Périmètres et axes d'analyse
PARTAGER SUR :
Quels périmètres d'études, quels axes d'analyse, tout ce que peut faire l'observatoire pour vous
Quel est son périmètre d'étude ?
Les travaux de l’Observatoire Départemental de l’Habitat du Nord concernent l’ensemble du territoire départemental.
Selon les thèmes étudiés, les périmètres d’analyse s’ancrent dans des dimensions territoriales différentes ; c’est pourquoi l’ODH permet de travailler sur plusieurs échelles, au choix de l’utilisateur.
- A l'échelle des territoires institutionnels (la commune, l’intercommunalité, le département…)
- A l'échelle de territoires de planification, ou de dispositifs opérationnels : SCOT, PLH, PIG
- Sur des territoires d’étude spécifiques : le bassin d’habitat, le bassin d'emploi
- A la carte, sur les périmètres définis selon les besoins de l’analyse
L’ODH est un outil évolutif qui vise à s’adapter aux besoins des acteurs de l'habitat
Quels sont ses axes d'analyses ?
Le travail de l'Observatoire Départemental de l'Habitat (ODH) se poursuit autour d’analyses multiples, reprenant la diversité des situations de logement. Parmi elles :
- la qualité du parc de logements et ses caractéristiques
- la demande de logements en fonction de l’environnement social et économique
- le parc locatif privé et public
- la production de logements neufs et le fonctionnement des marchés
Et aussi:
- l'ODH réalise et contribue à des études spécifiques (exemple : précarité énergétique INSEE- 2015).
- l'ODH met à disposition les études réalisées par les partenaires de l'Observatoire (lien bibliothèque de documents).
- il accompagne les politiques de l'habitat mises en oeuvre localement en particulier celles liées au Plan Départemental de l'Habitat.
eNrFXG1z4jYQ/n6/IsNM+w2MwQRoyd20uabNzLVN7y5tv90ILEDEWD5JBtJfX/kFYwcZ74rQzmSIsXaflS3vSs+u8OTdbh1cbaiQjIc3LbfTbV3RcMZ9Fi5uWo+f79qj1ru3byYrsiFlsVGn+8Vze62rWUCkvGkl7Z0pJaHs/P3rh/dUI1DRevvmasKnKzpTFblYsaDzC5HLX0mUyFxNNpz5V2uqlty/aUWxSs9eTaQSuh9vt1w8yYjM6MTJz5RbI+G7X/pedzTqldsnTgIKQI8lFR9IuDCCz4UV5iwWgobqlii64OL5VL+9sTewssHkRyp5LGb0gajlg+Ab5lPffBUkkNTKyHzrf6JiE1CVGDGCO6vZWlqBkxXZfaRf782d/kG33qqdanfb7tAd9XvdwWA0vB5ZmRKlW2W0llyEUxoSp3JiNO5WTozH7tBZSf2nH8snKjr6wHIQH7hQJLjQ8DF5W30SL2RH0K+Nj4nPZBSQ53NuFRFEN1Oh48blLiS5gs9CR7JA37MX+GEcBA6y1495fLlQj5PwdcvjUNWEmbuPtjfiloeK7upH1C4yql3+LDIqXw/2Hx6aZ4eHeBqwmW3s09EpplI9fryvD33/S9T4kUj6KC4XNv5ioc+38vXDUXn4L9T7KI2oJ9cK477dNBKVIlDVAGSZUwtfmoaqt1w3ECHIcwU30MGk8ykVal0FNFyo5U1r6O2hciN6AOnuptUtTpcWJ1LxdfIgSkVCnwi/c2S2dEuOIN1jSI01W5IwpAEOqmeEWpGAcY3IBc2P28lSoS3oXM/jS5yJPthErPiMryM9idH2bMm5TD0UYcqzMrVlTwxnZ2BjB2fiGmpiKnSYwN6oIRR9pmP3E5kGyN6PwPg8CEgkkfBjOPx6zUOkd3XB6Gq3pmGMhHeh8D5RJBneJ+zouj2UCcUXC+wAu2CvZu4IOwBgN2Z0hIQGe24ysG3NtxWbEWRMdcG+u+Y+GhzsuhGPGPbOg/020lOBRIKP4eBccfUc6VmAh3MdgRRyUgN7sNSrnylBulfPhcOH2rPaMp6uGfYawD4sA30RbXwg6oFdWCbrOT0HtLOFHdKMhzazZf6CYu/XAGsGiQ92aqvRBnu17joSeoSA1jc/mRKQFsCOrTgPFIuQ68cuHD5CO3Mf7MxKULphdIvEB/tx9tTbLXz7fZwVJPpJF05ZFg7vpK/Gu2J9RXz/GQltdtOATZ0p50qfIVHyiFPF1jRiSRKgtgFpeQiwHHLF5thLGgGAte/6gmM9awxB1vMwWVLim84h6Vm32Z5DAr3oQuK6ANxprBSWCng9ALAdhfH6AOhkSH2+xfbaA0BbLD29AQBXrzr5Bs3bAV7roGc+bwhBtZmSvBEEOUlhM8XQD129V9KA6nWe+iOmAhlEBvWut2RS8RSvOCQ+iVQyiF8tLLkYSzjoendka7Kg8gMnPvXzL0H6pRM9LZBhalDvmtkNacfscNR2O26v47azpB7SktdgqZOk3fRwx8joMhg0AWtmJTl2ETy4boblTwyLOmxCZb5emCYTMzKuDEYNyPthTMfQQ4KPgeBztkPm/rpA5DVbCL1k0d33Oi7SRr2briQPe0i03kk0Ec2QePUuuE42NoTsH3E46tj43rV3wkQSZfN/SNR6xyuyGkjEep+T23lW9UAimv3NhhlcGxwsCuIFC6Vz+34wvg/1NBJSldQ61kR8jXVg/sBoiEwdXY9PmPl5ML5dEqFoYkTH/WTGveMhMugPu6dNfNYDlxQOnZBs2ILgp/WhCzGg0s9kS0JA1W+ZKepE1e9/WqUlh73THXiULKQ/fGLZjTxc5pe4aEAa7NcbfP/jLV8n7vWQnkgs+tNZdqrJysRJS3J5Qa/U0ljcY75lcc8F1/ZqNhWBL2LiZC5ts2niPpzzc7dLzLe+GWpfcf/vi+3p/jCun3das0Psi+UWCyb/2m9su1gd/3J7BLIGI+jPP3223XOScovs8TdCM//m3H1zs0tsa9HPbVPXV/ImWyh807tbSf1Rqr5/S9bR91ogPX+opFdOZ1mppJ0LWnx/WRkHqZgr3WjVvHKN1QOqHCrLEOlypRgkf0ibwMTzSi5IuCjMQqSrdVawRlE2hWjkVVCQaFrUhEi+rFGCdPK8D0R2X0EEyeYFQZisob4HUTyU62DS1eobSKdcTAMpHNXGUFrFohujBRXHXHiWXQNKHspEIIUixQaTjuBDXKrJQMSPSixwpVrhvPxR07grBaW8mlGR1DROf9ZVIE40NQEVlYaTUoeywWmxfb7ffLZBXR/vk/oNYkWOvkGubu44lixl0BskjYHxWOyQ324QNDiUQcjsGgbBcjLZIPsiM2yQOGRcS1+OEr1QRaNkOQlbfK2mYQ1aRSa1fHyUVa1VrKRI66UO+c5TMnnysl6kkomsFTtcSZFYBMhmeUKA4Mu0n0klz+HVNGUJOUNjkVMrH3dOjUKWJSsOzELl3JehuZzIqjQfxd48f6Cbyuml/YL+ZYrJoFVki/Y61YyRWSPNzewVKgmg0/Iq//8in5OGkbqMjhnxkJw57kY1QXOs/yLXsgeoy7cgt3lDfmLVHY36dtRfmLeRL5WK5HeOw6d6Ht8QxZmg7SWZMkVUJ6Ah16RuLl7h1wHvGknjCeJoSR7PJJDnkEhLIoknkzaE0oJUooklnlzaEUw7kokkmjiyaUs4saQTSzyx5PMsAoonobZE1IqM2hNSe1JqQUzR5BRHUK1IKp6oosmqBWG1Jq1o4tpIXnEE9lVJLJzIIsjsKxBaBKnFEFscucURXATJRRFdMNlFEV4s6YUR37PIL44A25Pgs4gwnAxDCTGQFCOIMZYcowiyJUluIMqNZNmOMINJM4A4A8hzPYG2J9F2RNqGTF+GUL8Gqf7PiDWTpV/+X+69Ihd5vcA0+138OazdtnTd9K6Ac99/kevn79kw2lAitt4oUOxyuNhehPufXn97w+HlFxfr9kMlz3Q5M+mLKlLnv9R7EeLp+W8zuQ/vhHbc3+dzVvM+ptqH8LC3aOIke53evvkX8U9kAA==
fIptCFvv3nuwSBrp