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.
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
OO2nmpDxyBkKRDZc