er ikke målbart. 'Rask' er subjektivt; definerer en akseptabel responstid etter antall, tilstand og belastning (f.eks. "spørresvar mindre enn 2 sekunder ved gjennomsnittlig belastning"). Et krav som ikke kan måles kan ikke testes.
3. Hvilket av følgende er hovedformålet med normalisering i datamodellering?
- A) Forenkling av spørringen ved å samle alle dataene i en stor tabell
- B) Forhindre oppdateringsavvik ved å redusere dataduplisering og opprettholde integritet ✔
- C) Minimer alltid størrelsen på sikkerhetskopifiler
- D) Direkte garanti for grafikk og brettytelse
Beskrivelse: Normalisering er prosessen med logisk oppdeling av tabeller for å redusere redundans og bevare dataintegriteten. Å holde den samme informasjonen på ett sted forhindrer oppdateringsavvik og inkonsekvens. Målet er ikke å fremskynde rapporten; bevisst denormalisering er noen ganger gjort for hastighet.
4. Hva er den viktigste risikoen ved å anta at "salget økte etter hvert som annonseforbruket økte, slik at annonsering øker salget" på et Business Intelligence-dashbord?
- A) Forvirrende sammenheng med årsakssammenheng; Å handle sammen beviser ikke at det ene skaper det andre ✔
- B) Feil valg av karttype
- C) Dataene er ikke normalisert
- D) Brettet inneholder for mange farger
Forklaring: Dette er en forvirrende sammenheng med årsakssammenheng. De to beregningene kan bevege seg sammen, men en tredje faktor (f.eks. sesong, kampanjeperiode) kan drive begge opp. MIS-eksperten bør også se etter denne fellen i AI-genererte narrative tekster og teste årsakspåstander med bevis.
5. I smart automatisering, hvor RPA (robotic process automation) og kunstig intelligens brukes sammen, hvilken trinntype er RPA best egnet for?
- A) Trinn som er uklare, basert på tolkning, og som krever ulike beslutninger hver gang
- B) Trinn som arbeider med regelmessige, repeterende og strukturerte data ✔
- C) Trinn som krever empati med kunden
- D) Trinn der strategiske investeringsbeslutninger tas
Forklaring: RPA er sterk på vanlige, repeterende og strukturerte datatrinn: kopiering av data fra en skjerm og legge den inn i et annet system. Kunstig intelligens spiller inn i trinn som krever tvetydig vurdering, klassifisering eller naturlig språkforståelse; Høyrisikobeslutninger forblir underlagt menneskelig godkjenning.
6. Hvorfor må AI-utganger valideres spesielt nøye i ERP-systemer?
- A) ERP-data er alltid anonyme, så ytterligere forsiktighet kreves
- B) ERP-prosesser er økonomisk og operasjonelt kritiske; Feil har direkte økonomiske og juridiske konsekvenser ✔
- C) ERP-systemer kan ikke integreres med kunstig intelligens i det hele tatt
- D) AI forstår ikke ERP-rapporter fordi de ikke er visuelle
Beskrivelse : ERP; Gjennomfører økonomiske og operasjonskritiske prosesser som regnskap, varelager, innkjøp og lønn. En feil her reflekteres direkte i regnskapsføringen, betalingen eller lagerbeslutningen. Derfor behandles ikke AI-anbefalinger uten godkjenning fra en kompetent ekspert; Revisjonsspor er obligatorisk.
7. Hva er det første en MIS-spesialist bør være oppmerksom på ved bruk av kunstig intelligens når han arbeider med CRM-data?
- A) Velge fargepalett på panelet
- B) Personvern: anonymisering, minimumsautorisasjon og sikring av KVKK-overholdelse først ✔
- C) Laste inn størst mulig datasett i kjøretøyet som det er
- D) Det er tilstrekkelig å bruke den nyeste versjonen av modellen
Beskrivelse: CRM-data er i stor grad personopplysninger (navn, kontakt, kjøpshistorikk). Før du gir disse dataene til et kunstig intelligensverktøy, bør anonymisering, minimumsautorisasjon og KVKK-overholdelse evalueres. I tillegg krever automatiserte beslutninger som påvirker kunden menneskelig tilsyn og rett til å protestere.
8. Hvilken type diagram er generelt best egnet for å vise rate (prosent) endring over tid på et dashbord?
- A) Linjediagram for tidstrend; skala og akse må stilles inn riktig ✔
- B) Et kakediagram er best i enhver situasjon
- C) Grafikk med tredimensjonale effekter øker lesbarheten
- D) Karttype påvirker ikke meldingen, de er alle likeverdige
Forklaring: Et linjediagram er egnet for å vise en trend over tid; Hvis aksene og skalaen er riktig innstilt, kan endringen leses tydelig. Sektordiagrammet viser aksjen på et enkelt tidspunkt, det er ikke egnet for tidstrender. Grafisk valg gjøres i henhold til budskapet som skal formidles.
9. Hvilken av de følgende er den viktigste risikoen ved no-code / low-code plattformer når det gjelder styring?
- A) Applikasjoner kjører alltid veldig sakte
- B) Udokumenterte, ureviderte 'skygge IT'-løsninger skaper data- og sikkerhetsrisiko ✔
- C) De løser aldri reelle forretningsproblemer
- D) De kan kun brukes i store selskaper
Beskrivelse: No-code/low-code lar ikke-tekniske ansatte (borgerutviklere) raskt installere applikasjoner. Men når det vokser ukontrollert; Udokumenterte, usikrede og foreldreløse 'shadow IT'-løsninger skaper datalekkasje og teknisk gjeld. Styring krever registrering og overvåking av disse løsningene.
10. Hva betyr "konsistens", en av datakvalitetsdimensjonene?
- A) Dataene passer nøyaktig til den virkelige verdien
- B) De samme dataene er ikke i konflikt med hverandre i forskjellige systemer og poster ✔
- C) Alle felt i dataene er fylt ut
- D) Finne dataene i sin nyeste form
Forklaring: Konsistens betyr at de samme dataene ikke er i konflikt med hverandre i forskjellige systemer eller poster; For eksempel er en kundes adresse den samme i CRM- og faktureringssystemet. Nøyaktighet betyr samsvar med virkeligheten, fullstendighet betyr fullstendighet, og oppdatert betyr aktualitet av data. Dette er separate dimensjoner.
11. Innenfor KVKKs virkeområde, hva er det mest grunnleggende prinsippet som en MIS-ekspert bør anvende før behandling av personopplysninger med et kunstig intelligensverktøy?
- A) Samle inn alle personopplysninger som kan skaffes
- B) Dataminimering og formålsbegrensning: behandle kun nødvendige data for det definerte formålet ✔
- C) Legge dataene i en offentlig mappe som alle kan få tilgang til
- D) Overlater personvernavgjørelsen helt til kunstig intelligens
Beskrivelse: Dataminimering og formålsbegrensning er avgjørende: behandler kun nødvendige data for et identifisert og legitimt formål. Der det er mulig, blir data anonymisert eller pseudonymisert; Områder som identifiserer personen holdes unna kjøretøyet. Jo mer data, jo bedre tilnærming er i strid med KVKK-prinsippene.
12. Hvorfor er setningen "systemet automatisk godkjenner når det er hensiktsmessig" et risikabelt krav i et AI-drevet kravutkast?
- A) Fordi den er for lang
- B) "Mennbare tilfeller" er udefinerte, åpne for tolkning, utprøvbare og feilutsatte ✔
- C) Automatisering er alltid forbudt
- D) Fordi det ikke er i brukerhistorieformat
Forklaring: 'Passelige situasjoner' er et vagt uttrykk; Det er ikke definert hvilke forhold som utløser godkjenning. Det tvetydige kravet er feiltolket av utvikleren og kan ikke testes. MIS-eksperten bør avklare slike tvetydige uttalelser produsert av AI med klare regler og terskler og få dem bekreftet av interessenten.
13. Hva er hovedformålet med en ETL-prosess (Extract-Transform-Load) i et datavarehus?
- A) Generering av nye kundedata
- B) Trekke ut og transformere data fra forskjellige kilder og laste dem inn i en konsistent struktur klar for analyse ✔
- C) Automatisk valg av fargene på panelene
- D) Deling av personopplysninger uavhengig av loven
Beskrivelse : ETL; Det trekker ut data fra kilder (Extract), renser det og konverterer det til en standardstruktur (Transform) og laster det inn i datavarehuset for analyse (Load). Målet er å bringe spredte og forskjellige formater av driftsdata inn i en konsistent struktur klar for rapportering og analyse. ETL produserer ikke data, den flytter og organiserer eksisterende data.
14. Hvorfor er "unntakshåndtering" kritisk i prosessautomatiseringsdesign?
- A) Fordi det alltid gjør at automatiseringen fungerer raskere
- B) Fordi det gir trygg stopp og veiledning til folk i stedet for stille feil i ulovlige situasjoner ✔
- C) Fordi det forbedrer grafisk design
- D) Fordi den automatisk sletter personlige data
Forklaring: Automatiseringer møter alltid situasjoner som går i strid med reglene (manglende data, uventet format, systemfeil). Unntakshåndtering gjør at roboten trygt kan stoppe prosessen og omdirigere den til et menneske i disse tilfellene, i stedet for å ta feil handling i det stille. Hvis det ikke er laget noen unntak, vil feil forplante seg stille og revisjonssporet vil gå tapt.