Sammenlign virksomheder i to byer med offentlige data

Afgræns byerne og virksomhederne

Vælg først den geografiske enhed, du kalder en by. Danmarks Statistiks erhvervsdata viser virksomheders placering, og CVR-baserede værktøjer kan knytte dem til en kommune. I praksis bliver byen derfor en kommune eller et afgrænset område. Brug samme enhed for begge byer; kommune i den ene og postnummer i den anden måler to forskellige ting.

Sæt branchen med DB07-branchekoder. I eStatistiks værktøj »Find brancher« søger du på branchenavne eller branchekoder i DB07 og får brancheanalyser af de danske brancher. Træk begge byer på samme DB07-niveau og med samme koder, uanset om niveauet er groft eller fint; ellers kan forskellene skyldes din egen opdeling.

Fastlæg filtre for virksomhedsstørrelse, alder og virksomhedsform, før du henter tal. Lister fra eSegmentering kan sorteres efter geografi, branche, størrelse, alder og ejerform og indeholder oplysninger om størrelse, alder og virksomhedsform for den enkelte virksomhed. Skal sammenligningen også omfatte omsætning eller medarbejdertal, kan Danmarks Statistiks erhvervsdata supplere.

Beslut til sidst, hvilken population du tæller: kun aktive virksomheder eller alle registrerede CVR-numre, og hvilken periode der er reference. eSegmentering laver lister over aktive virksomheder inden for brugervalgte brancher og kommuner. Aktive virksomheder i den ene by og alle registrerede i den anden gør sammenligningen ugyldig fra starten.

Find de offentlige datakilder

Danmarks Statistik er den centrale myndighed for dansk statistik og indsamler, bearbejder og offentliggør statistik om det danske samfund. Det er den primære kilde til sammenlignelige, kommuneopdelte tal om virksomheder. Emnesiden »Firmaer og koncerner« under erhvervslivets struktur samler den populære statistik, mens flere tal og egne tabeludtræk ligger i Statistikbanken.

Statistikbanken på statistikbanken.dk giver gratis adgang til ikke-analyserede data. Vejledninger dækker grundlæggende søgning i Statistikbanken og skræddersyning af komplicerede tabeller, og »Hvordan finder jeg statistik om …« giver korte svar på, hvilken tabel der dækker et emne. Her henter du de aggregerede tal, som du senere holder op mod dine egne virksomhedslister.

Danmarks Statistiks erhvervsdata dækker en bred vifte af data om brancher og om danske virksomheders størrelse, placering, regnskaber og beskæftigelse. Er du forsker eller analysemiljø og har brug for detaljerede, ikke-offentliggjorte erhvervsdata, får du adgang via Danmarks Statistiks ordning for data til forskning ved at indsende en projektindstilling.

Open Data DK (ODDK) er en forening af danske kommuner og regioner, der samarbejder om at åbne deres data, så alle kan tilgå og bruge dem gratis. Portalen opendata.dk blev lanceret i 2016 i samarbejde med Region Midtjylland og open data-tiltag i København, Odense, Vejle, Aarhus og Aalborg, og alle danske kommuner og regioner kan blive medlemmer. Aarhus' data ligger i dag på www.opendata.dk/city-of-aarhus. Datasættene kan bruges direkte i applikationer, tjenester og analyser, og samarbejdet har blandt andet fokus på licens og standarder.

CVR-registeret er den fælles grundstamme, og flere værktøjer bygger direkte på det. Hos eStatistik søger »Find virksomheder« efter virksomheder og viser virksomheds- og regnskabsdata hentet direkte fra CVR-registeret med et generelt brancheoverblik, mens »Find brancher« søger i DB07-koderne. Vær opmærksom på, at eStatistik er et kommercielt værktøj og ikke en offentlig myndighed: En liste koster 1.000 kr. ekskl. moms, hvorefter der er adgang til ubegrænsede lister i indeværende kvartal, og en af de beskrevne listemuligheder kræver mellem 2.000 og 5.000 virksomheder. Værktøjet dækker landets mere end 840.000 CVR-numre.

Udtræk virksomheder i hver by

Der er to veje til de samme byer: aggregerede tal fra Statistikbanken eller egne virksomhedslister fra CVR-baserede værktøjer. Vælg efter behovet – et tal til sammenligning (Statistikbanken) eller en liste, du kan kontakte, segmentere eller krydschecke (CVR-lister). Ideelt gør du begge: Listen dokumenterer markedet, statistikken niveauet.

Ved lister: Filtrér på kommune og branche for by A, gem udtrækket, og gentag præcis samme filtervalg for by B. I eSegmentering vælges brancher og kommuner frit, og resultatet er lister med kontaktinformation. Notér udtræksdato og filtervalg sammen med filen, så udtrækket kan genskabes og forsvares.

Træk de felter ud, du skal bruge for hver virksomhed: navn, adresse og kommune, DB07-branchekode, stiftelsesdato, virksomhedsform samt kontaktoplysninger. De felter gør det muligt at bygge branchefordeling, aldersfordeling og virksomhedsformfordeling op for hver by uden at hente nye data.

Rens listen for kendte fejlkilder, før du tæller: Virksomheder kan have adresse i én kommune og aktivitet i en anden, og de kan flytte adresse eller skifte branchekode mellem to udtræk. Kør derfor samme filter på samme dato for begge byer, og kontrollér, hvor mange poster der er fælles mellem listerne. Er overraskende mange poster med i begge byer, er noget galt med filtreringen.

Sammenlign nøgletal side om side

Stil tallene op i én tabel med by A og by B som kolonner og samme nøgletal i rækkerne, så afvigelser bliver synlige. Brug både et absolut tal (antal virksomheder) og et relativt tal (andel); to byer med vidt forskelligt virksomhedsantal kan ellers ikke sammenlignes meningsfuldt.

Antal og branchefordeling: Tæl aktive virksomheder pr. DB07-branche i hver by, og omregn til andele af byens samlede virksomhedsantal. Sammenlign derefter samme branche i de to byer side om side, og markér de brancher, hvor byernes andele peger i hver sin retning. Det er dem, der forklarer forskellen, mens store, fælles brancher typisk gør byerne ens.

Størrelsesgrupper: Fordel virksomhederne på størrelsesintervaller i stedet for kun at vise et gennemsnit. Har du en liste fra eSegmentering, kan du bruge de registrerede størrelsesoplysninger, og niveauet kan efterprøves mod officiel statistik.

Alder og virksomhedsform: Brug stiftelsesdatoen til at gruppere virksomhederne i aldersbånd, og sammenlign andelen af unge kontra ældre virksomheder i de to byer. Kryds det med virksomhedsform for at se, om den ene bys virksomhedsbillede er båret af enkeltmandsvirksomheder eller af selskaber – begge dele er registreret i CVR-data.

Regnskab og beskæftigelse: Hvis du har adgang, så tilføj regnskabstal og beskæftigelse for virksomhederne. Vis som minimum fordelingen (fx andel virksomheder med ansatte) frem for et enkelt gennemsnit, så enkelte store virksomheder ikke definerer hele byens profil.

Analysér udvikling og mønstre

Byg tidsserier i Statistikbanken på de samme variable, du brugte i tværsnittet, og træk dem for begge kommuner over flere år. Danmarks Statistik tillader egne tabeludtræk, så du kan sammensætte præcis den serie, du har brug for, i stedet for at læne dig op ad en færdig analyse. Følg både virksomhedsantal, branchefordeling og beskæftigelse over tid.

Vær opmærksom på, at branchekoder og branchenomenklaturer revideres over tid. En DB07-kode kan dække noget andet i dag end for ti år siden. Samler du en serie uden at tjekke definitionerne, kan et fald i en branche i virkeligheden være et fald i, hvad koden betyder. Læs kodebeskrivelsen for de år, serien dækker.

For at se specialisering: Sammenlign hver bys brancheandel med den tilsvarende andel på landsplan. Brancher, hvor byen ligger markant over landsniveauet, er byens relative styrkeposition; brancher under landsniveauet er tilsvarende underrepræsenterede. Gør det for begge byer og for samme år, så forskellen mellem byerne bliver en forskel i profil og ikke i tidspunkt.

For at se vækst: Følg udviklingen i antal aktive virksomheder pr. branche og i beskæftigelsen. eStatistik tilbyder at identificere vækstvirksomheder og berige en eksisterende virksomhedsliste med dem, hvis du vil have den enkelte vækstvirksomhed med i analysen frem for kun branchens samlede tal.

Tag højde for datagrundlaget

Licens og vilkår varierer fra kilde til kilde. Tjek de konkrete vilkår for det enkelte datasæt, før du genbruger eller videredistribuerer det i et produkt.

Forskellige kilder bruger forskellige definitioner af det samme ord. eSegmentering beskriver lister over »aktive virksomheder«, mens Danmarks Statistik har egne statistikker om virksomheder. Har by A's tal ét definitionsgrundlag og by B's et andet, måler forskellen mellem dem ikke byerne, men kilderne. Tag derfor definitionen med i din tabel, ikke kun tallet.

Enhedsniveauet kan give dobbelttælling. Et CVR-nummer, et firma og en koncern er ikke samme enhed, og Danmarks Statistik har særskilt statistik om firmaer og koncerner. En koncern med enheder i begge byer kan derfor optræde i begge kolonner, og virksomheder med adresse i én kommune og produktion i en anden forvrænger den geografiske fordeling.

Datadækning og geografi ændrer sig over tid: Kommunegrænser og kommunesammenlægninger betyder, at en bys tal for et gammelt år ikke nødvendigvis dækker samme område som i dag. I offentlig statistik kan små tal være udeladt af diskretionshensyn, så tynde brancher i små byer helt mangler i tabellen. Notér ved hver serie, hvilket geografisk område og hvilken population den dækker.

Omsæt indsigten til beslutninger

Dansk Erhverv har i en analyse fra februar 2023 spurgt sine medlemmer, hvor vigtige 30 rammevilkår er for at drive virksomhed i Danmark. Adgang til offentlige data placerede sig på en 15. plads ud af 30 og scorer over gennemsnit i brancherne rådgivning, fremstilling, IT og tele samt sundhed og velfærd. Vigtigheden er lidt større for virksomheder med 50+ medarbejdere.

Til markedsanalyse: Brug brancheandelene fra de to byer til at finde ud af, hvor den ene by er over- og underrepræsenteret i forhold til den anden og til landsniveauet. De brancher, hvor byen ligger højt, er der, hvor kundegrundlag, underleverandører og konkurrenter er tættest – og de brancher, hvor byen ligger lavt, er der, hvor et nyt tilbud ikke allerede er dækket ind.

Til lokalisering: Sammenlign antal og størrelse af virksomheder pr. branche i de to byer for at vurdere, om din branche har et tæt miljø det ene sted og et tyndere det andet. Til rekruttering: Brug beskæftigelsesoplysninger fra Danmarks Statistiks erhvervsdata til at se, om der overhovedet er et arbejdsmarked i branchen i den ene by. Til iværksætteri: Brug aldersfordelingen og vækstvirksomhedsidentifikationen til at se, om byen har en tilgang af nye virksomheder, eller om virksomhedsbilledet er domineret af ældre virksomheder.

Gør indsigten operationel ved at knytte den til en liste: Træk virksomhederne i de relevante brancher og kommuner som en liste med kontaktinformation, og brug den som kontakt- eller kundegrundlag. Gentag udtrækket med faste mellemrum og identiske filtre, så ændringer i listen kan tilskrives virksomhederne og ikke ændrede filtervalg eller skiftende udtræksdatoer.