Ispitna pitanja za predmet: POSLOVNA INTELIGENCIJA (II Ciklus studija)

Nastavnik: Prof. dr Savo Stupar

EKONOMSKI FAKULTET U SARAJEVU

šk. godina: __________ br. indeksa: ___________

Prezime i ime: ________________________________________________________________ datum: ______________

1) Karakteristike implicitnog znanja su:

a) Dokumentovano u obliku u kojem može biti dostavljeno drugim
b) Nestrukturirano, razbacano i bez propisane forme
c) Znanje u obliku strategije, izvještaja ili plana
d) Znanje u obliku naredbe, propisa, procedure
2) Jedan od tržišnih pritisaka na preduzeće, koji dolazi iz okruženja je:
a) Preplavljenost informacijama
b) Inovacije i zastarjevanje
c) Globalna ekonomija – globalna konkurencija
d) Vladine deregulacije
3) Jaki, obrazovani potrošači predstavljaju:
a) Tržišni pritisak iz okruženja
b) Tehnološki pritisak
c) Socijalni pritisak
d) Interni pritisak
4) Preplavljenost informacijama je najviše rezultat:
a) Razvoja informacionih sistema
b) Razvoja globalne ekonomije
c) Razvoja interneta i ostalih informaciono-komunikacionih tehnologija
d) Usložnavanja uslova privređivanja
5) Koji od navedenih pritisaka ne spada u socijalne pritiske
a) Zdravstveno i socijalno osiguranje
b) Kontinuirano obrazovanje zaposlenih
c) Vladine deregulacije
d) Promijenjena priroda radne snage
6) Sve veći broj kompanija razvija i koristi sisteme za poslovnu inteligenciju, najviše zbog toga:
a) Da bi bolje i brže iskoristili postojeće podatke u stvaranju informacija potrebnih za odluĉivanje
b) Da bi poboljšali image kompanije
c) Da bi organizacionu kulturu kompanije digli na viši nivo
d) Da bi svim sredstvima došli do potrebnih informacija o konkurenciji
7) Nestrukturirane odluke su:
a) Odluke koje rješavaju problem za čije rješenje je poznat postupak
b) Odluke koje rješavaju problem za čije rješenje nije poznat postupak
c) Odluke koje rješavaju problem za čije rješenje nije potrebna podrška informacionih sistema
d) Odluke koje rješavaju problem za čije rješenje nije moguća podrška informacionih sistema
8) Kao podrška razvoju nove tehnologije (strateška odluka) koriste se:
a) Transakcioni (operativni) informacioni sistemi
b) Neuronske mreže, DSS ili Ekspertni sistemi
c) Menadžment informacioni sistemi
d) EIS sistemi
9) Makroekonomski aspekt poslovne inteligencije se stvara:
a) Unaprijed ciljanim prikupljanjem podataka o makroekonomskim kretanjima uodređenoj geopolitičkoj
zajednici
b) Unaprijed neciljanim prikupljanjem podataka o makroekonomskim kretanjima uodređenoj geopolitičkoj
zajednici
c) Otkrivanjem skrivenih poslovnih znanja iz rutinski prikupljenih podataka o poslovnim transakcijama
d) Korištenjem poslovni podataka koje kompanija rutinski zahvata prilikom obavljanja različitih poslovnih
transakcija
10) Koji od dole navedenih pojmova ne spada u metodologije, platforme i tehnike Poslovne inteligencije:
a) Data Warehousing
b) Data Mining
c) Business Process Reengneering
d) On Line Analitical Processing
11) Procjenjuje se da danas tipična organizacija analizira :
a) Samo 5 % prikupljenih podataka
b) Samo 15 % prikupljenih podataka
c) 30 % prikupljenih podataka
d) 40 % prikupljenih podataka

e)
12) Koja se od navedenih karakteristika ne odnosi na Poslovnu inteligenciju:
a) Zasniva se na personalizaciji
b) Zasniva se na strukturiranim podacima
c) Proaktivna je
d) Nastaje iz operativnih podataka
13) Namjera koncepta BI je:
a) Stvaranje veće količine informacija
b) Generisanje boljih, kvalitetnijih informacija, potrebnih za donošenje poslovnih odluka
c) Brža obrada poslovnih transakcija
d) Tačnija obrada poslovnih transakcija
14) BI pruža korisnicima:
a) Samo one informacije koje su im potrebne, ali pravovremeno i iskazane na način koji im odgovara
b) Sve moguće informacije koje se odnose na problem koji se rješava
c) Mogućnost da posredno dođu do svih potrebnih informacija relevantnih za rješavanje problema
d) I one informacije koje im nisu trenutno neophodne za donošenje poslovnih odluka
15) Proaktivnost je takva karakteristika Poslovne inteligencije:
a) Koja se odnosi na kreiranje takvih znanja koja služe za promptni odgovor (reakcija) na neočekivane
događaje
b) Koja se odnosi na kreiranje mase transakcijskih podataka koji govore o prošlim događajima
c) Koja se odnosi na kreiranje takvih znanja koja u trenutku kada se desi neki unaprijed očekivani
događaj, traže najbolji odgovor
d) Koja se odnosi na kreiranje takvih znanja, koja predviđaju događaje, koji idu u susret događajima, tako
što imaju unaprijed pripremljenu rekaciju na očekivane događaje
16) Koje aktivnosti prethode stvaranju Skladišta podataka:
a) Kompleksne analitičke obrade
b) Eksternalizacija podataka
c) Extract, Transform, Load (ETL) procesi
d) Kreiranje Data Mart-ova
17) U šta ne spada Poslovna inteligencija:
a) U sisteme Vještačke inteligencije
b) U novu generaciju DSS informacionih sistema
c) U sisteme za upravljanje znanjem
d) U novu generaciju Menadžment Informacionih sistema
18) Korisnici usluga, ne vole biti tretirani kao dio mase, horde ili krda. Ovo se odnosi na jednu od komponenti
Poslovne intelihencije. Koju:
a) Dostava putem više kanala
b) Akcija, Interakcija ili transakcija
c) Personalizacija
d) Analiza i segmentacija
19) Zašto su nekad firme birale manju grupu najboljih, najvažnijih i najprofitabilnijih klijenata i samo njima
davali personaliziranu ponudu:
a) Zato što su personalizacijske usluge bile intenzivne živim ljudskim radom i iziskivale povećanje
troškova sa rastom broja klijenata
b) Zato što su na taj način značajno povećavali profit, smatrajući da takvu uslugu treba ponuditi samo
izbirljivim klijentima koji su spremni platiti više za takvu personaliziranu uslugu
c) Zato što ostali klijenti nisu niti zahtijevali takvu personalizaciju usluga niti su je bili spremni dodatno
platiti
d) Zato što su smatrali da samo ova vrsta klijenata zaslužuje personalizaciju usluga
20) Kojim postupkom (kategorijom kvaliteta podataka) se utvrđuje podudarnost bilo kojeg podatka sa nekim
poznatim izvorom, koji služi kao uzorak ili urnek:
a) Standardiziranost
b) Podudarnost
c) Verificiranost
d) Proširivost
21) Odsustvo strategije napuštanja neodgovarajućih i/ili zastarjelih metoda je najviše:
a) Posljedica nedovoljno brzog razvoja IKT
b) Jedan od najčešćih problema pri korišćenju Poslovne inteligencije, zbog straha od promjena
c) Posljedica sporih promjena u poslovnom okruženju
d) Posljedica nedovoljnog znanja o novijim tehnologijama
22) Koji od dole navedenih faktora ne spada u grupu faktora kojim je omogućena ekspanzija koncepta DW-a:
a) Razvojem tehnologija za paralelno procesiranje RDB
b) Pojavom 64-bitnih RISC procesora (s velikim brzinama rada)
c) Pojavom internet pretraživača
d) Pojavom medija eksterne memorije sa velikim kapacitetima i brzinama pristupa podacima
23) Skladište podataka se oslanja na:
a) Relacioni model podataka
b) Hijerarhijski model podataka
c) Višedimenzionalni model podataka
d) Mrežni model podataka
2) Data Mart predstvalja:
a) Konglomerat više različitih skladišta podataka
b) Bazu podataka dizajniranu za cijelu kompaniju da bi pomagala pri donošenju odluka
c) Samo jedan segment poslovanja, jednu temu, jednu poslovnu funkciju
d) Bazu podataka dizajniranu za nekoliko organizacionih jedinica, koja služi za podršku odlučivanju
3) Koja od karakteristika u skladištu podataka se odnosi na to da se podaci najčešće pridodaju već
postojećim umjesto da ih zamjenjuju
a) Subjektna orjentisanost
b) Integrisanost
c) Vremenska određenost
d) Nepromjenljivost
4) „Koji se proizvod najbolje prodaje u srednjoj Evropi i u kom je to odnosu sa demografskim podacima?“
pitanje je na koje mogu dati odgovor:
a) OLTP (transakcioni) sistemi
b) Ekspertni sistemi
c) MIS sistemi
d) Analitičko (DW) procesiranje podataka
5) Najvažniji cilj skladištenja podataka je:
a) Da se podaci samo skladište
b) Da su svi podaci relevantni za odlučivanje na jednom mjestu
c) Da menadžeri (donosioci odluka) mogu sami da vrše analize
d) Da su svi podaci relevantni za odlučivanje u istom formatu
6) DW mora biti uvijek raspoloživo i oblikovano na naĉin:
a) Da može prije svega poslužiti svakoj svrsi koju nije uvijek moguće unaprijed predvidjeti
b) Da može prije svega poslužiti svakoj svrsi koju je moguće unaprijed predvidjeti
c) Da može prije svega davati informacije srednjem nivou menadžmenta
d) Da može prije svega davati informacije operativnom nivou menadžmenta
7) Koje vrste aplikacija, koje koristi DW, zadovoljavaju suštinske potrebe poslovnih procesa (predviđanje,
analiza proizvodnje, finansijska konsolidacija, profitabilnost):
a) Osnovne radne aplikacije
b) Aplikacije dizajnirane za upite i izvještaje
c) Aplikacije koje se koriste za analizu i planiranje
d) Ostale aplikacije
8) Koja je od karakteristika DW sistema bitna za praćenje trendova i prognoza:
a) Organizacija
b) Konzistentnost
c) Multidimenzionalnost
d) Vremenski podaci
9) OLTP sistemi se zasnivaju na:
a) Relacionim bazama podataka
b) Multidinezionalnim bazama podataka
c) Hijerarhijskim bazama podataka
d) Mrežnim bazama podataka
10) Koji skup karakteristika se odnosi na OLTP sisteme:
a) Izvršenje upita je sporo; spajanje tabela je sporo; ne mogu da predvide sve upite koji će biti potrebni;
podaci su normalizovani
b) Izvršavanje upita je brzo: denormmalizovani su podaci; model se zasniva na metodologiji
multidimenzionalne analize
c) Konzistentnost podataka; olakšano pretraživanje i osoblju koje nije tehnički najbolje osposobljeno
d) Ovi sistemi se nebave obradom podataka, već analizom; moguće je uzimanje podataka iz razlčitih
DBMS i objedinjavanje u zajednički OLAP sistem; način skladištenja podataka je prilagođen u cilju
kreiranja veoma kompleksnih izveštaja
11) Data Mart je (funkcionalno posmatrano):
a) Skup procesa koji čisti, transformiše, povezuje i priprema izvorne podatke za korišćenje u DW.
b) Podskup DW koji sadrži podatke specifične za određenu poslovnu oblast kao što su finansije ili
analiza klijenata
c) Kombinacija podataka iz OLTP sistema, podataka sa Interneta i podataka u Excel tabelama i dr.
d) Virtuelna unija DW-ova sa integrisanim informacijama
12) Prezentacija podataka je:
a) Komponenta DW-a za mehanizme manipulaciju podacima
b) Komponenta osnovni podaci
c) Komponenta agregirani višedimenzioni podaci
d) Komponenta sistem upravljanja podacima.
13) Skrivena procesna logika je:
a) Problem koji usporava proces transformacije podataka iz tzv Legacy sistema
b) Problem koji usporava proces ekstrakcije podataka iz tzv Legacy sistema
c) Problem koji usporava proces punjenja podataka iz tzv Legacy sistema
d) Problem sinonima i homonima
14) Kada se prilikom transformacije podataka, vrši napr. zamjena sadržaja nekog polja koje označava
muški pol sa “Male” ili “Mr” u 1, ta metoda se zove:
a) Kreiranje vrijednosti surogat ključeva
b) Prevođenje kodiranih podataka
c) Šifriranje slobodnih formi
d) Spajanje podataka iz više različitih izvora
15) Rutine za čišćenje i usklađivanje podataka da bi se eliminisale greške su sastavni dio:
a) Programa za inicijalno punjenje
b) Programa za punjenje istorijskih podataka
c) Programa za inkrementalno punjenje
d) Programa za transformaciju podataka
16) U konceptu OLAP-a dimenzija je:
a) Numerička vrijednost koja je od presudnog interesa za analizu.
b) Opisna kategorija koja ima svoju hijerarhiju. Za svaku mjeru u OLAP sistemu moguće je definisati
jednu ili više dimenzija koje joj daju kontekst posmatranja
c) Jedna od komponenti OLAP-a, koja ukazuje na alternativna rješenja
d) Mjera, koja je izvedena iz osnovnih mjera
17) Drill down (svrdlanje) po podacima je:
a) Operacija nad podacima, koja posmatra podatke od detalja do globalne slike
b) Operacija nad podacima, koja vrši horizontalni presjek kocke
c) Operacija nad podacima, koja posmatra podatke od globalne slike do detalja
d) Zaokretanje tabele tako da redovi i kolone zamijene mjesta
18) Dicing je:
a) Horizontalni presjek kocke
b) Operacija nad podacima, koja posmatra podatke od globalne slike do detalja
c) Operacija nad podacima, koja posmatra podatke od detalja do globalne slike
d) Vertikalni presjek kocke, a naziva se još i rangiranje podataka zato što se podaci grupisanjem razlažu
na podskupove
19) Informacija je:
a) Činjenica
b) Brojka
c) Simbolička reperezentacija događaja
d) Tok podataka konvertovan u smisaon i upotrebljiv kontekst za specifične krajnje korisnike.
20) Znanje je:
a) Podatak oblikovane u formu, koja je smisaona i upotrebljiva za ljudska bića.
b) Nešto što korisniku redukuje neizvjesnost
c) Nešto što proizvodi zamišljene, razmatrane ili stvarno poduzete akcije korisnika
d) Informacija, koja je organizovana i analizirana da bi bila razumljiva u rješavanju problema ili u
odlučivanju.
21) Know how je vrsta znanja:
a) Znati šta?
b) Znati zašto?
c) Znati kako?
d) Znati šta treba?
22) Klasterizacija je funkcija Data Mining-a:
a) Koja uključuje uspostavljanje relacija uz pomoć prediktorskih varijabli
b) Koja klasificira podatak (entitet) u jednu od nekoliko prethodno definisanih klasa
c) Koja vrši klasificiranje podataka (entiteta) u jednu od nekoliko klasa (klastera), pri čemu se klase
moraju odrediti iz podataka
d) Koja sažima slične podatke u grupe
23) Asocijacije su vrsta rezultata (output-a) Data Mining-a:
a) Koje otkrivaju događaje koji sa određenim stepenom vjerovatnosti slijede jedan za drugim
b) Koja predstavlja kategoriju nastalu postupkom klasifikacije bez unaprijed zadanih klasa
c) Koje nastaju postupkom klasificiranja prema unaprijed definisanim klasama
d) Koje su uslovljene događajima (napr. kupci koji kupuju proizvod A u 65% slučajeva kupuju i proizvod
B),
24) Tehnika najbližeg susjeda se naziva još i:
a) Mašinsko učenje
b) Memorijski bazirano rezonovanje
c) Rezonovanje zasnovano na slučajevima ili Case Based Reasoning
d) Stablo odlučivanja
25) Inteligentni agenti su:
a) Tehnika Data Mining-a koja radi na principu proširenja mogućih izlaznih rezultata.
b) Poluautonomni programi koji inteligentno pomažu korisnicima u radu sa računarskim aplikacijama,
učeći kroz na primjerima baziranom zaključivanju i tako poboljšavajući svoje performanse
c) Tehnika Data Mining-a koja omogućava grupisanja podataka koji su slični.
d) Tehnika Data Mining-a, koja traži slične podatke, ali pri tome ne utvrđuje obrasce i pravilnosti u
podacima
26) Neuronske mreže su:
a) Tehnika Data Mining-a koja se ne bavi prepoznavanjem obrazaca i pravila u podacima nego
memorisanjem
b) Tehnika Data Mining-a koja radi na principima Fuzzy logike (nerazgovjetne logike)
c) Tehnika Data Mining-a koja radi na principima induktvne logike i vizualizacije
d) Djeluje slično ljudskom mozgu, koji predstavlja skup neurona, koji slično ljudskom mozgu predviđaju
promjene i dešavanja u sistemu nakon procesa učenja