Il Fatturato da e-Commerce delle PMI in Europa

E’ cresciuto del 24,40% in media tra il 2016 ed il 2021 peri paesi del DESI Index.

Il DESI Index calcola la percentuale del fatturato che le PMI realizzano dall’e-commerce sul totale del fatturato da e-commerce. L’indicatore calcola quindi la capacità delle PMI di acquisire fette di mercato nell’e-commerce. I dati sono disponibili tra il 2016 ed il 2021 per 27 paesi. Il fatto che una impresa di piccole e medie dimensioni riesca ad ottenere un fatturato dall’e-commerce è un indicatore sintetico rappresentativo della capacità di utilizzare le nuove tecnologie per generare profitto.

Ranking dei paesi per fatturato da e-commerce delle PMI nel 2021. L’Irlanda è al primo posto per valore del fatturato da e-commerce nel 2021 con un valore pari a 10,907, seguita dalla Danimarca con un ammontare pari a 8,794 e dalla Repubblica Ceca con un ammontare pari a 8,669. A metà classifica vi sono Malta con un valore pari a 5,5857, seguita dall’Estonia con un valore pari a 5,3729 e dalla Spagna con un valore pari a 5,3688. Chiudono la classifica il Lussemburgo con un valore pari a 3,0655 unità, seguita dalla Grecia con un valore pari a 2,43 e dalla Bulgaria con un ammontare pari a 1,9099.

Ranking dei paesi per valore della variazione percentuale del fatturato delle PMI derivante dall’e-commerce nel periodo tra il 2016 ed il 2021. La Romania è al primo posto per valore della variazione percentuale del fatturato derivante da PMI con un ammontare pari a 122,73% pari ad un ammontare di 2,28 unità, seguita dalla Grecia con un valore pari a 63,58% equivalente ad un ammontare di 0,95 unità, seguita dalla Croazia con un ammontare di 50,94% pari ad un ammontare di 2,42 unità. A metà classifica vi sono i Paesi Bassi con un ammontare pari a 28,55% pari ad un ammontare di 1,42 unità, seguiti dalla Lettonia con una variazione pari ad un ammontare di 27,71>% pari ad un ammontare di 0,76 unità e dall’Ungheria con un ammontare pari a 27,3% pari ad un ammontare di 0,81 unità. Chiudono la classifica Cipro con un ammontare pari a 4,24% pari ad un ammontare di 0,16 unità, seguita dalla Germania con un valore pari a -7,09% pari ad un ammontare di -0,4 unità e dalla Francia con un valore pari a -9,16% pari ad un ammontare di -0,44 unità.

Clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. Di seguito viene presentata una clusterizzazione con algoritmo k-Means ottimizzato con il coefficiente di Silhouette. L’analisi mostra la presenza di tre clusters come indicato di seguito ovvero:

• ·         Cluster 1: Lussemburgo, Lettonia, Polonia, Grecia, Italia, Bulgaria, Ungheria, Cipro, Romania.
• ·         Cluster 2: Repubblica Ceca, Belgio, Danimarca, Irlanda, Svezia;
• ·         Cluster 3: Croazia, Slovenia, Malta, Portogallo, Paesi Bassi, Austria, Germania, Finlandia, Francia, Estonia, Spagna, Lituania, Slovacchia.

Calcolando il valore della mediana risulta evidente che C2=8,66975> C3=5,8059> C1=3,68685. Dal punto di vista geografico la clusterizzazione mette in evidenza la dominanza dei paesi scandinavi sui paesi del Nord Europa e soprattutto sui paesi dell’Europa del Sud-Est con eccezione di Spagna e Portogallo. Tuttavia, vi sono alcune eccezioni come, per esempio, la Repubblica Ceca che per valore del fatturato derivante dall’e-commerce risulta essere nel cluster di testa pure essendo un paese appartenente all’Europa centro-orientale.

Network Analysis con la distanza di Manhattan. Di seguito viene realizzata una network analysis attraverso l’utilizzo della distanza di Manhattan. I dati mostrano la presenza di tre strutture a network complesse di una struttura a network semplificata.

Esiste una struttura a network complessa costituita da Lussemburgo, Lettonia, Italia, Bulgaria, Polonia. In modo particolare sono rilevante le seguenti connessioni:

• ·         Il Lussemburgo ha una connessione con la Lettonia con un valore pari a 0,28 unità, e con la Polonia con un valore pari a 0,27 unità;
• ·         La Lettonia ha una connessione con il Lussemburgo per un valore pari a 0,28 unità, con la Polonia con un valore pari a 0,16 e con l’Italia per un valore pari a 0,25;
• ·         La Polonia ha una connessione con il Lussemburgo con un valore pari a 0,27 unità, con la Lettonia con un valore pari a 0,26 e con l’Italia per un valore pari a 0,13.
• ·         La Bulgaria ha una connessione con l’Italia pari a 0,29 unità.

Inoltre viene rilevata una struttura a rete complessa tra Spagna, Estonia, Irlanda e Austria. In modo particolare:

• ·         La Spagna ha una connessione con l’Estonia pari ad un ammontare di 0,29 unità;
• ·         L’Estonia ha una connessione con la Spagna pari ad un ammontare di 0,29 e con l’Irlanda pari ad un ammontare di 0,3 unità;
• ·         L’Irlanda ha una connessione con l’Estonia pari ad un ammontare di 0,3 unità e con l’Austria pari ad un valore di 0,21 unità;
• ·         L’Austria ha una connessione con l’Irlanda pari ad un ammontare di 0,21 unità.

Esiste una struttura a rete complessa composta dalla Slovenia, dalla Croazia e da Malta. Nello specifico:

• ·         La Slovenia è connessa alla Croazia per un valore pari a 0,26;
• ·         La Croazia è connessa alla Slovenia per un valore pari a 0,26 e con Malta per un valore pari a 0,16;
• ·         Malta è connessa alla Croazia con un valore pari a 0,16.  

Esiste infine una struttura a network semplificata tra Germania e Portogallo con un valore pari a 0,18.

Machine Learning and Predictions. Di seguito viene realizzata una analisi per la predizione dei valori futuri del fatturato derivante dall’e-commerce nei paesi europei.  Vengono utilizzati vari algoritmi confrontati in base alla loro capacità di massimizzare l’R-squared e di minimizzare l’MSE, RMSE e MAE. Gli algoritmi sono stati addestrati utilizzando l’80% dei dati disponibili con il metodo della cross validations. È stato quindi ottenuto il seguente ordinamento degli algoritmi ovvero:

• ·         Linear Regression con un payoff pari a 4;
• ·         SGD con un payoff pari a 8;
• ·         Random Forest con un payoff pari a 13;
• ·         kNN con un valore del payoff pari a 15;
• ·         AdaBoost con un valore del payoff pari a 21;
• ·         Gradient Boosting con un valore del payoff pari a 26;
• ·         Tree con un valore del payoff pari a 28;
• ·         SVM con un valore del payoff pari a 29;
• ·         Neural Network con un valore del payoff pari a 36.

Pertanto, applicando l’algoritmo maggiormente performante ovvero il Linear Regression risulta che in media il valore del fatturato derivante dall’e-commerce è predetto in crescita con un valore assoluto pari a 0,026 e pari ad una variazione percentuale di 0,47%. In modo particolare tra i maggiori winners in termini di crescita del fatturato derivante dall’e-commerce sono indicati la Bulgaria con un valore pari a 16,75% pari a 0,32, seguita dalla Grecia con un valore pari a 15,82% pari ad un ammontare di 0,385, e da Cipro con un valore pari a 14,32% pari ad un ammontare di 0,56 unità e dall’Ungheria con un valore pari a +13,19% pari ad un ammontare di 0,4965 unità. I paesi che sono invece losers, ovvero per i quali è predetta una riduzione assai significativa del valore del fatturato derivante dall’e-commerce sono la Lituania con un valore predetto pari a -10,3% pari a -0,78 unità, la Danimarca con un valore pari a -10,84% pari a -0,954 unità, la Croazia con una variazione pari a -20,688% pari a -1,48 unità e dalla Romania con un valore pari a -23,70% pari a -0,982 unità.

Confronto degli algoritmi in termini di accuracy. Di seguito viene proposta un confronto tra gli algoritmi in termini di accuracy per verificare la capacità di predire la performance di un paese rispetto alla media europea. Se un paese supera in termini di fatturato dall’e-commerce la media europea viene attribuito un valore pari a 1. In caso contrario un valore pari a 0. Gli algoritmi sono addestrati con l’80% dei dati disponibili attraverso il metodo della cross validation. L’analisi mostra che in termini di accuracy i migliori algoritmi sono Tree, SGD, kNN, Logistic Regression e Random Forest con una capacità predittiva pari a 96,3%. Al secondo posto in termini di accuracy vi sono CN2 Rule Inducer, AdaBoost, SVM, Neural Network, Gradient Boosting con una capacità predittiva pari a 92,6%.

Conclusioni. La capacità delle PMI di realizzare un fatturato dall’e-commerce è un segnale molto rilevante dalla diffusione delle competenze digitali a livello nazionale. I dati mostrano una crescita a livello paese della capacità di realizzare fatturato in termini di e-commerce nei vari paesi europei. Persiste un significativo divario tra Nord Europa e Sud-Est Europa. Gli algoritmi predicono in media una crescita moderata del fatturato dall’e-commerce per le PMI. Taluni paesi potrebbero crescere assai più di altri come per esempio Bulgaria, Grecia e Cipro. Vi sono ancora molti margini per aumentare l’implementazione dell’e-commerce nei business plans delle PMI. Le PMI hanno molti margini di profitto dall’utilizzo dell’e-commerce. Le politiche economiche europee potrebbero intervenire per promozionare l’utilizzo dell’e-commerce soprattutto nei paesi dell’Europa Meridionale ed Orientale.