ਲਾਭ:
- ਪਛਾਣਨ ਅਤੇ ਤਸਦੀਕ ਕਰਨ ਦੀ ਯੋਗਤਾ ਕਿ AI ਫਰਜ਼ੀ ਅੰਕੜੇ, ਸਰੋਤ ਅਤੇ ਕਾਨੂੰਨ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ
- ਵਿੱਤੀ ਡੇਟਾ ਗੋਪਨੀਯਤਾ, KVKK ਅਤੇ ਕਾਰਪੋਰੇਟ ਨੀਤੀ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੇ ਅੰਦਰ AI ਦੀ ਵਰਤੋਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਦੀ ਸਮਰੱਥਾ
- ਇਹ ਸਮਝਣਾ ਕਿ ਆਡਿਟਿੰਗ, ਰੈਗੂਲੇਟਰੀ ਪਾਲਣਾ ਅਤੇ ਨੈਤਿਕਤਾ ਦੀ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਵਿੱਤ ਪੇਸ਼ੇਵਰ ਦੀ ਰਹਿੰਦੀ ਹੈ
ਮੋਡੀਊਲ ਪ੍ਰੀਖਿਆ
1. ਇੱਕ ਵਿੱਤੀ ਵਿਸ਼ਲੇਸ਼ਕ ਦੇ ਤੌਰ 'ਤੇ ਇੱਕ AI ਟੂਲ ਨਾਲ ਕੰਮ ਕਰਦੇ ਸਮੇਂ, ਹੇਠ ਲਿਖਿਆਂ ਵਿੱਚੋਂ ਕਿਸ ਲਈ ਅੰਤਮ ਜ਼ਿੰਮੇਵਾਰੀ ਹਮੇਸ਼ਾ ਮਨੁੱਖ ਦੇ ਨਾਲ ਰਹਿਣੀ ਚਾਹੀਦੀ ਹੈ?
- A) ਕਰਜ਼ੇ ਦੀ ਵੰਡ ਦੇ ਫੈਸਲੇ ਦੀ ਅੰਤਿਮ ਪ੍ਰਵਾਨਗੀ ਅਤੇ ਹਸਤਾਖਰ ✔
- ਅ) ਆਮਦਨ ਬਿਆਨ ਦੇ ਸੰਖੇਪ ਦਾ ਪਹਿਲਾ ਡਰਾਫਟ ਬਣਾਉਣਾ
- C) ਇੱਕ ਚਾਰਟ ਦੇ ਸਿਰਲੇਖ ਅਤੇ ਧੁਰੀ ਲੇਬਲ ਨੂੰ ਸੰਪਾਦਿਤ ਕਰਨਾ
- ਡੀ) ਇੱਕ ਰਿਪੋਰਟ ਲਈ ਵਿੱਤੀ ਸ਼ਰਤਾਂ ਦੀ ਇੱਕ ਸ਼ਬਦਾਵਲੀ ਤਿਆਰ ਕਰਨਾ
ਵਰਣਨ: AI; ਇਹ ਟੇਬਲ ਸੰਖੇਪ, ਫਾਰਮੂਲਾ ਬਣਾਉਣ ਅਤੇ ਰਿਪੋਰਟ ਡਰਾਫਟ ਵਰਗੇ ਕੰਮਾਂ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਕਿਸੇ ਨਿਵੇਸ਼, ਕਰਜ਼ੇ ਜਾਂ ਵਿੱਤ ਸੰਬੰਧੀ ਫੈਸਲੇ ਦੀ ਸ਼ੁੱਧਤਾ ਅਤੇ ਦਸਤਖਤ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਅਧਿਕਾਰਤ ਦਸਤਾਵੇਜ਼ ਵਿੱਚ ਇਸਦਾ ਪ੍ਰਤੀਬਿੰਬ ਵਿੱਤ ਪੇਸ਼ੇਵਰ ਦੀ ਜ਼ਿੰਮੇਵਾਰੀ ਹੈ; ਇਸ ਫੈਸਲੇ ਨੂੰ ਸੁਤੰਤਰ ਤਸਦੀਕ ਤੋਂ ਬਿਨਾਂ AI ਨੂੰ ਸੌਂਪਿਆ ਨਹੀਂ ਜਾ ਸਕਦਾ।
2. ਤੁਹਾਡੇ ਕੋਲ ਇੱਕ ਕੰਪਨੀ ਦੇ ਨਕਦ ਵਹਾਅ ਸਟੇਟਮੈਂਟ ਦੀ ਵਿਆਖਿਆ ਕਰਨ ਵਾਲਾ AI ਸੀ ਅਤੇ ਇਸ ਵਿੱਚ ਇੱਕ 'ਨਿਵੇਸ਼ ਆਮਦਨ' ਆਈਟਮ ਦਾ ਹਵਾਲਾ ਦਿੱਤਾ ਗਿਆ ਸੀ ਜੋ ਸਾਰਣੀ ਵਿੱਚ ਨਹੀਂ ਸੀ। ਪਹਿਲੀ ਸਹੀ ਕਾਰਵਾਈ ਕੀ ਹੈ?
- A) ਰਿਪੋਰਟ ਵਿੱਚ ਟਿੱਪਣੀ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਸ਼ਾਮਲ ਕਰੋ ਕਿਉਂਕਿ AI ਭਰੋਸੇਮੰਦ ਜਾਪਦਾ ਹੈ
- ਅ) ਹਰੇਕ ਆਈਟਮ ਦੀ ਤੁਲਨਾ ਕਰੋ ਜਿਸ 'ਤੇ ਟਿੱਪਣੀ ਮੂਲ ਸਾਰਣੀ ਨਾਲ ਅਧਾਰਤ ਹੈ ਅਤੇ ਉਸ ਆਈਟਮ ਨੂੰ ਅਸਵੀਕਾਰ ਕਰੋ ਜੋ ਸਰੋਤ ਵਿੱਚ ਨਹੀਂ ਹੈ ✔
- C) ਉਸ ਆਈਟਮ ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਸਾਰਣੀ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰਨਾ
- ਡੀ) ਬਸ ਆਈਟਮ ਦਾ ਨਾਮ ਬਦਲੋ
ਵਿਆਖਿਆ: ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ ਯਕੀਨਨ ਵਸਤੂਆਂ ਅਤੇ ਸੰਖਿਆਵਾਂ ਨੂੰ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਸਰੋਤ ਵਿੱਚ ਮੌਜੂਦ ਨਹੀਂ ਹਨ (ਭਰਮ)। ਹਰੇਕ ਆਈਟਮ ਦੀ ਤੁਲਨਾ ਕਰਨਾ ਲਾਜ਼ਮੀ ਹੈ ਜਿਸ 'ਤੇ ਵਿਆਖਿਆ ਅਸਲ ਸਾਰਣੀ ਨਾਲ ਬਿਲਕੁਲ ਅਧਾਰਤ ਹੈ ਅਤੇ ਕਿਸੇ ਵੀ ਸੰਖਿਆ ਨੂੰ ਸਵੀਕਾਰ ਨਾ ਕਰਨਾ ਜੋ ਸਰੋਤ ਵਿੱਚ ਨਹੀਂ ਹੈ.
3. AI ਨੇ ਕਿਸੇ ਕੰਪਨੀ ਲਈ 'ਮੌਜੂਦਾ ਸੰਪਤੀਆਂ/ਕੁੱਲ ਸੰਪਤੀਆਂ' ਵਜੋਂ ਵਰਤਮਾਨ ਅਨੁਪਾਤ ਦੀ ਗਣਨਾ ਕੀਤੀ। ਇਸ ਆਉਟਪੁੱਟ ਨਾਲ ਮੁੱਖ ਸਮੱਸਿਆ ਕੀ ਹੈ?
- ਏ) ਇਹ ਬੇਲੋੜਾ ਹੈ ਕਿਉਂਕਿ ਦਰ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੋਵੇਗੀ
- ਅ) ਮੌਜੂਦਾ ਅਨੁਪਾਤ ਦਾ ਵਿਭਾਜਨ ਥੋੜ੍ਹੇ ਸਮੇਂ ਲਈ ਵਿਦੇਸ਼ੀ ਸਰੋਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ, ਨਾ ਕਿ ਕੁੱਲ ਸੰਪਤੀਆਂ। ✔
- C) ਮੌਜੂਦਾ ਅਨੁਪਾਤ ਸਿਰਫ ਬੈਂਕਾਂ ਲਈ ਗਿਣਿਆ ਜਾਂਦਾ ਹੈ
- D) ਨਤੀਜਾ ਗਲਤ ਹੈ ਕਿਉਂਕਿ ਇਹ ਪ੍ਰਤੀਸ਼ਤ ਦੀ ਬਜਾਏ ਦਸ਼ਮਲਵ ਹੈ
ਵਿਆਖਿਆ: ਵਰਤਮਾਨ ਅਨੁਪਾਤ ਥੋੜ੍ਹੇ ਸਮੇਂ ਦੀ ਘੋਲਤਾ ਨੂੰ ਮਾਪਦਾ ਹੈ ਅਤੇ ਇਸਦੀ ਪਰਿਭਾਸ਼ਾ 'ਮੌਜੂਦਾ ਸੰਪਤੀਆਂ / ਛੋਟੀ ਮਿਆਦ ਦੀਆਂ ਦੇਣਦਾਰੀਆਂ' ਹੈ। AI ਨੇ ਹਰਕ ਨੂੰ ਗਲਤ ਸਮਝਿਆ। ਅਨੁਪਾਤ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ, ਹਰੇਕ ਅਨੁਪਾਤ ਦੀ ਪਰਿਭਾਸ਼ਾ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ਪਹਿਲਾ ਅਤੇ ਲਾਜ਼ਮੀ ਕਦਮ ਹੈ; ਗਲਤ ਹਰਕ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਗੁੰਮਰਾਹਕੁੰਨ ਨਤੀਜਾ ਪੈਦਾ ਕਰਦਾ ਹੈ।
4. ਇੱਕ ਹਫਤਾਵਾਰੀ ਨਕਦ ਪ੍ਰਵਾਹ ਪ੍ਰੋਜੈਕਸ਼ਨ ਸਥਾਪਤ ਕਰਨ ਵੇਲੇ AI-ਸੰਚਾਲਿਤ ਸ਼ੁਰੂਆਤੀ ਚੇਤਾਵਨੀ ਤਰਕ ਦਾ ਸਭ ਤੋਂ ਕੀਮਤੀ ਆਉਟਪੁੱਟ ਕੀ ਹੈ?
- A) ਇੱਕ ਲਾਈਨ ਵਿੱਚ ਪਿਛਲੇ ਮਹੀਨਿਆਂ ਦੇ ਔਸਤ ਖਰਚਿਆਂ ਦਾ ਸਾਰ ਦੇਣਾ
- ਅ) ਉਸ ਹਫ਼ਤੇ ਪਹਿਲਾਂ ਹੀ ਨਿਸ਼ਾਨਦੇਹੀ ਕਰਨਾ ਜਿਸ ਵਿੱਚ ਨਕਦ ਬਕਾਇਆ ਨਾਜ਼ੁਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੋਂ ਹੇਠਾਂ ਆ ਜਾਵੇਗਾ ✔
- C) ਸਾਰਣੀ ਨੂੰ ਹੋਰ ਰੰਗਦਾਰ ਢੰਗ ਨਾਲ ਫਾਰਮੈਟ ਕਰਨਾ
- D) ਸਾਰੀਆਂ ਸੰਖਿਆਵਾਂ ਨੂੰ ਪ੍ਰਤੀਸ਼ਤ ਵਿੱਚ ਬਦਲਣਾ
ਸਪੱਸ਼ਟੀਕਰਨ: ਨਕਦ ਪ੍ਰਬੰਧਨ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਉਸ ਹਫ਼ਤੇ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਨਾ ਹੈ ਜਦੋਂ ਨਕਦ ਬਕਾਇਆ ਨਾਜ਼ੁਕ ਥ੍ਰੈਸ਼ਹੋਲਡ ਤੋਂ ਹੇਠਾਂ ਆ ਜਾਵੇਗਾ। ਇਸ ਤਰ੍ਹਾਂ, ਫਾਈਨੈਂਸਿੰਗ, ਉਗਰਾਹੀ ਪ੍ਰਵੇਗ ਜਾਂ ਭੁਗਤਾਨ ਮੁਲਤਵੀ ਕਰਨ ਵਰਗੀਆਂ ਕਾਰਵਾਈਆਂ ਸਮੇਂ ਸਿਰ ਕੀਤੀਆਂ ਜਾਂਦੀਆਂ ਹਨ। ਇਹ ਸਿਰਫ਼ ਅਤੀਤ ਨੂੰ ਸੰਖੇਪ ਕਰਨ ਲਈ ਹੀ ਨਹੀਂ, ਸਗੋਂ ਭਵਿੱਖ ਬਾਰੇ ਚੇਤਾਵਨੀ ਦੇਣ ਲਈ ਵੀ ਕੀਮਤੀ ਹੈ।
5. ਇੱਕ ਵਿੱਤੀ ਮਾਡਲ ਵਿੱਚ AI ਦੁਆਰਾ ਬਣਾਏ ਗਏ ਫਾਰਮੂਲੇ ਵਿੱਚ ਇੱਕ ਸਰਕੂਲਰ ਹਵਾਲਾ ਚੇਤਾਵਨੀ ਪ੍ਰਗਟ ਹੋਈ। ਸਭ ਤੋਂ ਸਹੀ ਪਹੁੰਚ ਕਿਹੜੀ ਹੈ?
- ਏ) ਚੇਤਾਵਨੀ ਨੂੰ ਬੰਦ ਕਰੋ ਅਤੇ ਮਾਡਲ ਨੂੰ ਜਾਰੀ ਰੱਖੋ
- ਅ) ਫਾਰਮੂਲਾ ਚੇਨ ਦੀ ਸਮੀਖਿਆ ਕਰੋ, ਲੂਪ ਦਾ ਸਰੋਤ ਲੱਭੋ ਅਤੇ ਤਰਕ ਨੂੰ ਮੁੜ ਸਥਾਪਿਤ ਕਰੋ ✔
- C) ਸੰਬੰਧਿਤ ਸੈੱਲ ਨੂੰ ਮਿਟਾਓ ਅਤੇ ਇਸਦੀ ਬਜਾਏ ਇੱਕ ਸਥਿਰ ਨੰਬਰ ਲਿਖੋ
- ਡੀ) ਇੱਕ ਹੋਰ ਫਾਈਲ ਵਿੱਚ ਸਕ੍ਰੈਚ ਤੋਂ ਮਾਡਲ ਨੂੰ ਪੂਰੀ ਤਰ੍ਹਾਂ ਖੋਲ੍ਹਣਾ
ਵਿਆਖਿਆ: ਸਰਕੂਲਰ ਰੈਫਰੈਂਸ ਇੱਕ ਸੈੱਲ ਦਾ ਆਪਣੇ ਆਪ ਨਾਲ ਸਿੱਧਾ ਜਾਂ ਅਸਿੱਧਾ ਕਨੈਕਸ਼ਨ ਹੁੰਦਾ ਹੈ ਅਤੇ ਆਮ ਤੌਰ 'ਤੇ ਉਹਨਾਂ ਚੀਜ਼ਾਂ ਵਿੱਚ ਹੁੰਦਾ ਹੈ ਜੋ ਇੱਕ ਦੂਜੇ ਨੂੰ ਭੋਜਨ ਦਿੰਦੇ ਹਨ, ਜਿਵੇਂ ਕਿ ਵਿਆਜ ਅਤੇ ਕਰਜ਼ਾ। ਸਮੱਸਿਆ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਨਾ ਗਲਤ ਨਤੀਜਾ ਪੈਦਾ ਕਰਦਾ ਹੈ; ਤਰਕ ਦੀ ਸਮੀਖਿਆ ਕਰਨ ਅਤੇ ਦੁਹਰਾਓ ਸੈਟਿੰਗ ਨੂੰ ਸੁਚੇਤ ਤੌਰ 'ਤੇ ਵਰਤਣਾ ਜਾਂ ਫਾਰਮੂਲਾ ਚੇਨ ਨੂੰ ਮੁੜ ਸਥਾਪਿਤ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ।
6. AI ਨਾਲ DCF (ਛੂਟ ਵਾਲੇ ਨਕਦ ਪ੍ਰਵਾਹ) ਦੀ ਕਦਰ ਕਰਦੇ ਸਮੇਂ ਤੁਸੀਂ ਇਹ ਦੇਖਣਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿ ਨਤੀਜਾ ਕਿਸ ਧਾਰਨਾ ਲਈ ਸਭ ਤੋਂ ਵੱਧ ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ। ਤੁਸੀਂ ਕੀ ਕਰਦੇ ਹੋ?
- ਏ) ਛੂਟ ਦੀ ਦਰ ਅਤੇ ਸੀਮਾ ਵਿੱਚ ਟਰਮੀਨਲ ਵਾਧੇ ਨੂੰ ਬਦਲਣਾ ਅਤੇ ਇੱਕ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਸਾਰਣੀ ਸਥਾਪਤ ਕਰਨਾ ✔
- ਅ) ਇੱਕ ਸਿੰਗਲ ਡਿਸਕਾਊਂਟ ਰੇਟ ਦੇ ਨਾਲ ਇੱਕ ਸਿੰਗਲ ਨਤੀਜਾ ਤਿਆਰ ਕਰੋ ਅਤੇ ਪੂਰਾ ਕਰੋ
- C) ਸਿਰਫ ਪਿਛਲੇ ਸਾਲਾਂ ਦੇ ਮੁਨਾਫੇ ਦੀ ਔਸਤ
- ਡੀ) ਸਭ ਤੋਂ ਵੱਧ ਧਾਰਨਾ ਦੇ ਨਾਲ ਨਤੀਜੇ ਦੀ ਰਿਪੋਰਟ ਕਰਨਾ
ਵਿਆਖਿਆ: DCF ਨਤੀਜਾ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਛੋਟ ਦਰ ਅਤੇ ਟਰਮੀਨਲ ਵਿਕਾਸ ਦਰ ਲਈ ਸੰਵੇਦਨਸ਼ੀਲ ਹੈ। ਇਹਨਾਂ ਧਾਰਨਾਵਾਂ ਨੂੰ ਇੱਕ ਵਾਜਬ ਸੀਮਾ ਦੇ ਅੰਦਰ ਬਦਲਣਾ ਅਤੇ ਇੱਕ ਸੰਵੇਦਨਸ਼ੀਲਤਾ ਸਾਰਣੀ ਸਥਾਪਤ ਕਰਨਾ ਇਹ ਦਰਸਾਉਂਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਮੁੱਲਾਂਕਣ ਨਤੀਜੇ ਵਿੱਚ ਤਬਦੀਲੀਆਂ ਇਹ ਦਰਸਾਉਂਦੀਆਂ ਹਨ ਕਿ ਨਤੀਜਾ ਕਿੰਨਾ ਨਾਜ਼ੁਕ ਹੈ।
7. ਜਦੋਂ ਤੁਸੀਂ AI ਨੂੰ ਇੱਕ ਪੋਰਟਫੋਲੀਓ ਬਾਰੇ ਪੁੱਛਦੇ ਹੋ, ਤਾਂ ਇਹ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸਿਫ਼ਾਰਿਸ਼ ਪੈਦਾ ਕਰਦਾ ਹੈ ਜੋ ਕਹਿੰਦਾ ਹੈ ਕਿ 'ਤੁਹਾਨੂੰ ਇਹ ਸਟਾਕ ਖਰੀਦਣਾ ਚਾਹੀਦਾ ਹੈ'। ਸਹੀ ਮੁਲਾਂਕਣ ਕਿਹੜਾ ਹੈ?
- A) ਸਿਫ਼ਾਰਸ਼ 'ਤੇ ਭਰੋਸਾ ਕਰਨਾ ਕਿਉਂਕਿ AI ਕੋਲ ਅੱਪ-ਟੂ-ਡੇਟ ਡੇਟਾ ਤੱਕ ਪਹੁੰਚ ਹੈ
- ਅ) ਨਿਸ਼ਚਿਤ ਖਰੀਦ/ਵੇਚ ਦੀ ਸਲਾਹ ਨੂੰ ਭਰੋਸੇਯੋਗ ਨਹੀਂ ਮੰਨਣਾ ਅਤੇ ਇਸ ਨੂੰ ਸਿਰਫ਼ ਡੇਟਾ ਅਤੇ ਧਾਰਨਾਵਾਂ ਦੇ ਆਧਾਰ 'ਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਵਜੋਂ ਮੰਨਣਾ ✔
- C) ਸਿਫਾਰਿਸ਼ ਨੂੰ ਸਿੱਧਾ ਗਾਹਕ ਨੂੰ ਪ੍ਰਦਾਨ ਕਰਨਾ
- ਡੀ) ਇਸ ਸਿੰਗਲ ਆਉਟਪੁੱਟ ਦੇ ਆਧਾਰ 'ਤੇ ਪੂਰੇ ਪੋਰਟਫੋਲੀਓ ਦਾ ਪੁਨਰਗਠਨ ਕਰਨਾ
ਖੁਲਾਸਾ: AI ਨਿੱਜੀ ਨਿਵੇਸ਼ ਸਲਾਹ ਪ੍ਰਦਾਨ ਕਰਨ ਵਾਲਾ ਅਧਿਕਾਰਤ ਸਲਾਹਕਾਰ ਨਹੀਂ ਹੈ; ਇਹ ਭਵਿੱਖ ਲਈ ਨਿਸ਼ਚਿਤ ਰਿਟਰਨ ਦਾ ਵਾਅਦਾ ਨਹੀਂ ਕਰ ਸਕਦਾ ਹੈ, ਅਤੇ ਇਹ ਜੋ ਦਿਸ਼ਾ-ਨਿਰਦੇਸ਼ ਬਿਆਨ ਦਿੰਦਾ ਹੈ ਉਹ ਆਉਟਪੁੱਟ ਹਨ ਜੋ ਡੇਟਾ ਅਤੇ ਧਾਰਨਾਵਾਂ ਤੱਕ ਸੀਮਿਤ ਹਨ ਅਤੇ ਆਡਿਟ ਕੀਤੇ ਜਾਣ ਦੀ ਲੋੜ ਹੈ। ਨਿਸ਼ਚਿਤ ਖਰੀਦ/ਵੇਚ ਸਲਾਹ ਜੋਖਮ ਪ੍ਰੋਫਾਈਲ ਅਤੇ ਕਾਨੂੰਨ ਦੇ ਰੂਪ ਵਿੱਚ ਇੱਕ ਭਰੋਸੇਯੋਗ ਅਤੇ ਜ਼ਿੰਮੇਵਾਰ ਖੇਤਰ ਹੈ।
8. ਤੁਸੀਂ ਇੱਕ ਜੋਖਮ ਰਿਪੋਰਟ ਵਿੱਚ AI ਦੁਆਰਾ ਤਿਆਰ ਕਰੈਡਿਟ ਜੋਖਮ ਸਕੋਰਿੰਗ ਦਾ ਆਡਿਟ ਕਰਦੇ ਹੋ। ਕਿਹੜਾ ਕੰਟਰੋਲ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹੈ?
- ਏ) ਰਿਪੋਰਟ ਦੇ ਫੌਂਟ ਅਤੇ ਰੰਗ ਅਨੁਕੂਲਤਾ ਦੀ ਜਾਂਚ ਕਰਨਾ
- B) ਸਕੋਰ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਇਨਪੁਟਸ, ਡੇਟਾ ਗੁਣਵੱਤਾ, ਅਤੇ ਧਾਰਨਾਵਾਂ/ਪੱਖਪਾਤਾਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰੋ ✔
- C) ਸਕੋਰ ਨੂੰ ਉੱਚਾ ਚੁੱਕਣ ਲਈ ਇਸ ਨੂੰ ਵਿਵਸਥਿਤ ਕਰਨਾ
- ਡੀ) ਰਿਪੋਰਟ ਨੂੰ ਬਿਨਾਂ ਪੜ੍ਹੇ ਹੀ ਮਨਜ਼ੂਰ ਕਰੋ
ਸਪੱਸ਼ਟੀਕਰਨ: ਜੋਖਮ ਸਕੋਰਿੰਗ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਾਲ ਇਸ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਇਨਪੁਟਸ ਅਤੇ ਇਸ ਵਿੱਚ ਮੌਜੂਦ ਧਾਰਨਾਵਾਂ/ਪੱਖਪਾਤਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀ ਹੈ। ਇਹ ਪੁਸ਼ਟੀ ਕਰਨਾ ਕਿ ਕਿਹੜੇ ਵੇਰੀਏਬਲ ਵਰਤੇ ਗਏ ਹਨ, ਕੀ ਗੁੰਮ/ਗਲਤ ਡੇਟਾ ਹੈ, ਅਤੇ ਕੀ ਸਕੋਰ ਦਾ ਤਰਕ ਸਮਝਾਉਣ ਯੋਗ ਹੈ, ਇੱਕ ਨਿਰਪੱਖ ਅਤੇ ਬਚਾਅ ਯੋਗ ਜੋਖਮ ਫੈਸਲੇ ਲਈ ਜ਼ਰੂਰੀ ਹੈ।
9. ਤੁਸੀਂ AI ਨਾਲ ਵਿਕਰੀ ਆਮਦਨ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕੀਤੀ ਹੈ। ਅੰਦਾਜ਼ੇ ਦੀ ਵਾਜਬਤਾ ਦੀ ਜਾਂਚ ਕਰਨ ਲਈ ਸਭ ਤੋਂ ਢੁਕਵਾਂ ਤਰੀਕਾ ਕੀ ਹੈ?
- ਏ) ਪੂਰਵ ਅਨੁਮਾਨ ਨੂੰ ਪਿਛਲੀ ਮਿਆਦ 'ਤੇ ਲਾਗੂ ਕਰਨਾ ਅਤੇ ਇਸਦੀ ਅਸਲ ਨਤੀਜੇ (ਬੈਕਟੈਸਟ) ਨਾਲ ਤੁਲਨਾ ਕਰਨਾ ✔
- ਅ) ਅਨੁਮਾਨ ਨੂੰ ਜਿਵੇਂ ਹੈ ਸਵੀਕਾਰ ਕਰੋ ਅਤੇ ਇਸਨੂੰ ਸਾਲਾਨਾ ਬਜਟ ਵਿੱਚ ਲਿਖੋ
- C) ਸਭ ਤੋਂ ਉੱਚੇ ਵਿਕਾਸ ਦ੍ਰਿਸ਼ ਨੂੰ ਕੇਵਲ ਅਸਲ ਸੰਖਿਆ ਦੇ ਰੂਪ ਵਿੱਚ ਲੈਣਾ
- ਡੀ) ਸਿਰਫ਼ ਪੂਰਵ-ਅਨੁਮਾਨ ਦੇ ਗ੍ਰਾਫ਼ ਨੂੰ ਸੁੰਦਰ ਬਣਾਓ
ਵਿਆਖਿਆ: ਬੈਕਟੈਸਟਿੰਗ ਇੱਕ ਪਿਛਲੀ ਮਿਆਦ ਲਈ ਪੂਰਵ ਅਨੁਮਾਨ ਵਿਧੀ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਅਤੇ ਅਸਲ ਨਤੀਜੇ ਨਾਲ ਇਸਦੀ ਤੁਲਨਾ ਕਰਨਾ ਹੈ। ਇਹ ਦੇਖਣਾ ਕਿ ਇਹ ਤਰੀਕਾ ਅਤੀਤ ਵਿੱਚ ਕਿੰਨਾ ਸਹੀ ਰਿਹਾ ਹੈ, ਇਹ ਸਮਝਣ ਦਾ ਸਭ ਤੋਂ ਠੋਸ ਤਰੀਕਾ ਹੈ ਕਿ ਭਵਿੱਖ ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਿੰਨੀ ਭਰੋਸੇਯੋਗ ਹੋ ਸਕਦੀ ਹੈ।
10. AI ਦੁਆਰਾ ਤਿਆਰ ਇੱਕ ਡਰਾਫਟ ਪ੍ਰਬੰਧਨ ਰਿਪੋਰਟ ਵਿੱਚ ਅਜਿਹੇ ਅੰਕੜੇ ਹੁੰਦੇ ਹਨ ਜੋ ਤਰਲ ਹਨ ਪਰ ਅਨਿਸ਼ਚਿਤ ਮੂਲ ਦੇ ਹਨ। ਸਹੀ ਵਿਵਹਾਰ ਕੀ ਹੈ?
- A) ਰਿਪੋਰਟ ਨੂੰ ਇਸ ਤਰ੍ਹਾਂ ਪੇਸ਼ ਕਰਨਾ ਕਿਉਂਕਿ ਟੈਕਸਟ ਪ੍ਰਵਾਹ ਹੈ
- ਅ) ਹਰੇਕ ਅੰਕੜੇ ਨੂੰ ਮੂਲ ਡੇਟਾ ਸਰੋਤ ਨਾਲ ਮਿਲਾਉ ਅਤੇ ਅਪ੍ਰਮਾਣਿਤ ✔ ਹਟਾਓ
- C) ਸੰਖਿਆਵਾਂ ਨੂੰ ਗੋਲ ਕਰਨਾ ਅਤੇ ਗਲੋਸ ਕਰਨਾ
- ਡੀ) ਸਿਰਫ਼ ਕਾਰਜਕਾਰੀ ਸਾਰਾਂਸ਼ ਨੂੰ ਪੜ੍ਹੋ ਅਤੇ ਬਾਕੀ ਨੂੰ ਛੱਡ ਦਿਓ
ਵਰਣਨ: ਰਿਪੋਰਟ ਵਿੱਚ ਹਰੇਕ ਅੰਕੜੇ ਨੂੰ ਅਸਲ ਡੇਟਾ ਸਰੋਤ (ਸਾਰਣੀ, ਸਿਸਟਮ, ਖਾਤਾ) ਦਾ ਪਤਾ ਲਗਾਉਣ ਯੋਗ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ। ਭਾਵੇਂ ਇਹ ਇੱਕ ਪ੍ਰਵਾਹ ਵਾਕ ਵਿੱਚ ਇੱਕ ਨੰਬਰ ਹੈ, ਕੋਈ ਵੀ ਸੰਖਿਆ ਜਿਸਦਾ ਸਰੋਤ ਪ੍ਰਮਾਣਿਤ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ ਪ੍ਰਬੰਧਨ ਨੂੰ ਪੇਸ਼ ਨਹੀਂ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; ਨਹੀਂ ਤਾਂ, ਇੱਕ ਫਰਜ਼ੀ ਨੰਬਰ ਫੈਸਲੇ ਦੇ ਅਧਾਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਸਕਦਾ ਹੈ।
11. ਏਆਈ-ਜਨਰੇਟਡ ਐਕਸਲ ਫਾਰਮੂਲਾ (ਜਿਵੇਂ ਕਿ ਨੇਸਟਡ IF ਅਤੇ VLOOKUP) ਦੀ ਵਰਤੋਂ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਸਭ ਤੋਂ ਵਧੀਆ ਕਦਮ ਕੀ ਹੈ?
- A) ਫਾਰਮੂਲੇ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਪੂਰੇ ਲਾਈਵ ਡੇਟਾਸੇਟ 'ਤੇ ਲਾਗੂ ਕਰਨਾ
- B) ਜਾਣੇ-ਪਛਾਣੇ ਨਤੀਜਿਆਂ ਦੇ ਨਾਲ ਇੱਕ ਛੋਟੇ ਟੈਸਟ ਡੇਟਾ 'ਤੇ ਫਾਰਮੂਲਾ ਚਲਾਓ ਅਤੇ ਕਿਨਾਰੇ ਦੇ ਕੇਸਾਂ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰੋ ✔
- C) ਇਸ ਨੂੰ ਛੋਟਾ ਕਰਨ ਲਈ ਫਾਰਮੂਲੇ ਦੇ ਹਿੱਸੇ ਨੂੰ ਮਿਟਾਉਣਾ
- ਡੀ) ਸਿਰਫ਼ ਫਾਰਮੂਲੇ ਦੀ ਲੰਬਾਈ ਨੂੰ ਦੇਖਦੇ ਹੋਏ
ਵਿਆਖਿਆ: ਗੁੰਝਲਦਾਰ ਫਾਰਮੂਲੇ ਸਹੀ ਦਿਖਾਈ ਦੇ ਸਕਦੇ ਹਨ ਪਰ ਗਲਤ ਨਤੀਜੇ ਦਿੰਦੇ ਹਨ। ਇੱਕ ਛੋਟੇ ਟੈਸਟ ਡੇਟਾ 'ਤੇ ਫਾਰਮੂਲੇ ਨੂੰ ਚਲਾਉਣਾ ਜਿਸਦਾ ਨਤੀਜਾ ਤੁਸੀਂ ਹੱਥੀਂ ਜਾਣਦੇ ਹੋ, ਇਸਦੀ ਸੰਭਾਵਿਤ ਆਉਟਪੁੱਟ ਨਾਲ ਤੁਲਨਾ ਕਰਦੇ ਹੋਏ, ਅਤੇ ਕਿਨਾਰੇ ਦੇ ਕੇਸਾਂ ਜਿਵੇਂ ਕਿ null/zero/unmatched ਨੂੰ ਅਜ਼ਮਾਉਣਾ, ਲਾਈਵ ਡੇਟਾ ਤੱਕ ਪਹੁੰਚਾਉਣ ਤੋਂ ਪਹਿਲਾਂ ਗਲਤੀ ਨੂੰ ਫੜ ਲਵੇਗਾ।
12. ਤੁਸੀਂ ਆਪਣੀ ਕੰਪਨੀ ਦੇ ਅਣ-ਆਡਿਟ ਕੀਤੇ ਤਿਮਾਹੀ ਨਤੀਜਿਆਂ ਨੂੰ ਇੱਕ ਜਨਤਕ AI ਟੂਲ ਵਿੱਚ ਪੇਸਟ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ ਅਤੇ ਵਿਸ਼ਲੇਸ਼ਣ ਦੀ ਬੇਨਤੀ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ। ਸਭ ਤੋਂ ਸਹੀ ਪਹੁੰਚ ਕਿਹੜੀ ਹੈ?
- ਏ) ਸੰਸਥਾਗਤ ਨੀਤੀ ਦੀ ਜਾਂਚ ਕਰਨਾ ਅਤੇ ਡੇਟਾ ਨੂੰ ਅਗਿਆਤ ਕਰਨਾ ਜਾਂ ਇੱਕ ਸੁਰੱਖਿਅਤ/ਸੰਸਥਾਗਤ ਸਾਧਨ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ✔
- ਬੀ) ਸਪੀਡ ਲਈ ਡਾਟਾ ਪੇਸਟ ਕਰਨਾ
- C) ਸਿਰਫ ਕੰਪਨੀ ਦਾ ਨਾਮ ਮਿਟਾਉਣਾ ਅਤੇ ਬਾਕੀ ਸਾਰੇ ਨੰਬਰਾਂ ਨੂੰ ਸਾਂਝਾ ਕਰਨਾ ਕਾਫ਼ੀ ਹੈ।
- D) ਡੇਟਾ ਨੂੰ ਸਾਂਝਾ ਕਰਨਾ ਅਤੇ ਫਿਰ AI ਨੂੰ ਇਸਨੂੰ ਮਿਟਾਉਣ ਲਈ ਕਹਿਣਾ
ਵਰਣਨ: ਸੰਵੇਦਨਸ਼ੀਲ ਵਿੱਤੀ ਡੇਟਾ ਜਿਸਦਾ ਜਨਤਕ ਤੌਰ 'ਤੇ ਖੁਲਾਸਾ ਨਹੀਂ ਕੀਤਾ ਗਿਆ ਹੈ; ਇਹ ਗੋਪਨੀਯਤਾ, KVKK ਅਤੇ ਅੰਦਰੂਨੀ ਵਪਾਰ ਦੇ ਰੂਪ ਵਿੱਚ ਜੋਖਮ ਭਰਪੂਰ ਹੈ। ਡਾਟਾ ਸਾਂਝਾ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ, ਕਾਰਪੋਰੇਟ ਨੀਤੀ ਦੀ ਜਾਂਚ ਕਰਨਾ, ਜੇਕਰ ਸੰਭਵ ਹੋਵੇ ਤਾਂ ਇਸਨੂੰ ਅਗਿਆਤ ਕਰਨਾ, ਜਾਂ ਕਾਰਪੋਰੇਟ/ਗੈਰ-ਡਾਟਾ ਸਾਂਝਾਕਰਨ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ।
13. ਏਆਈ ਨੇ ਕਾਨੂੰਨ ਦੇ ਇੱਕ ਵਿਸ਼ੇਸ਼ ਲੇਖ ਦੇ ਹਵਾਲੇ ਨਾਲ ਟੈਕਸ ਲਗਾਉਣ ਲਈ ਇੱਕ ਸਹੀ ਦਰ ਦਿੱਤੀ ਹੈ। ਸਹੀ ਇੰਜਨੀਅਰਿੰਗ/ਵਿੱਤ ਵਿਵਹਾਰ ਕੀ ਹੈ?
- A) ਦਰ ਨੂੰ ਸਿੱਧੇ ਤੌਰ 'ਤੇ ਲਾਗੂ ਕਰਨਾ ਕਿਉਂਕਿ AI ਅੱਪ ਟੂ ਡੇਟ ਹੈ
- ਅ) ਅਧਿਕਾਰਤ, ਮੌਜੂਦਾ ਕਾਨੂੰਨ ਸਰੋਤ ਤੋਂ ਦਰ ਅਤੇ ਲੇਖ ਨੰਬਰ ਦੀ ਪੁਸ਼ਟੀ ਕਰਨਾ ✔
- C) ਸੁਰੱਖਿਅਤ ਪਾਸੇ 'ਤੇ ਰਹਿਣ ਲਈ ਬੇਤਰਤੀਬੇ ਦਰ ਨੂੰ ਵਧਾਉਣਾ
- ਡੀ) ਰਿਪੋਰਟ ਵਿੱਚ ਆਈਟਮ ਨੰਬਰ ਨੂੰ ਬਿਨਾਂ ਜਾਂਚੇ ਜੋੜਨਾ
ਵਿਆਖਿਆ: ਭਾਸ਼ਾ ਦੇ ਮਾਡਲ ਕਾਨੂੰਨ ਲੇਖ ਨੰਬਰ ਅਤੇ ਅਨੁਪਾਤ ਨੂੰ ਗਲਤ ਯਾਦ ਰੱਖ ਸਕਦੇ ਹਨ ਜਾਂ ਬਣਾ ਸਕਦੇ ਹਨ। ਬਾਈਡਿੰਗ ਖੇਤਰਾਂ ਜਿਵੇਂ ਕਿ ਟੈਕਸ ਅਤੇ ਕਾਨੂੰਨ, ਹਰੇਕ ਮੁੱਲ ਨੂੰ ਅਧਿਕਾਰਤ ਅਤੇ ਮੌਜੂਦਾ ਸਰੋਤਾਂ (ਵਿਧਾਨਕ ਪਾਠ, ਪ੍ਰਬੰਧਕੀ ਨੋਟੀਫਿਕੇਸ਼ਨ, ਵਿੱਤੀ ਸਲਾਹਕਾਰ) ਤੋਂ ਜ਼ੁਬਾਨੀ ਤੌਰ 'ਤੇ ਪ੍ਰਮਾਣਿਤ ਕੀਤਾ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ; AI ਆਉਟਪੁੱਟ ਸਿਰਫ ਇਹ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਕਿੱਥੇ ਦੇਖਣਾ ਹੈ।
14. ਬਜਟ ਤੋਂ ਪਰਿਵਰਤਨ ਵਿਸ਼ਲੇਸ਼ਣ ਵਿੱਚ AI ਤੋਂ ਸਭ ਤੋਂ ਵੱਧ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਕਿਹੜੀ ਇਨਪੁਟ ਪਹੁੰਚ ਸਹੀ ਹੈ?
- ਏ) ਸਿਰਫ ਪ੍ਰਾਪਤੀ ਦੇ ਅੰਕੜੇ ਦੇਣਾ ਅਤੇ ਬਜਟ ਨੂੰ ਛੱਡਣਾ
- ਅ) ਸਿਰਫ਼ ਇੱਕ ਲਾਈਨ ਦੇ ਤੌਰ 'ਤੇ ਕੁੱਲ ਟਰਨਓਵਰ ਦਿਓ
- C) ਮਿਆਦ ਦੀ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ, ਇੱਕ ਆਈਟਮ ਦੇ ਆਧਾਰ 'ਤੇ ਬਜਟ ਅਤੇ ਪ੍ਰਾਪਤੀ ਨੂੰ ਪੇਸ਼ ਕਰਨਾ ✔
- ਡੀ) ਨੰਬਰ ਦਿੱਤੇ ਬਿਨਾਂ ਹੀ ਭਟਕਣ ਦੀ ਵਿਆਖਿਆ ਲਈ ਪੁੱਛਣਾ
ਵਿਆਖਿਆ: ਇੱਕ ਅਰਥਪੂਰਨ ਵਿਵਹਾਰ ਵਿਸ਼ਲੇਸ਼ਣ ਲਈ, ਇੱਕ ਆਈਟਮ ਦੇ ਅਧਾਰ 'ਤੇ ਅਤੇ ਮਿਆਦ ਦੀ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ AI ਨੂੰ ਬਜਟ ਅਤੇ ਪ੍ਰਾਪਤੀ ਦੇ ਅੰਕੜੇ ਪ੍ਰਦਾਨ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ। AI ਫਿਰ ਭਟਕਣਾਵਾਂ ਨੂੰ ਕੈਪਚਰ ਕਰਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਤੀਸ਼ਤ ਵਜੋਂ ਗਿਣ ਸਕਦਾ ਹੈ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਕੀਮਤ, ਵਾਲੀਅਮ ਅਤੇ ਸਮਾਂ ਵਰਗੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਵੰਡ ਸਕਦਾ ਹੈ। ਅਧੂਰਾ ਜਾਂ ਪ੍ਰਸੰਗ ਰਹਿਤ ਡੇਟਾ ਸਤਹੀ ਵਿਆਖਿਆ ਪੈਦਾ ਕਰਦਾ ਹੈ।