L’IMPATTO DELL’INNOVAZIONE TECNOLOGICA SULLE VENDITE IN EUROPA

È cresciuto del 16,05% tra il 2014 ed il 2021

1649022350Copertina.png

L’European Innovation Scoreboard-EIS calcola il valore dell’impatto dell’innovazione tecnologica sulle vendite. L’indicatore è costituito sulla base di tre diversi elementi, ovvero: esportazioni di prodotti a media e alta tecnologia, esportazioni di servizi ad alta intensità di conoscenza e vendite risultanti di prodotti innovativi.

Ranking dei paesi europei per valore dell’impatto dell’innovazione tecnologica sulle vendite nel 2021. La Germania è al primo posto per valore dell’impatto dell’innovazione tecnologica sulle vendite con un ammontare pari a 125,56, seguita da Israele con un ammontare pari a 125,37 e dall’Irlanda con un ammontare pari a 121,91 unità. A metà classifica vi sono la Grecia con un ammontare pari a 91,42 unità, la Slovenia con un ammontare pari a 82,31 e la Romania con un valore pari a 81,43. Chiude la classifica l’Islanda con un ammontare pari a 34,67 unità, seguita dalla Bosnia con un valore pari a 27,24 e dal Montenegro pari ad un ammontare pari a 16,50 unità. In media l’impatto dell’innovazione tecnologica sulle vendite è stato pari ad un valore di circa 80,68% nel 2021.

Ranking dei paesi europei per variazione percentuale del valore dell’impatto dell’innovazione tecnologica sulle vendite tra il 2014 ed il 2021. La Bulgaria è al primo posto per valore della variazione percentuale dell’impatto dell’innovazione tecnologica sulle vendite nel periodo tra il 2014 ed il 2021 con un ammontare pari a 85,58% pari ad un valore di 23,41 unità, seguita dalla Lituania con un ammontare pari a 85,4% pari ad un valore di 20,77 unità, e dalla Grecia con un ammontare pari a 67,89% pari ad un ammontare di 36,97 unità. A metà classifica vi è l’Italia con un ammontare pari a 14,03% pari ad un valore di 11,69 unità, seguita dalla Slovenia con un ammontare pari a 13,82% pari ad un valore di 9,99 unità e dal Montenegro con un valore pari a 9,05 % pari ad un valore di 1,37 unità. Chiude la classifica l’Ucraina con un ammontare pari a -16,24% pari ad un ammontare di -7,4 unità, seguita dalla Turchia con un ammontare pari a -18,53% pari ad un valore di -15,34 unità, e dalla Danimarca con una variazione pari ad un valore di -24,95% pari ad un valore di -25,5 unità. Complessivamente per i paesi analizzati il valore dell’impatto dell’innovazione tecnologica sulle vendite è cresciuto di un ammontare pari a 16,05% pari ad un valore di 7,62 unità.

Clusterizzazione con algoritmo k-Means. Di seguito viene utilizzato l’algoritmo k-Means per individuare la presenza di clusters. Poiché l’algoritmo k-Means è supervisionato è necessario individuare un criterio per poter scegliere il numero ottimale dei clusters. A tal proposito viene utilizzato il coefficiente Silhouette. In base all’ottimizzazione del coefficiente di Silhouette sono individuati i seguenti clusters:

  • Cluster 1: Olanda, Repubblica Ceca, Slovacchia, Francia, Svizzera, Ungheria, Israele, Lussemburgo, Svezia, Belgio, Germania, Cipro, Finlandia, Reno Unito, Turchia, Danimarca, Irlanda, Austria, Italia, Spagna, Slovenia;
  • Cluster 2: Ucraina, Croazia, Lettonia, Bulgaria, Islanda, Macedonia del Nord, Norvegia, Lituania, Bosnia, Grecia, Montenegro, Portogallo, Polonia, Serbia, Romania, Estonia, Malta.

Calcolando il valore della mediana dei clusters risulta che il valore mediano dei paesi del cluster 1 C1 è pari a 97,42 mentre il valore della mediana del cluster 2-C2 è pari ad un valore di 59,67. Ne deriva pertanto il seguente ordinamento C1>C2. Come appare evidente dall’analisi realizzata risulta che esiste una contrapposizione tra l’Europa occidentale e l’Europa orientale in termini di impatto dell’innovazione tecnologica sulle vendite. La causa di tale contrapposizione può essere ricercata nella mancanza di adeguato capitale umano nei paesi dell’Est Europa tale da poter sostenere una produzione di prodotti e servizi innovativi che possa trainare le vendite delle aziende tech.

Machine Learning and Prediction. Di seguito vengono analizzati otto diversi algoritmi di machine learning per predire il valore dell’impatto dell’innovazione tecnologiche sulle vendite nei paesi europei. Gli algoritmi vengono classificati considerando le performance in termini di r-quadro e minimizzazione degli errori statistici. Il 70% del campione è stato utilizzato per l’apprendimento, mentre il restante 30% è stato utilizzato per la predizione vera e propria. L’ordinamento degli algoritmi in termini di performance è indicato di seguito:

  • Tree Ensemble Regression con un valore pari a 4;
  • Linear Regression con un valore pari a 8;
  • ANN con un valore pari a 12;
  • Gradient Boosted Tree con un valore pari a 17;
  • Random Forest Regression con un valore pari a 19;
  • Simple Regression Tree con un valore pari a 25;
  • Polynomial Regression con un valore pari a 27;
  • PNN-Probabilistic Neural Network con un valore pari a 32.

Attraverso l’utilizzo dell’algoritmo maggiormente performante in termini di minimizzazione degli errori statistici e di massimizzazione dell’R-quadro, ovvero il Tree Ensemble Regression, sono stati ottenuti i seguenti risultati:

  • Austria con una variazione aumentativa da un ammontare di 27,244 fino ad un valore di 30,78 ovvero pari ad un ammontare di 3,5 unità pari ad un ammontare di 12,98%;
  • Belgio con una variazione diminutiva da un ammontare pari a 108,295 fino ad un valore pari a 97,191 ovvero pari ad un ammontare di -11,104 unità pari ad un valore di -10,25%;
  • Bulgaria con una variazione aumentativa da un ammontare pari a 105,388 unità fino ad un valore di 107,48 unità pari ad una variazione di 2,092 unità pari ad una variazione di 1,98%;
  • Cipro con una variazione aumentativa da un ammontare pari a 99,60 unità fino ad un valore pari a 100,04 unità ovvero pari ad un ammontare di 0,44 unità pari ad un valore di 0,44%;
  • Repubblica Ceca con una variazione da un ammontare di 12,55 unità fino ad un valore di 114,818 unità ovvero pari ad una variazione di -10,74 unità pari ad un ammontare di -8,55%;
  • Lussemburgo con una variazione diminutiva da un ammontare di 97,41 unità fino ad una variazione di 95,88 unità ovvero pari ad una variazione di -1,533 unità pari ad una variazione di -1,57%;
  • Olanda con una variazione diminutiva da un ammontare di 63,96 unità fino ad una variazione di 56,65 unità ovvero pari ad una variazione di -7,31 unità pari ad una variazione di -11,42%;
  • Norvegia con una variazione aumentativa da un ammontare di 96,53 fino ad una variazione di 99,23 unità ovvero pari ad una variazione di 2,69 unità pari ad una variazione di 2,79%;
  • Portogallo con una variazione aumentativa da un ammontare di 64,77 unità fino ad una variazione di 72,64 unità ovvero pari ad una variazione di 7,86 unità pari ad una variazione di 12,14%;
  • Romania con una variazione aumentativa da un ammontare di 66,02 unità fino ad un valore di 69,19 unità ovvero pari ad una variazione di 3,16 unità pari ad una variazione di 4,79%;
  • Spagna con una variazione da 82,30 unità fino ad un valore di 77,88 unità ovvero pari ad una variazione di -4,4 unità pari ad una variazione di -5,3%;
  • Ucraina con una variazione diminutiva da un ammontare di 117,61 fino ad un valore di 114,311 unità ovvero pari ad una variazione di -3,306 unità pari ad una variazione di -2,8%.

In media il valore dell’impatto dell’innovazione tecnologica sulle vendite nei paesi considerati tende a diminuire da un ammontare di 87,89 unità fino ad una variazione di 86,34 unità ovvero pari ad una variazione di -1,55 unità pari ad una variazione di -1,76%.

Conclusioni. Il valore dell’impatto dell’innovazione tecnologica sulle vendite è cresciuto nei paesi europei tra il 2014 ed il 2021 del 16% circa. Occorre considerare che l’innovazione tecnologica e la ricerca e sviluppo sono delle determinanti essenziali soprattutto per le esportazioni. Tuttavia, è necessario che i policy makers europei investano ulteriormente nell’Europa dell’Est per incrementare il valore dell’impatto dell’innovazione sulle vendite e stimolare la crescita economica attraverso le esportazioni di prodotti high tech.

cms_25477/Foto_1.jpg

cms_25477/Foto_2.jpg

cms_25477/Foto_3.jpg

cms_25477/Foto_4.jpg

cms_25477/Foto_6.jpg

cms_25477/Foto_7.jpg

cms_25477/Foto_8.jpg

cms_25477/Foto_9.jpg

Angelo Leogrande

Tags:

Lascia un commento



Autorizzo il trattamento dei miei dati come indicato nell'informativa privacy.
NB: I commenti vengono approvati dalla redazione e in seguito pubblicati sul giornale, la tua email non verrà pubblicata.

International Web Post

Direttore responsabile: Attilio miani
Condirettore: Antonina Giordano
Editore: Azzurro Image & Communication Srls - P.iva: 07470520722

Testata registrata presso il Tribunale di Bari al Nrº 17 del Registro della Stampa in data 30 Settembre 2013

info@internationalwebpost.org
Privacy Policy

Collabora con noi

Scrivi alla redazione per unirti ad un team internazionale di persone dinamiche ed appassionate!

Le collaborazioni con l’International Web Post sono a titolo gratuito, salvo articoli, contributi e studi commissionati dal Direttore responsabile sulla base di apposito incarico scritto secondo modalità e termini stabiliti dallo stesso.


Seguici sui social

Newsletter

Lascia la tua email per essere sempre aggiornato sui nostri contenuti!

Iscriviti al canale Telegram