DMP Segment- og Profilanalyse

Relaterede dokumenter
DMP Segment- og Profilanalyse

Singler i København KØBENHAVNS KOMMUNE

Geodemografisk klassifikation. Public

Statistik til kommunal planlægning. 1.a Nøgletal på kommuner og nøgletal på boligområder v/heidi Lucas Rasmussen og Anita Saaby Rasmussen

Del 3: Statistisk bosætningsanalyse

Statistisk oversigt over Vollsmose

BOSÆTNING Bosætningsmønstre og boligpræferencer i Aalborg Kommune. Del 4: Cameo-analyse Geo-demografisk husstandsklassifikation

Stor stigning i gruppen af rige danske familier

STATISTIK. Beboere i den almene boligsektor 2016

KRISE: EN KVART MIO. BOLIGEJERE UDEN OFFENTLIG HJÆLP

QUANTIC: Telefon: Daniel Kim Soren. Telefon: Januar 2016 Lars Fiskbæk

UDKAST BYER I BEVÆGELSE. Brørup. -- // Analyse af byer i udvikling // --

Bosætningsanalyse. Hvem bor i Høje-Taastrup Kommune og hvem er flyttet til de sidste 10 år og hvorfor? Johannes Bakker og Helle Engelund, COWI

Analyse af de Socioøkonomiske forhold i Stevns Kommune

ELITEN I DANMARK. 5. marts Resumé:

Analyse af sammenhæng mellem tandlægebesøg og demografiske og socioøkonomiske forhold

de mindre byer i varde k o mmune

De sociale klasser i Danmark 2012

TNS GALLUP. Målgruppebeskrivelse til Nationalmuseet. November 2007

Singler i Danmark: Flere og flere ufaglærte bor alene

Bosætningsanalyse. Hvem bor i Høje-Taastrup Kommune og hvem er flyttet til de sidste 10 år og hvorfor? Johannes Bakker og Helle Engelund, COWI

TILFLYTTERANALYSEN 2016

Analyse: Udviklingen i tilgang til sygedagpenge

Indledning Befolkningssammensætning fordelt på alder Befolkningstilvækst Flyttemønstre... 7

Perceptionsanalyse Hvem bor i Høje-Taastrup Kommune og hvorfor bor de der?

Hver ottende dansker kan ikke få en krone, hvis de mister arbejdet

Management Summary - Pensionsundersøgelse Pensionister 65 år

VEJLE DEN MANGFOLDIGE BY VEJLE. den mangfoldige by. Kommunaldirektør Niels N. Ågesen Vejle Kommune. Konference om udsatte boligområder 15.

Folkepensionisternes indkomst og formue

Fakta om Korsør udvalget. RAPPORT Center for Vækst og Plan Februar 2015

Præsentation af bosætningsanalysen

Statistiske informationer

I 2012 havde de 68-årige (årgang 1944) samme beskæftigelsesfrekvens som de 67-årige (årgang 1941) havde i 2008.

Flytteanalyser og bosætning

Modtagere af boligydelse

Aldersfordeling Restlevetid Pensionsal der Merledighed Folkepensionist Arbejd. Ældrecheck Nettoformue Pensionstillæ

Tendens 2013 conzoom og variable 17. september 2013

STOR FORSKEL PÅ RIG OG FATTIG I DANMARK

Arbejdsmarkeds uddannelsesudfordringer i Region Sjælland v/ Regionsdirektør Jan Hendeliowitz. Beskæftigelsesregion Hovedstaden & Sjælland

SINGLER NY Aldersfordeling

Transkript:

Forbrugeradfærdsdata Typologibaserede klassifikationer DMP Segment- og Profilanalyse Økonomiske specialvariable Demografiske variable Husstande i områder med dårlige betalere Ejendomsdata 8. august 2016

DMP Segment- og Profilanalyse Match og berigelse med data fra eksterne kilder KundeData DMP Segment- og Profilanalyse side 2

Analysevariable Personer i husstanden Køn / Alder Husstandens sammensætning Antal børn i husstanden Husstandsindkomst / Formue Uddannelsesniveau / Beskæftigelse Medlemskab af A-kasse Bil / Pendling Antal telefoner / Telefontyper Robinson Boligen Geografi Boligejerforhold Boligens alder Boligstørrelse Boligtype Befolkningstæthed Ejendomsværdi Indbrudsstatistik Husstanden FSS-Grupper FSS-Typer RKI skyldnerindeks DMP Segment- og Profilanalyse side 3

Datagrundlaget DMP Segment- og Profilanalyse side 4

Datagrundlaget Vi modtog i alt 240.503 records Antal Pct. Heraf mangelfulde adresser 124 0,1 % Heraf dubletter på husstanden 496 0,2 % Records til analyse (analysegrundlaget) 239.883 99,7 % DMP Segment- og Profilanalyse side 5

Analysegrundlaget Match resultat Profilanalyse Antal Pct. Analysegrundlaget 239.883 100,0 % Beriget med køn 147.711 61,6 % Beriget med Alder 147.339 61,4 % Beriget med variable: Robinson 58.945 24,6 % Beriget med variable: Teledata 147.348 61,4 % Beriget med variable: Demografi (DST) 239.883 100,0 % Beriget med variable: Ejendomsdata (OIS) 239.877 100,0 % DMP Segment- og Profilanalyse side 6

Analyseresultat "Highlights" DMP Segment- og Profilanalyse side 7

Penetration på postnummer Bornholm Postnumre med laveste penetration - Index 1-89 Postnumre med mellemste penetration - Index 90-169 Postnumre med højeste penetration - Index >170 København DMP Segment- og Profilanalyse side 8

Kønsfordeling 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Kvinder 5 98 Mænd 5 102 DMP Segment- og Profilanalyse side 9

RKI skyldnerindeks 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 100010501100 Hvid 0 Grøn 0 Gul 0 Rød 10 1087 DMP Segment- og Profilanalyse side 10

Experian FSS-Grupper 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 350 400 450 500 A - Etablerede velhavere B - Danmark på midten 0 0 C - Beskedne rækker 8% 84 D - Yngre storbyliv 1% 9 E - Singleliv i byen 13% 145 F - Udfordringer i byen 67% 485 G - Seniorliv H - Landlige livsnydere I - En by i provinsen 1% 3 3 6 J - I åbent land 2% 20 K - Landsbyliv 8% 98 DMP Segment- og Profilanalyse side 11

Identificerede segmenter DMP Segment- og Profilanalyse side 12

Summeret indtryk af husstande som bor i Røde celler (Dårlige betalere) 2 segmenter identificeret: Multikultur i byen og Yngre singleliv i etager Fravær af høje indkomster og formuer samt ejerbolig af villa og stuehus Vi ser et billede af den enlige med få midler : Bor i større og mindre byer over det meste af Danmark Alle aldersgrupper findes men der er tendens til at mange er under 45 år Lever alene med eller uden børn at forsørge Ingen eller lav uddannelse og mange er udenfor arbejdsmarkedet Lav indkomst og formue Ingen bil Bor til leje i små lejligheder Mange bor i områder med høj/forhøjet indbrudsrisiko DMP Segment- og Profilanalyse side 13

Identificerede segmenter Øvrige 2 Yngre singleliv i etager 13% Multikultur i byen 67% DMP Segment- og Profilanalyse side 14

1: Multikultur i byen, udgør 67% af basen Hvem er de? Bor til leje i storbyen Alle aldersgrupper Små lejelejligheder Multietnisk Enlig uden børn Lave indkomster Lille eller negativ formue Korte eller ingen uddannelse 4% arbejdsløse Job i servicefag, transport, offentlig sektor I Danmarks befolkning findes 14% i dette segment DMP Segment- og Profilanalyse side 15

2: Yngre singleliv i etager, udgør 13% af basen Hvem er de? Typisk unge og yngre mennesker Alder: 18-35 år Beskæftiget på lavt niveau i servicefag og industri En del er endnu under uddannelse 75% er singler Bor i byen i små lejeboliger Meget høj andel RKI skyldnere Ingen formue, ingen pension, ingen bil Anstrengt økonomi, ofte overtræk I Danmarks befolkning findes 7% i dette segment DMP Segment- og Profilanalyse side 16

Bilag 1: Resultat pr. variabel DMP Segment- og Profilanalyse side 17

Danmarks Statistik Om personerne i husstanden DMP Segment- og Profilanalyse side 18

Penetration på postnummer Bornholm Postnumre med laveste penetration - Index 1-89 Postnumre med mellemste penetration - Index 90-169 Postnumre med højeste penetration - Index >170 København DMP Segment- og Profilanalyse side 19

Kønsfordeling 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Kvinder 5 98 Mænd 5 102 DMP Segment- og Profilanalyse side 20

Aldersfordeling 18-24 år 25-29 år 30-34 år 35-39 år 40-44 år 45-49 år 50-54 år 55-59 år 60-64 år 65-69 år 70-74 år 75-79 år 80+ år 1 2 3 4 5 6 7 8 9 10 2% 9% 13% 14% 15% 12% 9% 6% 12% 6% 2% 1% 0 50 100 150 200 140 120 129 122 173 82 87 57 122 63 32 47 48 DMP Segment- og Profilanalyse side 21

Husstandens sammensætning 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Enlig uden børn 48% 127 Enlig med børn 1 169 Par uden børn 19% 70 Par med børn 15% 69 Anden husstandstype 8% 108 DMP Segment- og Profilanalyse side 22

Antal børn i husstanden 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 0 børn 73% 104 1 barn 12% 101 2 børn 9% 74 3 børn 5% 108 DMP Segment- og Profilanalyse side 23

Husstandens gennemsnitlige indkomst 0-99.999 kr. 100-199.999 kr. 200-299.999 kr. 300-399.999 kr. 400-499.999 kr. 500-599.999 kr. 600-699.999 kr. 700-799.999 kr. 800-899.999 kr. 900-999.999 kr. Over 1 million kr. 1 2 3 4 5 6 7 8 9 10 1% 3 43% 16% 7% 2% 1% 0 50 100 150 200 250 300 350 400 17 78 340 204 83 40 18 9 4 1 2 DMP Segment- og Profilanalyse side 24

Husstandens formue/gæld 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 350 400 < -250.000 kr. 35 < -50.000 kr. 11% 300 < 50.000 kr. 36% 345 < 650.000 kr. 47% 93 < 1.500.000 kr. 5% 18 1.500.000 kr+ 1% 11 DMP Segment- og Profilanalyse side 25

Uddannelse 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Grundskole 35% 160 Gymnasial 7% 116 Erhvervsfaglig 34% 96 Kort videregående 4% 74 Mellemlang videregående 11% 62 Lang videregående 4% 39 Uoplyst 5% 151 DMP Segment- og Profilanalyse side 26

Beskæftigelse 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 Grundniveau 34% 119 Mellemniveau 4% 60 Højniveau 14% 50 Arbejdsledige 1 250 Pensionister m.m. 29% 108 Øvrige 8% 159 DMP Segment- og Profilanalyse side 27

Medlem af A-kasse 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 0 personer 55% 122 1 person 31% 103 2+ personer 14% 57 DMP Segment- og Profilanalyse side 28

Bilrådighed i husstanden 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 0 biler 55% 148 1 bil 39% 79 2+ biler 6% 43 DMP Segment- og Profilanalyse side 29

Bilens alder 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Under 2 år 1 83 2-4 år 9% 74 4-10 år 26% 87 10+ år 55% 120 DMP Segment- og Profilanalyse side 30

Pendling afstand 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 0-10 km 54% 116 10-20 km 18% 89 20-30 km 1 81 30+ km 19% 85 DMP Segment- og Profilanalyse side 31

Antal telefoner i husstanden 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 1 telefon 57% 144 2 telefoner 25% 91 3 telefoner 9% 67 4 telefoner 5% 51 5 telefoner 2% 45 6 telefoner 1% 37 7 telefoner 29 8+ telefoner 20 DMP Segment- og Profilanalyse side 32

Telefontype 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Fastnet+mobil 11% 49 Kun fastnet 7% 82 Kun mobil 55% 134 Uoplyst 26% 99 DMP Segment- og Profilanalyse side 33

Husstande på Robinsonlisten 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Robinson 25% 111 Ej Robinson 75% 97 DMP Segment- og Profilanalyse side 34

OIS/BBR Om boligen DMP Segment- og Profilanalyse side 35

Boligejerforhold 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 Ejerbolig 34% 49 Lejebolig 63% 286 Andelsbolig 2% 31 DMP Segment- og Profilanalyse side 36

Boligens alder (opført år) 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Før 1900 8% 77 1901-1920 7% 85 1921-1940 9% 69 1941-1960 16% 111 1961-1980 41% 133 1981-2000 14% 105 Efter 2000 4% 45 DMP Segment- og Profilanalyse side 37

Boligens antal værelser 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 1 værelse 8% 159 2 værelser 3 160 3 værelser 32% 140 4 værelser 21% 87 5 værelser 5% 36 6 værelser 2% 26 7+ værelser 2% 28 DMP Segment- og Profilanalyse side 38

Boligens størrelse i m² 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 0-39m² 5% 164 40-59m² 16% 175 60-79m² 27% 150 80-99m² 28% 150 100-119m² 13% 93 120-159m² 7% 35 160-199m² 2% 23 200-299m² 1% 27 300- m² 31 DMP Segment- og Profilanalyse side 39

Boligens anvendelse 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Stuehus 1% 26 Parcelhus 11% 28 Rækkehus 15% 104 Etagebolig 71% 186 Øvrige 1% 44 DMP Segment- og Profilanalyse side 40

Husstandstæthed, 100x100m 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 1-2 husstande 4% 36 3-5 husstande 3% 37 6-9 husstande 4% 28 10-19 husstande 13% 58 20-49 husstande 35% 194 50-74 husstande 19% 233 75+ husstande 21% 128 DMP Segment- og Profilanalyse side 41

Ejendomsværdi 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 350 400 0-0.5 mio. kr. 12% 303 0.5-1 mio. kr. 47% 166 1-1.5 mio. kr. 23% 88 1.5-2 mio. kr. 8% 47 2-2.5 mio. kr. 3% 30 2.5-3 mio. kr. 1% 24 3-3.5 mio. kr. 1% 19 3.5-4 mio. kr. 18 > 4 mio. kr. 5% 110 NB: Ejendomsværdien er beregnet ud fra husstande som er stuehus, parcelhus, rækkehus med ejerforholdet ejer DMP Segment- og Profilanalyse side 42

Indbrudsrisiko 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 Ingen risiko 3% 34 Lille risiko 17% 60 Gennemsnitlig risiko 37% 116 Forhøjet risiko 25% 147 Stor risiko 18% 133 DMP Segment- og Profilanalyse side 43

Experian FSS Finansiel Strategisk Segmentering DMP Segment- og Profilanalyse side 44

Experians Forbrugerklassifikation: Finansiel Strategisk Segmentering FSS beskriver den danske befolkning og bygger på samkøring af i alt 14 udvalgte variable fra offentlige registre hos Danmarks Statistik og BBR, samt oplysninger hentet fra Experians systemer. Resultatet er dannelsen af 11 Grupper og 37 Typer. Hver Gruppe/Type består af husstande, som ligner hinanden mest muligt og er mest muligt forskellige fra de øvrige. Til beskrivelsen af de 11 Grupper og 37 Typer er der inddraget interviewdata fra to kilder: ResearchNow og YouGov Zapera. Et stort antal danskere har fortalt om deres økonomiske situation, deres behov for samt oplevelser med lån og andet. Experian opdaterer data årligt og justerer Grupper og Typer, når det er relevant. DMP Segment- og Profilanalyse side 45

FSS-Grupper og Typer DMP Segment- og Profilanalyse side 46

Inddeling i FSS-Typer DMP Segment- og Profilanalyse side 47

Experian FSS-Grupper 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 350 400 450 500 A - Etablerede velhavere B - Danmark på midten 0 0 C - Beskedne rækker 8% 84 D - Yngre storbyliv 1% 9 E - Singleliv i byen 13% 145 F - Udfordringer i byen 67% 485 G - Seniorliv H - Landlige livsnydere I - En by i provinsen 1% 3 3 6 J - I åbent land 2% 20 K - Landsbyliv 8% 98 DMP Segment- og Profilanalyse side 48

Experian FSS-Typer (A-D) 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 A01 - På første række A02 - Velstillet succes A03 - På den sikre side B04 - Her går det godt B05 - Familier på vej B06 - Pendlende par B07 - Udflyttere 0 0 0 0 0 0 0 C08 - Godt og vel 4 C09 - Midt på vejen 3% 67 C10 - Familieliv i rækker 5% 201 D11 - Storbykarrierer D12 - Storbypuls 0 0 D13 - Forbrug i storbyen 9 D14 - Studenterliv 29 DMP Segment- og Profilanalyse side 49

Experian FSS-Typer (E-G) E15 - Ud af starthullerne E16 - Mangfoldig solo E17 - Op ad bakke F18 - Storbyens musik F19 - Midt i smeltedigelen F20 - Multikulturel leje F21 - Multikultur i forstaden F22 - Byens ældre G23 - Ældre lejere G24 - Ældrehjemmet G25 - Komfort og slippers 1 2 3 4 5 6 7 8 9 10 1% 1% 12% 5% 15% 21% 21% 6% 0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 22 25 313 152 549 779 726 236 5 4 1 DMP Segment- og Profilanalyse side 50

Experian FSS-Typer (H-K) H26 - Livet med sommerhuset 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 11 H27 - Sølvgråt fristed H28 - Provinsielle besiddelser 0 0 I29 - Travlhed på landet 8 I30 - Leder i den lille by 0 I31 - Motorvejsfamilier 8 J32 - Styr på (be)driften 5 J33 - Aldrende landboere 1% 33 J34 - Store vidder 1% 26 K35 - Landsbyidyl 4% 92 K36 - Væk fra det hele 4% 155 K37 - Yderlige ældre 27 DMP Segment- og Profilanalyse side 51

Experian RKI data - Betalingsanmærkninger DMP Segment- og Profilanalyse side 52

Experian RKI data Andel af befolkningen der har en betalingsanmærkning Hvid Grøn 1-5% Gul 6-1 Rød >1 Betalingsanmærkninger DMP Segment- og Profilanalyse side 53

RKI skyldnerindeks 1 2 3 4 5 6 7 8 9 10 0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800 850 900 950 100010501100 Hvid 0 Grøn 0 Gul 0 Rød 10 1087 DMP Segment- og Profilanalyse side 54