Un atlante per la grande distribuzione

di Alessandro Seravalli
con il contributo di Leonardo Amadio

La grande distribuzione organizzata in Italia: le polarità commerciali

Le polarità commerciali  attraverso mappe di densità

Statistica è una parola legata etimologicamente al potere, al territorio: deriva da status, cioè “condizione, posizione, stabilità” e con questo termine sono generalmente indicate le informazioni su fenomeni reali raccolte dagli organismi statali che ne sono anche i principali utilizzatori. La statistica dunque nasce per comprendere attraverso i numeri fenomeni territoriali. Si evidenzia come nelle grandi dittature (oppure dove lo Stato ha un ruolo esclusivo che si traduce in un controllo dall’alto sulla popolazione) la disponibilità di informazioni a fini statistici è maggiore. Un grande autore del XX secolo, Jorge Luis Borges, scrisse che la democrazia è un «curioso abuso della statistica».
La statistica ha una storia antica. Già gli Egiziani nel 3000 a.C., i Cinesi della dinastia Ming (2200 a.C.), il popolo ebraico (vediamo il Libro dei Numeri) elaborarono censimenti, individuarono cluster territoriali, fecero rilevazioni statistiche. È a metà dell’Ottocento che nasce la statistica moderna, conseguenza o approdo di una serie di sviluppi delle scienze matematiche. Adolphe Quetelet (1796-1874), matematico e astronomo belga, considerato da molti il fondatore della statistica moderna, si occupò di calcolo delle probabilità e ne ricercò l’applicazione nel campo dei fenomeni sociali. Nel 1835 Quetelet aveva formulato la teoria cosiddetta dell’uomo medio, che ipotizzava il tipo fisico di una popolazione ottenuto attraverso la media aritmetica dei vari caratteri fisici dei suoi componenti.
Indipendentemente dalla generalizzazione e dagli errori da essa generati, la statistica è un supporto, un tentativo di comprendere il mondo e i fenomeni.

La statistica viene resa graficamente attraverso le infografiche: tavole capaci di rendere comprensibili, in un colpo d’occhio, grandi quantità di dati in modo da raccontare attraverso le immagini, una notizia che sarebbe difficile da esprimere o addirittura invisibile.

C’è chi fa risalire l’origine del data visualization (visualizzazione dei dati) addirittura alle pitture rupestri di Lascaux (13mila-15mila a.C.), dove le rappresentazioni di uomini e animali sono sistemate nello spazio con un certo gusto artistico (qualunque cosa volesse dire a quell’epoca), ma anche e soprattutto informativo. Erano un modo per trasmettere notizie agli altri cacciatori, veri e propri flussi di dati su come e dove trovare le prede migliori. E su come ingraziarsi gli spiriti per fare una buona caccia. Anche Aristotele affermava che l’anima non pensa mai senza un’immagine. Tuttavia è nel XVII secolo che avviene il passaggio e la mutazione della rappresentazione cartografica: da una funzione accessoria, tipicamente illustrativa, a una funzione attiva, sostantiva.
Esempi bellissimi di unione fra arte e scienza, fra abilità statistiche e abilità cartografiche, sono certamente le realizzazioni di Charles Joseph Minard. Famosa è la sua infografica sulla campagna russa delle armate napoleoniche realizzata nel 1812: in una sola immagine rappresentò la disfatta dell’esercito napoleonico. Le infografiche sono immagini che sintetizzano e comunicano una grande quantità di dati, ed è per questo che hanno riscontrano un grande utilizzo nei media a partire all’incirca dal 2007.
Infografiche e geostatistica danno forma ai dati, e questo è stato il tentativo alla base della costruzione dell’Atlante della distribuzione commerciale elaborato nei primi mesi del 2016. La prima lettura che ne deriva è data dall’evidente corrispondenza fra politiche commerciali e ricadute di queste nella trasformazione del territorio. Rimandiamo alle elaborazioni grafiche e alle schede per ciascuna regione che seguono la lettura dei dati di questo Atlante le cui mappe erano care all’amico Onorio.

Charles Minard, la campagna di russia (in “Carte figurative des pertes successives en hommes de l’Armée Française dans la campagne de Russie 1812-1813”).

Analisi della grande distribuzione

L’atlante della grande distribuzione si pone come obiettivo quello di analizzare la distribuzione degli esercizi della GDO su scala nazionale. L’utilizzo del dato georiferito permette di poter visualizzare la distribuzione sul territorio dello stesso, ma permette soprattutto l’applicazione di una serie di strumenti analitici al fine di una migliore comprensione dei fenomeni che tale distribuzione crea sul territorio preso in esame, sia se considerato da solo, sia se incrociato con altri dati. I dati sugli esercizi della grande distribuzione organizzata sono dati per loro natura puntuali e, l’applicazione di tecniche di interpolazione spaziale permette di poter visualizzare lo stesso contenuto in modi differenti, tali da poterne ricavare informazioni differenti.
L’atlante parte da un’analisi della distribuzione a scala nazionale, con uno studio sull’incidenza delle diverse categorie di esercizi GDO per ogni regione, andando a evidenziare l’incidenza di alcune tipologie di esercizio tra supermercati, ipermercati e discount rispetto ad altre in una visione d’insieme.
All’interno dell’atlante viene condotta un’analisi della distribuzione degli esercizi GDO per ogni regione. La tipologia di analisi utilizzata è la Kernel density estimation. Si tratta di un metodo ampiamente utilizzato in analisi territoriali per la stima della concentrazione di un fenomeno sul territorio. Attraverso l’interpolazione su di una superficie continua della densità dei punti è possibile identificare e quantificare le aree più soggette a fenomeni di addensamento per la porzione di territorio in esame. Inoltre, nel caso di stime della densità come quella che viene operata sull’intero territorio nazionale, si considera l’effettiva concentrazione dei punti sul territorio, trascurando i limiti amministrativi non significativi nei fenomeni reali e tenendo conto delle aree in cui i punti risultano molto addensati o sovrapposti. Inoltre, dal momento che la tecnica utilizzata può pesare maggiormente gli oggetti vicini fra loro rispetto a quelli lontani, si riesce a tener conto in parte dei fenomeni di interazione e collegamento fra attività economiche limitrofe. Infine, nei casi in cui la densità viene ponderata sulla base di altri fattori, come la dimensione degli esercizi o la tipologia, è possibile visualizzare effetti di interazione e altre relazioni complesse.
Quello della Kernel density è un metodo di analisi che se adottato deve essere applicato tenendo in considerazione una serie di fattori, primo fra tutti quello della scala di analisi. Un elemento fondamentale nella Kernel density estimation è l’impostazione dell’area intorno ad ogni punto e quindi del raggio (bandwidth), che rappresenta lo spazio di interpolazione intorno ad ogni punto. Di conseguenza a seconda del fenomeno che si vuole analizzare o porre in maggior risalto la misura del raggio sarà differente. Per le rappresentazioni è stato scelto un raggio fisso di 7,5 kml.
La mappe mostrano la distribuzione dei punti riferiti alla GDO sui territori regionali. Gli output ovviamente sono molteplici a seconda della regione, poiché ogni regione presenta delle caratteristiche differenti per quanto riguarda il sistema degli insediamenti e, la distribuzione degli esercizi della grande distribuzione organizzata riflette in parte queste impostazione. È stata scelta un legenda unificata per operare una comparazione più efficace. In tutte le carte sono stati impostati i limiti dei valori minimo e medio nelle tre classi di legenda, non potendo ovviamente agire sui valori massimi. Il limite del valore medio per tutte le regione è di 0,2es/kmq, mentre la classe media va da 0,21 a 1 es/kmq. Tutti i valori superiori ad 1es/kmq vengono considerati alta densità.
Questa classificazione mette in evidenza una distribuzione differente da regione a regione. In regioni come il Piemonte ad esempio si osserva un’elevata polarizzazione delle attività sulla città di Torino, dove si raggiunge una densità di 3,45es/kmq, mentre nel resto della regione non si osservano polarizzazioni con densità intermedie significative. Nella regione Veneto invece si osserva un elevata presenza di densità variabile tra 0,2 e 1 es/kmq, quindi intermedia, ed una scarsa presenza di densità alte, arrivando ad un picco di 1,25 es/km nella classe più alta. Nelle zone dove i punti si addensano il colore tende al rosso, mentre tende al verde nelle aree con densità minore.

Vengono restituiti i valori di densità su uno spazio tridimensionale, assegnando valori di z al raster rappresentante la kernel density regionale. Per comodità di lettura ed efficacia di rappresentazione la scala cromatica non è la stessa utilizzata per rappresentare la mappa al lato ma semplicemente una scala di colori dal verde al rosso, dalle basse alle alte concentrazioni. Di conseguenza in queste rappresentazioni stessi colori non corrispondono a stessi valori ed in ogni regione uno stesso valore ha colore differente.
Le elaborazioni che seguono sono relative alla densità di popolazione, una rappresentazione della distribuzione degli esercizi sul territorio regionale classificati per tipologia ed alcuni dati statistici¹ aventi contenuti riguardanti la disoccupazione, l’incidenza della popolazione
straniera sul totale, dati sui redditi e dati sull’incidenza dei consumi relativi all’alimentare delle famiglie italiane.

¹Per quanto riguarda i dati relativi alla densità di popolazione, si tratta di un dato Eurostat del 2011. Per tutti gli altri dati la fonte è ISTAT; i dati relativi ai redditi medi familiari sono del 2013, quelli relativi ai consumi alimentari sono del 2014.