<aside> 💡 Denne siden tar deg gjennom hvordan du får oversikt over bevegelsesdata i et område. Du vil også få tips om hvordan du kan bruke informasjonen om bevegelsesdata til å finne leietakeren som passer best for ditt lokale.

</aside>

Innholdsfortegnelse

Introduksjon til bevegelsesdata

• I Bevegelsesdata finner du informasjon som hvilke dager og timer det er mest folk i et område. Innsikten er basert på tele-data fra Telia og viser data for valgt periode for folk som er “Hjemme”, “På jobb” og “Besøkende” til området. Mobiltelefonen må ha vært registrert i et område i minimum 10 minutter for at det skal kunne kategoriseres innenfor en av de tre kategoriene:
  • "Hjemme": når en mobiltelefon er registrert med et lengre opphold i et område i tidsrommet 18:00 - 07:00
  • "På jobb": når en mobiltelefon er registrert med et lengre opphold i et område i tidsrommet 07:00 - 18:00
  • "Besøkende": når man har oppholdt seg i et området en periode (minimum 10 minutter) som er verken er kategorisert som "Hjemme" eller "På jobb", det siste døgnet
• Telia utfører såkalt ekstrapolering av dataen slik at aktiviteten i et område utgjør cirka totalen uavhengig av Telia sin markedsandel i det aktuelle området (som forøvrig varierer mellom 30-40% per marked med regionale variasjoner). Tallene som vises i grafene er med andre ord totaltall og kan tolkes som de står. Ytterligere informasjon om ekstrapoleringen kan finnes her https://coda.io/d/Crowd-Insights-Customer-Documentation_dWTmZB619L7/Extrapolation_su5pSZTE?loginId=ZWlyaWtAcGxhYWNlLmNv#_luqvhSff

https://www.loom.com/share/3c0c2fc9cef549db88a4c2f34a59f6a0?sid=badbebda-34d9-471c-aca2-71cd1d70d8d8

Nytt datasett for bevegelsesdata i Norge, Sverige og Finland (September 2025)

Hva er nytt?

Telia og deres leverandør Unacast har lansert en ny og forbedret metodikk for å plassere mobiltelefoner mer presist på kartet. Denne endringen gir mer realistisk innsikt i hvor folk faktisk oppholder seg.

Gammel metodikk: Før brukte man en enklere modell der mobiltelefoner ble plassert i små rutenett basert på hvor mange som bodde eller jobbet i området. Det ga en tendens til å plassere mange i bolig- eller arbeidsområder – uansett om personen egentlig befant seg i et kjøpesenter, en park eller på stranden. Dette førte til:

• Skjev fordeling mot boligstrøk
• Lite data i områder uten fast bosetning
• Unaturlige klynger av folk på ett sted