Giornata Nazionale del Made in Italy 2026

Analisi della distribuzione geografica, temporale e tematica degli eventi

Made in Italy

Eventi

Territori

La Giornata Nazionale del Made in Italy (15 aprile) conta 730 eventi iscritti al portale MIMIT al 9 aprile 2026, distribuiti in 350 comuni e tutte le regioni.

Autore/Autrice

Paolo Volterra

Data di Pubblicazione

14 aprile 2026

Sommario

La Giornata Nazionale del Made in Italy (15 aprile) conta 730 eventi iscritti al portale MIMIT al 9 aprile 2026, distribuiti in 350 comuni e tutte le regioni. Il picco si concentra ad aprile (69 % degli eventi). Il Lazio guida per volume assoluto; il Mezzogiorno pesa il 37 % del totale nazionale, con Campania e Calabria prime tra le regioni meridionali.

Parole chiave

Made in Italy, MIMIT, eventi, Mezzogiorno, economia reale

1 Il quadro generale

Al 9 aprile 2026 risultano iscritti 730 eventi su tutto il territorio nazionale, promossi da istituzioni, associazioni di categoria, imprese e scuole. La distribuzione copre 107 province e 350 comuni, con una forte concentrazione nei capoluoghi regionali.

Codice

overview = pd.DataFrame({
    'Indicatore': [
        'Totale eventi', 'Regioni', 'Province', 'Comuni',
        'Primo evento', 'Ultimo evento',
        'Durata mediana (giorni)', 'Durata media (giorni)',
    ],
    'Valore': [
        f"{len(df):,}",
        str(df['regione'].nunique()),
        str(df['provincia'].nunique()),
        str(df['comune'].nunique()),
        str(df['data_inizio'].min().date()),
        str(df['data_fine'].max().date()),
        f"{df['durata_gg'].median():.0f}",
        f"{df['durata_gg'].mean():.1f}",
    ]
})
overview.style.hide(axis='index')

Indicatore	Valore
Totale eventi	730
Regioni	21
Province	107
Comuni	350
Primo evento	2026-01-30
Ultimo evento	2026-12-31
Durata mediana (giorni)	7
Durata media (giorni)	23.6

Tabella 1: Principali indicatori — Giornata del Made in Italy 2026

La metà degli eventi dura al più 7 giorni; la media più alta (23,6 giorni) riflette alcune mostre o cicli formativi plurisettimanali che alzano la coda destra della distribuzione.

2 Distribuzione geografica

2.1 Per regione

Il Lazio (111 eventi) guida davanti a Campania (88) e Lombardia (71). La graduatoria riflette la densità di soggetti promotori — enti nazionali, associazioni di categoria, università — concentrati nelle grandi città.

Codice

reg = df[df['regione'] != 'Italia']['regione'].value_counts().sort_values()

fig, ax = plt.subplots(figsize=(9, 6))
bars = ax.barh(reg.index, reg.values, color=C_GREEN, edgecolor='white', linewidth=0.4)
ax.bar_label(bars, padding=3, fontsize=8)
ax.set_xlabel('Numero di eventi')
clean_ax(ax)
plt.tight_layout()
plt.savefig('OUT/fig_regioni.png', dpi=150, bbox_inches='tight')
plt.show()

Figura 1: Numero di eventi per regione (esclusi 8 eventi a copertura nazionale)

2.2 Top 10 comuni

Roma svetta con 96 eventi, più del triplo di Milano (28) e Torino (24). Tra i primi dieci figurano anche Modena (14) e Augusta (6, Sicilia) — segnale che la partecipazione non è solo metropolitana.

Codice

top10 = df['comune'].value_counts().head(10).reset_index()
top10.columns = ['Comune', 'Eventi']
top10['% sul totale'] = (top10['Eventi'] / len(df) * 100).round(1).astype(str) + ' %'
top10.style.hide(axis='index').bar(subset='Eventi', color=C_GREEN, vmin=0)

Comune	Eventi	% sul totale
Roma	96	13.2 %
Milano	28	3.8 %
Torino	24	3.3 %
Firenze	23	3.2 %
Napoli	22	3.0 %
Modena	14	1.9 %
Genova	14	1.9 %
Venezia	12	1.6 %
Caserta	8	1.1 %
Bologna	8	1.1 %

Tabella 2: Top 10 comuni per numero di eventi

3 Distribuzione temporale

Il 15 aprile è la data istituzionale della Giornata; di conseguenza il 69 % degli eventi si concentra nel solo mese di aprile. Un secondo addensamento a marzo (111 eventi) indica anteprime e iniziative preparatorie; maggio (95) ospita le code.

Codice

mesi = df['mese_inizio'].value_counts().sort_index()
etichette = {
    '2026-01': 'Gen', '2026-02': 'Feb', '2026-03': 'Mar', '2026-04': 'Apr',
    '2026-05': 'Mag', '2026-06': 'Giu', '2026-09': 'Set', '2026-11': 'Nov',
}
x_labels = [etichette.get(str(m), str(m)) for m in mesi.index]

fig, ax = plt.subplots(figsize=(8, 3.5))
colors = [C_GREEN if str(m) == '2026-04' else C_GREY for m in mesi.index]
bars = ax.bar(x_labels, mesi.values, color=colors, edgecolor='white')
ax.bar_label(bars, padding=2, fontsize=8)
ax.set_ylabel('Numero eventi')
ax.yaxis.set_major_locator(mticker.MaxNLocator(integer=True))
clean_ax(ax)
plt.tight_layout()
plt.savefig('OUT/fig_mesi.png', dpi=150, bbox_inches='tight')
plt.show()

Figura 2: Eventi per mese di inizio

4 Tipologia degli eventi

La categoria Evento (convegni, fiere, manifestazioni) rappresenta il 57 % del totale. Le Aziende aperte sono seconde (18 %), confermando l’interesse per iniziative di open-factory. Formazione, Mostre e Iniziative di comunicazione coprono insieme il restante 24 %.

Codice

cat = df['categoria'].value_counts().sort_values()
cat_colors = [C_GREY, C_ORANGE, C_BLUE, C_RED, C_GREEN, '#9467bd']

fig, axes = plt.subplots(1, 2, figsize=(11, 4))

# bar orizzontale
bars = axes[0].barh(cat.index, cat.values,
                    color=cat_colors, edgecolor='white', linewidth=0.4)
axes[0].bar_label(bars, padding=3, fontsize=8)
axes[0].set_xlabel('Numero eventi')
clean_ax(axes[0])

# tabella %
cat_pct = (cat / len(df) * 100).round(1).sort_values(ascending=False)
tbl_data = pd.DataFrame({'Categoria': cat_pct.index, '%': cat_pct.values})
axes[1].axis('off')
tbl = axes[1].table(
    cellText=tbl_data.values,
    colLabels=tbl_data.columns,
    cellLoc='left', loc='center',
    colWidths=[0.65, 0.25],
)
tbl.auto_set_font_size(False)
tbl.set_fontsize(9)
tbl.scale(1, 1.4)
for (r, c), cell in tbl.get_celld().items():
    if r == 0:
        cell.set_facecolor(C_GREEN)
        cell.set_text_props(color='white', fontweight='bold')
    elif r % 2 == 0:
        cell.set_facecolor('#f5f5f5')
    cell.set_edgecolor('white')

plt.tight_layout()
plt.savefig('OUT/fig_categorie.png', dpi=150, bbox_inches='tight')
plt.show()

Figura 3: Composizione per categoria

5 Focus Mezzogiorno

5.1 Peso complessivo

Il Mezzogiorno contribuisce con 273 eventi (37,4 % del totale), una quota superiore al peso demografico della ripartizione (~34 %). Campania e Calabria guidano, insieme totalizzando oltre la metà degli eventi meridionali.

Codice

macro = pd.Series({
    'Mezzogiorno': len(mez),
    'Nord-Centro': len(nord),
    'Nazionali':   (df['regione'] == 'Italia').sum(),
})
reg_mez = mez['regione'].value_counts().sort_values()

fig, axes = plt.subplots(1, 2, figsize=(12, 4.5))

# macro
bars0 = axes[0].bar(macro.index, macro.values,
                    color=[C_RED, C_BLUE, C_GREY],
                    edgecolor='white', width=0.5)
axes[0].bar_label(bars0, padding=3, fontsize=9)
axes[0].set_ylabel('Numero eventi')
axes[0].set_title('Ripartizione macro', fontweight='bold')
clean_ax(axes[0])

# regioni Mezzogiorno
bars1 = axes[1].barh(reg_mez.index, reg_mez.values,
                     color=C_RED, edgecolor='white', linewidth=0.4)
axes[1].bar_label(bars1, padding=3, fontsize=8)
axes[1].set_xlabel('Numero eventi')
axes[1].set_title('Regioni — Mezzogiorno', fontweight='bold')
clean_ax(axes[1])

plt.tight_layout()
plt.savefig('OUT/fig_mezzogiorno.png', dpi=150, bbox_inches='tight')
plt.show()

Figura 4: Ripartizione geografica macro e dettaglio Mezzogiorno

5.2 Mix categorie: Mezzogiorno vs Nord-Centro

La struttura per categoria è simile tra le due ripartizioni, con una leggera prevalenza di Aziende aperte al Sud (19,4 % vs 17,0 %) e di Formazione al Nord-Centro (10,4 % vs 8,4 %).

Codice

cat_mez  = mez['categoria'].value_counts(normalize=True).rename('Mezzogiorno')
cat_nord = nord['categoria'].value_counts(normalize=True).rename('Nord-Centro')
cat_comp = (pd.concat([cat_mez, cat_nord], axis=1).fillna(0) * 100).round(1)
cat_comp.index.name = 'Categoria'
cat_comp.reset_index().style.hide(axis='index').format(
    {'Mezzogiorno': '{:.1f} %', 'Nord-Centro': '{:.1f} %'}
).bar(subset=['Mezzogiorno', 'Nord-Centro'],
      color=[C_RED, C_BLUE], vmin=0, vmax=60)

Categoria	Mezzogiorno	Nord-Centro
Evento	66.7 %	51.7 %
Aziende aperte	16.8 %	18.3 %
Mostra	7.0 %	8.2 %
Formazione	6.6 %	10.2 %
Iniziative di comunicazione	2.2 %	9.8 %
Altro	0.7 %	1.8 %

Tabella 3: Distribuzione % per categoria — Mezzogiorno vs Nord-Centro

6 Note metodologiche

I dati sono stati estratti dal portale mappe.mimit.gov.it il 9 aprile 2026 (730 record, CSV IN/made_in_italy.csv). La pulizia include: normalizzazione Title Case di regione/provincia/comune; correzione alias province; separazione degli 8 eventi a copertura nazionale (regione = “Italia”) dalle analisi geografiche sub-nazionali. La durata è calcolata come (data_fine − data_inizio) + 1; per 491 eventi data_fine è assente e la durata risulta NaN.

Torna in cima