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

Nastavnik: Prof. dr Savo Stupar

EKONOMSKI FAKULTET U SARAJEVU

k. godina: __________

br. indeksa: ___________

Prezime i ime: ________________________________________________________________ datum: ______________

1) Karakteristike implicitnog znanja su:

a) Dokumentovano u obliku u kojem moe biti dostavljeno drugim
b) Nestrukturirano, razbacano i bez propisane forme
c) Znanje u obliku strategije, izvjetaja ili plana
d) Znanje u obliku naredbe, propisa, procedure
2) Jedan od trinih pritisaka na preduzee, koji dolazi iz okruenja je:
a) Preplavljenost informacijama
b) Inovacije i zastarjevanje
c) Globalna ekonomija globalna konkurencija
d) Vladine deregulacije
3) Jaki, obrazovani potroai predstavljaju:
a) Trini pritisak iz okruenja
b) Tehnoloki pritisak
c) Socijalni pritisak
d) Interni pritisak
4) Preplavljenost informacijama je najvie rezultat:
a) Razvoja informacionih sistema
b) Razvoja globalne ekonomije
c) Razvoja interneta i ostalih informaciono-komunikacionih tehnologija
d) Uslonavanja uslova privreivanja
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 vei broj kompanija razvija i koristi sisteme za poslovnu inteligenciju, najvie zbog toga:
a) Da bi bolje i bre iskoristili postojee podatke u stvaranju informacija potrebnih za odluivanje
b) Da bi poboljali image kompanije
c) Da bi organizacionu kulturu kompanije digli na vii nivo
d) Da bi svim sredstvima doli do potrebnih informacija o konkurenciji
7) Nestrukturirane odluke su:
a) Odluke koje rjeavaju problem za ije rjeenje je poznat postupak
b) Odluke koje rjeavaju problem za ije rjeenje nije poznat postupak
c) Odluke koje rjeavaju problem za ije rjeenje nije potrebna podrka informacionih sistema
d) Odluke koje rjeavaju problem za ije rjeenje nije mogua podrka informacionih sistema
8) Kao podrka razvoju nove tehnologije (strateka odluka) koriste se:
a) Transakcioni (operativni) informacioni sistemi
b) Neuronske mree, DSS ili Ekspertni sistemi
c) Menadment informacioni sistemi
d) EIS sistemi
9) Makroekonomski aspekt poslovne inteligencije se stvara:
a) Unaprijed ciljanim prikupljanjem podataka o makroekonomskim kretanjima uodreenoj geopolitikoj
zajednici
b) Unaprijed neciljanim prikupljanjem podataka o makroekonomskim kretanjima uodreenoj
geopolitikoj zajednici
c) Otkrivanjem skrivenih poslovnih znanja iz rutinski prikupljenih podataka o poslovnim
transakcijama
d) Koritenjem poslovni podataka koje kompanija rutinski zahvata prilikom obavljanja razliitih
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 tipina organizacija analizira :
a) Samo 5 % prikupljenih podataka
b) Samo 15 % prikupljenih podataka
c) 30 % prikupljenih podataka
d) 40 % prikupljenih podataka

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 vee koliine informacija
b) Generisanje boljih, kvalitetnijih informacija, potrebnih za donoenje poslovnih odluka
c) Bra obrada poslovnih transakcija
d) Tanija obrada poslovnih transakcija
14) BI prua korisnicima:
a) Samo one informacije koje su im potrebne, ali pravovremeno i iskazane na nain koji im odgovara
b) Sve mogue informacije koje se odnose na problem koji se rjeava
c) Mogunost da posredno dou do svih potrebnih informacija relevantnih za rjeavanje problema
d) I one informacije koje im nisu trenutno neophodne za donoenje poslovnih odluka
15) Proaktivnost je takva karakteristika Poslovne inteligencije:
a) Koja se odnosi na kreiranje takvih znanja koja slue za promptni odgovor (reakcija) na neoekivane
dogaaje
b) Koja se odnosi na kreiranje mase transakcijskih podataka koji govore o prolim dogaajima
c) Koja se odnosi na kreiranje takvih znanja koja u trenutku kada se desi neki unaprijed oekivani
dogaaj, trae najbolji odgovor
d) Koja se odnosi na kreiranje takvih znanja, koja predviaju dogaaje, koji idu u susret dogaajima, tako
to imaju unaprijed pripremljenu rekaciju na oekivane dogaaje
16) Koje aktivnosti prethode stvaranju Skladita podataka:
a) Kompleksne analitike obrade
b) Eksternalizacija podataka
c) Extract, Transform, Load (ETL) procesi
d) Kreiranje Data Mart-ova
17) U ta ne spada Poslovna inteligencija:
a) U sisteme Vjetake inteligencije
b) U novu generaciju DSS informacionih sistema
c) U sisteme za upravljanje znanjem
d) U novu generaciju Menadment 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 vie kanala
b) Akcija, Interakcija ili transakcija
c) Personalizacija
d) Analiza i segmentacija
19) Zato su nekad firme birale manju grupu najboljih, najvanijih i najprofitabilnijih klijenata i samo njima
davali personaliziranu ponudu:
a) Zato to su personalizacijske usluge bile intenzivne ivim ljudskim radom i iziskivale poveanje
trokova sa rastom broja klijenata
b) Zato to su na taj nain znaajno poveavali profit, smatrajui da takvu uslugu treba ponuditi samo
izbirljivim klijentima koji su spremni platiti vie za takvu personaliziranu uslugu
c) Zato to ostali klijenti nisu niti zahtijevali takvu personalizaciju usluga niti su je bili spremni dodatno
platiti
d) Zato to su smatrali da samo ova vrsta klijenata zasluuje personalizaciju usluga
20) Kojim postupkom (kategorijom kvaliteta podataka) se utvruje podudarnost bilo kojeg podatka sa nekim
poznatim izvorom, koji slui kao uzorak ili urnek:
a) Standardiziranost
b) Podudarnost
c) Verificiranost
d) Proirivost
21) Odsustvo strategije naputanja neodgovarajuih i/ili zastarjelih metoda je najvie:
a) Posljedica nedovoljno brzog razvoja IKT
b) Jedan od najeih problema pri korienju Poslovne inteligencije, zbog straha od promjena
c) Posljedica sporih promjena u poslovnom okruenju
d) Posljedica nedovoljnog znanja o novijim tehnologijama
22) Koji od dole navedenih faktora ne spada u grupu faktora kojim je omoguena ekspanzija koncepta DW-a:
a) Razvojem tehnologija za paralelno procesiranje RDB
b) Pojavom 64-bitnih RISC procesora (s velikim brzinama rada)
c) Pojavom internet pretraivaa
d) Pojavom medija eksterne memorije sa velikim kapacitetima i brzinama pristupa podacima
23) Skladite podataka se oslanja na:
a) Relacioni model podataka
b) Hijerarhijski model podataka
c) Viedimenzionalni model podataka
d) Mreni model podataka

2)

Data Mart predstvalja:

a) Konglomerat vie razliitih skladita podataka
b) Bazu podataka dizajniranu za cijelu kompaniju da bi pomagala pri donoenju odluka
c) Samo jedan segment poslovanja, jednu temu, jednu poslovnu funkciju
d) Bazu podataka dizajniranu za nekoliko organizacionih jedinica, koja slui za podrku odluivanju

3)

Koja od karakteristika u skladitu podataka se odnosi na to da se podaci najee pridodaju ve

postojeim umjesto da ih zamjenjuju
a) Subjektna orjentisanost
b) Integrisanost
c) Vremenska odreenost
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) Analitiko (DW) procesiranje podataka

5)

Najvaniji cilj skladitenja podataka je:

a) Da se podaci samo skladite
b) Da su svi podaci relevantni za odluivanje na jednom mjestu
c) Da menaderi (donosioci odluka) mogu sami da vre analize
d) Da su svi podaci relevantni za odluivanje u istom formatu

6)

DW mora biti uvijek raspoloivo i oblikovano na nain:

a) Da moe prije svega posluiti svakoj svrsi koju nije uvijek mogue unaprijed predvidjeti
b) Da moe prije svega posluiti svakoj svrsi koju je mogue unaprijed predvidjeti
c) Da moe prije svega davati informacije srednjem nivou menadmenta
d) Da moe prije svega davati informacije operativnom nivou menadmenta

7)

Koje vrste aplikacija, koje koristi DW, zadovoljavaju sutinske potrebe poslovnih procesa (predvianje,
analiza proizvodnje, finansijska konsolidacija, profitabilnost):
a) Osnovne radne aplikacije
b) Aplikacije dizajnirane za upite i izvjetaje
c) Aplikacije koje se koriste za analizu i planiranje
d) Ostale aplikacije

8)

Koja je od karakteristika DW sistema bitna za praenje 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) Mrenim bazama podataka

10)

Koji skup karakteristika se odnosi na OLTP sisteme:

a) Izvrenje upita je sporo; spajanje tabela je sporo; ne mogu da predvide sve upite koji e biti potrebni;
podaci su normalizovani
b) Izvravanje upita je brzo: denormmalizovani su podaci; model se zasniva na metodologiji
multidimenzionalne analize
c) Konzistentnost podataka; olakano pretraivanje i osoblju koje nije tehniki najbolje osposobljeno
d) Ovi sistemi se nebave obradom podataka, ve analizom; mogue je uzimanje podataka iz razlitih
DBMS i objedinjavanje u zajedniki OLAP sistem; nain skladitenja podataka je prilagoen u cilju
kreiranja veoma kompleksnih izvetaja

11)

Data Mart je (funkcionalno posmatrano):

a) Skup procesa koji isti, transformie, povezuje i priprema izvorne podatke za korienje u DW.
b) Podskup DW koji sadri podatke specifine za odreenu poslovnu oblast kao to 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 viedimenzioni 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, vri napr. zamjena sadraja nekog polja koje oznaava muki

pol sa Male ili Mr u 1, ta metoda se zove:

a) Kreiranje vrijednosti surogat kljueva
b) Prevoenje kodiranih podataka
c) ifriranje slobodnih formi
d) Spajanje podataka iz vie razliitih izvora
15)

Rutine za ienje i usklaivanje podataka da bi se eliminisale greke 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) Numerika vrijednost koja je od presudnog interesa za analizu.
b) Opisna kategorija koja ima svoju hijerarhiju. Za svaku mjeru u OLAP sistemu mogue je definisati
jednu ili vie dimenzija koje joj daju kontekst posmatranja
c) Jedna od komponenti OLAP-a, koja ukazuje na alternativna rjeenja
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 vri 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 jo i rangiranje podataka zato to se podaci grupisanjem razlau
na podskupove

19)

Informacija je:
a) injenica
b) Brojka
c) Simbolika reperezentacija dogaaja
d) Tok podataka konvertovan u smisaon i upotrebljiv kontekst za specifine krajnje korisnike.

20)

Znanje je:
a) Podatak oblikovane u formu, koja je smisaona i upotrebljiva za ljudska bia.
b) Neto to korisniku redukuje neizvjesnost

c) Neto to proizvodi zamiljene, razmatrane ili stvarno poduzete akcije korisnika

d) Informacija, koja je organizovana i analizirana da bi bila razumljiva u rjeavanju problema ili u
odluivanju.
21)

Know how je vrsta znanja:

a) Znati ta?
b) Znati zato?
c) Znati kako?
d) Znati ta treba?

22)

Klasterizacija je funkcija Data Mining-a:

a) Koja ukljuuje uspostavljanje relacija uz pomo prediktorskih varijabli
b) Koja klasificira podatak (entitet) u jednu od nekoliko prethodno definisanih klasa
c) Koja vri klasificiranje podataka (entiteta) u jednu od nekoliko klasa (klastera), pri emu se klase
moraju odrediti iz podataka
d) Koja saima sline podatke u grupe

23)

Asocijacije su vrsta rezultata (output-a) Data Mining-a:

a) Koje otkrivaju dogaaje koji sa odreenim 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 dogaajima (napr. kupci koji kupuju proizvod A u 65% sluajeva kupuju i proizvod
B),

24)

Tehnika najblieg susjeda se naziva jo i:

a) Mainsko uenje
b) Memorijski bazirano rezonovanje
c) Rezonovanje zasnovano na sluajevima ili Case Based Reasoning
d) Stablo odluivanja

25)

Inteligentni agenti su:

a) Tehnika Data Mining-a koja radi na principu proirenja moguih izlaznih rezultata.
b) Poluautonomni programi koji inteligentno pomau korisnicima u radu sa raunarskim aplikacijama,
uei kroz na primjerima baziranom zakljuivanju i tako poboljavajui svoje performanse
c) Tehnika Data Mining-a koja omoguava grupisanja podataka koji su slini.
d) Tehnika Data Mining-a, koja trai sline podatke, ali pri tome ne utvruje obrasce i pravilnosti u
podacima

26)

Neuronske mree 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 slino ljudskom mozgu, koji predstavlja skup neurona, koji slino ljudskom mozgu predviaju
promjene i deavanja u sistemu nakon procesa uenja