Jeder 8. Deutsche träumt vom eigenen Porsche!

Der aktuelle CASA Monitor hat rund 10.500 Personen mit dem Themenschwerpunkt „Automotive“ befragt. Wie im vergangenen Jahr wurde besonders das Themenfeld Elektromobilität beleuchtet. Neu hinzugekommen sind Service & Wartung, Car-Sharing und Tuning.

Zu den über 40 gestellten Fragen gehörte auch die Frage: „Interessieren Sie sich für den Kauf eines Porsches?“ Besitzen bereits 0,6% der Befragten einen (oder mehrere) Porsche, zeigen sich 12,5% bzw. 1.320 der 10.542 online-repräsentativ befragten Personen interessiert an einem Porsche-Kauf.

Die 1.320 Porsche-Interessierten haben auch eine klare Vorstellung davon, welches Modell es denn sein soll. Mit 27,6% ist der Klassiker 911 der Wunsch-Porsche schlechthin, dicht gefolgt vom Cayenne mit 26,1%. Weiter abgeschlagen mit 14% ist es die Limousine Panamera und mit 10% der Boxster. Schlusslicht mit 7,3% bildet der Cayman (Foto).

Für fast jeden zweiten ist der Kaufgrund die Faszination an der Marke vor Design (41%) und Innovation (nur 7,8%). Hier überrascht die Hybridtechnologie, die von  21,9% bevorzugt wird bzw. würde. Der Wunsch nach einem Elektro-Antrieb hat mit 8,7% den Diesel mit 10% fast eingeholt. Spitzenreiter ist aber immer noch der Benziner mit 39,9%.

Zum CASA Monitor „Automotive“: Die Befragung beleuchtet intensiv das (zukünftige) Kauf- und Serviceverhalten der Deutschen rund ums Thema Auto. Erstmals werden so z.B. auch der markentreue Reifenwechsler identifiziert. Eigentlicher USP der Befragung ist aber, dass der CASA Monitor sich mit allen weiteren verfügbaren Datenquellen kombinieren lässt. Das sind derzeit über 700 zusätzliche Merkmale. Diese fließen in die Big Data Analysen der infas 360 ein und erlauben ein maximales Tiefenprofil nahezu beliebiger Zielgruppen, was sich auch in die Fläche übertragen lässt. So entstehen dann bundesweite, regionalisierbare Marktpotenziale, z.B. für interessierte E-Auto-Käufer.

Sie interessieren sich für weitere Auswertungen, dann kontaktieren Sie unser Consulting-Team unter Consulting@infas360.de

Ist der Begriff Geomarketing überhaupt noch treffend und zeitgemäß?

Im Zuge von Big Data verschmelzen die Grenzen zwischen reinen Geomarketing- und Marktforschungsmethoden. Denn Standort- und Mobilitätsdaten sind immer verknüpft mit demographischen Informationen. Business Geomatics sprach dazu mit Michael Herter von infas360.

Business Geomatics: Herr Herter, heute stehen so viele Daten wie nie zuvor für Marketing und Vertrieb in Unternehmen zur Verfügung. Wie verändert sich die bisher als Geomarketing bezeichnete Disziplin?

Michael Herter: Zunächst mal muss man wissen, dass Geomarketing eine Summe an verschiedenen Verfahren und Methoden bezeichnet, innerhalb derer Geodaten im Umfeld von Industrie und Handel eingesetzt werden. Die Methoden waren und sind nichts anderes als ein Mittel zum Zweck. Es geht immer um klassische betriebswirtschaftliche Fragestellungen wie beispielsweise Umsatz- oder Renditesteigerung. Mit Big Data – also einer hohen Menge an Daten und deren vielfältige Quellen und Strukturen – ändert sich die Ausgangslage. Das Marketing wird Daten-getrieben. Mittels neuer Softwarelösungen haben Unternehmen heute völlig neue Möglichkeiten, bessere, schnellere und mitunter auch günstigere Informationen zu erhalten. Demnach erweitert sich auch das Geomarketing-Besteck um die neuen Methoden. Und umgekehrt nutzen auch andere Anwendungsfelder wie Business Intelligence, CRM oder auch die Marktforschung neuartige Datenquellen und Geo-Methoden, um die Ergebnisse zu verbessern.

Hier geht es weiter zum ganzen Interview 

 

Predicitve Policing: Wie Gebäude- und Regionaldaten Wohnungseinbrüche vorhersagen

In diesem Jahr (2017) veröffentlichte das Landeskriminalamt Nordrhein-Westfalen den Basis-Forschungsbericht Wohnungseinbruchdiebstahl (WED) https://lka.polizei.nrw/sites/default/files/2017-05/Basisbericht_Forschungsprojekt%20WED.pdf

Darin wird u.a. festgestellt, dass – unterschieden nach Häusern und Wohnungen – es sich bei den ersten Fällen mehrheitlich um freistehende Einfamilienhäuser (n = 1 328, 60,7 %) handelt. Weitere 25,6 Prozent der Delikte (n = 559) erfolgen in Reihenhäusern. Gebäude vom Typ Doppelhaushälfte machten dagegen nur 13,7 Prozent (n = 300) aller betroffenen Häuser aus.

Die Anteile der verschiedenen Wohngebäudetypen werden im Wesentlichen durch die Gemeindegrößen der Tatorte bestimmt. Der Anteil raumsparender Reihenhäuser und Doppelhaushälften ist in Großstädten dabei natürlich größer. In Großstädten mit mehr als 150 000 Einwohnern hatten Reihenhäuser und Doppelhaushälften einen Anteil von 51,5 Prozent (n = 399) an allen von WED betroffenen Tatobjekten. Dieser Anteil sinkt dem Bericht zur Folge kontinuierlich mit der Abnahme der Einwohnerzahl. So betrug der Anteil angegangener Reihenhäuser und Doppelhaushälften in Gemeinden bis 25.000 Einwohnern nur noch 16,4 Prozent (n = 64).

infas 360 hat auf amtlicher Basis alle bundesweit rund 20 Mio. Wohngebäude auf Adressebene analysiert und u.a. die einzelhausgenaue CASA-Gebäudetypologie in 98 Klassen entwickelt

Mehr Infos dazu unter http://infas360.de/service/news/so-wohnt-deutschland/

Für Predictive Analytics sollten alle über 700 berechnete CASA-Merkmale zur Anwendung kommen. Die Small Area Methodik bestimmt dann, welche Variablen am besten das Gebäude und seine Umgebung voraussagt.

Haben Sie Fragen zu regionalen Einbruchsdaten, Predicitive Analytics oder Predicitve Policing, dann kontaktieren Sie uns unter Consulting@infas360.de 

 

Des Deutschen liebstes Haustier ist nach wie vor die Katze. Jeder dritte Katzenhaushalt teilt sich sein Zuhause mit einem Hund.

Der CASA-Monitor Digitales Wohnen 2017 mit deutschlandweit 10.931 befragten Personen widmete sich auch der Frage: „Welche und wie viele Haustiere haben Sie?“.

Klar an der Spitze mit 3.121 bzw. 28,2% liegen die Katzenbesitzer. 2.412 bzw. 22,1% gaben an, mindestens einen Hund zu haben. An dritter Stelle liegt der Fisch (9,9%), knapp gefolgt von den Kleintieren (9,3%). Immerhin noch 381 (3,5%) sagten von sich, ein oder mehrere Pferde zu besitzen.

Wer meint, Katzen und Hunde könnten nicht zusammenleben, wird von 8,6% bzw. 944 der 10.931 befragten Personen eines besseren belehrt. Sie gaben an, mindestens einen Hund und eine Katze in ihrem Haushalt zu haben. Aus Sicht eines Katzenhaushaltes bedeutet dies, dass 30% bzw. fast jeder dritter Katzenhaushalt sein ‚Nest‘ mit einem Hund teilt.

Im Durchschnitt zählt ein „Katzenhaushalt“ in Deutschland 1,66 Katzen, ein Hundehaushalt kommt auf 1,37 Hunde.

Sie möchten wissen wie sich z.B. die Haustierbesitzer regional verteilen oder wie z.B. ein detailliertes Zielgruppenprofil (Einkommen, Wohnsituation usw.) für Pferdebesitzer aussieht, dann kontaktieren Sie unser Consulting@infas360.de. Wir verfügen über 700 beschreibende Tiefenmerkmale zu allen Haustierbesitzern.

Zum CASA-Monitor Digitales Wohnen 2017: 10.931 online-repräsentativ befragte Personen beleuchtete dieses Jahr intensiv die (geplante) Haushaltsausstattung mit dem Themenschwerpunkt Smart Home.

 

It’s all about Neighborhood!

Leider ist der Eintrag nur auf Amerikanisches Englisch verfügbar. Der Inhalt wird unten in einer verfügbaren Sprache angezeigt. Klicken Sie auf den Link, um die aktuelle Sprache zu ändern.

The main power of Spatial Data & Analytics is the so called „Basic principle of Neighborhood“. In the World of Spatial Data all objects like buildings, places, trees or even people are connected to each other. And mostly every object has its neighbor(s). That is the main difference to all other data concepts. It offers a lot more possibilities to explore the interrelation and perhaps correlation of all phenomenons that occur in space (and time).

What do you think makes geodata so powerful to use? What are the main advantages of spatial data?

Small Area Statistics für SAS®Software

Small Area Statistics oder Small-Area-Methoden (verkürzt SAM) beschäftigen sich im Wesentlichen mit der Entwicklung und Verbesserung statistischer Verfahren zur Schätzung kleinräumiger Daten, bei denen die Regionen nur sehr wenige oder gar fehlende (Befragungs-)Werte aufweisen. Im Zentrum steht dabei das Regionalisieren, also das Herunterrechnen von für größere Regionen vorliegenden aggregierten Daten in feinere geographische Einheiten bis in Wohnblocks, Straßenabschnitten oder sogar Einzeladressen.

Die Vorteile von SAM gegenüber herkömmlichen Schätzmodellen bestehen darin, dass in das Modell Informationen aus übergeordneten Raumebenen ebenso einfließen wie Informationen aus ähnlichen Regionen. Das führt zu sehr genauen Angaben, selbst wenn die Regionen nur kleine oder gar fehlende Fallzahlen aufweisen. Voraussetzung der Raumebenen ist eine hierarchisch überschneidungsfreie Struktur (nested data).

Und genau hier setzt nun das Umsetzungsmodell für die Business Analytic Software SAS an. infas 360 nutzt dazu sein Raumstrukturmodell PAGS, das überschneidungsfrei alle amtlichen und postalischen Raumstrukturen Deutschlands von der Gemeinde, den Postleitzahlen, den Orts-, Postorts- und Stadtteilen bis hin zu den Siedlungsblöcken, Straßenabschnitten und Einzelhausadressen. Dieses wird in SAS importiert und mit allen weiteren zur verfügbar stehenden Daten auf allen Raumebenen inkl. der (Befragungs-)fälle kombiniert.

Postalisch-amtliches Gliederungssystem (PAGS), das überschneidungsfreie Gebiete (nested areas) sicherstellt.

Sie interessieren sich für einen kostenlosen Informationstermin oder einen ausführlicheren Workshop zum Thema, dann kontaktieren Sie einfach unsere Consulting-Team unter Consulting@infas360.de

Einen programmatischen Ansatz für Small Area Statistics in SAS gibt der Artikel Small Area Estimation for Survey Data Analysis Using SAS® Software http://support.sas.com/resources/papers/proceedings11/336-2011.pdf

Klare Wachstumsgrenze für Smart-Home?

Im aktuellen CASA-Monitor „Digitales Wohnen“ wurden über 3.000 Personen gegenüber 2016 erneut befragt. Der Einsatz von Smart-Home-Technologien bestätigten nun +2,4% mehr als im Vorjahr (8,7% zu 6,3% in 2016). Gleichzeitig sank der Anteil der Personen, die von „Smart Home“ noch nie gehört haben von 4,9% auf 2,7%.

Auf den ersten Blick umso erstaunlicher ist das gesteigerte Desinteresse an den digitalen Hausanwendungen. Zu erklären ist dies aber im Wissenswachstum über die Produkte und den in der Zwischenzeit gesammelten Erfahrungen zum Thema. So sagen nun +9% (73,5% gegenüber 64,5% in 2016) klar aus, dass Smart Home für sie nichts sei.

Quelle: CASA-Monitor, Digitales Wohnen 2017, 10.000 Befragte online-repräsentativ, 3.000 Wiederbefragte zu 2016.

Sie möchten wissen wie sich die Gruppe der nun Desinteressierten beschreiben lässt? Oder Sie sind daran interessiert wie sich die Generation Y für Smart Home mehr interessiert als z.B. die Generation X? Dann kontaktieren Sie uns unter Consulting@infas360.de