همانطور که در مقدمه عنوان شد، یکی از موانع اجرای سیاست‌های حاکمیتی مدیریت و بهینه سازی مصرف انرژی (از قبیل سیاست‌های تشویقی و تنبیهی) به خصوص در بخش خانگی، عدم تجهیز مشترکین (حدود 30 میلیون مشترک) به کنتورهای هوشمند است. در چنین شرایطی فرایند اندازه‌گیری (Measurement) و صحه‌گذاری (Verification) بر کاهش یا افزایش مصرف مشترکین نه تنها با روش‌های سنتی امکان‌پذیر نمی‌باشد بلکه از دقت و اطمینان بالایی نیز برخوردار نخواهد بود. لذا هدف از این طرح به دنبال ایجاد سامانه ای در بستر فنآوری‌های نوین محاسباتی است، تا امکان اجرای M&V داده‌محور به‌صورت سیستماتیک و بدون مداخلات انسانی ایجاد شود. فرآوری و هوشمندسازی داده‌ها از محوری‌ترین نوآوری‌های این طرح و متشکل از مجموعه‌ای از فرآیندها است که محوریت آن پردازش و فرآوری داده­ها می‌باشد. این موضوع خود متشکل از مراحل زیربنایی شامل تجمیع، ذخیره‌سازی، آرشیو تا مراحل تمیزسازی، بصری‌سازی، اعطای دسترسی و گزارش‌گیری است. هدف این شتاب‌دهنده دستیابی به دانش فنی و توسعه این محصول فناورانه در بستر فناوری‌های لبه دانش از قبیل هوش مصنوعی و تبدیل آن به کسب‌وکاری فناورانه و خلق ارزشی پایدار برای هوشمندسازی مدیریت مصرف و ارتقاء بهره‌وری انرژی است. به‌طوری‌که نیاز صنعت انرژی به محصولات سخت‌افزاری از قبیل کنتور هوشمند را نه‌تنها مرتفع نموده بلکه زمینه شکل‌گیری اکوسیستم استارتاپی داده محور برای هوشمندسازی صنعت انرژی فراهم نماید.

در همین راستا، داده‌های مصرف انرژی مشترکین در سه تا پنج سال گذشته (حامل‌های گاز و برق) به همراه داده‌های آب‌و‌هوایی می‌توانند به‌عنوان داده‌های ورودی در نظر گرفته شوند. (این داده‌ها آفلاین بوده، REAL-TIME نیستند و در سامانه BILLING موجود و در دسترس می‌باشند). موضوعاتی مانند behavior analysis, time series prediction پیشنهاد می‌شود که بتوان الگوهای هنجار و ناهنجار را تشخیص داد.

مجری تحقیق در گام نخست باید روش‌های متداول داده‌کاوی را بررسی کند، سپس مشخصات داده‌های مصرف انرژی مشترکین (ازجمله ویژگی، معنا، نوع، محدوده، رزولوشن) را بشناسد، ضمن تمیزسازی داده‌ها، داده‌های تکراری را بررسی کند و آن‌ها را نرمالایز نماید. همچنین بر اساس متغیرهای موثر و در دسترس، داده ها را خوشه‌بندی نموده (حداقل بر مبنای پنج متغیر – بعد- : مصرف، اقلیم، آب و هوا، متراژ و تعداد نفرات) در گام سوم لازم است الگوریتم‌های مختلف تحلیلی به‌منظور تدوین مستندات مربوط به دقت و کارایی الگوریتم‌های خوشه‌بندی و گراف  ارزیابی شوند. سپس راه‌حل نرم‌افزاری خود را به‌منظور داده‌کاوی و استخراج الگوی مصرف و برچسب‌زنی مشترکین ارائه کند. در گام پنجم نیز باید معماری محصول، طراحی و پیاده‌سازی شود و درنهایت راه‌حل نرم‌افزاری نهایی مبتنی بر هوش مصنوعی در قالب یک سامانه توسعه یابد.

لازم به ذکر است که شتاب‌دهنده در زمینه شناسایی چالش‌ها و مشکلات زنجیره تولید، توزیع و مصرف انرژی به بهره‌گیری از داده‌های ترازنامه انرژی در 20 سال اخیر، مطالعاتی را انجام داده است که گزارش مربوطه در اختیار تیم منتخب قرار خواهد گرفت.