Nel primo business case verrà mostrato come è possibile combinare diverse tecniche di Machine Learning per simulare scenari di evoluzione del prezzo dell’energia, fornendo così un prezioso supporto ai decisori nella fase di ottimizzazione dei processi di acquisto e di distribuzione.
Nel secondo verrà invece illustrato come un’azienda del settore Energy ha utilizzato RapidMiner e il Machine Learning per individuare i 25 attributi Top che più influenzano il rischio di abbandono dei clienti, intervenendo puntualmente sul Churn Rate, con un conseguente impatto sul ROI.