Публикации
2023 г. – новый этап практического применения CXL, статья
VMware сдвигает акцент в проекте Capitola на CXL, статья
Dell Validated Design for Analytics — Data Lakehouse: интегрированное хранилище данных, статья
OCP Global Summit: решения для Computational Storage и компонуемых масштабируемых архитектур, статья
Samsung CXL MemoryySemantic SSD: 20M IOPs, статья
UCIe – открытый протокол для взаимосвязи чиплетов и построения дезагрегированных инфраструктур, статья
Omni-Path Express – открытый интерконнект для экзафлопных HPC/AI-систем, статья
GigaIO: CDI_решение на базе AMD для высшего образования, статья
Энергоэффективные ЦОД на примерах решений Supermicro, Lenovo, Iceotope, Meta, статья
От хранилищ данных и “озер данных” к open data lakehouse и фабрике данных, статья
EuroHPC JU развивает НРС-экосистему на базе RISC-V, статья
LightOS™ 2.2 – программно-определяемое составное блочное NVMe/TCP хранилище, статья
End-to-end 64G FC NAFA, статья
Computational Storage, статья
Технология KIOXIA Software-Enabled Flash™, статья
Pavilion: 200 млн IOPS на стойку, статья
CXL 2.0: инновации в операциях Load/Store вводаавывода, статья
Тестирование референсной архитектуры Weka AI на базе NVIDIA DGX A100, статья
Fujitsu ETERNUS CS8000 – единая масштабируемая платформа для резервного копирования и архивирования, статья
SmartNIC – новый уровень инфраструктурной обработки, статья
Ethernet SSD, JBOF, EBOF и дезагрегированные хранилища, статья
Compute, Memory и Storage, статья
Lenovo: CXL – будущее серверов с многоуровневой памятью , статья
Liqid: компонуемые дезагрегированные инфраструктуры для HPC и AI, статья
Intel® Agilex™ FPGA, статья
Weka для AI-трансформации, статья
Cloudera Data Platform – “лучшее из двух миров”, статья
Fujitsu ETERNUS DSP - разработано для будущего, статья
Технологии охлаждения для следующего поколения HPC-решений, статья
Что такое современный HBA?, статья
Fugaku– самый быстрый суперкомпьютер в мире, статья
НРС – эпоха революционных изменений, статья
Новое поколение СХД Fujitsu ETERNUS, статья
Зональное хранение данных, статья
За пределами суперкомпьютеров, статья
Применение Intel® Optane™ DC и Intel® FPGA PAC, статья
Адаптивные HPC/AI-архитектуры для экзаскейл-эры, статья
DAOS: СХД для HPC/BigData/AI приложений в эру экзаскейл_вычислений, статья
IPsec в пост-квантовую эру, статья
LiCO: оркестрация гибридныхНРС/AI/BigData_инфраструктур, статья
 
Обзоры
Все обзоры в Storage News
 
Тематические публикации
Flash-память
Облачные вычисления/сервисы
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
Современные СХД
Информационная безопасность (ИБ), борьба с мошенничеством
Рынки
Smart Logger II с новым алгоритмом определения эмоционального фона разговоров

15, сентябрь 2014  —  Новый алгоритм, реализованный в системе оценки качества работы операторов Smart Logger II , позволяет автоматически выявлять выражающих недовольство клиентов контакт-центров, работа с которыми требует дополнительных усилий по их удержанию со стороны операторов и супервайзеров. Своевременная реакция со стороны службы качества КЦ позволяет быстро решить проблему и избежать перехода клиента к конкуренту.

Уникальный для российского рынка алгоритм определения эмоционального фона диалога разделяет все записи переговоров на положительные, нейтральные и негативные, фиксируя все случаи, когда клиент доволен и благодарит оператора контактного центра, или наоборот, выражает свое недовольство. За рубежом данный метод анализа, известный как метод определения тональности высказываний (Sentiment Analysis), успел зарекомендовать себя как эффективное средство автоматизации КЦ.

Модуль определения удовлетворенности клиентов, разработанный ЦРТ, анализирует не только параметры голоса и отдельные ключевые слова-индикаторы эмоций, но и проводит полный семантический анализ диалога с клиентом, что значительно повышает точность поиска претензионных обращений клиентов.

«Чтобы оценить эффективность нового модуля, были проведены его испытания на тестовой выборке из 5000 обращений клиентов в контактный центр, содержащей, примерно, 1000 претензий и жалоб различного характера. В ходе тестирования алгоритм уверенно определил претензионные обращения клиентов в 85% случаев, оставшиеся 15% обращений клиентов с признаками негатива алгоритм отнес к проблемным менее уверенно и предложил окончательное решение о наличии претензий в этих обращениях провести по результатам прослушивания специалистом. Поэтому в высоком уровне точности своего алгоритма мы уверены», - комментирует Иван Вересов , исполнительный директор ЦРТ.

Публикации по теме
Специализ. СХД для BI-хранилищ, аналитика "больших данных", интеграция данных
 
Новости ЦРТ

© "Storage News" journal, Russia&CIS
(495) 233-4935;
www.storagenews.ru; info@storagenews.ru.