Blog

ISTAT distribuisce una enorme quantità di dati, in maniera continua, sui settori più disparati. Può essere dall’andamento dei redditi, allo stato di salute dell’industria ittica alla popolazione residente nelle varie località d’Italia.

Alcuni di questi dati possono essere utilizzati dalle analisi di geomarketing.

La prima cosa da fare è l’acquisizione delle definizioni territoriali dell’ISTAT, in quanto ogni tabella dati fornita dall’istituto di statistica è associato ad una definizione territoriale.

Istat fornisce le seguenti definizioni territoriali:
• Ripartizione geografica. Suddivisione dell’Italia in 5 macro aree, molto simile alla ripartizione per aree Nielsen.
• Regione
• Provincia
• Comune
• Sistema locale del lavoro. E’ una suddivisione che è fra la Provincia e il Comune. Raggruppa più comuni e rappresenta un’area dove un cittadino vive e lavora. Come definizione sul sito dell’ISTAT troviamo: “I sistemi locali del lavoro rappresentano i luoghi della vita quotidiana della popolazione che vi risiede e lavora. Si tratta di unità territoriali costituite da più comuni contigui fra loro, geograficamente e statisticamente comparabili.” L’Italia è suddivisa in quasi settecento aree di questo tipo. Questa scelta viene fatta per accorpare i piccoli comuni, dove è probabile che un cittadino vada a fare la spesa in uno dove c’è il supermercato, poi vada dal meccanico in un altro e all’ospedale in un altro ancora. Per un abitante di una grande città la vita si svolge al 95% lì, ma nell’Italia dei piccoli comuni non è così.

L’importazione di questi dati non è complicata. La complicazione c’è nel momento in cui dobbiamo collegare questi dati all’anagrafica aziendale. Perché non è automatico collegare la località al comune fornito dai dati ISTAT. Collegare Regioni e Provincie è abbastanza semplice, per il numero limitato. Per quanto riguarda i comuni questo è più complicato in quanto i comuni sono 8094, e generalmente nelle anagrafiche non c'è alcuna chiave codificata che li rappresenti. Nei dati ISTAT è presente un codice ISTAT, ma nelle anagrafiche che possiamo trovare nelle aziende?. Il nome della località non può essere usato come chiave, o meglio può essere usato ma limitatamente, in quanto abbiamo un match limitato dovuto al fatto che spesso nelle anagrafiche le località non sono codificate, ma sono scritte come campi testuali. Ad esempio un punto vendita ha come località “Roma Axa Madonnetta” che fa riferimento ad un quartiere di Roma, però questo lo può sapere un operatore umano, non un sistema automatico.

Possiamo mitigare il problema utilizzando la geolocalizzazione dei punti vendita che produce anche una normalizzazione degli indirizzi. Quindi nel caso precedente “Roma Axa Madonnetta” l’indirizzo verrebbe normalizzato in Roma. Questa operazione aumenta il numero di località in cui si può fare un match automatico, anche se non lo azzera. Questo può avvenire nel caso in cui Google, nell’indirizzo normalizzato, usi un nome leggermente diverso da quello usato dall’ISTAT. Ed inoltre il match è impossibile nel caso in cui Google non riesca a geolocalizzare l’indirizzo per errori o imprecisioni di come è scritto in anagrafica (vedi l'articolo Scrivere un indirizzo per la geolocalizzazione). Nei casi rimanenti il match deve essere fatto manualmente e deve essere ripetuto ogni volta che si aggiorna l’anagrafica e vengono introdotte nuove località.

Una volta collegati i comuni fra anagrafica ISTAT e anagrafica cliente, è possibile importare e poi utilizzare nei report qualsiasi genere di dato ISTAT collegato ad una entità territoriale.

Vediamo un estratto dei dati che possiamo importare e collegare.

Associato ad ogni comune possiamo sapere l’altitudine, la superficie territoriale e la popolazione residente al 31/12/2009. Inoltre possiamo anche conoscere la zona altimetrica (pianura litoranea, pianura interna, collina litoranea, collina interna, montagna) ed il sistema locale del lavoro in cui è inserito.

All’interno di un sistema locale possiamo conoscere la popolazione residente suddivisa per sesso, stato civile, età. Possiamo conoscere come è suddivisa la forza lavoro fra occupati, disoccupati, in cerca di prima occupazione, per sesso e per settore lavorativo. Per chi non lavora, c’è una suddivisione fra studenti, casalinghi, pensionati o altri. Abbiamo anche la popolazione che si sposta giornalmente nel comune e fuori dal comune. Abbiamo anche la distribuzione delle abitazioni divise fra residenti di proprietà e residenti in affitto. Occupate da persone residenti e non residenti. Ed anche una suddivisione per numero di stanze (es: abitazioni con una stanza, due, ecc). Gli edifici sono anche suddivisi per età e numero di piani.

A livello di sistema locale possiamo anche conoscere la suddivisione dei nuclei familiari, per numero di componenti. Possiamo conoscere il numero di famiglie uni personali suddivise per età. Il numero di nucle famigliari con figli, con coppie giovani, con coppie adulte, con coppia anziane, con e senza figli. Coppie con solo un genitore, anche in questo caso suddivisi per età. Possiamo anche sapere la posizione del capofamiglia, se imprenditore, libero professionista, dipendente, in cerca di occupazione, in cerca di prima occupazione, ritirata dal lavoro, casalinga, studente o diversa da occupato. Infine possiamo anche sapere il numero di residenti stranieri suddivisi per continente di provenienza.

Questi dati possono essere utili per definire una strategia di marketing o capire quale genere di prodotti sono più adatti per il target di consumatori presenti nell’area. Questo può esser utile anche per capire perché un determinato prodotto ha sovra o sottoperformato in una certa area, confrontando le categorie di consumatori presenti sul territorio.

A livello regionale e di ripartizione geografica abbiamo dei dati molto interessanti. Ovvero la spesa mensile per categoria di consumo. Possiamo sapere di ogni regione, quale è la spesa per alimentari e non alimentari. All’interno di queste due categorie è presente una sottocategorizzazione, in cui si possono dividere gli alimentari e i non alimentari. Ad esempio la spesa media per pane e cereali. Questo può essere interessante anche per normalizzare i propri dati di vendita rispetto alla spesa media del territorio.
Al livello di ripartizione geografica possiamo scegliere in un ulteriore dettaglio e vedere ad esempio Pani e cereali e suddiviso in Pane, grissini e crackers, Biscotti, Pasta e riso, Pasticceria e dolciumi. E possiamo vedere la distribuzione per tipologie familiari, posizione professionale della persona di riferimento e numero di componenti.

Come vedete la quantità di dati che si possono incrociare è notevole, e possono dare un notevole valore aggiunto sulle analisi dei propri dati e sulla definizione delle proprie strategie, in particolare se abbinati al geomarketing.

La tecnologia mette a disposizione gli strumenti per evitare di prendere decisioni alla cieca, ma basandosi su dati certi, l'adottarli o meno dipende dall'apertura delle dirigenze ad evolversi. Infatti strumenti del genere posso essere adottati da tutti, non hanno un costo che le limitano alle sole grandi aziende. Ad una condizione, basta che non vi rivolgiate a Nielsen o ad Accenture, altrimenti state sicuri che vi costerà un rene. :-)

C'è vero progresso solo quando i vantaggi di una nuova tecnologia diventano per tutti. (Henry Ford)