Verspätete Zahlung für Verkaufsbelege vorhersagen | Microsoft Docs

Die effektive Verwaltung von Forderungen ist für den Gesamtfinanzstatus eines Unternehmens wichtig. Die Erweiterung "Vorhersage verspäteter Zahlungen" kann nützlich sein, um ausstehende Forderungen zu reduzieren und die Sammlungsstrategie abzustimmen, die voraussagt, ob Verkaufsrechnungen pünktlich bezahlt werden. Wenn beispielsweise vorausgesagt wird, dass eine Zahlung zu spät erfolgen wird, können Sie sich entschieden, die Zahlungsfristen oder die Zahlungsform für den Debitor anzupassen.

Erste Schritte

Wenn Sie einen gebuchten Verkaufsbeleg öffnen, wird oben auf der Seite eine Meldung angezeigt. Um die Erweiterung "Vorhersage verspäteter Zahlungen" zu verwenden, wählen Sie in der Meldung die Option Aktivieren aus. Sie können die Erweiterung auch manuell einrichten. Beispielsweise, wenn Sie die Benachrichtigung versehentlich verworfen haben.

Führen Sie folgende Schritte aus, um die Erweiterung manuell zu aktivieren:

Wählen Sie das Symbol , geben Sie Vorhersage der Zahlungsverspätung einrichten ein und wählen Sie dann den entsprechenden Link.
Füllen Sie die Felder nach Bedarf aus.

NOTE

Wenn Sie sich entscheiden, die Erweiterung manuell zu aktivieren, beachten Sie, dass Business Central Ihnen dies nicht erlaubt, wenn die Qualität des Modells gering ist. Die Qualität des Modells zeigt an, wie genau die Vorhersagen des Modells wahrscheinlich sind. Einige Faktoren können sich auf die Qualität eines Modells auswirken. Es könnten z.B. nicht genügend Daten vorhanden gewesen sein oder die Daten enthielten nicht genügend Variationen. Sie können die Qualität des Modells, das Sie aktuell verwenden auf der Seite Einrichtung der Vorhersage verspäteter Zahlungen anzeigen. Sie können auch einen Mindestschwellenwert für die Modellqualität angeben.

Anzeigen aller Zahlungsvorhersagen

Wenn Sie die Erweiterung aktivieren wird die Kachel Voraussichtlich verspätete Zahlungen im Geschäftsführer-Rollencenter verfügbar. Die Kachel zeigt die Anzahl der Zahlungen, die voraussichtlich verspätet sind und lässt Sie die Seite Debitorenposten öffnen, in dem Sie die gebuchten Rechnungen genauer ansehen können. Sie sollten drei Spalten beachten:

Zahlungsverzug - Gibt an, ob die Zahlung für die Rechnung voraussichtlich verspätet sein wird.
Vorhersagegenauigkeit - Zeigt an, wie zuverlässig die Vorhersage ist. Hoch bedeutet, dass die Vorhersage zu mindestens 90 % sicher ist. Mittel liegt zwischen 80 und 90 %, und Niedrig liegt unter 80 %.
Vorhersagegenauigkeit % - Zeigt den tatsächlichen Prozentsatz auf dem die Genauigkeitsbewertung basiert. Standardmäßig wird die Spalte nicht angezeigt. Sie kann jedoch auf Wunsch hinzugefügt werden. Weitere Informationen finden Sie unter Personalisieren Sie Ihren Arbeitsbereich.

TIP

Die Seite "Debitorenposten" zeigt zudem rechts eine Infobox. Die Information im Abschnitt Debitorendetails kann bei der Prüfung von Vorhersagen nützlich sein. Wenn Sie die Rechnung in der Liste auswählen, werden im Abschnitt Informationen zum Debitor angezeigt. Außerdem können Sie damit sofort Maßnahmen ergreifen. Wenn ein Debitor häufig die Geldbörse verlegt, können Sie die Debitorenkarte aus der Infobox heraus öffnen und den Debitor für künftige Verkäufe sperren.

Anzeigen einer Zahlungsvorhersage für einen bestimmten Verkaufsbeleg

Sie können auch verspätete Zahlungen vorhersagen. Auf den Seiten Verkaufsangebote, Verkaufsaufträge und Verkaufsrechnungen können Sie die Aktion Zahlung vorhersagen verwenden, um eine Vorhersage für einen Verkaufsbeleg zu erstellen, den Sie anzeigen.

Einzelheiten zum Entwurf

Microsoft bietet und betreibt eine Reihe von prädiktiven Webdiensten in allen Regionen, in denen Business Central verfügbar ist. Der Zugang zu diesen Webdiensten ist in Ihrem Business Central-Abonnement enthalten. Weitere Informationen finden Sie im Microsoft Dynamics 365 Business Central-Lizenzierungshandbuch. Der Leitfaden steht auf der Website Business Central zum Herunterladen zur Verfügung.

Die Web-Dienste arbeiten in drei Modi:

Trainingsmodell. Der Webdienst trainiert das Modell auf der Grundlage des bereitgestellten Datensatzes.
Modell evaluieren. Der Webdienst prüft, ob das Modell zuverlässige Daten für den bereitgestellten Datensatz liefert.
Vorhersagen. Der Web-Service wendet das Modell auf den bereitgestellten Datensatz an, um eine Vorhersage zu treffen.

Diese Web-Dienste sind zustandslos, d.h. sie verwenden Daten nur zur Berechnung von Vorhersagen bei Bedarf. Sie speichern keine Daten.

NOTE

Sie können anstelle unseres eigenen Prognose-Webdienstes Ihren eigenen Prognose-Webdienst verwenden. Weitere Informationen finden Sie unter Erstellen und verwenden Sie Ihren eigenen Prognose-Webservice für Zahlungsverzugsprognosen.

Daten, die zum Trainieren und Auswerten des Modells erforderlich sind

Für jede Debitorenposten, zu der eine zugehörige gebuchte Verkaufsrechnung vorliegt:

Betrag (MW) einschließlich Steuer
Die Zahlungsfrist in Tagen wird berechnet als Zahlungsdatum minus Buchungsdatum.
Ob es eine beantragte Gutschrift gibt.

Zusätzlich wird der Datensatz mit aggregierten Daten aus anderen Rechnungen angereichert, die sich auf denselben Kunden beziehen. Dazu gehören die folgenden Schritte:

Gesamtzahl und Betrag der bezahlten Rechnungen
Gesamtzahl und Betrag der Rechnungen, die verspätet bezahlt wurden
Gesamtzahl und Betrag der ausstehenden Rechnungen
Gesamtzahl und Betrag der ausstehenden Rechnungen, die bereits verspätet sind
Durchschnittlich Tage Verspätung
Verhältnis: Anzahl Verspätet bezahlte/bezahlte Rechnungen
Verhältnis: Verspätet gezahlter Betrag/bezahlte Rechnungen
Verhältnis: Anzahl Ausstehende verspätete/ausstehende Rechnungen
Verhältnis: Ausstehender Betrag Verspätete/ausstehende Rechnungen > [!Note] > Die Informationen über den Debitor sind nicht im Datenbestand enthalten.

Standardmodell und Mein Modell

Die Erweiterung Vorhersage des Zahlungsverzugs enthält ein Vorhersagemodell, das anhand von Daten trainiert wird, die repräsentativ für eine Reihe von kleinen bis mittleren Unternehmen sind. Wenn Sie anfangen, Rechnungen zu buchen und Zahlungen zu erhalten, wird Business Central bewerten, ob das Standardmodell zu Ihrem Geschäftsablauf passt.

Wenn es den Anschein hat, dass Ihre Prozesse nicht mit dem Standardmodell übereinstimmen, können Sie immer noch die Erweiterung verwenden, aber Sie werden mehr Daten erhalten müssen. Verwenden Sie einfach weiterhin Business Central.

NOTE

Wir verwenden jede Woche einen Teil Ihrer Rechenzeit, wenn wir das Modell bewerten und neu trainieren.

Business Central führt die Schulung und Auswertung automatisch durch, wenn genügend bezahlte und verspätete Rechnungen vorliegen, Sie können sie aber auch manuell durchführen, wann immer Sie wollen.

So trainieren und verwenden Sie Ihr Modell

Wählen Sie das Symbol , geben Sie Vorhersage der Zahlungsverspätung einrichten ein und wählen Sie dann den entsprechenden Link.
Geben Sie im Feld Ausgewähltes Modell die Option Mein Modell aus.
Wählen Sie die Aktion Mein Modell erstellen, um das Modell anhand Ihrer Daten zu trainieren.

Erstellen und verwenden Sie Ihren eigenen Prognose-Webdienst zur Vorhersage von Zahlungsverzug

Sie können auch Ihren eigenen Vorhersage-Webdienst auf der Grundlage eines öffentlichen Modells mit dem Namen Vorhersage-Experiment für Dynamics 365 Business Central erstellen. Dieses vorhersagende Modell ist online im Azure AI Katalog verfügbar. Um das Modell zu verwenden, gehen folgendermaßen vor:

Öffnen Sie einem Browser und gehen Sie zum Azure AI Katalog
Suchen Sie nach Vorhersage-Experiment für Dynamics 365 Business Central, und öffnen Sie dann das Modell in Azure Machine Learning Studio.
Verwenden Sie das Microsoft-Konto, um sich für einen Arbeitsbereich anzumelden und kopieren Sie dann das Muster.
Führen Sie die Vorlage aus und veröffentlichen Sie dieses als Webdienst.
Notieren Sie den API URL und den API Schlüssel. Sie verwenden diese Anmeldeinformationen für die Cashfloweinrichtung.
Wählen Sie das Symbol , geben Sie Vorhersage der Zahlungsverspätung einrichten ein und wählen Sie dann den entsprechenden Link.
Wählen Sie das Kontrollkästchen Mein Azure-Abonnement verwenden.
Im Inforegister Anmeldeinformationen für mein Modell geben Sie die API-URL und den API-Schlüssel für Ihr Modell ein. .

Siehe auch

Azure Machine Learning Studio-Dokumentation
Anpassen von Business Central über Erweiterungen
Willkommen bei Dynamics 365 Business Central