Tillägget för prediktion om sen betalning

Det är viktigt för den övergripande ekonomiska situationen i ett företag att effektivt hantera kundfordringar. För att minska utestående fordringar och hjälpa dig att finjustera din inkassostrategi, förutsäger tillägget om sena betalningar kan förväntas. Om till exempel om en betalning förutsägs att bli försenad kanske du bestämmer dig för att ändra villkoren för kundens betalningsmetod.

Kom i gång

När du öppnar ett bokfört försäljningsdokument, visas ett meddelande längst upp på sidan. Om du vill använda tillägget för prediktion om sen betalning kan du ansluta dig genom att välja Aktivera i meddelandet. Alternativt kan konfigurera tillägget manuellt. Om du till exempel ångrar att du avfärdat meddelandet.

Om du vill aktivera tillägget manuellt följer du dessa steg:

1. Välj den anger du Inställningar för prediktion om sen betalning och väljer sedan relaterad länk.
2. Fyll i fälten om det behövs.

Anteckning

Om du väljer att aktivera tillägget manuellt bör du tänka på att Business Central inte tillåter detta om modellens kvalitet är låg. Modellkvaliteten anger hur exakta modellens prediktioner kan antas vara. Flera faktorer kan påverka kvaliteten på en modell. Till exempel kanske datamängden är otillräcklig, eller också det fanns inte tillräcklig variation i data. Du kan visa kvaliteten på den modell som du för närvarande använder på sidan Inställningar för prediktion om sen betalning. Du kan också ange ett lägsta tröskelvärde för modellkvalitet.

Visa alla betalningsprediktioner

Om du aktiverar tillägget visas panelen Betalningen förutsägs vara försenad i rollcentret för chef. Panelen visar antalet betalningar som förutsägs vara försenade och låter dig öppna sidan Kundreskontratransaktioner där du kan gå på djupet med de bokförda fakturorna. Det finns tre kolumner att ta hänsyn till:

• Sen betalning – anger om betalningen av fakturan förutsägs vara försenad.
• Prediktionssäkerhet – anger hur tillförlitlig bör anse att prediktionen är. Hög innebär att prediktionen är minst 90 % säker, mellan ligger mellan 80 % och 90 % och låg är lägre än 80 %.
• Prediktionssäkerhet % – visar den faktiska procentsatsen bakom säkerhetsgraden. Den här kolumnen är som standard dold, men du kan lägga till den om du vill. Mer information finns i Anpassa din arbetsyta.

Dricks

Sidan Kundreskontratransaktioner visar en faktabox till höger. När du granskar prediktioner kan informationen i avsnittet kunddetaljer vara till hjälp. När du väljer fakturan i listan visar i avsnittet information om kunden. Du kan även vidta omedelbara åtgärder. Om en kund t. ex. tappar sin plånbok kan du öppna kundkortet från faktaboxen och spärra kunden för framtida försäljning.

Designdetaljer

Microsoft distribuerar och driver prediktiva webbtjänster i alla regioner där Business Central finns tillgängligt. Åtkomsten till dessa webbtjänster ingår i din Business Central-prenumeration. Mer information finns i Licensieringsguiden för Microsoft Dynamics 365 Business Central. Guiden kan hämtas på webbplatsen för Business Central.

Webbtjänsterna fungerar i tre olika lägen:

• Träningsmodell. Webbtjänsten tränar modellen baserat på den angivna datamängden.
• Utvärderingsmodell. Webbtjänsten kontrollerar huruvida modellen returnerar pålitliga data för den angivna datauppsättningen.
• Förutsägelse. Webbtjänsten applicerar modellen på den angivna datauppsättningen i syfte att skapa en förutsägelse.

Dessa webbtjänster är tillståndslösa, vilket innebär att de endast använder data för att beräkna förutsägelser vid behov. Inga data lagras.

Anteckning

Du kan använda din egen prediktiva webbtjänst i stället för vår. Mer information finns i Skapa och använda din egen webbtjänst för prediktioner om sen betalning.

Uppgifter som krävs för att utbilda och utvärdera modellen

För varje Kundreskontratransaktion med en relaterad bokförd försäljningsfaktura:

• Belopp (BVA) inkl. moms
• Betalningsvillkoren i dagar beräknas som Förfallodatum minus Bokföringsdatum
• Om det finns en tillämpad kreditnota

Dessutom har transaktionen berikats med sammanlagda data från andra fakturor som hör till samma kund.

• Totalt antal betalda fakturor och dessas belopp
• Totalt antal fakturor som betalats för sent, samt dessas belopp
• Totalt antal utestående fakturor och dessas belopp
• Totalt antal utestående fakturor som redan försenats, samt dessas belopp
• Genomsnittlig försening i dagar
• Förhållande: antal sent betalda/betalda fakturor
• Förhållande: belopp för sent betalda/betalda fakturor
• Förhållande: antal utestående sena/utestående fakturor
• Förhållande: belopp utestående sena/utestående fakturor

Anteckning

Informationen om kunden ingår inte i datauppsättningen.

Standardmodell och min modell

Tillägget för prediktion om sen betalning med en prediktiv modell som utvecklas genom att använda data som representerar ett antal små och medelstora företag. När du börjar bokföra fakturor och tar emot betalningar kommer Business Central att utvärdera huruvida standard modellen passar ditt affärsflöde.

Om dina processer inte matchar standardmodellen kan du ändå använda tillägget, men du måste då skaffa mer information. Bara fortsätt använda Business Central.

Anteckning

Vi använder lite av din bearbetningstid varje vecka när vi utvärderar modellen och uppdaterar modellen.

Business Central kör utbildning och utvärdering automatiskt när tillräckligt många betalda och sena fakturor finns tillgängliga. Du kan dock köra den manuellt när du vill.

Att träna och använda din modell

1. Välj den anger du Inställningar för prediktion om sen betalning och väljer sedan relaterad länk.
2. I fältet Vald modell, välj Min modell.
3. Välj åtgärden Skapa min modell för att träna modellen på dina data.

Skapa och använda din egen webbtjänst för prediktioner om sen betalning

Du kan också skapa din egen förebyggande webbtjänst som bygger på en allmän modell med namnet Prognosexperiment för Dynamics 365 Business Central. Den här förebyggande modellen finns online i Azure AI-galleriet. För att använda modellen gör du följande:

1. Öppna en webbläsare och gå du till Azure AI-galleriet
2. Sök efter Prognosexperiment för Dynamics 365 Business Central och öppna sedan modellen i Azure Machine Learning Studio.
3. Använd ditt Microsoft-konto för att registrera dig för en arbetsyta och kopiera sedan modellen.
4. Kör modellen och publicera den som en webbtjänst.
5. Gör en anteckning av API-URL och API-nyckel. Du använder denna information för en kassaflödesinställningar.
6. Välj den anger du Inställningar för prediktion om sen betalning och väljer sedan relaterad länk.
7. Markera kryssrutan Använd Min Azure prenumeration.
8. På snabbfliken mina autentiseringsuppgifter för modell, ange API-URL och API-nyckel för din modell.

Se även

Azure Machine Learning Studio-dokumentation
Anpassa Business Central med tillägg
Välkommen till Dynamics 365 Business Central
Använd artificiell intelligens i Microsoft Dynamics 365 Business Central

Sök efter gratis e-inlärningsmoduler för Business Central här