Tesi etd-06052025-211222 |
Link copiato negli appunti
Tipo di tesi
Tesi di laurea magistrale
Autore
ANARI, GIULIA
URN
etd-06052025-211222
Titolo
L’impatto economico dei concerti dal vivo in Italia: un’analisi con metodi di machine learning
Dipartimento
ECONOMIA E MANAGEMENT
Corso di studi
MARKETING E RICERCHE DI MERCATO
Relatori
relatore Salvati, Nicola
Parole chiave
- concerti
- concerts
- economic impact
- indagine
- indotto economico
- machine learning
- Milan
- Milano
- survey
Data inizio appello
27/06/2025
Consultabilità
Completa
Riassunto
La presente tesi si propone di illustrare, analizzare e discutere i risultati di uno studio condotto dal Dipartimento di Economia e Management dell’Università di Pisa, in collaborazione con Assoconcerti, associazione dedicata alla promozione e tutela della musica dal vivo. Lo studio mira a stimare l’indotto economico generato da una serie di concerti sul territorio nazionale, con particolare focus sulla città di Milano.
La raccolta dati, effettuata tramite interviste online e sul campo tra giugno e ottobre 2024, ha coinvolto diverse città italiane. L’analisi dei dati è stata condotta attraverso metodologie avanzate e algoritmi di machine learning, come il Random Forest, per ridurre i bias e migliorare l’affidabilità delle stime.
Analisi di questo tipo risultano essenziali sia per amministrazioni pubbliche che per organizzazioni private, poiché consentono di individuare e sfruttare al meglio le leve strategiche di eventi di grande portata, massimizzandone gli effetti positivi. Le conclusioni tratte dal presente elaborato potranno, perciò, essere utilizzate per ottimizzare la pianificazione di eventi futuri.
This thesis aims to illustrate, analyze, and discuss the results of a study conducted by the Department of Economics and Management at the University of Pisa, in collaboration with Assoconcerti, an association dedicated to the promotion and protection of live music. The study seeks to estimate the economic impact generated by a series of concerts across the national territory, with a particular focus on the city of Milan.
Data collection, carried out through online and field interviews between June and October 2024, involved several Italian cities. The data analysis was performed using advanced methodologies and machine learning algorithms, such as Random Forest, to reduce biases and improve the reliability of the estimates.
Analyses of this kind are essential for both public administrations and private organizations, as they enable the identification and optimal use of strategic levers for large-scale events, maximizing their positive effects. Therefore, the conclusions drawn from this work can be used to optimize the planning of future events.
La raccolta dati, effettuata tramite interviste online e sul campo tra giugno e ottobre 2024, ha coinvolto diverse città italiane. L’analisi dei dati è stata condotta attraverso metodologie avanzate e algoritmi di machine learning, come il Random Forest, per ridurre i bias e migliorare l’affidabilità delle stime.
Analisi di questo tipo risultano essenziali sia per amministrazioni pubbliche che per organizzazioni private, poiché consentono di individuare e sfruttare al meglio le leve strategiche di eventi di grande portata, massimizzandone gli effetti positivi. Le conclusioni tratte dal presente elaborato potranno, perciò, essere utilizzate per ottimizzare la pianificazione di eventi futuri.
This thesis aims to illustrate, analyze, and discuss the results of a study conducted by the Department of Economics and Management at the University of Pisa, in collaboration with Assoconcerti, an association dedicated to the promotion and protection of live music. The study seeks to estimate the economic impact generated by a series of concerts across the national territory, with a particular focus on the city of Milan.
Data collection, carried out through online and field interviews between June and October 2024, involved several Italian cities. The data analysis was performed using advanced methodologies and machine learning algorithms, such as Random Forest, to reduce biases and improve the reliability of the estimates.
Analyses of this kind are essential for both public administrations and private organizations, as they enable the identification and optimal use of strategic levers for large-scale events, maximizing their positive effects. Therefore, the conclusions drawn from this work can be used to optimize the planning of future events.
File
| Nome file | Dimensione |
|---|---|
| TesiAnariGiulia.pdf | 2.79 Mb |
Contatta l’autore |
|