Belgif Linked Data Fragments server

Matches in Data.gov.be for { <http://data.gov.be/dataset/statbelpubs/4a01359f042e1bcff9002f4e29fc87cedc17d918> ?p ?o ?g. }

• 4a01359f042e1bcff9002f4e29fc87cedc17d918 accessRights PUBLIC @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 description "Ces dernières années ont vu l’apparition de diverses applications qui mettent des personnes en contact pour échanger des biens et des services. De plus en plus de consommateurs ont recours à une plateforme en ligne pour réserver un hébergement de vacances ou faire livrer un repas à domicile par une entreprise de livraison à vélo. L’économie collaborative gagne dès lors rapidement en importance. C’est la raison pour laquelle Statbel, l'office belge de statistique, étudie, en étroite collaboration avec Eurostat et d’autres instituts nationaux de statistique, de quelle manière l’économie collaborative peut être intégrée dans les statistiques publiques. Les instituts nationaux de statistique sont toutefois confrontés à une difficulté majeure lors de l’analyse des entreprises actives comme plateformes. Les plus grandes d’entre elles sont des acteurs multinationaux qui gèrent souvent leurs activités en Belgique à partir d’un siège situé à l’étranger. Ces entreprises se retrouvent dès lors rarement dans les statistiques classiques sur les entreprises ou dans les répertoires. Pour obtenir les données nécessaires, les instituts nationaux de statistique seraient dès lors obligés de contacter toutes les entreprises actives comme plateformes de manière unilatérale. Cette méthode de travail est chronophage et peu efficace, tant pour les plateformes que pour les instituts statistiques. La Commission européenne a dès lors décidé de s’occuper elle-même de ces contacts et de demander les données pour tous les Etats membres de l’UE via une convention. Ces négociations se sont d’abord concentrées sur le secteur du tourisme résidentiel et ont débouché sur des accords avec les plateformes Airbnb, Booking.com, TripAdvisor et Expedia . Ces entreprises ont entretemps fourni les premiers fichiers de données à Eurostat. Eurostat subdivise ensuite les microdonnées en 27 fichiers nationaux pseudonymisés et agrégés, ce qui permet à Statbel de recevoir des informations sur l’ensemble des réservations et des nuitées qui ont été réservées sur le territoire belge via ces quatre plateformes en ligne. Ces accords entre la Commission européenne et les quatre plateformes ont permis de franchir un premier obstacle important. Le travail méthodologique ne fait toutefois que commencer. Sur la base des premiers fichiers, les instituts nationaux de statistique et Eurostat doivent encore développer une approche harmonisée permettant de relever les défis méthodologiques. Etant donné que les microdonnées des plateformes ne contiennent pas de données d’identification, les doubles comptages constituent un problème significatif. Ces doubles comptages, dans lesquels un hébergement est repris dans au moins deux fichiers différents, constituent surtout un défi pour déterminer la capacité. C’est la raison pour laquelle, cette information n’est pas reprise dans la statistique expérimentale. Actuellement, les instituts nationaux de statistique étudient, en concertation avec Eurostat, quelles sont les meilleures techniques à utiliser pour résoudre ces problèmes méthodologiques. Dans ce cadre, on se tourne surtout vers les méthodes innovantes comme le webscraping. Le webscraping collecte des informations pertinentes sur des sites internet. Cette technique, combinée à l’intelligence artificielle, est considérée comme la meilleure solution. Nous étudions concrètement les deux pistes suivantes : Reconnaissance de texte : les particuliers qui proposent la même chambre sur plusieurs plateformes en ligne, utilisent en général le même texte. En recherchant des mots-clés comme l’emplacement de l’hébergement, la taille de la chambre, les commodités présentes... Les hébergements identiques peuvent être identifiés automatiquement ; Reconnaissance de photos : cette technique compare automatiquement les photos placées dans une annonce afin d’identifier les doubles comptages éventuels. Cette technique nécessite toutefois une mémoire informatique conséquente et est dès lors gardée en réserve en tant que solution alternative. L’objectif à terme est d’intégrer les données des plateformes dans une statistique récurrente. Le timing de cette intégration dépend de la définition d’une approche harmonisée pour les problèmes méthodologiques ainsi que de la livraison plus rapide des données par les plateformes." @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 description "De voorbije jaren raakten diverse apps in gebruik die mensen met elkaar in contact brengen om goederen en diensten uit te wisselen. Steeds meer consumenten doen een beroep op een online platform om een vakantieverblijf te reserveren of laten een maaltijd aan huis leveren door een fietskoerierbedrijf. Hierdoor neemt het economische belang van de deeleconomie snel toe. Vandaar dat Statbel, het Belgische statistiekbureau, in nauwe samenwerking met Eurostat en andere nationale statistische instellingen, bestudeert op welke manier de deeleconomie kan geïntegreerd worden in de openbare statistieken. Bij de analyse van de platformbedrijven worden de nationale statistische instellingen echter geconfronteerd met een aanzienlijke moeilijkheid. De grootste platformbedrijven zijn multinationale spelers, die hun activiteiten in België vaak beheren vanuit een buitenlandse zetel. Deze ondernemingen zijn daarom zelden terug te vinden in de reguliere ondernemingsstatistieken of –registers. Om de vereiste data te verkrijgen zouden de nationale statistische instellingen bijgevolg verplicht zijn om alle platformbedrijven op unilaterale basis te contacteren. Dat was een tijdrovende en weinig efficiënte werkwijze, zowel voor de platformbedrijven als voor de statistische instellingen. Vandaar dat de Europese Commissie besloot om deze gesprekken naar zich toe te trekken en via één overeenkomst de data voor alle EU-lidstaten op te vragen. Deze onderhandelingen focusten zich in eerste instantie op de sector van het verblijfstoerisme en resulteerden in akkoorden met de platformbedrijven Airbnb, Booking.com, TripAdvisor en Expedia . Ondertussen hebben deze bedrijven de eerste gegevensbestanden aan Eurostat geleverd. Eurostat deelt de microdata vervolgens op in 27 nationale gepseudonimiseerde en geaggregeerde bestanden, waardoor Statbel informatie ontvangt over alle reservaties en overnachtingen die via deze vier online platformen op het Belgische grondgebied worden gereserveerd. Met de akkoorden tussen de Europese Commissie en de vier platformbedrijven werd een eerste, belangrijke horde genomen. Maar het methodologisch werk vangt nu pas aan. Op basis van de eerste bestanden moeten de nationale statistische instellingen en Eurostat nog een geharmoniseerde aanpak voor de methodologische uitdagingen uitwerken. Doordat de microdata van de platformbedrijven geen identificatiegegevens bevatten, vormen in het bijzonder de dubbeltellingen een aanzienlijk probleem. Deze dubbeltellingen, waarbij een accommodatie dus minstens in twee verschillende bestanden zit vervat, vormen vooral een uitdaging om de capaciteit te bepalen. Vandaar dat deze informatie niet vervat zit in de experimentele statistiek. Op dit moment bestuderen de nationale statistische instellingen samen met Eurostat welke technieken het best gebruikt kunnen worden om de methodologische problemen op te lossen. Hierbij wordt vooral gekeken naar innovatieve methoden zoals webscraping. Bij webscraping schraapt men relevante informatie van websites, hetgeen in combinatie met artificiële intelligentie als de beste oplossing wordt gezien. Concreet bestuderen we de volgende twee pistes: tekstherkenning: particulieren die eenzelfde kamer aanbieden op meerdere online platformen, maken in regel gebruik van dezelfde tekst. Door op zoek te gaan naar kernwoorden, zoals de locatie van het logement, de grootte van de kamer, aanwezige faciliteiten, … kunnen identieke accommodaties automatisch opgespoord worden; fotoherkenning: bij deze techniek worden de foto’s die bij een advertentie worden geplaatst automatisch vergeleken, om op die manier eventuele dubbeltellingen te identificeren. Deze techniek vereist echter een groot computergeheugen en wordt hierom eerder als een alternatieve oplossing achter de hand gehouden. Op termijn is het de bedoeling om de platformdata te integreren in de recurrente statistiek. De timing hiervoor is zowel afhankelijk van het bereiken van een geharmoniseerde aanpak van de methodologische problemen als van een snellere datalevering door de platformbedrijven." @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 description "In den letzten Jahren sind verschiedene Apps zum Einsatz gekommen, die Menschen miteinander in Kontakt bringen, um Waren und Dienstleistungen auszutauschen. Immer mehr Verbraucher nutzen eine Online-Plattform, um ein Ferienhaus zu buchen oder sich eine Mahlzeit per Fahrradkurier nach Hause liefern zu lassen. Infolgedessen wächst die wirtschaftliche Bedeutung der Sharing Economy rasant. Deshalb untersucht das belgische Statistische Amt Statbel in enger Zusammenarbeit mit Eurostat und anderen nationalen statistischen Ämtern, wie die Sharing Economy in die öffentliche Statistik integriert werden kann. Allerdings haben die nationalen statistischen Ämter bei der Analyse der Plattformunternehmen erhebliche Schwierigkeiten. Die größten Plattformunternehmen sind multinationale Unternehmen, die ihre Aktivitäten in Belgien häufig von einem ausländischen Hauptsitz aus verwalten. Diese Unternehmen sind daher selten in den regulären Unternehmensstatistiken oder -registern zu finden. Um die erforderlichen Daten zu erhalten, wären die nationalen statistischen Ämter daher verpflichtet, alle Plattformunternehmen einseitig zu kontaktieren. Dies war sowohl für die Plattformunternehmen als auch für die statistischen Ämter ein zeitaufwändiger und ineffizienter Prozess. Daher hat die Europäische Kommission beschlossen, diese Gespräche selbst in die Hand zu nehmen und die Daten für alle EU-Mitgliedstaaten über ein Abkommen anzufordern. Diese Verhandlungen konzentrierten sich zunächst auf den Wohntourismussektor und führten zu Vereinbarungen mit den Plattformunternehmen Airbnb, Booking.com, TripAdvisor und Expedia. In der Zwischenzeit haben diese Unternehmen die ersten Datendateien an Eurostat übermittelt. Eurostat teilt die Mikrodaten dann in 27 nationale pseudonymisierte und aggregierte Dateien auf, so dass Statbel Informationen über alle Reservierungen und Übernachtungen erhält, die über diese vier Online-Plattformen auf belgischem Hoheitsgebiet gebucht wurden. Mit den Vereinbarungen zwischen der Europäischen Kommission und den vier Plattformunternehmen wurde eine erste, wichtige Hürde genommen. Doch die methodische Arbeit hat gerade erst begonnen. Auf der Grundlage der ersten Dossiers müssen die nationalen statistischen Ämter und Eurostat noch einen harmonisierten Ansatz für die methodischen Herausforderungen entwickeln. Insbesondere aufgrund des Mangels an Identifikationsdaten in den Mikrodaten der Plattformunternehmen stellt die Doppelzählung ein erhebliches Problem dar. Diese Doppelzählung, bei der eine Unterkunft in mindestens zwei verschiedenen Dateien enthalten ist, stellt eine besondere Herausforderung für die Kapazitätsbestimmung dar. Deshalb sind diese Informationen in den experimentellen Statistiken nicht enthalten. Derzeit untersuchen die nationalen statistischen Ämter zusammen mit Eurostat, mit welchen Techniken die methodischen Probleme am besten gelöst werden können. Innovative Methoden wie das Web Scraping werden dabei besonders in Betracht gezogen. Web Scraping beinhaltet das Abkratzen relevanter Informationen von Websites, die in Kombination mit künstlicher Intelligenz als die beste Lösung angesehen werden. Konkret untersuchen wir die folgenden zwei Ansätze: Texterkennung: Personen, die auf mehreren Online-Plattformen denselben Raum anbieten, verwenden in der Regel denselben Text. Durch die Suche nach Schlüsselwörtern wie der Lage der Unterkunft, der Größe des Zimmers, der verfügbaren Einrichtungen usw. können identische Unterkünfte automatisch gefunden werden; Fotoerkennung: Diese Technik vergleicht automatisch die Fotos, die mit einer Anzeige platziert werden, um mögliche Duplikate zu identifizieren. Diese Technik erfordert jedoch einen großen Computerspeicher und wird daher als alternative Lösung eher in Reserve gehalten. Mit der Zeit sollen die Plattformdaten in wiederkehrende Statistiken integriert werden. Der Zeitpunkt hierfür hängt sowohl von einem harmonisierten Ansatz für die methodischen Probleme als auch von einer schnelleren Datenbereitstellung durch die Plattformunternehmen ab." @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 description "In recent years, various apps have come into use that bring people into contact with each other to exchange goods and services. More and more consumers use an online platform to book a holiday home or have a meal delivered to their home by a bicycle courier. As a result, the economic importance of the sharing economy is growing rapidly. That is why Statbel, the Belgian statistical office, in close cooperation with Eurostat and other national statistical institutes, is studying how the sharing economy can be integrated into public statistics. However, national statistical institutes face a considerable difficulty when analysing the platform companies. The largest platform companies are multinational players, often managing their activities in Belgium from a foreign head office. These companies are therefore rarely found in the regular business statistics or registers. In order to obtain the required data, national statistical institutes would therefore be obliged to contact all platform companies on a unilateral basis. This was a time-consuming and inefficient process for both the platform companies and the statistical institutes. Therefore, the European Commission decided to take these discussions into its own hands and request the data for all EU Member States via one agreement. These negotiations initially focused on the residential tourism sector and resulted in agreements with the platform companies Airbnb, Booking.com, TripAdvisor and Expedia . In the meantime, these companies have delivered the first data files to Eurostat. Eurostat then divides the microdata into 27 national pseudonymised and aggregated files, so that Statbel receives information on all reservations and overnight stays booked via these four online platforms on the Belgian territory. With the agreements between the European Commission and the four platform companies, a first, important hurdle has been taken. But the methodological work is only just beginning. Based on the first files, the national statistical institutes and Eurostat still have to develop a harmonised approach to the methodological challenges. In particular, due to the lack of identification data in the microdata of the platform companies, double counting poses a considerable problem. This double counting, whereby an accommodation is contained in at least two different files, is a particular challenge for capacity determination. That is why this information is not included in the experimental statistics. At the moment the national statistical institutes together with Eurostat are studying which techniques can best be used to solve the methodological problems. Innovative methods such as web scraping are particularly under consideration. Web scraping involves scraping relevant information from websites, which in combination with artificial intelligence is considered the best solution. Concretely, we study the following two approaches: text recognition: individuals who offer the same room on several online platforms usually use the same text. By looking for key words, such as the location of the accommodation, the size of the room, available facilities, etc., identical accommodations can be found automatically; Photo recognition: this technique automatically compares the photos that are placed with an advertisement in order to identify possible duplicates. However, this technique requires a large computer memory and is therefore rather kept in reserve as an alternative solution. In time, the intention is to integrate the platform data into recurring statistics. The timing for this depends both on achieving a harmonised approach to the methodological problems and on faster data delivery by the platform companies." @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 identifier "4a01359f042e1bcff9002f4e29fc87cedc17d918" @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 language ENG @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 language FRA @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 language NLD @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 publisher 2146814391 @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 spatial 2802361 @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 title "Données des plateformes dans le secteur du tourisme résidentiel" @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 title "Platform data in residential tourism" @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 title "Platformdata in het verblijfstoerisme" @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 title "Plattformdaten im Wohntourismus" @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 type Dataset @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 contactPoint genid112806 @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 distribution nl @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 distribution en @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 distribution fr @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 keyword "DataLab" @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 keyword "DataLab" @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 keyword "DataLab" @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 landingPage platform-data-residential-tourism @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 landingPage donnees-des-plateformes-dans-le-secteur-du-tourisme-residentiel @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 landingPage platformdata-het-verblijfstoerisme @default.
• 4a01359f042e1bcff9002f4e29fc87cedc17d918 theme ECON @default.