Aggrega aziende

syrto_aggregate_companies restituisce riepiloghi statistici (conteggio, media, mediana, min, max) per le aziende che corrispondono ai tuoi filtri. Usalo per comprendere i segmenti di mercato - es. “ricavi medi delle medie aziende manifatturiere in Veneto” o “quante grandi aziende ci sono nel settore C”.

Questo strumento restituisce statistiche aggregate, non dati sulle singole aziende. Per trovare aziende specifiche con gli stessi filtri, usa syrto_search_companies.

Quando usare questo strumento

Contare le aziende che corrispondono a un insieme di criteri
Ottenere statistiche di media, mediana o intervallo per una metrica in un segmento
Confrontare un’azienda con il suo segmento di mercato (benchmarking)
Scomporre una popolazione per settore, area o fascia dimensionale in un’unica chiamata
Ottenere statistiche di portafoglio su un elenco esplicito di aziende

Argomenti

integer

obbligatorio

Anno fiscale da aggregare.

string[]

obbligatorio

Da 1 a 10 slug di metriche su cui calcolare le statistiche. Usa syrto_search_metric_definitions o syrto_list_available_metrics per trovare gli slug validi.Esempio: ["revenues_from_sales_and_services", "ebitda"]

object

Un unico oggetto di filtri strutturato che restringe le aziende da aggregare. Accetta esattamente le stesse sezioni di syrto_search_companies: company_ids, anagraphic, state_aids, people, financial e radar. Omettilo per aggregare su tutte le aziende dell’anno.Tutti i filtri impostati si combinano in AND, sia all’interno di una sezione sia tra sezioni. Vedi Ricerca aziende per i campi di ogni sezione, oppure recupera il catalogo a runtime con syrto_get_search_filter_docs.I filtri di localizzazione nuts, lau e country_code contano le aziende in base alla sede legale. Per contarle invece in base a dove hanno una sede secondaria registrata, usa anagraphic.has_branch_in.Un oggetto filters non valido restituisce un errore che indica il campo errato.

string[]

Scompone l’aggregato secondo queste chiavi invece di restituire un unico valore per l’intero insieme di filtri - un aggregato per gruppo, in un’unica chiamata. Indica da 1 a 3 chiavi, ciascuna una sola volta; due chiavi formano una tabella incrociata, quindi ["nace_section", "nuts1"] è settore per macro-regione.

Chiave	Raggruppa per
`nace_section`	Sezione NACE, le 21 lettere di primo livello A-U
`nace_division`	Divisione NACE, 2 cifre
`nace_group`	Gruppo NACE, 3 cifre
`nace_class`	Classe NACE, 4 cifre - il livello settoriale più fine
`nuts1`	Macro-regione NUTS 1
`nuts2`	Regione NUTS 2
`nuts3`	Provincia NUTS 3
`lau`	Comune
`locality`	Località come indicata nell’indirizzo
`postal_code`	CAP
`country_code`	Paese dell’indirizzo registrato
`size`	Fascia dimensionale XS / S / M / L

filters e group_by si compongono: filtra la popolazione che ti interessa, poi scomponila lungo l’asse desiderato. Tornano al massimo 200 gruppi, dal più grande, con il totale reale nella risposta - meno di 200 quando 200 gruppi non entrerebbero in una sola risposta. Una combinazione con troppi gruppi distinti viene rifiutata: rendi più grossolana una chiave o restringi la popolazione.

string[]

Statistiche aggiuntive oltre a conteggio / media / mediana / min / max, che ogni risposta riporta comunque. Ometti per il risultato compatto predefinito.

Valore	Aggiunge
`percentiles`	`p10` e `p90` - l’intervallo in cui si colloca l’80% centrale della popolazione, che è ciò che chiede una domanda sull‘“intervallo tipico” e a cui min/max non possono rispondere, perché ciascuno è fissato da un singolo valore anomalo
`dispersion`	`std_dev`, la deviazione standard della popolazione
`sum`	Un totale, e solo per le metriche per cui un totale ha senso

sum torna null per una percentuale, un tasso, un numero di giorni, un rapporto adimensionale o un punteggio radar, con le metriche indicate in warning. Richiedere qualsiasi valore qui aggiunge anche la uom (unità di misura) di ogni metrica. Ha un costo in dimensione della risposta, che sotto group_by significa meno gruppi: chiedi ciò che leggerai davvero.

string

"en" per l’inglese (predefinito) o "it" per l’italiano.

Risposta

object[]

Un elemento per ogni anno richiesto, ciascuno contenente:

integer

Numero totale di aziende che corrispondono ai filtri.Non coincide con il count dentro employee_stats o metric_stats: quelli indicano quante di queste aziende hanno un valore per quel campo specifico, quindi una metrica riportata solo da metà della popolazione ne ha uno molto più basso. Usa il denominatore giusto per la domanda che ti poni.

object

Statistiche sul numero di dipendenti delle aziende corrispondenti:

count - numero di aziende con dati sui dipendenti
average, median, minimum, maximum - riepiloghi statistici

object[]

Un elemento per ogni slug di metrica richiesto, ciascuno con:

name - nome leggibile della metrica (usare questo per la visualizzazione, non lo slug)
slug - identificatore interno
stats.count - numero di aziende con dati per questa metrica
stats.average, stats.median, stats.minimum, stats.maximum - riepiloghi statistici
uom - unità di misura, null quando la metrica è adimensionale (un rapporto, un indice o un punteggio radar). Presente solo quando è stato usato extra_stats

Con extra_stats, ogni blocco di statistiche riporta anche il sottoinsieme richiesto: p10 / p90, std_dev e sum. Una statistica che non hai richiesto è assente; sum presente ma null significa che è stata richiesta e non fornita perché priva di significato per quella metrica.

object

Statistiche del punteggio Radar delle aziende corrispondenti:

efficiency_avg, efficiency_median - riepiloghi del punteggio Efficiency (0–100)
size_avg, size_median - riepiloghi del punteggio Size (0–100)

integer

Solo con un filtro company_ids, e accanto alla lista years anziché dentro ogni voce di anno: il numero di ID forniti, da confrontare con il company_count di ciascun anno.Rileva solo la perdita di righe. Un ammanco significa che alcuni ID non hanno trovato righe per quell’anno, oppure non hanno soddisfatto gli altri criteri indicati - l’API non può dire quale delle due.

Ogni ID in un filtro company_ids individua un solo bilancio. Un elenco che contiene sia l’ID individuale sia quello consolidato della stessa azienda la conta due volte in ogni statistica, e i conteggi non possono rilevarlo. Mantieni un elenco aggregato su un’unica base.

Con `group_by`

Le stesse statistiche per anno arrivano una volta per gruppo invece che una volta per l’intera popolazione, e la risposta riporta questi campi al posto di years:

string[]

Le chiavi usate per la scomposizione, restituite tali e quali.

integer

Quanti gruppi ha la popolazione. Confrontalo con la lunghezza di groups, che è limitata ai 200 più grandi e, al di sotto di quella soglia, dalla dimensione della risposta - quindi una selezione ricca di extra_stats può essere essa stessa il motivo per cui sono tornati meno gruppi. warning lo segnala e indica la leva meno costosa.

object[]

Ciascuno con key - una voce per ogni chiave richiesta, con valore null quando le aziende di quel gruppo non hanno un valore per essa, per esempio nessun codice NACE - e la propria lista years.

Anche questa forma riporta company_ids_requested, accanto a groups. La somma dei company_count dei gruppi inferiore a quel numero è il segnale di perdita di righe della scomposizione.

Precisione

count, sum, average, minimum e maximum sono esatti per qualsiasi dimensione della popolazione. Oltre circa 8.000 valori contribuenti, p10, p90 e median sono stime campionarie che variano di qualche punto percentuale tra chiamate identiche: riportali arrotondati. warning segnala quando è il caso. Accanto a result, la risposta contiene i campi restituiti da ogni strumento. Su questo strumento display_title è sempre Syrto AI e subtitle non è valorizzato.

Esempio

Ricavi medi delle grandi aziende manifatturiere in Emilia-Romagna:

{
  "year": 2023,
  "aggregate_metric_slugs": ["revenues_from_sales_and_services"],
  "filters": {
    "anagraphic": { "nace": ["C"], "nuts": ["ITH5"] },
    "financial": { "size": ["L"] }
  }
}

Risposta (abbreviata):

{
  "result": {
    "years": [
      {
        "year": 2023,
        "company_count": 3690,
        "employee_stats": {
          "count": 3045,
          "average": 333.15,
          "median": 201.0
        },
        "metric_stats": [
          {
            "name": "Revenues From Sales And Services",
            "slug": "revenues_from_sales_and_services",
            "stats": {
              "count": 3690,
              "average": 214504329.44,
              "median": 88501574.0
            }
          }
        ],
        "radar": {
          "efficiency_avg": 61.54,
          "efficiency_median": 68.25,
          "size_avg": 80.45,
          "size_median": 80.42
        }
      }
    ]
  },
  "reference_url": "https://app.syrto.ai",
  "display_title": "Syrto AI",
  "allowance": "▕████████████████░░░░▏"
}

Quali celle settore per macro-regione sono poco popolate, in un’unica chiamata:

{
  "year": 2023,
  "aggregate_metric_slugs": ["revenues_from_sales_and_services"],
  "group_by": ["nace_section", "nuts1"],
  "filters": { "financial": { "size": ["M", "L"] } }
}

Statistiche di portafoglio su un elenco che hai già, con l’intervallo tipico:

{
  "year": 2023,
  "aggregate_metric_slugs": ["ebitda", "roe"],
  "filters": { "company_ids": ["<id1>", "<id2>", "<id3>"] },
  "extra_stats": ["percentiles"]
}

Per iniziare

Strumenti

Aggrega aziende

Quando usare questo strumento

Argomenti

Risposta

Con `group_by`

Precisione

Esempio

​Quando usare questo strumento

​Argomenti

​Risposta

​Con group_by

​Precisione

​Esempio

Quando usare questo strumento

Argomenti

Risposta

Con `group_by`

Precisione

Esempio