Datadrevet byudvikling Henrik Sørensen Analyse- og udviklingsdirektør Exometric Has@exometric.com Telefon: 26 71 58 84 www.exometric.com
Introduktion
Om Exometric Fremtidige data intentioner om fremtidig adfærd Exometric er ejet af NRGI rådgivning. NRGi er et af Danmarks største energiselskaber med ca. 1.100 medarbejdere, og ca. 210.000 andelshavere. Exometric er et selvstændigt selskab i NRGi koncernen, og er specialiseret i analyse og rådgivning inden for fast ejendom og byudvikling. Exometric arbejder for en række større og mindre danske kommuner og institutionelle danske og udenlandske investorer. Historiske datakilder og adfærdsmønstre (facts)
Danmarks Exobasestørste og markedsområder database boligsøgende BOLIGEJENDOMME Exobase Bolig er en vidensbase om det fremtidige boligmarked. Vi fusionerer historiske data om boligmarkedet, boligkøbere og lejere, med markedsanalyser og data fra mange forskellige datakilder. ERHVERVSEJENDOMME Exobase Erhverv fusionerer historiske data om virksomheders flyttemønstre, præferencer og barrierer, med interviews af beslutningstagere hos potentielle købere eller lejere. DETAILEJENDOMME Exobase Detail indsamler data om forbrugeradfærd og potentialet i markedet. Viden om fremtidig udvikling i området og forbrugsmønstre, krydses med udviklingsmuligheder og giver dyb indsigt i udlejnings- og udviklingspotentialet. KOMMUNER Exobase Kommune fusionerer store mængder data om borgerne og deres karakteristika i alle danske kommuner. Data om boligmarkedet, erhvervsudvikling og detailudviklingen udgør grundlaget for Exometrics analyser.
Metoder og services
Big data og datafusion Exometric er en data vidensvirksomhed, der sandsynliggør fremtidig adfærd gennem big data, markedsinterviews og datakildefusion. Vi er specialister indenfor investering og udvikling af fast ejendom, by- og kommune planlægning. Vi udarbejder analyser der afdækker fremtidigt potentiale og risiko i konkrete senarier, baseret på vores egenudviklede database- og analyseværktøj Exobase.
Datafusion og mikrosegmentering 100m x 100m GIS celler By vs. land Husstande Interview af segmenter Exobase Historiske data Fremtidige data Analyseværktøj Danmark 1:1 Datafusion Danmark 1:1 >14 kilder Profiling af segmenter: 9 hovedkategorier 36 sub segmenter Historisk mapping samt fremtidig adfærd pr. segment og pr. område. Benchmark for adfærd præferencer og ændringer over tid.
9 hovedsegmenter 36 subsegmenter By F Høj indkomst D Høj formue Klassificering af husstande Hver husstand klassificere ud fra mange faktorer, som beskriver homogen adfærd og karakteristika. 9 navne Opdelingen navngives i adfærdsbeskrivende kategorier som gør disse praktisk anvendelige i analyse (% = andel af danske husstande): E Bolig- lejer B Lav formue H Husstanden (cellen) Lav indkomst G Land A Boligejer C A Velfunderede husejere (23,5%) B Hygge & komfort (13,4%) C Livet på landet (14,4%) D Velhavere (8,8%) E Urban mangfoldighed (14,5%) F Vid og velstand (5,9%) G Seniorer (7,4%) H Unge på vej (2,6%) I Provinsliv (9,5%) De 9 hovedgrupper deles ydereligere ned i 36 sub-segmenter med unikt beskrivende profil- og adfærdsnavne.
Mikrosegmenter A Velfungerende husejere Kendetegn Familier med, eller uden børn Bor i villa i de mindre byer i provinsen og forstæder Par fra sidst i 40 erne, til midt 60 erne Økonomisk velfunderede med god købekraft Bruger penge og tid på havearbejde, og gør-det-selv m.m. Har brede interesser, og de er generelt velorienterede og uddannet Læser en af de større morgenaviser
Mikrosegmenter B Komfort og hygge Kendetegn Voksne familier oftest uden hjemmeboende børn Bor i villaer og rækkehuse i de mindre byer i provinsen Både husejere og lejere Indkomstniveau lidt under landsgennemsnittet Både bilister og brugere af kollektiv transport Går op i havearbejde, gør-det-selv og håndarbejde Lader sig gerne friste af et godt tilbud
Prispræference & målgrupper en simplificering Vol. (enheder) Tendens til leje Funktion over identitet Exometrics algoritmer betinges bl.a. af pris, område, produkt (herunder størrelse) samt alternative område søgninger Målgruppers forbrugsvalg er kompleks, men kan statisk efterbevises. Exometric har en forklaringsgrad for målgrupper >85% I C H Provinsliv Unge på vej Livet på landet G E Fællesskab B Seniorer Hygge & komfort A + F Boligejere med overskud Storbyliv D Tendens til eje Identitet over funktion Velhavere Pris & leje
Eksempler på output
Søgning til kommuner kilde: Exobase Urbaniseringen forsætter.. Søgning og ændring 2015 2017/18 København 16,5% 17,2% Aarhus 11,4% 11,4% Odense 6,2% 6,8% Aalborg 4,7% 5,7% Kilde Exobase, jan. 2018 Forsat stigning i søgning mod de store byer/kommuner i Danmark. Samtidig bør det bemærkes, at ovenstående byer/kommuner er de mest søgte områder i Danmark.
Konklusioner oversigt og mix Odense kommune Ejerboliger Kr/kvm Volumen 60 mdr. ved optimal pris Lejeboliger Kr/kvm Volumen, 60 mdr. ved optimal leje Procent andel størrelser Små lejligheder (gns. 65kvm) 27.000 kr. 1061 Små lejligheder (gns. 65kvm) 1.500 kr. 766 43% Mellem lejligheder (gns 95 kvm) 26.500 kr. 966 Mellem lejligheder (gns 95 kvm) 1.500 kr. 236 28% Store lejligheder (gns 125 kvm) 26.000 kr. 320 Store lejligheder (gns 125 kvm) 1.300 kr. 91 10% Rækkehuse (gns 115 kvm) 26.000 kr. 423 Rækkehuse (gns 115 kvm) 1.300 kr. 78 12% Villaer (gns 125 kvm) 26.000 kr. 346 8% Total 3.116 1.171 4.287 stk.
Trend forventninger de 4 store danske byer Ejerlejligheder Pris-gap mod fremtid positivt gap 6.000 kr. 6.000 kr. 4.000 kr. 2.000 kr. 0 kr. Aalborg Odense Generiske prisstigninger Generiske prisstigninger Generelt bevæger flere større provinskommuner sig mod nordøst positivt! Specielt Kbh. og Aarhus, samt visse Stor Københavnske kommuner bevæger sig syd på signal om kommende prismætning. -2.000 kr. negativt gap -4.000 kr. -6.000 kr. -8.000 kr. -10.000 kr. Aarhus Differentieret prisstigninger Mulig produktboble København Differentieret prisstigninger Mulig produktboble 18.000 kr. 19.000 kr. 20.000 kr. 21.000 kr. 22.000 kr. 23.000 kr. 24.000 kr. 25.000 kr. 26.000 kr. 27.000 kr. 28.000 kr. 29.000 kr. Gns. pris/m2 nutid!
Indre havn
Perspektiver
Perspektiver og muligheder med teknologi 1. Præ-analyse før real time test (tid og omkostningsbesparende; eks. affaldshåndtering) 2. Præmis-test (nye områder; eks. Irmabyen, Nordhavnen, Ørestaden og institutioner mv.) 3. Simuleringsmuligheder (hvis denne målgruppe så?!) 4. Historisk databerigelse (budget-fremskrivninger; eks. vil trækket være det samme i fremtiden?) 5. Dialog og andet (kvalitative holdninger, eks. byplanlægning, koncepter & lokalplaner, boligformer mv.)
www.exometric.com Henrik Sørensen Has@exometric.com Telefon: 26 71 58 84