Seguridad ng Data, Pagkapribado, Etika at Responsableng Kasanayan

Mga nadagdag:

• Kakayahang ipaliwanag ang mga limitasyon ng paggamit ng artificial intelligence sa MIS sa loob ng balangkas ng KVKK at mga pangunahing prinsipyo ng seguridad ng impormasyon
• Kakayahang ligtas na ilapat ang anonymization, pinakamababang pribilehiyo at mga prinsipyo sa pag-uuri ng data sa mga daloy ng trabaho ng artificial intelligence
• Kakayahang responsableng pamahalaan ang isang end-to-end na proyekto ng MIS-AI sa loob ng balangkas ng etika, pagsunod at karampatang pag-apruba.

Pagsusulit sa Module

1. Aling pahayag ang pinakatumpak na naglalarawan sa papel ng output ng artificial intelligence sa gawain ng isang espesyalista sa Management Information Systems?

• A) Gumagawa ang AI ng mga draft at panukala; ✔ Ang panuntunan sa negosyo ay responsibilidad ng tao na mag-verify gamit ang totoong data at karampatang pag-apruba
• B) Ang output ng AI ay nakasulat nang matatas at teknikal kaya kadalasan ay hindi ito nangangailangan ng pag-verify
• C) Maaaring direktang tapusin ng AI ang mga kinakailangan nang walang pag-apruba sa unit ng negosyo
• D) Sa mga desisyong kritikal sa pananalapi, pinapalitan ng AI output ang pag-apruba ng isang karampatang eksperto

Paglalarawan: Ang artificial intelligence ay mabilis na nag-draft ng mga intermediate na produkto tulad ng mga kinakailangan, mga modelo ng data, SQL at mga ulat; Gayunpaman, responsibilidad ng tao na i-verify ang mga draft na ito gamit ang panuntunan ng negosyo, aktwal na data, at kumpirmasyon ng stakeholder. Partikular sa mga desisyon sa pananalapi at kritikal sa pagsunod, ang AI ay hindi kapalit ng karampatang pag-apruba ng eksperto.

2. Ano ang pangunahing problema sa pahayag na 'dapat mabilis ang sistema' sa isang pag-aaral sa pagsusuri ng mga kinakailangan?

• A) Ito ay isinulat bilang non-functional kahit na ito ay isang functional requirement
• B) Hindi masuri at ma-verify dahil wala itong masusukat na threshold ✔
• C) Hindi naiintindihan ng mga stakeholder dahil naglalaman ito ng napakaraming teknikal na detalye
• D) Ito ay hindi wasto dahil hindi ito nakasulat sa format ng kwento ng gumagamit

Paliwanag: Inilalarawan ng pahayag na ito ang isang hindi gumaganang pangangailangan, ngunit hindi ito nasusukat. Ang 'Mabilis' ay subjective; tumutukoy ng katanggap-tanggap na oras ng pagtugon sa kinakailangan ayon sa numero, kundisyon at pagkarga (hal. 'tugon sa query na wala pang 2 segundo sa average na pagkarga'). Ang isang pangangailangan na hindi masusukat ay hindi masusubok.

3. Alin sa mga sumusunod ang pangunahing layunin ng normalisasyon sa pagmomodelo ng data?

• A) Pagpapasimple ng query sa pamamagitan ng pagkolekta ng lahat ng data sa isang malaking talahanayan
• B) Pigilan ang mga anomalya sa pag-update sa pamamagitan ng pagbabawas ng pagdoble ng data at pagpapanatili ng integridad ✔
• C) Palaging i-minimize ang laki ng mga backup na file
• D) Direktang ginagarantiyahan ang mga graphics at pagganap ng board

Paglalarawan: Ang normalisasyon ay ang proseso ng lohikal na paghahati ng mga talahanayan upang bawasan ang redundancy at mapanatili ang integridad ng data. Ang pagpapanatili ng parehong impormasyon sa isang lugar ay pumipigil sa mga anomalya sa pag-update at hindi pagkakapare-pareho. Ang layunin ay hindi upang mapabilis ang ulat; minsan ginagawa ang sinasadyang denormalization para sa bilis.

4. Ano ang pangunahing panganib ng paghihinuha ng 'tumaas ang mga benta habang tumaas ang gastos sa ad, kaya pinapataas ng advertising ang mga benta' sa dashboard ng business intelligence?

• A) Nakalilitong ugnayan sa sanhi; Ang sama-samang pagkilos ay hindi nagpapatunay na ang isa ay lumikha ng isa ✔
• B) Maling pagpili ng uri ng tsart
• C) Ang data ay hindi na-normalize
• D) Ang board ay naglalaman ng napakaraming kulay

Paliwanag: Ito ay nakakalito na ugnayan sa sanhi. Ang dalawang sukatan ay maaaring magkasabay, ngunit ang isang pangatlong salik (hal. season, panahon ng kampanya) ay maaaring humimok sa pareho. Dapat ding suriin ng dalubhasa sa MIS ang bitag na ito sa mga tekstong salaysay na binuo ng AI at subukan ang mga claim sa sanhi na may ebidensya.

5. Sa matalinong automation, kung saan ang RPA (robotic process automation) at artificial intelligence ay ginagamit nang magkasama, anong uri ng hakbang ang pinakaangkop para sa RPA?

• A) Mga hakbang na hindi malinaw, batay sa interpretasyon, at nangangailangan ng iba't ibang desisyon sa bawat pagkakataon
• B) Mga hakbang na gumagawa sa regular, paulit-ulit at structured na data ✔
• C) Mga hakbang na nangangailangan ng empatiya sa customer
• D) Mga hakbang kung saan ginawa ang mga desisyon sa estratehikong pamumuhunan

Paliwanag: Malakas ang RPA sa regular, paulit-ulit at structured na hakbang ng data: pagkopya ng data mula sa isang screen at pagpasok nito sa isa pang system. Ang artificial intelligence ay naglalaro sa mga hakbang na nangangailangan ng hindi tiyak na paghatol, pag-uuri, o natural na pag-unawa sa wika; Ang mga desisyon na may mataas na panganib ay nananatiling napapailalim sa pag-apruba ng tao.

6. Bakit kailangang ma-validate nang mabuti ang mga output ng AI sa mga ERP system?

• A) Palaging anonymous ang data ng ERP kaya kailangan ang karagdagang pag-iingat
• B) Ang mga proseso ng ERP ay kritikal sa pananalapi at pagpapatakbo; Ang pagkakamali ay may direktang pinansiyal at legal na kahihinatnan ✔
• C) Ang mga sistema ng ERP ay hindi maaaring isama sa artificial intelligence sa lahat
• D) Hindi naiintindihan ng AI ang mga ulat ng ERP dahil hindi ito nakikita

Paglalarawan: ERP; Nagsasagawa ng mga kritikal na proseso sa pananalapi at pagpapatakbo tulad ng accounting, imbentaryo, pagbili at payroll. Ang isang error dito ay direktang makikita sa financial recording, pagbabayad o desisyon sa imbentaryo. Samakatuwid, ang mga rekomendasyon ng AI ay hindi pinoproseso nang walang pag-apruba ng isang karampatang eksperto; Ang audit trail ay sapilitan.

7. Ano ang unang bagay na dapat bigyang-pansin ng isang MIS specialist kapag gumagamit ng artificial intelligence kapag nagtatrabaho sa CRM data?

• A) Pagpili ng paleta ng kulay ng panel
• B) Pagkapribado ng personal na data: anonymization, minimum na awtorisasyon at pagtiyak muna sa pagsunod sa KVKK ✔
• C) Nilo-load ang pinakamalaking posibleng data set sa sasakyan gaya ng dati
• D) Sapat na gamitin ang pinakabagong bersyon ng modelo

Paglalarawan: Ang CRM data ay higit sa lahat ay personal na data (pangalan, contact, kasaysayan ng pagbili). Bago ibigay ang data na ito sa isang artificial intelligence tool, dapat suriin ang anonymization, minimum na awtorisasyon at pagsunod sa KVKK. Bukod pa rito, ang mga awtomatikong desisyon na nakakaapekto sa customer ay nangangailangan ng pangangasiwa ng tao at karapatang tumutol.

8. Anong uri ng chart ang karaniwang pinakaangkop para sa pagpapakita ng pagbabago sa rate (porsyento) sa paglipas ng panahon sa isang dashboard?

• A) Line chart para sa time trend; dapat itakda nang tama ang sukat at axis ✔
• B) Ang pie chart ay pinakamahusay sa bawat sitwasyon
• C) Ang mga graphic na may tatlong-dimensional na epekto ay nagpapataas ng pagiging madaling mabasa
• D) Ang uri ng tsart ay hindi nakakaapekto sa mensahe, lahat sila ay katumbas

Paliwanag: Ang isang line chart ay angkop para sa pagpapakita ng trend sa paglipas ng panahon; Kung ang mga palakol at sukat ay naitakda nang tama, ang pagbabago ay mababasa nang malinaw. Ipinapakita ng pie chart ang bahagi sa isang punto ng oras, hindi ito angkop para sa time trending. Ang pagpili ng graphic ay ginagawa ayon sa mensaheng nais iparating.

9. Alin sa mga sumusunod ang pinakamahalagang panganib ng walang code / low-code na mga platform sa mga tuntunin ng pamamahala?

• A) Ang mga application ay palaging tumatakbo nang napakabagal
• B) Ang hindi dokumentado, hindi na-audited na 'shadow IT' na mga solusyon ay lumilikha ng data at mga panganib sa seguridad ✔
• C) Hindi nila kailanman malulutas ang mga tunay na problema sa negosyo
• D) Maaari lamang silang gamitin sa malalaking kumpanya

Paglalarawan: Ang walang code/low-code ay nagbibigay-daan sa mga hindi teknikal na empleyado (mga developer ng mamamayan) na mabilis na mag-install ng mga application. Gayunpaman, kapag ito ay lumalaki nang walang kontrol; Ang mga hindi dokumentado, hindi secure at ulilang 'shadow IT' na mga solusyon ay lumilikha ng data leakage at teknikal na utang. Ang pamamahala ay nangangailangan ng pagtatala at pagsubaybay sa mga solusyong ito.

10. Ano ang ibig sabihin ng 'consistency', isa sa mga sukat ng kalidad ng data?

• A) Ang data ay eksaktong akma sa tunay na halaga ng mundo
• B) Ang parehong data ay hindi sumasalungat sa isa't isa sa iba't ibang sistema at mga tala ✔
• C) Ang lahat ng mga patlang sa data ay napunan
• D) Paghahanap ng data sa pinakabagong anyo nito

Paliwanag: Ang pagkakapare-pareho ay nangangahulugan na ang parehong data ay hindi sumasalungat sa isa't isa sa iba't ibang mga sistema o talaan; Halimbawa, ang address ng isang customer ay pareho sa CRM at system ng pagsingil. Ang katumpakan ay nangangahulugang pagsang-ayon sa katotohanan, ang pagkakumpleto ay nangangahulugang pagkakumpleto, at ang pagiging napapanahon ay nangangahulugang pagiging napapanahon ng data. Ang mga ito ay magkahiwalay na sukat.

11. Sa loob ng saklaw ng KVKK, ano ang pinakapangunahing prinsipyo na dapat ilapat ng isang eksperto sa MIS bago magproseso ng personal na data gamit ang isang artificial intelligence tool?

• A) Pagkolekta ng lahat ng personal na data na maaaring makuha
• B) Pag-minimize ng data at limitasyon ng layunin: iproseso lamang ang kinakailangang data para sa tinukoy na layunin ✔
• C) Paglalagay ng data sa isang pampublikong folder na maa-access ng lahat
• D) Ipaubaya nang buo ang desisyon sa privacy sa artificial intelligence

Paglalarawan: Ang pag-minimize ng data at limitasyon ng layunin ay mahalaga: pagpoproseso lamang ng kinakailangang data para sa isang natukoy at lehitimong layunin. Kung posible, ang data ay hindi nagpapakilala o pseudonymized; Ang mga lugar na nagpapakilala sa tao ay inilalayo sa sasakyan. Ang 'mas maraming data, mas mahusay' na diskarte ay laban sa mga prinsipyo ng KVKK.

12. Bakit ang pangungusap na 'awtomatikong inaprubahan ng system kapag naaangkop' ay isang mapanganib na kinakailangan sa isang draft ng kinakailangan na pinapagana ng AI?

• A) Dahil ito ay masyadong mahaba
• B) Ang 'Feasible cases' ay hindi natukoy, bukas sa interpretasyon, hindi masusubok at madaling magkamali ✔
• C) Palaging ipinagbabawal ang automation
• D) Dahil wala ito sa format ng kwento ng gumagamit

Paliwanag: 'Ang mga angkop na sitwasyon' ay isang hindi malinaw na pagpapahayag; Hindi tinukoy kung anong mga kundisyon ang nagpapalitaw ng pag-apruba. Ang hindi siguradong kinakailangan ay napagkakamalan ng developer at hindi maaaring subukan. Dapat linawin ng eksperto sa MIS ang mga hindi malinaw na pahayag na ginawa ng AI na may malinaw na mga panuntunan at mga limitasyon at kumpirmahin ang mga ito ng stakeholder.

13. Ano ang pangunahing layunin ng proseso ng ETL (Extract-Transform-Load) sa isang data warehouse?

• A) Pagbuo ng bagong data ng customer
• B) Pag-extract at pagbabago ng data mula sa iba't ibang mapagkukunan at paglo-load nito sa isang pare-parehong istraktura na handa para sa pagsusuri ✔
• C) Awtomatikong pinipili ang mga kulay ng mga panel
• D) Pagbabahagi ng personal na data anuman ang batas

Paglalarawan: ETL; Kinukuha nito ang data mula sa mga mapagkukunan (I-extract), nililinis ito at ginagawang isang karaniwang istraktura (Transform) at nilo-load ito sa data warehouse para sa pagsusuri (Load). Ang layunin ay dalhin ang nagkalat at iba't ibang mga format ng data ng pagpapatakbo sa isang pare-parehong istraktura na handa para sa pag-uulat at pagsusuri. Ang ETL ay hindi gumagawa ng data, ito ay gumagalaw at nag-aayos ng umiiral na data.

14. Bakit kritikal ang 'exception handling' sa disenyo ng automation ng proseso?

• A) Dahil palagi nitong pinapabilis ang paggana ng automation
• B) Dahil nagbibigay ito ng ligtas na paghinto at patnubay sa mga tao sa halip na mga tahimik na pagkakamali sa mga ilegal na sitwasyon ✔
• C) Dahil pinapabuti nito ang graphic na disenyo
• D) Dahil awtomatiko nitong tinatanggal ang personal na data

Paliwanag: Palaging nakakaharap ang mga automation ng mga sitwasyong labag sa mga panuntunan (nawawalang data, hindi inaasahang format, error sa system). Ang paghawak ng eksepsiyon ay nagbibigay-daan sa robot na ligtas na ihinto ang proseso at i-redirect ito sa isang tao sa mga kasong ito, sa halip na tahimik na gumawa ng maling aksyon. Kung walang mga pagbubukod na idinisenyo, ang mga error ay magpapalaganap nang tahimik at ang audit trail ay mawawala.