【问题来源】【必填】    贵州119【问题简要】【必填】    为什么质检坐席签入后，基本所有操作都返回900-003【问题类别】【必填】    CC-Gateway【AICC解决方案版本】【必填】    AICC 8.15.0【期望解决时间】【选填】     尽快解决【问题现象描述】【必填】      为什么质检坐席签入后，侦听、插入、强制签出等操作都返回900-003，对应的权限好像也进行了配置，是什么原因？【截图信息】

【问题来源】【必填】    武农商    【问题简要】【必填】 cms报表和监控参数说明【问题类别】【必填】    AICC平台功能【AICC解决方案版本】【必填】    【AICC版本：AICC 8.15】    【UAP版本：UAP9600 V100R005C00SPC021】    【CTI版本：ICD V300R008C23】【期望解决时间】【选填】    尽快【问题现象描述】【必填】   1.目标：cms-质检员账号-指标监控-虚拟呼叫中心监控-呼叫率   中的“10秒内放弃率”和“10秒外人工接通率中”的10秒，是指哪“10秒”，类似：指的是拨打电话后10秒，还是指的转人工后10秒。   2.目标：cms-质检员账号-指标监控-语音技能队列监控-呼叫数   中的技能队列当日指标统计，现在确定业务有转人工到多个技能队列，但只有一个技能队列有数据。【日志或错误截图】【可选】问题2图片

如果是使用了接续相关接口是需要调用事件轮询接口做会话保活1）“CC-Gateway开发指南”是接续相关接口如果使用这本文档中的接口都需要先调用签入（强制签入）接口后才能调用其他接口签入接口：https://ip:port/agentgateway/resource/onlineagent/{agentid}强制签入接口：https://ip:port/agentgateway/resource/onlineagent/{agentid}/forcelogin2）如果是使用了接续相关接口是需要调用事件轮询接口做会话保活的，此机制是防止座席浏览器接口挂死或异常关闭后座席签出不再处理来话。如果签入后不调用此接口，CC-Gateway默认在2分钟后（配置项控制）检测座席不在通话中时会将座席强制签出。事件轮询接口：https://ip:port/agentgateway/resource/agentevent/{agentid}?calldata=XXX 举例场景： CMS质检相关接口如质检员监听坐席，质检员需要先签入，然后调用CCGW事件轮询接口保持会话，否则监听2mins之后会出现质检员强制签出，openeye挂断导致无法继续监听。

CMS删除原先的用户组之后，重新添加用户组，新用户组添加成功，往新增用户组添加成员的时候提示新增组成员重复。问题原因：数据库中存在脏数据导致，涉及到的表为T_CMS_CCGROUP 、t_cms_agentgroup 、T_CMS_QCRELATION；需要清理这几张表的数据。以下为如何判断T_CMS_CCGROUP中数据是否是脏数据通过座席工号可以当做唯一标识，t_cms_agentgroup表中的workId和tenantId需要与t_cms_ccagent表中的workId和tenantId对应上，如果同一个workId在2张表中对应到了不同的tenantId，则说明t_cms_agentgroup表中的数据未脏数据，需要清理。如果确认是新环境库和新数据库的话，再没有租间添加过用户组的情况下T_CMS_CCGROUP 、t_cms_agentgroup 、T_CMS_QCRELATION，这3张表应该是没有数据的

【问题来源】     星网【问题简要】删除质检用户组，重新添加用户组，添加用户组成员报错【问题类别】CMS   【AICC解决方案版本】   AICC 8.14.0   【问题现象描述】删除原先的用户组之后，重新添加用户组，新用户组添加成功，往新增用户组添加成员的时候提示新增组成员重复。         【日志或错误截图】

5月27日竹间智能COO孙彬老师做客华为云云市场直播间，给观众带来了《AI能力整合，做企业的“最强大脑”》的主题分享，介绍了华为云联合竹间智能打造的AICC智能客服系统。AICC是AI Contact & Collaborate的简称，那么竹间智能AICC能做什么呢？一、电话机器人1）防疫机器人：为企事业、政府机关部门、街道、居委提供疫情防护机器人，覆盖4大类场景：人员进出异地筛查、每日身体状况调查、口罩购买提醒、员工返程确认，有效降低基层组织的防控压力和极大的提高效率。2）催收机器人：催收机器人主要用来解决银行(信用卡)、互金、P2P、和汽车金融行业的贷后催收管理，满足企业客户在金融 M0 / M1 / M2 阶段的催收需求，实现全流程、智能化的业务运营。3）满意度调查机器人：为企事业的售后服务提供自动化的智能调查服务，主要覆盖：金融服务，家电售后，教育，零售、汽车等传统行业。实现智能化的主动触达，快速完成客户意见/反馈的收集。4）HR招聘机器人：为企事业的HR 业务提供3大类场景：人次唤醒、入职提醒、招聘邀约 (目前已上线蓝领岗位、软件工程师、实习生，在快速扩充ing)，提高HR 工作的效能和效率。5）回访机器人：回访机器人主要用来满足企事业客户针对产品、服务的回访，主要涵盖：银行服务、保险理赔、证券开户、家电服务等回访场景，用AI 来改善传统回访工作的低效率现状6）营销机器人：营销机器人主要适用于电话营销的行业，能实现快速的沉睡客户激活，意向客户筛选，为企业赢得先机。覆盖以下行业： (银行)信用卡分期、(消费金融)沉睡客户激活、幼教推广等场景。 二、坐席助手1）金融行业坐席助手：智能辅助保险、证券、银行等金融行业坐席，涵盖：银行服务、保险理赔、证券开户等场景。通过自动提示业务知识、业务办理流程，提升坐席服务效率，降低人力成本；实时质检坐席服务，提升客户满意度。2）政府热线助手：为政府热线坐席自动推荐市民诉求解决方案，热点问题、突发事件实时监控预警，帮助热线机构提升市民诉求解决效率，及时获知社情民意。3）销售助手：主要适用于电话营销行业，通过销售策略提示、客户画像自动构建、优质客户筛选，帮助企业挖掘价值客户，提升销售成单率。主要覆盖行业：保险销售。4）医生助手：主要用来提升互联网医生问诊效率，在问诊过程中，即时提示药品资料、诊断流程等信息，帮助规范药品使用建议，提升问诊效率。 三、智能客服1）健康顾问智能客服：提供健康顾问服务，通过营养知识图谱、生活习惯多轮问答的对话方式，解答用户对健康、营养、生活习惯的疑问，最终为用户推荐健康的饮食生活习惯。2）电商智能客服：适用于电商领域，智能问答贯穿于售前、售中和售后全服务场景，覆盖商品咨询、智能营销、智能催单、地址核对、物流发货、售后退款等关键节点，同时搭配转人工处理，提高用户满意度。3）智能票务客服：通过一问一答智能对话方式，实时解答票务信息及完成订票（火车票、机票等）需求，与传统互联网订票方式互补，降低客服服务压力和提高服务效率。4）金融领域智能客服：在金融领域，覆盖银行、证券基金、互联网金融场景，除了基础业务如信用卡业务、储蓄业务外，还提供包括虚拟智能投顾如基金投教、基金数据实时查询、股市行情查询等智能问答服务。5呼叫中心智能客服：为传统呼叫中心部门提供智能热线呼入呼出机器人、智能文本机器人及人机协作在线客服全场景闭环的智能客服产品，AI赋能降低客服人工成本、提高客服服务效率。 四、智能质检1）保险质检：为保险公司、银行（银保）等企业的在线客服、电话客服、电销等渠道提供覆盖呼入客服、外呼回访、业务办理、电话销售等业务场景的流程质检、合规质检。帮助客户实现100%质检覆盖率，有效提升工作效率。2）催收质检：为银行、互金等企业，提供覆盖催收禁忌、催收技巧、放款审计等场景的合规质检。帮助客户提升催收技巧、杜绝暴力催收、错误引导客户等违规催收的情况发生。3）多模态质检：综合语音对话质检、语音情绪质检、视频情绪质检、人脸身份验证等多种模态的质检功能，实现多维度、多模态的质检分析。广泛适用于保险、银行、证券等金融行业的双录视频合规质检，符合行业监管要求。4）证券质检：为证券公司提供覆盖语音客服、在线客服、业务呼回访、业务受理等业务场景的流程质检、合规质检。帮助客户实现100%质检覆盖率，有效提升风控监管。5）客服质检：为泛行业客户的电话客服、在线客服提供业务流程、服务态度、服务水平等场景的质检。帮助客户实现100%质检覆盖，有效降低人力成本。6）质检分析：为保险等金融行业提供标准的数据分析模型，基于质检数据，实现保险退保、潜在客户转换、自助渠道办理引流等业务场景的数据分析挖掘，自动输出业务中存在的问题、未来的发展趋势，并给出优化处理建议。 五）Emoti Mate目前竹间智能已在金融、健康医疗、制造、智能终端、政务等领域能够提供完整的解决方案。期待未来竹间智能和华为云能带来更多的AI解决方案。 直播链接：https://bbs.huaweicloud.com/live/marketplace_live/202105271900.htmlAICC-客户智能联络中心配套人工服：https://marketplace.huaweicloud.com/contents/a62579ab-97e4-439a-af82-519e4214ab1a?marketplace_live_20210527

CANN训练营第二期，要学MindX，这是一种高阶的推理开发方式。昇腾实验室提供了沙箱试验环境：https://lab.huaweicloud.com/testdetail_531?ticket=ST-2439267-X7r9labGIslflnenMk9hhxqr-sso我们就来试一试吧。打开上面的链接：点击开始实验，点击预置实验环境：打开实验操作桌面上内置的Firefox浏览器输入左边提示的用户名和密码：点击登录：最小化浏览器，双击打开Xfce终端：在终端下执行：cd /home/user/MindStudio/bin./MindStudio.sh系统会启动MindStudio 2.0.0点击Create New Project->Ascend App->Next-选择MindX Project Sample-Detection, 点击Finish下面开始安装MindX SDK在MindStudio菜单栏依次点击"Ascend"->"MindX SDK Manager"在弹出的窗口点击 Install SDK选择 SDK的路径：在弹出的菜单中选择 /home/user/ 选中最长的那个run包：点击OK，然后Next->Next->Finish完成安装。安装结果如下：下面开始 预置离线模型与测试文件，系统已经准备好了以下内容：使用coco数据集训练的yolov3离线模型om文件及相关配置文件，可检测80类目标，输入分辩率为416*416；使用Atlas200 DK主板数据集训练的ssdvgg16离线模型om文件及相关配置文件，用于Atlas200 DK的主板质检，输入分辩率为800*1200再打开一个Xfce终端，执行以下命令：cp -r /home/user/Desktop/models/ /home/user/AscendProjects/MyApp/准备测试图片：一共三张cd /home/user/Desktop/data/cp * /home/user/AscendProjects/MyApp/data回到MindStudio已经打开的MindX 项目MyApp展开MyApp->pipeline->Sample.pipeline:可以看到这个pipeline内置了以下插件：（1）appsrc 图像输入（2）mxpi-imagedecoder 图像解码（3）mxpi-imageresize  图像resize（4）mxpi-modelinfer 模型推理（5）mxpi-imagecrop 图像裁剪（6）mxpi-imageresize 图像resize（7）mxpi-modelinfer 模型推理（8）mxpi-dataserialize 序列化（9）appsink 图像输出不知道为啥，有两次模型推理。按照操作提示，需要删除（5）（6）（7）三个二级推理插件。①鼠标从左至右分别选择mxpi_imagecrop、mxpi_imageresize、mxpi_modelinfer（第二个），并按”delete“键，删去二级推理相关插件（即删除下图红框内三个插件）。②再将断点处连接起来，鼠标选择mxpi_modelinfer（第一个）插件右侧连接点，长按鼠标左键引出连接线，将其与mxpi_dataserialize插件左侧连接点相连。③然后点击画布下方Format键，格式化业流中将其居中显示如下图所示。则一条由数据接入插件（appsrc）、图像解码插件（mxpi_imagedecoder）、图像缩放插件（mxpiimageresize）、模型推理插件（mxpi_modelinfer）、数据序列化插件（mxpi_dataserialize）和数据输出插件（appsink）串连而成的目标检测业务流编排完毕。下面开始配置插件属性：在画布中鼠标点击插件，右侧会显示插件属性列表。接下来我们需要对一些插件的属性列表进行修改。①appsrc：无需修改，保持原属性值。②mxpi_imagedecoder：无需修改，保持原属性值。③mxpi_imageresize：在画布中鼠标点击选择mxpi_imageresize插件，由于我们将要使用的yolov3模型输入分辨率为416*416，将resizeHeight和resizeWidth属性均设置为416④mxpi_modelinfer：在画布中鼠标点击选择mxpi_modelinfer插件，我们已提前转换好由ModelZoo提供的基于coco数据集训练的yolov3模型，在实验操作桌面的/home/user/AscendProjects/MyApp/models/yolov3_modelzoo目录，因此配置mxpi_modelinfer插件各属性如下：“modelPath”：离线模型。鼠标点击modelPath属性右侧的文件夹选项，选择模型路径为/home/user/AscendProjects/MyApp/models/yolov3_modelzoo/yolov3_tf_bs1_fp16.om“postProcessConfig”：模型参数配置文件。鼠标点击postProcessConfig属性右侧的文件夹选项，选择模型路径为/home/user/AscendProjects/MyApp/models/yolov3_modelzoo/yolov3_tf_bs1_fp16.cfg。“labelPath”：标签文件。模型参数配置文件。鼠标点击labelPath属性右侧的文件夹选项，选择模型路径为/home/user/AscendProjects/MyApp/models/yolov3_modelzoo/yolov3_tf_bs1_fp16.names。“postProcessLibPath”：模型后处理库。保持为libMpYOLOv3PostProcessor.so。⑤mxpi_dataserialize：在画布中鼠标点击选择mxpidataserialize插件，outputDataKeys属性设为mxpi_modelinfer0，仅序列化输出一级推理插件的推理结果。⑥appsink：无需修改，保持原属性值。依次点击Save->Save->Replace，保存pipeline。下面开始编写应用代码：参考工程目录结构中的”MyApp->src->main.cpp“文件和同级目录的CMakeLists.txt文件main.cpp文件中指定了应用所使用的pipeline文件为我们编排好的Sample.pipeline文件，所用的图片为”MyApp->data->test.jpg“参考此样例代码调用MindX SDK的初始化（InitManager）、创建业务流（CreateMultipleStreams）、发送推理数据（SendData）、获取推理结果（GetResult）和销毁业务流（DestroyAllStreams）五个接口进行其他应用场景的业务代码开发。具体代码如下：/* * Copyright(C) 2020. Huawei Technologies Co.,Ltd. All rights reserved. * * Licensed under the Apache License, Version 2.0 (the "License"); * you may not use this file except in compliance with the License. * You may obtain a copy of the License at * * http://www.apache.org/licenses/LICENSE-2.0 * * Unless required by applicable law or agreed to in writing, software * distributed under the License is distributed on an "AS IS" BASIS, * WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. * See the License for the specific language governing permissions and * limitations under the License. */ #include #include "MxStream/StreamManager/MxStreamManager.h" namespace { APP_ERROR ReadFile(const std::string &filePath, MxStream::MxstDataInput &dataBuffer) { char c[PATH_MAX + 1] = { 0x00 }; size_t count = filePath.copy(c, PATH_MAX + 1); if (count != filePath.length()) { std::cout << "Failed to strcpy " << c << std::endl; return APP_ERR_COMM_FAILURE; } // Get the absolute path of input file char path[PATH_MAX + 1] = { 0x00 }; if ((strlen(c) > PATH_MAX) || (realpath(c, path) == nullptr)) { std::cout << "Failed to get image, the image path is (" << filePath << ")." << std::endl; return APP_ERR_COMM_NO_EXIST; } // Open file with reading mode FILE *fp = fopen(path, "rb"); if (fp == nullptr) { std::cout << "Failed to open file" << std::endl; return APP_ERR_COMM_OPEN_FAIL; } // Get the length of input file fseek(fp, 0, SEEK_END); long fileSize = ftell(fp); fseek(fp, 0, SEEK_SET); // If file not empty, read it into FileInfo and return it if (fileSize > 0) { dataBuffer.dataSize = fileSize; dataBuffer.dataPtr = new (std::nothrow) uint32_t[fileSize]; if (dataBuffer.dataPtr == nullptr) { std::cout << "allocate memory with \"new uint32_t\" failed." << std::endl; fclose(fp); return APP_ERR_COMM_FAILURE; } uint32_t readRet = fread(dataBuffer.dataPtr, 1, fileSize, fp); if (readRet == 0) { fclose(fp); return APP_ERR_COMM_READ_FAIL; } fclose(fp); return APP_ERR_OK; } fclose(fp); return APP_ERR_COMM_FAILURE; } std::string ReadPipelineConfig(const std::string &pipelineConfigPath) { std::ifstream file(pipelineConfigPath.c_str(), std::ifstream::binary); if (!file) { std::cout << pipelineConfigPath << "file is not exists" << std::endl; return ""; } file.seekg(0, std::ifstream::end); uint32_t fileSize = file.tellg(); file.seekg(0); std::unique_ptr<char[]> data(new char[fileSize]); file.read(data.get(), fileSize); file.close(); std::string pipelineConfig(data.get(), fileSize); return pipelineConfig; } } int main(int argc, const char* argv[]) { // read image file and build stream input MxStream::MxstDataInput dataBuffer; APP_ERROR ret = ReadFile("../data/test.jpg", dataBuffer); if (ret != APP_ERR_OK) { std::cout << "Failed to read image file, ret = " << ret << std::endl; return ret; } // read pipeline config file std::string pipelineConfigPath = "../pipeline/Sample.pipeline"; std::string pipelineConfig = ReadPipelineConfig(pipelineConfigPath); if (pipelineConfig == "") { std::cout << "Read pipeline failed." << std::endl; return APP_ERR_COMM_INIT_FAIL; } // init stream manager MxStream::MxStreamManager mxStreamManager; ret = mxStreamManager.InitManager(); if (ret != APP_ERR_OK) { std::cout << "Failed to init Stream manager, ret = " << ret << "." << std::endl; return ret; } // create stream by pipeline config file ret = mxStreamManager.CreateMultipleStreams(pipelineConfig); if (ret != APP_ERR_OK) { std::cout << "Failed to create Stream, ret = " << ret << "." << std::endl; return ret; } std::string streamName = "classification+detection"; int inPluginId = 0; // send data into stream ret = mxStreamManager.SendData(streamName, inPluginId, dataBuffer); if (ret != APP_ERR_OK) { std::cout << "Failed to send data to stream, ret = " << ret << "." << std::endl; return ret; } // get stream output MxStream::MxstDataOutput* output = mxStreamManager.GetResult(streamName, inPluginId); if (output == nullptr) { std::cout << "Failed to get pipeline output" << std::endl; return ret; } std::string result = std::string((char*)output->dataPtr, output->dataSize); std::cout << "Results:" << result << std::endl << std::endl; // destroy streams mxStreamManager.DestroyAllStreams(); delete dataBuffer.dataPtr; dataBuffer.dataPtr = nullptr; delete output; return 0; }在以上代码基础上增加可视化代码：①修改CMakeLists.txt文件：在MindStudio左侧目录结构视图中点击“MyApp->src->CMakeList.txt”文件，在第29行插入以下代码：${MX_SDK_HOME}/opensource/include/opencv4/在第41行加上以下代码：opencv_world如下图所示：②修改main.cpp文件：在MindStudio左侧目录结构视图中点击“MyApp->src->main.cpp”文件，在第19行插入以下代码：#include "opencv4/opencv2/opencv.hpp"在第131行插入以下代码块： web::json::value jsonText = web::json::value::parse(result); if (jsonText.is_object()) { web::json::object textObject = jsonText.as_object(); auto itInferObject = textObject.find("MxpiObject"); if (itInferObject == textObject.end() || (!itInferObject->second.is_array())) { return 0; } auto iter = itInferObject->second.as_array().begin(); cv::Mat src = cv::imread("../data/test.jpg"); for (; iter != itInferObject->second.as_array().end(); iter++) { if (iter->is_object()) { auto modelInferObject = iter->as_object(); float x0 = 0; float x1 = 0; float y0 = 0; float y1 = 0; auto it = modelInferObject.find("x0"); if (it != modelInferObject.end()) { x0 = float(it->second.as_double()); } it = modelInferObject.find("x1"); if (it != modelInferObject.end()) { x1 = float(it->second.as_double()); } it = modelInferObject.find("y0"); if (it != modelInferObject.end()) { y0 = float(it->second.as_double()); } it = modelInferObject.find("y1"); if (it != modelInferObject.end()) { y1 = float(it->second.as_double()); } cv::Rect rect(x0, y0, x1 - x0, y1 - y0); cv::rectangle(src, rect, cv::Scalar(0, 255, 0),5, cv::LINE_8,0); } } cv::imwrite("./result_test.jpg", src); std::cout << "result_test.jpg produced in the directory:/home/user/AscendProjects/MyApp/out." << std::endl; }结果如下所示：下面开始编译菜单栏点击”Build“->"Edit Build Configuration..."点击”Build“编译成功此时，在"MyApp/out"目录下生成可执行文件main下面开始运行：在MindStudio顶部菜单栏点击"Run"->"Run..."->"Edit Configuration..."，在弹出的运行配置窗口左侧选择"MyApp"，右侧将Excutable设置为/home/user/AscendProjects/MyApp/out/main，Run Mode选择Remote Run点击上图SSH Connection右侧的“+”号，在弹出的对话框中左侧选择SSH Configuration，中间点击“+”号，填写参数如下①Host：运行环境IP地址②port：22③User name：root④Password：Huawei@111!!然后点击Test Connection键，对出现的弹窗点击“Yes”直到提示”Successfully connected!“表示配置运行环境成功，点击右下角“OK”。点击Run按钮，再次输入运行环境用户密码，则在MindStudio底部得如下运行日志，表示目标检测成功，图片中目录为dog，检测结果置信度为0.99653750699999999，检测框坐标为"x0":125.960266,"x1":917.45831299999998,"y0":116.167534,"y1":597.44537400000002可视化结果存放在MyApp->out目录下，为result_test.jpg文件开发Atlas主板质检应用：在Atlas200质检中有一道工序是检测主板的大、中、小三种型号的镙钉位置与数量和是否正确，及主标签是否已经贴上。我们可以复用已经编排好的目标检测业务流，修改推理插件所用的模型及配置文件和缩放插件输出的图像分辨率即可完成Atlas200主板质检应用开发实验操作桌面已预置了A200质检模型文件及其配置文件,在/home/user/AscendProjects/MyApp/models/ssdvgg16_for_A200目录下，开发Atlas200主板质检应用需在第5步配置插件属性中，修改mxpi_imageresize插件和mxpi_modelinfer插件的属性。mxpi_imageresize：将mxpi_imageresize插件的resizeHeight和resizeWidth属性设置为ssdvgg16模型的输入分辨率800*1200即可，如下图所示。mxpi_modelinfer：①modelPath属性：设置为/home/user/AscendProjects/MyApp/models/ssdvgg16_for_A200/ssd_vgg16_caffe_release.om，②postProcessConfig属性：设置为/home/user/AscendProjects/MyApp/models/ssdvgg16_for_A200/ssd_vgg16_caffe_release.cfg，③labelPath属性：设置为/home/user/AscendProjects/MyApp/models/ssdvgg16_for_A200/ssd_vgg16_caffe_release.names，④postProcessLibPath属性：该属性为模型对应的后处理库，设置为/home/user/Ascend/mindx_sdk/mxManufacture_20.2.0/linux-x86_64/mxManufacture-0.2/lib/libssdvggpostprocessor.so。依次点击Save->Save->Replace，保存pipeline。替换质检图片：实验操作桌面已为开发者预置了Atlas200主板的图片，在/home/user/AscendProjects/MyApp/data目录下。在MindStudio目录结构视图中依次点击MyApp->src->main.cpp，打开main.cpp文件，复制下面路径修改文件第89行和第139行图片路径。../data/A200-testcase0.jpg为了区分此步骤与以前的可视化结果，我们将日志打印和结果图片名称做一下修改。第167行、168行更改如下图所示添加成功后，“Ctrl+s”保存。编译运行程序可视化结果存放在MyApp->out目录下，为result_test2.jpg文件，如下。可以看到相关的检测结果。实验就结束了：

要想真正解决数据质量问题，明确业务需求并从需求开始控制数据质量，并建立数据质量管理机制。从业务出发做问题定义，由工具自动、及时发现问题，明确问题责任人，通过邮件、短信等方式进行通知，保证问题及时通知到责任人。跟踪问题整改进度，保证数据质量问题全过程的管理。　　正所谓，工欲善其事，必先利其器。　　1、构建数据质量规则库　　定义数据验证方法，内嵌空值检查、值域检查等13种检查规则，基本覆盖目前数据质量相关问题。　　2、发现数据质量问题　　灵活定义多模型质检方案，多点监测、多模型质检方案，高效调度，并发和串行处理相结合，性能高效，只需2分30秒，便可完成20条规则百万级数据的质量检查。　　3、出具全面的“体检报告”　　内置常规质检分析报告，实时可视化呈现质检结果，质检结果模型灵活扩展，充分利用了BI工具的分析展现能力，提供图文并茂的质量检查结果报告。　　4、数据质量全流程管理　　提供从标准定义、质量监控、绩效评估、质量分析、质量报告、重大问题及时告警、流程整改发起、系统管理等数据质量管理全过程的功能，不仅能发现问题、还能将问题分发给数据负责人、管理者，在线跟踪问题处理进展。　　提高数据质量的方法有哪些.中琛魔方大数据平台表示数据质量的治理，是数据治理的主要内容之一。数据质量的全面评价，是数据质量治理的准绳。在整个数据治理环节，亿信华辰睿治数据治理平台从数据源头控制数据质量，贯彻始终，全面提升数据的完整性、规范性、及时性、一致性，减少因数据不可靠导致的决策偏差和损失。

在销售与售后服务过程中，客服对于整个流程的推进起着至关重要的作用，通过对客服流程及内容的实时监测，能够帮助企业优化客服流程与话术，通过智能分析，解读用户信息，为企业的运营与产品迭代提供优化依据。 华为云云市场猫头鹰客服质检系统即是这样一个客服质检加管理平台，可以对所有对话实现全量实时监控，帮助企业优化整体销售及售后流程，优化企业整体运营及质检体系。基于人工智能自然语言处理技术，猫头鹰客服智能质检与管理系统通过实时收集用户与客服对话内容数据，利用自主研发的人工智能引擎总结、量化客服对话中的：情感控制、话术精准性、服务专业度等核心信息，搭建一套360度客服评估系统。 通过人工智能技术实时、全量地收集并挖掘每一通对话中的话术细节。并且基于智能分析角度，搭建一套革命性话术评估体系，为每一位客服进行客观打分。从而整合客服的历史表现和得分，提供可视化的数据展示界面及Excel报告。猫头鹰客服质检平台的四大亮点：1、实时全量监控，基于客服智能评估系统，语义系统将对客服通话进行实时采集、分析与整合；对通话中产生的重要问题进行实时告警，允许管理人员随时介入对话进行干预。 2、通话基础违规检验，分别从客服对话的反应间隔、语句长度、应答句数等基本维度对客服服务进行约束和检验。 3、人工/智能标注统计，猫头鹰提供了一套允许管理人员对客服通话进行人工评估的系统。质检员可对任意对话打上预定义“标签”，日后可对其进行统计分析，并生成自动打标签引擎代替人工。4、大数据分析，猫头鹰系统还将利用智能分析手段，深度解读消费者通话内容，挖掘其对产品、服务的核心观点与意见，为企业运营、产品迭代等及时提供优化依据。文中提到的商品链接：猫头鹰智能质检服务【华为云云市场，助您上云无忧】

【问题来源】长沙银行     【期待解决时限】2021-6-21【问题简要】           通过调用AICC接口地址：      http://100.89.34.60:8043/agentgateway/resource/qualitycontrol/111/intercept/102 ,  传入参数  无。 14:43:20 [pool-3-thread-41] com.sunyard.cti.api.CTIBaseService.request(CTIBaseService.java:126) : 【111】发送请求：http://100.89.34.60:8043/agentgateway/resource/qualitycontrol/111/intercept/102【接口调用返回】：{result={}, guid=, message=Not monitor and intrude in advance, retcode=900-003, info=质检操作时发生ResourceUnavailableException异常}14:43:20 [pool-3-thread-41] com.sunyard.cti.agent.AgentGatewayFactory.execute(AgentGatewayFactory.java:69) : 【111】【intercept】执行结果：{"message":"质检操作时发生ResourceUnavailableException异常","retcode":"900-003"}【问题类别】【必填】     智能外呼，话机， CC-Gateway】【AICC解决方案版本】【必填】    【AICC可选择版本：AICC 8.12.0，AICC 8.13.0等】【期望解决时间】【2021-6-21】【问题现象描述】【必填】         接口调用通过，返回报错，文档中没有，需要专家帮忙解决。 【日志或错误截图】 {result={}, guid=, message=Not monitor and intrude in advance, retcode=900-003, info=质检操作时发生ResourceUnavailableException异常}14:43:20 [pool-3-thread-41] com.sunyard.cti.agent.AgentGatewayFactory.execute(AgentGatewayFactory.java:69) : 【111】【intercept】执行结果：{"message":"质检操作时发生ResourceUnavailableException异常","retcode":"900-003"}

不严格按照实验步骤操作，即使有了结果也不弹出实验完成提示。这次用笔记本完成，因为有了复制粘贴功能（安卓版本的浏览器暂时没有找到）再加上有了昨天的熟悉经历，操作时间快了很多。但是，对于插件属性的修改还是没有复制粘贴的方便，就直接复制了过去，结果就不会显示实验完成了。参加活动的时候还是严格按照实验步骤操作吧。

Mindx 是华为开发的昇腾深度学习组件，支持 Atlas 800 训练服务器、Atlas 800 推理服务器的深度学习组件参考设计，提供昇腾 AI 处理器资源管理和监控、昇腾 AI 处理器优化调度、分布式训练集合通信配置生成等基础功能，快速使能合作伙伴进行深度学习平台开发。刚刚尝试了沙箱实验室的使用MindX SDK开发智能质检应用开发，有两点经验分享：1.实验的第5步，“配置插件属性”这里，不知道是不是matepad屏幕的适配问题，点击插件后，并没有弹出属性窗口；这时候可以直接点开左下的text标签，直接改代码，需要更仔细文本的格式，但是有过appcube调试组件的经验，也还可以完成。2.“modelPath”：离线模型。鼠标点击modelPath属性右侧的文件夹选项，选择模型路径为/home/user/AscendProjects/MyApp/models/yolov3_modelzoo/yolov3_tf_bs1_fp16.ommodels的om文件的目录写错，需要自己重新指定或者直接cp到文档指定的目录中去。整个实验完成了一半，明天继续。

【问题来源】【必填】      湖北武农商    【问题简要】【必填】     AICC平台使用过程中，通话放弃量总数及数据实时更新问题【问题类别】【必填】     CMS【AICC解决方案版本】【必填】    【AICC版本：AICC 8.14】    【UAP版本：UAP9600 V100R005C00SPC018】    【CTI版本：ICD V300R008C22】【期望解决时间】【选填】     尽快【问题现象描述】【必填】       目前对通话总放弃量是通过华为平台的以下接口获取，最短统计窗口为15分钟。不满足业务的需求，需要平台新增5分钟统计粒度的数据接口或其他替代接口。               接口URL：https://ip:port/rest/cmsapp/v1/openapi/hisindex/vdn                   指标：IDX_COUNT_INBOUND_ABANDON_CONNECTED        1 现有接口是否有其他方式满足        2 是否可以调整参数5分钟内可获取到其数值        3 后期是否会修改产品版本实现功能？是否有具体时间计划？能否变更升级实现？ 【日志或错误截图】【可选】        无 【附件】【可选】        无 

【问题来源】【必填】    武农商    【问题简要】【必填】     华为自带的CMS界面问题咨询【问题类别】【必填】    CMS【AICC解决方案版本】【必填】    【AICC可选择版本：AICC 8.14】    【UAP可选择版本：UAP9600 V100R005C00SPC018】    【CTI可选择版本：ICD V300R008C22】【期望解决时间】【选填】     今天18：00前【问题现象描述】【必填】        1、通过租户账号登陆CMS，可以操作录音质检，指标监控，报表三个功能，如何根据不同账号登陆把上述功能区分开，如A账号只能查看语音质检，B账号只能看报表这样；2、CMS录音质检界面无批量下载按钮，是否能批量下载；3、CMS录音质检界面如何根据被叫号码筛选录音文件；4、CMS坐席实时监控界面，在一个坐席组中最多可以显示多少坐席，是否可以根据坐席状态来筛选坐席，坐席状态刷新频率是多长时间；5、华为AICC平台web界面有长时间未登录自动退出机制，在哪里可以控制这个自动退出的时间；         华中区域 【日志或错误截图】【可选】            无 【附件】【可选】        无

【功能模块】CMS【操作步骤&问题现象】1、CMS上有录音质检，指标监控，报表三个功能，目前通过租户账号可全部查看，如何根据不同账号登陆把上述功能区分开，如A账号只能查看语音质检，B账号只能看报表这样；2、CMS录音质检界面无批量下载按钮，是否能批量下载；3、CMS录音质检界面如何根据被叫号码筛选录音文件；4、CMS坐席实时监控界面，在一个坐席组中最多可以显示多少坐席，是否可以根据坐席状态来筛选坐席，坐席状态刷新频率是多长时间；5、华为AICC平台web界面有长时间未登录自动退出机制，在哪里可以控制这个自动退出的时间；【截图信息】【日志信息】（可选，上传日志内容或者附件）