導入
企業のキャッシュ フローは、その支払能力の良い目安であり、企業が財務上の責務を果たすことができるかどうかを示します。 Microsoft Dynamics 365 Business Central は、将来の期間を予測するために履歴データを分析することによって、企業がキャッシュ フローを分析するために使用できるツールを提供します。 このモジュールでは、Microsoft Azure Machine Learning を使用してさまざまなシナリオをモデル化し、予想される結果を把握できる高度なレポート ツールである キャッシュ フロー予測機能について説明します。
このモジュールでは、まず、Microsoft Azure AI を使用してキャッシュ フロー予測を設定する方法について説明します。 次に、独自の予測 Web サービスを使用してキャッシュ フロー予測を行うプロセスについて説明します。
機械学習は、コンピューターで既存のデータを使用し、将来の動き、結果、傾向を予測するデータ サイエンス手法の 1 つです。 機械学習を使用することで、明示的にプログラムしなくてもコンピューターが学習します。
次の図は、サービスの主要コンポーネントと、そのサービスを使用するための一般的なワークフローを示しています。
機械学習モデルのワークフローは、通常、次の順序で処理されます。
トレーニング - コンピューターの学習を支援します。
機械学習トレーニング スクリプトは、Python、R、またはビジュアル デザイナーを使用して開発します。
計算ターゲットを作成および構成します。
構成された計算ターゲットにスクリプトを送信して、その環境で実行します。 トレーニングでは、スクリプトを使用してデータストアの読み取りや書き込みを行うことができます。 トレーニング中に生成されたログと出力は、ワークスペースに実行として保存され、実験の下でグループ化されます。
パッケージ - 十分な実行が見つかったら、永続化されたモデルをモデル レジストリに登録します。
検証 - 現在および過去の実行のログに記録されたメトリックに対して実験をクエリします。 メトリックに必要な結果が示されていない場合は、ステップ 1. に戻って、スクリプトを繰り返します。
配置 - モデルを使用するスコアリング スクリプトを開発し、そのモデルを Azure の Web サービスとして、または IoT Edge デバイスに配置します。
モニター - 配置されたモデルのトレーニング データセットと推論データ間のデータのずれを監視します。 必要に応じてステップ 1 にループ バックし、新しいトレーニング データを使用してモデルを再トレーニングします。