Il Machine Learning è un sistema articolato di apprendimento automatico in grado di esplorare i dati ed estrarre informazioni, per poi ricavarne correlazioni e definire pattern che modificano e migliorano, di conseguenza, il campo di conoscenza e azione. Si tratta di un sottoinsieme dell’intelligenza artificiale volto alla creazione di sistemi che apprendono o migliorano le performance in base ai dati che utilizzano. Gli algoritmi generati renderanno, quindi, l’esperienza del professionista più facile ed efficiente. Gli algoritmi di Machine Learning attualmente utilizzati sono di tipo supervisionato e non supervisionato. La differenza tra queste due tipologie  viene definita dal modo in cui ciascun algoritmo apprende i dati per fare previsioni. Esempi di Machine Learning supervisionato includono algoritmi come la regressione lineare e logistica, la classificazione multiclasse e le macchine vettoriali di supporto. Il Machine Learning non supervisionato utilizza un approccio più indipendente, in cui un computer impara a identificare processi e schemi complessi senza la guida attenta e costante di una persona. Di norma, la scelta di un algoritmo di Machine Learning supervisionato o non supervisionato dipende da fattori correlati alla struttura e al volume dei dati e al caso d’uso a cui si desidera applicarlo. Tra le caratteristiche più convincenti del Machine Learning vi è la capacità di automatizzare e velocizzare il processo decisionale nonché accelerare il tempo di valutazione, consentendo di ottenere una migliore visibilità aziendale e una maggiore collaborazione.