顧客の入金遅延日数を予測することで、顧客の入金遅延や早期入金に関連する短期および中期の正確な資金計画が可能になります。
IFS Cloud では、機械学習ベースの予測モデルが顧客の履歴データを使用してトレーニングされます。機械学習アルゴリズムを使用して、将来の入金遅延または早期入金を予測します。最も正確な予測を得るために、モデルはいつでも再トレーニングできます。
売掛管理の分析と資金計画のために、予測される顧客の入金遅延日数を使用するには、機械学習モデルをトレーニングを実施し、アクティブ化する必要があります。
これは、ソリューションマネージャー/自動化と最適化/機械学習/機械学習モデルで実行する必要があります。トレーニング後、顧客の入金遅延予測を使用できるようにするには、モデルを「アクティブ」ステータスに設定する必要があります。
最近の顧客トランザクションに関する最も正確な予測を得るために、ビジネス要件に基づいてモデルを再トレーニングできます。
モデルのトレーニング時には推論コールが行われ、トークンが消費されます。
この機能を使用するには、顧客はアプリケーション ベース設定/企業/顧客/支払で予測入金遅延を使用を有効にする必要があります。このオプションは、どの顧客を入金遅延予測に含めるかを設定します。このオプションが顧客に対して有効になっている場合、事前定義済支払遅延は予測された入金遅延によって上書きされます。
このオプションを有効にするには、ソリューションマネージャー/自動化と最適化/機械学習/機械学習モデルの下にある支払遅延日数予測モデルがトレーニング済みかつアクティブなステータスになっていることを確認します。
請求書の転記時に、請求書の分割払いごとに対する顧客の支払遅延が予測されます。したがって、請求書を転記後、分割払いおよび割引プランに予測される支払遅延日数が表示されます。これにより、NEXUS プラットフォームで推論コールが行われる際にトークンが消費されます。
ソリューション マネージャー/自動化と最適化/機械学習/機械学習モデルで支払遅延日数予測モデルがトレーニング済かつアクティブステータスでない場合、または請求書の転記中に NEXUS プラットフォームとの接続の問題がある場合は、予測される支払遅延日数は計算されません。
予測される入金遅延日数は、顧客の簡易請求書、プロジェクト請求書、受注オーダ請求書にのみ適用されることに注意してください。
顧客予測入金遅延は、顧客分割払い分析ページ、マルチカンパニー一覧 - 顧客請求書 (利息/延滞料) 分析ページまたは IFS ロビーでご確認ください。入金遅延は顧客請求書の分割払いごとに予測されるため、これらの分析ページでは入金遅延日数を照会するための概要が提供されます。予測される入金遅延を使用すると、会社の回収プロセスが容易になり、関連する顧客に焦点を当てて必要な措置を講じることができます。
顧客に対する予測支払遅延の使用は、資金計画シナリオ レベルのオプションです。資金計画トランザクションを分析し、予測される入金遅延日数を使用して、より正確なキャッシュフロー日付と比較できます。シナリオ レベルで [予測支払遅延を使用] が有効になっている場合、キャッシュフローの日付は予測遅延日数に合わせて調整され、より可能性の高いキャッシュフローを反映します。