3. ANALISI DEL BUSINESS DI AIRBNB A BARCELLONA IN RELAZIONE ALL’ATTENTATO
3.3 Dataset
Il dataset analizzato contiene i dati relativi alla città di Barcellona ed è suddiviso in diverse sezioni. La prima è il “property information dataset”, ovvero un dataset contenente le informazioni principali relative alle varie accomodation presenti sulla piattaforma Airbnb e sulla piattaforma competitor Home Away, da Marzo 2009 fino ai dati più recenti di
Gennaio 2020. Dal Dataset sono stati eliminati i dati relativi ad Home Away, in quanto non utili ai fini delle analisi condotte in questa tesi. Il numero di proprietà totali contenute nel dataset relative ad Airbnb e, dunque, che sono state registrate nella piattaforma durante questi anni è di 98.081: di tali proprietà 40 si trovano, per pochi metri, oltre i confini della città di Barcellona e per tale motivo verranno considerate in un primo momento per l’analisi generale, poiché comunque influiscono sui ricavi della piattaforma, e poi escluse nell’analisi dei singoli quartieri, in quanto non appartenenti a nessuno di essi.
Nella tabella successiva (figura 25) sono state indicate tutte le voci presenti nel dataset iniziale a cui è stata successivamente aggiunta anche la colonna “District”, che raggruppa i vari quartieri della città nei rispettivi distretti come indicato in figura 26.
59 PROPERTY INFORMATION DATASET
Property ID Identifica attraverso un codice la proprietà Property Type Identifica il tipo di proprietà
Listing Type Identifica il tipo di annuncio
Created Date Identifica la data di creazione del primo annuncio relativo ad una proprietà
Country Identifica il paese in cui è posizionata la proprietà Latitude Identifica la latitudine in cui è posizionata la proprietà Longitude Identifica la longitudine in cui è posizionata la proprietà City Identifica la città in cui è posizionata la proprietà Zipcode Identifica il codice postale
Neighborhood Identifica il quartiere della città in cui è posizionata la proprietà Bedrooms Identifica il numero di camere
Bathrooms Identifica il numero di servizi igienici
Max Guests Identifica il numero massimo di ospiti all'interno della accomodation Response Rate Identifica il tasso di risposta dell'host
Airbnb Superhost Indica se l'host possiede il badge di Superhost HomeAway Premier
Partner
/
Cancellation Policy Indica qual è la policy di cancellazione della prenotazione Security Deposit
(USD)
Indica l'eventuale importo della cauzione in dollari Cleaning Fee (USD) Indica l'eventuale importo delle spese di pulizia in dollari Extra People Fee
(USD)
Indica l'eventuale importo aggiuntivo per ogni persona in più in dollari Published Nightly
Rate (USD)
Indica la tariffa pubblicata a notte in dollari Published Monthly
Rate (USD)
Indica la tariffa pubblicata al mese in dollari Published Weekly
Rate (USD)
Indica la tariffa pubblicata alla settimana in dollari Minimum Stay Indica il tempo minimo di soggiorno
Number of Reviews Indica il numero di recensioni relative all'annuncio Number of Photos Indica il numero di foto relative all'annuncio Instantbook Enabled /
Overall Rating Indica la valutazione generale dell'annuncio Airbnb Host ID Identifica l'host attraverso un codice Figura 25: descrizione del dataset “Property Information”.
(Fonte: elaborazione personale)
60
Sants Montjuic Ciutat Vella Eixample
El Poble Sec El Raval La nova Esquerra de l’Eixample
La Marina del Prat Vermell
El Barri Gotic L’antiqua Esquerra de l’Eixample La Marina de Port Sant Pere, Santa Caterina i la
Ribera
La Dreda de l’Eixample
La Bordeta La Barceloneta
Sant Antoni
La font de la Guatlla El fort Pienc
Hostafrancs La Sagrada Familia
Sants Sants-Badal
Figura 26.1: i distretti di Barcellona divisi nei rispettivi quartieri.
(Fonte: elaborazione personale)
Gràcia Sant Martì Sant Andreu
La Villa de Gràcia El Poblenou Baró de Viver
El Camp d'en Grassot i Gàrcia Nova
La Villa Olimpica del Poblenou El Bon Pastor La Salut Diagonal Mar i el Front Maritim
del Poblenou
El Congrés i els Indians El coll El Parc i la Lacuna del Poblenou Navas
Vallcarca i els Penitentes
Provençals del Poblenou Sant Andreu de Palomar El Besòs i el Maresme La Sagrera Sant Martì de Provençals La Trinitat Vella
El Clot
El Camp de l'Arpa del Clot La verneda i la Pau
Figura 26.2: i distretti di Barcellona divisi nei rispettivi quartieri.
(Fonte: elaborazione personale)
61 Nou Barris Horta-Guinardò Sarrìa-Sant Gervasi Les Corts
Porta El Baix Guinardó El Putxet i el Farró Les Corts
La Prosperitat El Guinardó Sarrià La Maternitat i Sant
Ramon Vilapicina i la Torre
Llobeta
Can Baró Sant Gervasi - la Bonanova
Pedralbes
El turò de la peira El Carmel Sant Gervasi -
Galvany Can Peguera La Font d'en Fargues Les Tres Torres
La Guineueta Horta
Vallvidrera, el Tibidabo i les Planes
Verdun La Clota
La Trinitat Nova Montbau Les Roquetes Sant Genís dels
Agudells Canyelles La Teixonera Torre Barò La Vall d'Hebron Ciutat Meridiana
Vallibona
Figura 26.3: i distretti di Barcellona divisi nei rispettivi quartieri.
(Fonte: elaborazione personale)
La seconda sezione del dataset è quella delle “monthly performances”, ovvero un dataset di 2.135.463 osservazioni che descrive le performance mensili delle accomodation attive su Airbnb e Home Away, in cui le informazioni sono temporalmente più limitate ed infatti i mesi considerati partono da Ottobre 2014 fino a Gennaio 2020; anche in questo caso sono stati eliminati i dati relativi ad Home Away. Nella figura seguente viene illustrata una breve spiegazione delle voci considerate nel dataset.
62 Monthly performances dataset
Property ID Identifica attraverso un codice la proprietà Reporting Month Identifica il mese di riferimento
Revenue (USD) Indica i ricavi in dollari nel mese di riferimento Number of
Reservations
Indica il numero di prenotzioni registrate nel mese di riferimento Reservation Days Indica il numero di giorni prenotati nel mese di riferimento
Available Days Indica il numero di giorni disponibili nel mese di riferimento
Blocked Days Indica il numero di giorni "bloccati", ovvero in cui l'host non ha reso disponibile l'annuncio
City Identifica la città
Active Indica se l'annuncio è attivo Scraped During
Month
/
Figura 27: descrizione del dataset “Monthly Performances”.
(Fonte: elaborazione personale)
Per effettuare le analisi, a queste variabili sono stati aggiunti il prezzo medio, calcolato come Revenue/Reservation Days e l’occupancy rate, calcolato come Reservation Days / (Reservation Days+Available Days), ovvero il tasso di occupazione delle proprietà.
3.4 Analisi preliminari