Vil du vide mere?
Allan Larsen
Allan Larsen
Forretningsspecialist
Analyse & BI, Partner
T 6313 6889 Kontakt Allan Larsen
Census Befolkningsprognose

Census Befolkningsprognose

Census Befolkningsprognose LIFA Census Befolkningsprognose anvendes til at forudse antallet af borgere i et givet område som en kommune, en region eller et distrikt. Data anvendes til planlægning af f.eks. pladser i skoler/institutioner samt til budgetlægning.

Programmet tager udgangspunkt i de faktiske data om personer, demografisk segmentering og – udvikling, til- og fraflytninger samt boligtyper i LOIS Statistik databasen. Befolkningsprognosen træner på de historiske data og finder trends i data, som anvendes til at forudse den fremtidige udvikling af befolkningstallet. I selve beregningen anvendes historiske data helt op til dagen før beregningen for at få den nyeste udvikling med. Brugeren skal ikke forholde sig til fødsels- og dødsrater, forventede til- og fraflytninger, det læses ud af historiske data. Beregningen er dataunderstøttet og nemmere for brugeren,

GIS-baseret Boligbyggeprogram

Det er muligt at angive et Boligbyggeprogram, så der tages hensyn til kommende nybyggerier eller nedrivninger af boliger. Boligbyggeprogrammet er GIS-baseret, så et byggeri kun skal angives én gang, uanset hvilket distrikt prognoseberegningen skal foregå på. For hvert byggeri indtastes boligtype (parcelhus, etagebolig, tæt/lav, ungdomsbolig, ældrebolig). Disse data anvendes til at beregne konsekvensen af byggeri/nedrivninger for hver årgang i årene fremover.

Anvendelse af afledte flyttekæder:

  • Der anvendes de historiske data om personer, flytninger og boliger, som I allerede har i LOIS Statistik
  • Beregning af befolkningstal for hver 5. dag, så det er muligt at se udsving i antal indbyggere hen over året, og ikke kun ét årligt tal
  • Befolkningsprognosen kan beregnes på flere slags distrikter, udover hele kommunen
  • Muligt at udføre beregning af prognosen så ofte som man ønsker det på nyeste data, f.eks. ved budgetopfølgning eller før større projekter
  • Tidsvarende løsning med brug af Machine Learning
  • Nem at anvende – brugeren skal blot angive udgangsår og valg af distriktstype