Vinster:
- Förmåga att förklara gränserna för användningen av artificiell intelligens i MIS inom ramen för KVKK och grundläggande informationssäkerhetsprinciper
- Förmåga att på ett säkert sätt tillämpa anonymisering, minsta privilegium och dataklassificeringsprinciper på artificiell intelligens arbetsflöden
- Förmåga att ansvarsfullt leda ett MIS-AI-projekt från slut till slut inom ramen för etik, efterlevnad och kompetent godkännande.
Modulexamen
1. Vilket uttalande beskriver mest exakt vilken roll artificiell intelligens spelar i en specialist inom Management Information Systems?
- A) AI producerar utkast och förslag; ✔ Affärsregel är människans ansvar att verifiera med riktiga data och kompetent godkännande
- B) AI-utdata skrivs flytande och tekniskt så det kräver vanligtvis inte verifiering
- C) AI kan slutföra krav direkt utan affärsenhetens godkännande
- D) Vid finanskritiska beslut ersätter AI-utdata godkännandet av en kompetent expert
Beskrivning: Artificiell intelligens utarbetar snabbt mellanprodukter som krav, datamodeller, SQL och rapporter; Det är dock det mänskliga ansvaret att verifiera dessa utkast med affärsregeln, faktiska data och bekräftelse av intressenter. Särskilt i ekonomiska och efterlevnadskritiska beslut är AI inte en ersättning för kompetent expertgodkännande.
2. Vilket är huvudproblemet med påståendet 'systemet måste vara snabbt' i en kravanalysstudie?
- A) Det är skrivet som icke-funktionellt trots att det är ett funktionskrav
- B) Kan inte testas och verifieras eftersom den inte innehåller en mätbar tröskel ✔
- C) Intressenter förstår inte eftersom det innehåller för många tekniska detaljer
- D) Det är ogiltigt eftersom det inte är skrivet i användarberättelseformat
Förklaring: Detta påstående beskriver ett icke-funktionellt krav, men det är inte mätbart. 'Snabb' är subjektivt; definierar en acceptabel svarstid för krav efter antal, tillstånd och belastning (t.ex. "förfrågningssvar mindre än 2 sekunder vid genomsnittlig belastning"). Ett krav som inte går att mäta kan inte prövas.
3. Vilket av följande är huvudsyftet med normalisering i datamodellering?
- A) Förenkla frågan genom att samla all data i en stor tabell
- B) Förhindra uppdateringsavvikelser genom att minska dataduplicering och bibehålla integriteten ✔
- C) Minimera alltid storleken på säkerhetskopior
- D) Garanterar direkt grafik och kortprestanda
Beskrivning: Normalisering är processen att logiskt dela tabeller för att minska redundans och bevara dataintegriteten. Att hålla samma information på ett ställe förhindrar uppdateringsavvikelser och inkonsekvens. Målet är inte att påskynda rapporten; avsiktlig denormalisering görs ibland för snabbhet.
4. Vilken är huvudrisken med att dra slutsatsen att "försäljningen ökade när annonsutgifterna ökade, så att annonsering ökar försäljningen" på en business intelligence-instrumentpanel?
- A) Förvirrande samband med orsakssamband; Att agera tillsammans bevisar inte att det ena skapar det andra ✔
- B) Felaktigt val av diagramtyp
- C) Uppgifterna är inte normaliserade
- D) Tavlan innehåller för många färger
Förklaring: Detta förväxlar samband med orsakssamband. De två mätvärdena kan röra sig tillsammans, men en tredje faktor (t.ex. säsong, kampanjperiod) kan driva upp båda. MIS-experten bör också kontrollera denna fälla i AI-genererade narrativa texter och testa orsakspåståenden med bevis.
5. Inom smart automation, där RPA (robotic process automation) och artificiell intelligens används tillsammans, vilken stegtyp är RPA lämpligast för?
- A) Steg som är otydliga, baserade på tolkning och kräver olika beslut varje gång
- B) Steg som arbetar med regelbunden, repetitiv och strukturerad data ✔
- C) Steg som kräver empati med kunden
- D) Steg där strategiska investeringsbeslut fattas
Förklaring: RPA är stark på regelbundna, repetitiva och strukturerade datasteg: kopiera data från en skärm och lägga in den i ett annat system. Artificiell intelligens kommer till spel i steg som kräver tvetydigt omdöme, klassificering eller naturlig språkförståelse; Högriskbeslut förblir föremål för mänskligt godkännande.
6. Varför behöver AI-utgångar valideras särskilt noggrant i affärssystem?
- A) ERP-data är alltid anonyma så ytterligare försiktighet krävs
- B) ERP-processer är ekonomiskt och operativt kritiska; Misstag har direkta ekonomiska och juridiska konsekvenser ✔
- C) ERP-system kan inte alls integreras med artificiell intelligens
- D) AI förstår inte ERP-rapporter eftersom de inte är visuella
Beskrivning: ERP; Genomför finansiella och verksamhetskritiska processer såsom redovisning, lager, inköp och lönehantering. Ett fel här återspeglas direkt i bokföringen, betalningen eller inventeringsbeslutet. Därför behandlas AI-rekommendationer inte utan godkännande av en kompetent expert; Revisionsspår är obligatoriskt.
7. Vad är det första en MIS-specialist bör vara uppmärksam på när man använder artificiell intelligens när man arbetar med CRM-data?
- A) Välj färgpalett för panelen
- B) Personuppgiftsintegritet: anonymisering, minimibehörighet och säkerställande av KVKK-efterlevnad först ✔
- C) Laddar in största möjliga datamängd i fordonet som det är
- D) Det räcker att använda den senaste versionen av modellen
Beskrivning: CRM-data är till stor del personuppgifter (namn, kontakt, köphistorik). Innan dessa uppgifter ges till ett verktyg för artificiell intelligens bör anonymisering, minimibehörighet och KVKK-efterlevnad utvärderas. Dessutom kräver automatiserade beslut som påverkar kunden mänsklig tillsyn och rätt att invända.
8. Vilken typ av diagram är i allmänhet bäst lämpad för att visa förändringar i procent över tid på en instrumentpanel?
- A) Linjediagram för tidstrend; skala och axel måste vara korrekt inställda ✔
- B) Ett cirkeldiagram är bäst i alla situationer
- C) Grafik med tredimensionella effekter ökar läsbarheten
- D) Diagramtyp påverkar inte meddelandet, de är alla likvärdiga
Förklaring: Ett linjediagram är lämpligt för att visa en trend över tid; Om axlarna och skalan är korrekt inställda kan förändringen avläsas tydligt. Cirkeldiagrammet visar aktien vid en enda tidpunkt, det är inte lämpligt för tidstrend. Grafiskt urval görs enligt det budskap som ska förmedlas.
9. Vilken av följande är den viktigaste risken med no-code/low-code-plattformar när det gäller styrning?
- A) Applikationer körs alltid väldigt långsamt
- B) Odokumenterade, oreviderade 'skugg-IT'-lösningar skapar data- och säkerhetsrisker ✔
- C) De löser aldrig riktiga affärsproblem
- D) De kan endast användas i stora företag
Beskrivning: No-code/low-code tillåter icke-tekniska anställda (medborgarutvecklare) att snabbt installera applikationer. Men när det växer okontrollerat; Odokumenterade, osäkrade och föräldralösa 'shadow IT'-lösningar skapar dataläckage och tekniska skulder. Styrning kräver att dessa lösningar registreras och övervakas.
10. Vad betyder "konsistens", en av datakvalitetsdimensionerna?
- A) Uppgifterna överensstämmer exakt med det verkliga värdet
- B) Samma data kommer inte i konflikt med varandra i olika system och register ✔
- C) Alla fält i uppgifterna är ifyllda
- D) Hitta data i sin mest aktuella form
Förklaring: Konsistens innebär att samma data inte kommer i konflikt med varandra i olika system eller poster; Till exempel är en kunds adress densamma i CRM- och faktureringssystemet. Noggrannhet betyder överensstämmelse med verkligheten, fullständighet betyder fullständighet och uppdatering betyder aktualitet av data. Dessa är separata dimensioner.
11. Inom ramen för KVKK, vilken är den mest grundläggande principen som en MIS-expert bör tillämpa innan han behandlar personuppgifter med ett verktyg för artificiell intelligens?
- A) Samla in alla personuppgifter som kan erhållas
- B) Dataminimering och ändamålsbegränsning: bearbeta endast nödvändiga data för det definierade syftet ✔
- C) Lägga data i en offentlig mapp som alla kan komma åt
- D) Överlåta integritetsbeslutet helt och hållet till artificiell intelligens
Beskrivning: Dataminimering och ändamålsbegränsning är väsentliga: endast bearbetning av nödvändiga uppgifter för ett identifierat och legitimt syfte. Om möjligt anonymiseras eller pseudonymiseras data; Områden som identifierar personen hålls borta från fordonet. Ju mer data, desto bättre tillvägagångssätt strider mot KVKKs principer.
12. Varför är meningen "systemet godkänner automatiskt när det är lämpligt" ett riskabelt krav i ett AI-drivet kravutkast?
- A) För att den är för lång
- B) "Möjliga fall" är odefinierade, öppna för tolkning, otestbara och felbenägna ✔
- C) Automatisering är alltid förbjuden
- D) Eftersom det inte är i användarberättelseformat
Förklaring: 'Lämpliga situationer' är ett vagt uttryck; Det är inte definierat vilka villkor som utlöser godkännande. Det tvetydiga kravet tolkas fel av utvecklaren och kan inte testas. MIS-experten bör förtydliga sådana tvetydiga påståenden från AI med tydliga regler och trösklar och få dem bekräftade av intressenten.
13. Vad är huvudsyftet med en ETL-process (Extract-Transform-Load) i ett datalager?
- A) Generera ny kunddata
- B) Extrahera och transformera data från olika källor och ladda den till en konsekvent struktur redo för analys ✔
- C) Automatiskt val av färger på panelerna
- D) Dela personuppgifter oavsett lag
Beskrivning: ETL; Den extraherar data från källor (Extract), rensar den och konverterar den till en standardstruktur (Transform) och laddar den till datalagret för analys (Load). Syftet är att föra spridda och olika format av verksamhetsdata till en konsekvent struktur redo för rapportering och analys. ETL producerar inte data, det flyttar och organiserar befintlig data.
14. Varför är "undantagshantering" avgörande vid design av processautomation?
- A) För att det alltid gör att automatiseringen fungerar snabbare
- B) Eftersom det ger säkert stopp och vägledning till människor istället för tysta fel i olagliga situationer ✔
- C) För att det förbättrar grafisk design
- D) Eftersom den automatiskt raderar personuppgifter
Förklaring: Automatiseringar stöter alltid på situationer som strider mot reglerna (saknade data, oväntat format, systemfel). Undantagshantering tillåter roboten att på ett säkert sätt stoppa processen och omdirigera den till en människa i dessa fall, snarare än att tyst vidta fel åtgärd. Om inga undantag är utformade kommer fel att spridas tyst och granskningsspåret kommer att gå förlorat.