Prima che Numbeo fosse creato (Aprile 2009), non esisteva nessun database gratuito sul costo della vita (con dati strutturati e indici).
Altri rapporti sul costo della vita avevano i dati delle ricerche nascosti o venduti a caro prezzo. Le loro ricerche erano molto limitate riguardo il numero delle città incluse. Era per loro difficile aumentarle senza un incremento significativo dei costi, dal momento che si basavano su dati raccolti manualmente. Inoltre, non c'era nessuna verifica del tasso di errore dei loro dati raccolti manualmente. la raccolta manuale dei dati è soggetta ad errori:
I rapporti disponibili prima dell'anno 2009 normalmente includono un solo indice, che non è abbastanza per una stima personalizzata, dal momento che una persona non rappresenta la media per via dello stile di vita come ad esempio:
Altre fonti del costo della vita disponibili non fornivano un modo sistematico per estrarre degli indici personalizzati. Numbeo fornisce un software di livello mondiale per estrarre gratuitamente vari indici economici (come il nostro strumento "Paniere dei beni di consumo").
Prima della Grande Recessione (Crisi Economica Mondiale del 2007-2009) Il fondatore di questo sito trovava che i prezzi degli immobili nel mondo apparissero come impazziti. Il costo di un piccolo appartamento in una nazione del terzo mondo in cui vive attualmente era quanto il prezzo di 310 monitor LCD ultramoderni di allora. La speculazione selvaggia sui prezzi degli immobili suggeriva che la gente avesse davvero bisogno di uno strumento per speculare o per contrastare la speculazione.
Quindi, ecco com'è nato Numbeo. Numbeo:
Per raccogliere dati, Numbeo si avvale degli inserimenti degli utenti e dati raccolti manualmente da fonti autorevoli (siti web dei supermercati, siti web delle compagnie di taxi, istituzioni governative, articoli di giornale, altri sondaggi, ecc.). I dati inseriti manualmente da fonti prestabilite sono reinseriti due volte l'anno.
Utilizziamo dei filtri automatici e semi-automatici per filtrare i dati di disturbo. Il filtro più semplice funziona così: se, per un particolare prezzo in una città, i valori sono 5, 6, 20 e 4 in un breve lasso di tempo, il valore 20 è rigettato come disturbo (dal momento che il suo valore è 4 volte superiore alla media)
Un altro filtro rigetta ¼ (un quarto) degli inserimenti più bassi e più alti visto che i dati ai margini hanno più probabilità di essere errati. Degli inserimenti rimanenti, il più basso, il più alto e il valore medio sono calcolati e visualizzati.
Vengono usati anche dei filtri più sofisticati. I filtri lavorano meglio quando ci sono più dati a disposizione.
Uno dei filtri avanzati cerca di eliminare i dati di 'bad training'. Scava nei dati scartati (spam) e se nota irregolarità li ri-aggiunge per farli calcolare di nuovo.
Per fare il punto sui nostri filtri, Numbeo usa una tecnologia euristica per avere dati di qualità. Usando i dati esistenti, Numbeo periodicamente scarta i dati che è più probabile siano statisticamente scorretti.
Numbeo oltretutto archivia i valori dei vecchi dati (la nostra politica sul periodo standard di scarto è 12 mesi, anche se possiamo usare dati fino a 18 mesi quando non abbiamo dati recenti e i nostri indicatori suggeriscono che l'inflazione è bassa in quella particolare nazione). I valori dei vecchi dati sono mantenuti per essere usati a fini storici.
mysql> select name, category, cpi_factor as cost_of_living_factor, rent_factor from item where cpi_factor > 0 or rent_factor > 0 order by category, relative_id; +-----------------------------------------------------------------+---------------------+-----------------------+-------------+ | name | category | cost_of_living_factor | rent_factor | +-----------------------------------------------------------------+---------------------+-----------------------+-------------+ | 1 Pair of Jeans (Levis 501 Or Similar) | Clothing And Shoes | 0.35 | 0 | | 1 Summer Dress in a Chain Store (Zara, H&M, ...) | Clothing And Shoes | 0.35 | 0 | | 1 Pair of Nike Running Shoes (Mid-Range) | Clothing And Shoes | 0.35 | 0 | | 1 Pair of Men Leather Business Shoes | Clothing And Shoes | 0.35 | 0 | | Milk (regular), (1 liter) | Markets | 25 | 0 | | Loaf of Fresh White Bread (500g) | Markets | 31 | 0 | | Rice (white), (1kg) | Markets | 14 | 0 | | Eggs (12) | Markets | 20 | 0 | | Local Cheese (1kg) | Markets | 12 | 0 | | Chicken Breasts (Boneless, Skinless), (1kg) | Markets | 15 | 0 | | Beef Round (1kg) (or Equivalent Back Leg Red Meat) | Markets | 15 | 0 | | Apples (1kg) | Markets | 31 | 0 | | Banana (1kg) | Markets | 25 | 0 | | Oranges (1kg) | Markets | 30 | 0 | | Tomato (1kg) | Markets | 22 | 0 | | Potato (1kg) | Markets | 24 | 0 | | Onion (1kg) | Markets | 10 | 0 | | Lettuce (1 head) | Markets | 18 | 0 | | Water (1.5 liter bottle) | Markets | 30 | 0 | | Bottle of Wine (Mid-Range) | Markets | 4 | 0 | | Domestic Beer (0.5 liter bottle) | Markets | 6 | 0 | | Imported Beer (0.33 liter bottle) | Markets | 6 | 0 | | Cigarettes 20 Pack (Marlboro) | Markets | 15 | 0 | | Apartment (1 bedroom) in City Centre | Rent Per Month | 0 | 0.25 | | Apartment (1 bedroom) Outside of Centre | Rent Per Month | 0 | 0.25 | | Apartment (3 bedrooms) in City Centre | Rent Per Month | 0 | 0.25 | | Apartment (3 bedrooms) Outside of Centre | Rent Per Month | 0 | 0.25 | | Meal, Inexpensive Restaurant | Restaurants | 16 | 0 | | Meal for 2 People, Mid-range Restaurant, Three-course | Restaurants | 3.5 | 0 | | McMeal at McDonalds (or Equivalent Combo Meal) | Restaurants | 6 | 0 | | Domestic Beer (0.5 liter draught) | Restaurants | 5 | 0 | | Imported Beer (0.33 liter bottle) | Restaurants | 5 | 0 | | Cappuccino (regular) | Restaurants | 15 | 0 | | Coke/Pepsi (0.33 liter bottle) | Restaurants | 6 | 0 | | Water (0.33 liter bottle) | Restaurants | 6 | 0 | | Fitness Club, Monthly Fee for 1 Adult | Sports And Leisure | 2.3 | 0 | | Tennis Court Rent (1 Hour on Weekend) | Sports And Leisure | 3 | 0 | | Cinema, International Release, 1 Seat | Sports And Leisure | 6 | 0 | | One-way Ticket (Local Transport) | Transportation | 20 | 0 | | Monthly Pass (Regular Price) | Transportation | 1.5 | 0 | | Taxi Start (Normal Tariff) | Transportation | 5 | 0 | | Taxi 1km (Normal Tariff) | Transportation | 20 | 0 | | Taxi 1hour Waiting (Normal Tariff) | Transportation | 0.7 | 0 | | Gasoline (1 liter) | Transportation | 60 | 0 | | Volkswagen Golf 1.4 90 KW Trendline (Or Equivalent New Car) | Transportation | 0.0035 | 0 | | Toyota Corolla 1.6l 97kW Comfort (Or Equivalent New Car) | Transportation | 0.0035 | 0 | | Basic (Electricity, Heating, Water, Garbage) for 85m2 Apartment | Utilities (Monthly) | 1 | 0 | | 1 min. of Prepaid Mobile Tariff Local (No Discounts or Plans) | Utilities (Monthly) | 320 | 0 | | Internet (10 Mbps, Unlimited Data, Cable/ADSL) | Utilities (Monthly) | 1 | 0 | +-----------------------------------------------------------------+---------------------+-----------------------+-------------+
Local_Puchasing_Power_Index = (Average_Disposable_Salary(This_City) / BasketConsumerPlusRent(This_City)) / (Average_Disposable_Salary(New_York) / BasketConsumerPlusRent(New_York)) BasketConsumerPlusRent(City) = sum_of (Price_in_the_city * (cost_of_living_factor + rent_factor))
Nota che alcune delle altre sezioni del sito usano differenti politiche di archiviazione. Ogni mese, i dati vecchi sono spostati nell'archivio e possono essere richiamati usando la nostra API.
Questa pagina è stata tradotta dall’Inglese. Improve translation of this page