Analisi dei dati turistici e modelli predittivi:il caso della Regione Liguria

Abstract

Questa tesi magistrale analizza il ruolo dei dati e delle tecniche di analisi avanzata nella gestione e pianificazione del turismo, con un focus specifico sulla Regione Liguria. Si parte da un inquadramento del sistema nazionale di raccolta dei dati turistici, il lavoro esamina il contributo delle principali istituzioni statistiche e le metodologie adottate per la rilevazione dei flussi, evidenziando quelle che sono le criticità e differenze territoriali nella disponibilità e qualità delle informazioni. L’attenzione si concentra poi sul contesto ligure, caratterizzato da una forte stagionalità, da una distribuzione disomogenea dei flussi e da una rilevante componente di domanda internazionale. In questo quadro viene approfondito il ruolo del Data Analyst all’interno dell’amministrazione regionale, anche attraverso la mia esperienza di tirocinio svolta presso la Regione Liguria, che mi ha consentito di osservare direttamente processi, strumenti e pratiche operative legate all’analisi dei dati turistici. La parte centrale della tesi è dedicata allo sviluppo di un modello predittivo per stimare l’andamento dei flussi turistici regionali nel breve e medio termine. Il modello integra serie storiche ufficiali con variabili esogene quali festività, condizioni meteorologiche ed eventi, ed è realizzato utilizzando il linguaggio Python e librerie di machine learning. I risultati ottenuti mostrano una buona capacità previsiva e confermano l’utilità del modello come strumento di supporto alle decisioni. Il lavoro evidenzia come un approccio data-driven possa contribuire a una gestione più consapevole ed efficace del turismo in Liguria, offrendo al contempo spunti per futuri sviluppi metodologici e applicativi.

This master’s thesis analyzes the role of data and advanced analytical techniques in the management and planning of tourism, with a specific focus on the Liguria Region. Starting from an overview of the national system for the collection of tourism data, the study examines the contribution of the main statistical institutions and the methodologies adopted to measure tourist flows, highlighting existing critical issues and territorial differences in the availability and quality of information. The analysis then focuses on the Ligurian context, which is characterized by strong seasonality, an uneven spatial distribution of tourist flows, and a significant share of international demand. Within this framework, the role of the Data Analyst within the regional administration is explored in depth, also through my internship experience at the Liguria Region, which allowed me to directly observe processes, tools, and operational practices related to tourism data analysis. The core of the thesis is devoted to the development of a predictive model aimed at estimating the short- and medium-term evolution of regional tourist flows. The model integrates official historical time series with exogenous variables such as public holidays, weather conditions, and events, and is implemented using the Python programming language and machine learning libraries. The results show good predictive performance and confirm the usefulness of the model as a decision-support tool. The study highlights how a data-driven approach can contribute to a more informed and effective management of tourism in Liguria, while also offering insights for future methodological and applied developments.