• Analisi dei dati
• Digitalizzazione
• Finanziamento
• PMI
• Sviluppo

Negli ultimi decenni, le Piccole e Medie Imprese (PMI) hanno acquisito un ruolo centrale nell’economia globale, costituendo il motore principale di crescita economica e innovazione. In particolare, nel contesto italiano, le PMI rappresentano la spina dorsale del tessuto produttivo, contribuendo in modo significativo al PIL nazionale e all’occupazione. Tuttavia, nonostante il loro impatto rilevante, le PMI si trovano spesso ad affrontare sfide significative, tra cui l’innovazione digitale, l’analisi dati, la gestione delle risorse finanziarie e la competizione su scala internazionale. In questo scenario, i programmi di finanziamento pubblico assumono una rilevanza critica. Tra le varie forme di supporto finanziario, i sussidi governativi rappresentano un’opportunità strategica per le PMI, fornendo risorse necessarie per sostenere l’innovazione, espandere le attività e migliorare la competitività. Tuttavia, l’efficacia di tali sussidi e il loro impatto sulle performance aziendali sono temi di dibattito accademico e politico. Il progetto di tesi si propone di analizzare l’impatto di un sussidio nazionale sulle PMI italiane, erogato nel 2019 e noto come Voucher per la Digitalizzazione. L’analisi è stata condotta esaminando alcune delle principali variabili di bilancio delle aziende che hanno richiesto la sovvenzione, relative al periodo 2016-2022. Nel primo capitolo viene introdotto il tema della digitalizzazione, con un’analisi delle politiche industriali per la digitalizzazione e delle opportunità digitali per le PMI. Inoltre, si esamina la situazione nazionale e internazionale riguardo ad altre sovvenzioni simili e al livello di digitalizzazione. Il secondo capitolo è dedicato all’analisi dell’impatto della digitalizzazione sulle organizzazioni, con particolare attenzione alle tecnologie innovative adottate nelle strutture aziendali, come l’Internet of Things, i big data e l’intelligenza artificiale. Il terzo capitolo affronta la teoria alla base dell’analisi dei dati nelle imprese, presentando le ipotesi che guidano i processi di analisi dei dati e i principali algoritmi utilizzati nelle attività operative, tra cui gli alberi decisionali e il Random Forest. Nel quarto capitolo viene esaminata l’analisi empirica relativa al progetto di tesi e si discutono i principali risultati ottenuti. L’obiettivo è identificare i predittori chiave per il successo del finanziamento e valutare come l’effetto del sussidio incida e vari sulle variabili di outcome, in linea con gli obiettivi della sovvenzione, in base alle diverse aree geografiche e settoriali. Per attuare le indicazioni del Ministero riguardo all’implementazione del bando, sono stati utilizzati inizialmente modelli statistici avanzati, come gli alberi decisionali di classificazione e regressione (CART), seguiti dall’aggregazione di più alberi mediante il Random Forest, al fine di determinare i predittori fondamentali per l’esito del finanziamento nelle diverse aree geografiche e settoriali. Successivamente, è stato applicato il modello statistico Difference-In-Differences (DID), cruciale per valutare l’impatto del sussidio sulle variabili di outcome, in coerenza con gli obiettivi della sovvenzione, e per analizzare le differenze in base alle diverse aree geografiche. Infine, nell’ultima sezione, i risultati ottenuti vengono discussi alla luce delle implicazioni pratiche per le politiche pubbliche e per la gestione delle PMI. Le conclusioni della tesi suggeriscono che l’efficacia dei sussidi può variare considerevolmente in base al contesto geografico e settoriale; inoltre, includono anche un riferimento alle limitazioni dello studio e alle prospettive per future ricerche.

Questa tesi esplora l'impatto della digitalizzazione e dei processi di analisi dei dati sullo sviluppo delle piccole e medie imprese (PMI) italiane, concentrandosi in particolare sul programma del Voucher per la Digitalizzazione delle PMI effettuato dal Ministero delle Imprese e del Made in Italy nel 2019. La digitalizzazione rappresenta una delle trasformazioni più significative dell'ultimo decennio, portando innovazioni tecnologiche come il cloud computing, l'intelligenza artificiale, i social media e l'Internet of Things (IoT), che stanno ridefinendo i modelli di business e le strategie competitive delle aziende. La ricerca inizia con un'introduzione generale alla digitalizzazione, analizzando i suoi vantaggi e le opportunità che offre, nonché le sfide che le PMI devono affrontare per adottare queste tecnologie. Viene esaminato il contesto europeo e nazionale, con un focus particolare sulle PMI italiane, che spesso faticano a tenere il passo con le grandi aziende in termini di innovazione digitale. Successivamente, viene analizzato il ruolo della digitalizzazione nel processo di internazionalizzazione delle imprese, evidenziando come le tecnologie emergenti influenzino la struttura aziendale e migliorino la catena del valore attraverso l'IoT e i Big Data. Viene anche discusso l'effetto del machine learning e della gestione della conoscenza sulla produttività e sull'innovazione delle PMI. La parte centrale della tesi è dedicata all'analisi dei dati, con una panoramica delle principali tecniche di data mining e degli algoritmi utilizzati nelle attività operative delle imprese. Viene presentato un modello di analisi che include il clustering, gli alberi decisionali, il bagging, il random forest e il boosting, spiegando come queste tecniche possano essere applicate per migliorare l'efficienza operativa e le performance aziendali. La ricerca empirica si basa sui dati raccolti dal sito del Ministero delle Imprese e del Made in Italy e dalla banca dati Aida, che comprende PMI italiane operanti in diversi settori. Tramite l'utilizzo del software SPSS Modeler e Python, viene prima applicato un modello ad albero decisionale di classificazione e regressione (CART) e il Random Forest per determinare i predittori più importanti per definire l'esito del finanziamento a livello nazionale e regionale. Successivamente, viene utilizzato un modello statistico definito come Difference-in-Differences (DID) per analizzare l'impatto che il sussidio, a livello nazionale, ha avuto su alcune delle principali variabili in relazione agli obiettivi del bando sul Voucher per la digitalizzazione. Infine, la tesi discute i principali risultati raggiunti e descrive i principali limiti e raccomandazioni per le PMI che intendono sfruttare al meglio le opportunità offerte dalla digitalizzazione e dalle sovvenzioni effettuate a livello nazionale e regionale. Le conclusioni sottolineano l'importanza di investire in risorse IT e competenze digitali per migliorare la competitività e l'efficienza delle PMI nel contesto globale.