Partimos del histórico de consumo —telemedida, sistema de gestión o facturación detallada— y de las variables que lo explican: temperatura exterior, ocupación, horarios o producción.
Antes de modelizar revisamos los datos: huecos, valores anómalos y periodos que no son representativos. Con ellos construimos un modelo estadístico o de aprendizaje automático (machine learning) y comprobamos su error con datos que no se han usado para construirlo.