Offentlige datakilder til markedsanalyse: hvor finder du dem?

Hvorfor offentlige data kan løfte din markedsanalyse

Dansk Erhverv spurgte i december 2022 sine iværksættermedlemmer om brugen af offentlige data. 37 pct. svarede, at øget tilgængelighed af offentlige data kan gøre deres virksomheder mere innovative. 18 pct. brugte allerede offentlige datakilder i kerneforretningen – 6 procentpoint mere end i 2021. 29 pct. brugte dem ikke, men fandt dem relevante, en stigning på 8 procentpoint siden 2021. Den gruppe skal en markedsanalytiker typisk flytte: de ser potentialet, men har ikke taget kilderne i brug.

Barriererne i Dansk Erhvervs undersøgelse viser, hvor indsatsen skal lægges. Blandt de iværksættere, der ikke brugte offentlige data, men fandt dem relevante, svarede 32 pct., at det er svært at gennemskue, hvad der findes af offentlige data. 24 pct. kendte ikke muligheden, 15 pct. manglede de nødvendige kompetencer, og 8 pct. mente, at det er for dyrt. 35 pct. angav andre årsager, fx at virksomheden ikke var nået dertil, eller at den relevante data ikke fandtes for netop deres virksomhed. Pris er altså den sjældneste begrundelse, mens overblik og kendskab er de største. Den første arbejdsopgave er derfor ikke at skaffe adgang, men at finde ud af, hvilke registre der indeholder de felter, analysen kræver.

Barrierer for brug af offentlige data blandt iværksættere

Offentlige data i iværksættervirksomheder

Find overblikket: Datavejviser og Open Data DK

Start i de brede kataloger, før du søger adgang til enkelte registre. Datavejviser er et katalog over tilgængelige data fra den offentlige sektor og drives af Digitaliseringsstyrelsen. Open Data DK samler åbne datasæt fra flere danske myndigheder. Begge bruges til at identificere, hvilke datakilder der findes inden for et emne, og hvem der er dataansvarlig myndighed.

Skal analysen bygge på forskningsdata frem for forvaltningsdata, dækker to andre kataloger behovet. DataCite Commons leverer DOI'er til forskningsdata og gør det muligt at søge i datasæt på tværs af dataarkiver. re3data.org er en global registrering af forskningsdataarkiver, der dækker arkiver fra forskellige akademiske discipliner. Brug dem, når markedet skal beskrives med tal, der ikke findes i den offentlige statistik.

Virksomhedsdata: CVR og CVR.dk

CVR.dk er den officielle adgangsportal til Det Centrale Virksomhedsregister, som administreres af Erhvervsstyrelsen. Databasen indeholder oplysninger om alle registrerede virksomheder i Danmark – både aktive og ophørte – herunder CVR-nummer, adresse, branchekode, ejerforhold, ledelse og regnskaber. Ifølge Openminds dækker CVR desuden alle registrerede virksomheder i Grønland og indeholder adresser, brancher, ejerkredse og regnskaber. Registeret kan derfor afgrænse en population af virksomheder efter branche og geografi, opbygge konkurrentlister og kortlægge ejer- og ledelsesstrukturer.

Årsrapporter er gratis tilgængelige på CVR.dk mindst 30 år tilbage – før 2001 hed de årsregnskaber. De digitalt tilgængelige årsrapporter findes typisk fra midten af 1990'erne og frem og kan downloades gratis. CBS Bibliotek anbefaler dog at bruge Navne & Numre Erhverv først, hvis du blot skal have et hurtigt overblik, fordi det kan koste penge at hente regnskaber i andre af bibliotekets virksomhedsdatabaser.

Skal data ind i dine egne systemer, er der to veje. Openminds beskriver, at Erhvervsstyrelsen på sit offentlige website linker til system-til-system-adgang, hvor styrelsens muligheder er beskrevet. På Datafordeleren findes tjenesten HentCVRData, der henter hele CVR-objekter med summarisk data for relaterede objekter som produktionsenheder og fuldansvarlige deltagere. Tjenestens filformater er JSON og XML, adgang gives ved anmodning og IP, og den REST-baserede service udfases ultimo 2026. Metoderne omfatter blandt andet hentVirksomhedMedCVRNummer, hentVirksomhedMedCVREnhedsid, hentEnhedMedCVREnhedsid, hentProduktionsenhedMedPNummer, hentCVRPersonMedCVREnhedsid og hentAndredeltagereMedCVREnhedsid. Adgang etableres via selvbetjeningsportalen med en webbruger (brugernavn/adgangskode) og en tjenestebruger med FOCES/VOCES-certifikat, og der skal anmodes om adgang for både produktions- og testmiljøet. Der kan gå op til 10 minutter, før inddateringer i CVR fremgår af data på Datafordeleren.

Regn med, at felterne ikke er lige gode. Openminds peger på svingende datakvalitet: I postnummer 8000 findes der 14.723 virksomheder, og heraf har 9.026 – ca. 61 pct. – ingen ansatte. Felterne for antal ansatte kommer ifølge Erhvervsstyrelsen fra Danmarks Statistik og bygger på tal fra Skattestyrelsens eIndkomst. Virksomhedens hjemmeside er et felt, virksomhederne selv har ansvaret for, og i 8000-området mangler oplysningen hos 85 pct. Ifølge Openminds er der flere felter, hvor datakvaliteten i værste fald er så mangelfuld, at den er ubrugelig. Ansattetal og hjemmeside bør derfor krydstjekkes mod andre kilder, før de bruges som segmenteringsvariable.

CVR-datakvalitet i postnummer 8000

Ejendoms- og geodata: Datafordeler, DAWA og Tinglysning

Ifølge Kerger dækker ejendomsdata blandt andet BBR-oplysninger, lokalplaner, ejendomsvurderinger, energimærke, salgspriser og matrikeloplysninger. De tre primære offentlige datakilder uden betaling for adgang er Datafordeler, DAWA og Tinglysning.

Datafordeler leverer stort set al ejendomsdata, herunder BBR, ejerskab, adresser, ejendomsvurderinger og matrikeloplysninger. Med en brugeradgang kan data tilgås via API eller som udtræk leveret via en FTP-server, hvorfra du downloader datafiler. Der findes dokumentation for dataopbygningen til hvert område. DAWA leverer en bred vifte af ejendomsdata, men udelukkende via API'er, og dokumentation og eksempler gør det forholdsvis nemt at forstå, hvilke data der kan hentes. Tinglysning dækker de tinglyste oplysninger.

Arbejd med BFE-nummeret som nøgle. BFE-nummeret er en 10-cifret talkode, der kæder alle registeroplysninger om fast ejendom sammen, og det sparer tid frem for at søge på adresse, ejerlavnavn eller matrikelnummer. Ved et API-kald kan du hente en specifik ejendom via eksempelvis BFE-nummeret eller ejeren og få oplysningerne retur. Ved et filudtræk får du derimod al data inden for et område, såsom BBR eller ejerskabsfortegnelsen, som du kan importere i dine egne databaser og lave analyser og opslag på.

Har analysen en geografisk vinkel, kommer Dataforsyningen og Geodatastyrelsen ind. Dataforsyningen formidler geografiske data, hvor du kan læse om data, se dem på kort, hente webservices og downloade data. Geodatastyrelsen leverer stedbestemt information om havet og fast ejendom.

Befolkning, sundhed og samfund: Danmarks Statistik og andre statistikbanker

Danmarks Statistik er den officielle statistikbank for Danmark, og der er API-adgang til data. Det er den primære kilde, når analysen skal have tal for befolkning, erhverv og samfund – fx til at beregne markedsstørrelse, opgøre en målgruppes sammensætning eller følge en efterspørgselsudvikling over tid.

Til sundhedsrelaterede markeder findes eSundhed.dk, der leverer statistiske data om sygdomme og danskernes sundhed. Til demografiske analyser længere tilbage i tiden kan Dansk Demografisk Database fra Rigsarkivet bruges: her kan du søge i folketællinger efter oplysninger om enkeltpersoner eller familier. De tre kilder supplerer hinanden, fordi de dækker henholdsvis løbende samfundsstatistik, sundhedsdata og historiske befolkningsforhold.

Specialiserede offentlige datakilder efter branche

Udbuddet rækker langt ud over virksomheds-, ejendoms- og befolkningsdata. På folketingstidende.dk findes regninger, beslutninger, henvendelser og erklæringer fra Folketinget, som kan bruges til at følge lovgivningsprocesser og politiske initiativer, der påvirker en branche. Arkiv for Dansk Litteratur giver adgang til at læse og søge i værker fra dansk litteraturhistorie fra middelalderen til det 20. århundrede, og Project Gutenberg er et bibliotek med over 60.000 gratis e-bøger. Det Kongelige Biblioteks Digitale samlinger omfatter blandt andet billeder, tryksager, håndskrevne manuskripter, kort og sjældne bøger.

Til naturvidenskabelige og branchebestemte behov findes Movebank, en gratis online database med data om dyresporing, som koordineres af Max Planck Institute of Animal Behavior. Som eksempler på åbne datasæt fra andre domæner nævnes AIRBNB-data og et arkiv med data om kryptomarkedet fra 2011-2015. Er markedet internationalt, er Data.gouv.fr den officielle franske dataportal, Data.gov den officielle amerikanske og Data.gov.uk den officielle engelske. Led efter de registre, der beskriver netop din branches aktivitet – ikke kun de mest oplagte kilder.

Praktisk adgang: API, filudtræk og system-til-system

Der er to hovedformer. API bruges til målrettede kald, hvor du eksempelvis kalder en specifik ejendom op via BFE-nummeret eller ejeren og får oplysningerne retur. Filudtræk bruges til større mængder, hvor du får al data inden for et område – såsom BBR eller ejerskabsfortegnelsen – typisk via en FTP-server, og importerer den i dine egne databaser. Vælg API, når du løbende skal slå enkelte enheder op; vælg filudtræk, når du skal bygge en samlet population op.

På Datafordeleren kræver adgang selvbetjening: du opretter en webbruger med brugernavn/adgangskode og en tjenestebruger med FOCES/VOCES-certifikat og anmoder om adgang for både produktionsmiljøet og testmiljøet. Der findes et test03-miljø med en kopi af produktionsdata, hvor du ligeledes opretter webbruger og tjenestebruger med FOCES-certifikat. DAWA er udelukkende API-baseret. Kerger fremhæver Postmans Flow-funktion som hjælp til at forstå og koble API'erne sammen, når antallet af endepunkter virker uoverskueligt. Openminds beskriver desuden, at der hos Erhvervsstyrelsen kan søges, filtreres, sorteres og grupperes direkte i data via et API, som blot kræver brugernavn og password, og at løsningen er funderet i open source-produktet Elasticsearch.

En arbejdsgang, der holder analysen på sporet: afklar først hvilke felter og hvilken nøgle (CVR-nummer, BFE-nummer) analysen kræver; find derefter kilden via Datavejviser eller Open Data DK; søg adgang til både produktion og test; test på testmiljøet med en kopi af produktionsdata; og sæt filtre op, så du kun henter de data, du skal bruge. Vær opmærksom på opdateringsforsinkelsen på op til 10 minutter, før CVR-inddateringer fremgår af Datafordeleren, når du vurderer, hvor frisk data må være.

API eller filudtræk?

Arbejdsgang for offentlige datakilder

Faldgruber: datakvalitet, overblik og kompetencer

Offentlige data er ikke altid komplette eller ensartede. I CVR mangler ansatteoplysninger i et omfang, hvor 9.026 af 14.723 virksomheder i postnummer 8000 – ca. 61 pct. – står uden ansatte, og hjemmesidefeltet mangler hos 85 pct. i samme område. Ifølge Openminds er der flere felter, hvor kvaliteten i værste fald gør data ubrugelige. Løsningen er ikke at droppe registeret, men at kombinere det med egne data og med data fra andre kilder, og eventuelt at bruge machine learning til at styrke og udbygge data – den fremgangsmåde anvender Openminds selv på CVR-data.

Den anden faldgrube er mængden. Kerger beskriver, at man let bliver overvældet over omfanget af data på Datafordeleren, og at det kan tage tid, før man har de rette filtre, så man kun får det, man har behov for. Det matcher Dansk Erhvervs tal: 32 pct. af de adspurgte iværksættere synes, det er svært at gennemskue, hvad der er af offentlige data, og 15 pct. mangler de nødvendige kompetencer i virksomheden. Sæt derfor filtersætningen op som en selvstændig opgave med udgangspunkt i analysens felter og nøgler, før du begynder at downloade filer.

Tjekliste mod faldgruber i offentlige data