Metode

Bliv klogere på diskretionering, vejbidssegmentering og deciler

Diskretionering

Diskretionering er en samlebetegnelse for de metoder, der bruges til at sikre, at enkeltindivider ikke kan identificeres, når der arbejdes med data. Diskretioneringsmetoden afhænger både af, hvilken variabel, man arbejder med, formålet og lovgivningen i det enkelte land

De tre øverste niveauer i hver af figurerne nedenfor, kan samlet betegnes som statistik

Diskretioneringsniveauer i Danmark

CELLE ELLER POLYGON
Data på det standardisede danske kvadratnet med 100 x 100 m-celler eller specifikke polygoner. Det højeste aggregeringsniveau

GRUPPEREDE VEJSEGMENT-KLYNGER
Hvis der ikke er min. 400 husstande og/eller 10 kunder pr. klynge, kombinerer vi lignende vejklynger

DE ENKELTE VEJSEGMENT-KLYNGER
Minimum 3 / 5 husstande – grupperet til 400 husstande (optimeret)
Vi ved ikke, hvilke husstande

KVH
Adgangsadresse
Vi ved ikke, hvilken lejlighed/enhed

KVHX
Enhedsadresse
Vi ved ikke, hvilke individer i boligen/enheden

KUNDE (1:1)
Specifikt individ med en specifik adresse
Kun til projekter om eksisterende kunder

Diskretioneringsniveauer i Finland

CELLE
Data på det standardiserede finske kvadratnet med 250m x 250m-celler. Det højeste aggregeringsniveau

POLYGONER
Data grupperet efter en specifikt defineret polygon. Grupperingerne følger standard- logikkerne for minimumsdiskretionering og dækker et større område end vejsegmenter

SINGLE SEGMENT-KLYNGER
Minimum 10 personer inden for optimerede 83m x 83m-klynger i det finske kvadratnet
Vi ved ikke, hvilke husstande

KVH
Adgangsadresse
Vi ved ikke, hvilken lejlighed/enhed

KVHX
Enhedsadresse
Vi ved ikke, hvilke individer i boligen/enheden

KUNDE (1:1)
Specifikt individ med en specifik adresse
Kun til projekter om eksisterende kunder

Diskretioneringsniveauer i Norge

CELLE
Data på det standardiserede norske kvadratnet med 100m x 100m-celler. Det højeste aggregeringsniveau

POLYGONER
Data grupperet efter en specifikt defineret polygon. Grupperingerne følger standard- logikkerne for minimumsdiskretionering og dækker et større område end vejsegmenter

SINGLE SEGMENT-KLYNGER
Minimum 3 personer / 4 husstande (optimeret)
Vi ved ikke, hvilke husstande

KVH
Adgangsadresse
Vi ved ikke, hvilken lejlighed/enhed

KVHX
Enhedsadresse
Vi ved ikke, hvilke individer i boligen/enheden

KUNDE (1:1)
Specifikt individ med en specifik adresse
Kun til projekter om eksisterende kunder

Diskretioneringsniveauer i Sverige

CELLE
Data på det standardiserede svenske kvadratnet med 250m x 250m-celler. Det højeste aggregeringsniveau

POLYGONER
Data grupperet efter en specifikt defineret polygon. Grupperingerne følger standard- logikkerne for minimumsdiskretionering og dækker et større område end vejsegmenter

OPTIMEREDE KLYNGER MED 7 PERSONER 18+
Baseret på minimum 7 personer over 18 år – optimeret efter husstandens livsfase
Vi ved ikke, hvilke specifikke husstande, der er i klyngen

KVH
Adgangsadresse
Vi ved ikke, hvilken lejlighed/enhed

KVHX
Enhedsadresse
Vi ved ikke, hvilke individer i boligen/enheden

KUNDE (1:1)
Specifikt individ med en specifik adresse
Kun til projekter om eksisterende kunder

Bliv klogere på data og juraen omkring dem

Vi udgiver løbende guides og juridiske vejledninger om data, segmentering og lovgivningen omkring

 

keyboard_arrow_rightSe vores publikationer

Vejbidsegmentering

Vejbidsegmentering, vejbidklynger, vejbidsdata - kært barn har mange navne - er den metode eller det niveau, vi arbejder med de fleste af Danmarks Statistiks variable på. Den er unik for Danmark i forhold til de øvrige nordiske lande

 

Sådan bliver vejbidklynger til

1. Vælg vejen efter KVHX-logik

2. Baseret på adgangsadresser og hustype (enfamilie- eller flerfamiliehus) [DST] eller enhedsadresser [Geomatic] opsplittes veje i optimerede mikrosegmenter af minimum henholdsvis 5/3 husstande. Når vi bestiller vejbidsegmenterede data fra Danmarks Statistik, er det dem, der udarbejder vejbidklyngerne

3. De optimerede 5/3 mikrosegmentklynger samles på kommuneniveau. Dernæst sorteres alle mikrosegmenter efter sorteringsparameter (fx værdi fra høj til lav)

Herefter genererer vi makrosegmenter på 400 husstande ved at tage de mikrosegmenter med den højeste værdi først (1), dernæst næsthøjeste værdi (2) osv.

4. Dernæst skabes de ønskede statistikker

Variablen føres dernæst tilbage på mikrosegmenterne for anvendelse i modeller, analyser eller til segmentering

Gå på opdagelse i en verden af data i vores datakataloger

Data til markedsføring

Data til analyse / modellering

Geomatics deciler

Deciler hjælper dig med at få overblik på en simpel og let forståelig måde ved at dele den enkelte variabel op i tiendedele (deciler). Decilerne er i et vist omfang sammenlignelige med de rå data. Detaljeniveauet er dog ikke det samme og modsat de rå data er variablene ikke egnede, når du bygger komplekse datamodeller

 

Sådan skaber vi decilerne

Decilerne bliver til ved, at vejbidklyngerne for den pågældende variable sorteres fra høj til lav på national niveau. Herefter splittes klyngerne ind i ti lige store grupper; deciler. Det betyder, at de 10 % af husstandene med den laveste værdi inden for den pågældende variabel (fx indkomst), findes i decil 1, mens de 10 % af husstandene med den højeste værdi inden for den pågældende variabel findes i decil 10

Sådan kan du bruge decilerne

Deciler giver dig muligheden for at analysere dine kunder og dit marked fra forskellige dimensioner, bl.a. indkomst, uddannelse og herkomst på en let og overskuelig måde

Decilerne viser data på en fordeling over tiendedele eller en skala, der er tilpasset den enkelte variabel. Decilerne kan bruges til at beskrive og sammenligne de forskellige kundegrupper og få svar på spørgsmål som: Hvilken del af landet har flere biler/er ældre/har højere uddannelser?” etc.

Med decilerne kan du profilere en kundegruppe og finde bl.a. de kunder, der er blandt de 10 % med højeste indkomst i landet. Har du egen data, kan vi beregne decilen ved at inddrage dem. Dette er også nyttigt til at finde emner og tvillinger på markedet

Overblik over vores deciler

Alder

Boligtype

Familietype

Opførelsesår

Beskæftigelse

Børn

Formue

Personindkomst

Bilrådighed

Civilstand

Herkomst

Socialklasse

Boligstørrelse

Ejerforhold

Husstandsindkomst

Uddannelse