Umsatzprognosen aus Dataverse mit Python und linearer Regression
Mit Dataverse SDK für Python, Pandas und Scikit-Learn Daten abrufen, künftige Umsätze prognostizieren und Ergebnisse wieder in Dataverse speichern.
Originalartikel vom 25.09.2026: Linear Regression with Microsoft Dataverse: Predictive Analytics Using Python, von Pavan Mani Deep Y, auf Ecellors Blog. Artikel lesen
Dies ist unsere eigene Kurzfassung, keine Wiederveröffentlichung oder vollständige Übersetzung.
TL;DR
Das Dataverse SDK für Python lädt monatliche Umsatzdaten in einen Pandas DataFrame. Scikit-Learn trainiert daraus ein lineares Regressionsmodell. Prognosen für kommende Monate werden anschliessend in Dataverse gespeichert und können von Power Apps, Power BI oder Copilot-Erlebnissen genutzt werden.
Warum das wichtig ist
- Makers: Nutzt das beschriebene Dataverse-Tabellenmuster, damit Prognoseergebnisse in Power Apps oder anderen Geschäftserlebnissen verfügbar sind.
- BI/Data teams: Ruft Dataverse-Daten mit dem Python SDK ab, bereitet sie in Pandas auf und trainiert das Beispielmodell mit Scikit-Learn.
- Leadership/Business: Prüft historische Umsatz-, Ticket- oder Nachfragedaten als Grundlage für die im Beitrag beschriebenen Prognoseszenarien.
Häufige Fragen
Wie ruft Python Dataverse-Daten für ein lineares Regressionsmodell ab?
Das Dataverse SDK für Python fragt ausgewählte Tabellenspalten ab und lädt die Datensätze zur Analyse in einen Pandas DataFrame.
Wie prognostiziert das Beispiel künftige Umsätze aus Dataverse-Daten?
Das Beispiel trainiert Scikit-Learn LinearRegression mit Monats- und Umsatzspalten und prognostiziert anschliessend Umsätze für die Monate 6, 7 und 8.
Wie speichert Python Prognoseergebnisse für Power Apps in Dataverse?
Der Python-Client erstellt Datensätze in einer Umsatzprognosetabelle und speichert darin den jeweiligen künftigen Monat sowie den prognostizierten Umsatz.