Branchesammenligning: Sådan sammenligner du strukturer på tværs af danske brancher

Hvad sammenligningen skal kunne svare på

En branchesammenligning skal ikke rangere brancher efter navn eller størrelse, men sammenligne de strukturer, der driver resultater og risici.

Beslut først, om sammenligningen skal belyse marked, digitalisering, arbejdskraft eller organisering. Det afgør, hvilke parametre der er relevante, og hvad læseren skal kunne beslutte ud fra analysen.

Dansk Erhvervs brancheoversigt viser spændvidden: Organisationen repræsenterer blandt andet handel, digital handel, klima/energi/miljø, velfærd & samfund, digitalisering/teknologi/tele, turisme/kultur/oplevelse, sundhed & life science, rådgivning, medier & kreative erhverv, finans & forsikring, transport, forsvar, byggeri og service. Når områderne er så forskellige, må du på forhånd definere, hvad der skal måles, og hvorfor.

Vælg parametre, der kan måles ens på tværs af brancher: antal firmaer og koncerner, databrug, digitaliseringsniveau, lønudvikling, inflation, produktivitet, automatiseringsgrad, overenskomstforhold, markedsorganisering og brancheorganisering.

Brug navngivne kilder: Danmarks Statistiks opgørelse Firmaer og koncerner, Dansk Erhvervs brancheoversigt, Dansk Erhvervs undersøgelse fra april 2024, KFST-analysen Brancheorganisationers aktiviteter og placering i forhold til konkurrencen i Danmark samt DI's branchefællesskaber.

Arbejd trin for trin: afgræns brancher, byg grundprofil, sammenlign databrug, sæt arbejdskraft, løn og produktivitet på samme akse, kortlæg markedsstruktur, suppler med egne undersøgelser, byg matrix med vægte, og læs forskellene som strategiske signaler.

Afgræns brancher, så de kan sammenlignes

Afgrænsningen er afgørende. Dansk Erhvervs brancheoversigt viser, at danske brancher spænder fra handel, service og byggeri til sundhed, transport og finans. For bredt blander virksomheder med forskellige forretningsmodeller; for snævert mister du det strukturelle perspektiv.

Vælg en branchedefinition, der matcher beslutningen: officiel brancheinddeling, interesseorganisations inddeling eller din egen gruppering. Dansk Erhvervs oversigt kan inspirere til gruppering i handel, digital handel, rådgivning, transport, sundhed og finans. Dokumentér afgrænsningen, fordi den styrer resten af analysen.

Skriv den valgte danske brancheliste eksplicit op. Dansk Erhverv dækker handel, digital handel, klima/energi/miljø, velfærd & samfund, digitalisering/teknologi/tele, turisme/kultur/oplevelse, sundhed & life science, rådgivning, medier & kreative erhverv, finans & forsikring, transport, forsvar, byggeri og service.

Hold handel og digital handel adskilt, hvis du vil isolere strukturelle forskelle. Dansk Erhverv beskriver handel med fokus på detailhandel, B2B, fødevarer og tekstil og digital handel med fokus på e-handel.

Start med antal virksomheder og koncernstruktur

Start med en grundprofil for hver branche. Danmarks Statistik opgør firmaer og koncerner og viser, hvor mange firmaer der indgår i hver branche. Brug opgørelsen til at sammenligne antallet af firmaer på tværs af brancher.

Grundprofilen bør mindst indeholde antal virksomheder, fordeling mellem små og store enheder og oplysning om dominans af enkeltmandsvirksomheder eller koncerner. Med grundprofilen på plads kan du vurdere, om det giver mening at sammenligne branchen på databrug, løn eller markedsorganisering.

Danmarks Statistiks opgørelse Firmaer og koncerner viser, hvordan firmaerne i Danmark er fordelt på brancher, og hvor mange firmaer der indgår i hver branche. Brug den som fast grundprofil for alle brancher.

Sammenlign databrug og digitaliseringsniveau

Dansk Erhvervs undersøgelse fra april 2024 viser, at mere end 4 ud af 5 medlemsvirksomheder i dag bruger interne data, mens kun 2 ud af 5 bruger data fra offentlige kilder. Blandt virksomheder, der bruger data, får 83 pct. data fra interne kilder, og kun 42 pct. bruger offentlige kilder som Danmarks Statistik og CVR.

Større virksomheder inddrager flere datakilder. Alle virksomheder med mere end 250 medarbejdere, der bruger data, får data fra interne kilder, og 57 pct. får data fra offentlige kilder. Blandt virksomheder med 0-9 medarbejdere bruger 70 pct. interne data, og 32 pct. får data fra offentlige kilder.

Brugen varierer mellem brancher. Sundhed, velfærd og civilsamfund har flest virksomheder, der bruger offentlige data. IT og tele, rådgivning samt sundhed, velfærd og civilsamfund ligger over gennemsnittet for både interne og offentlige data. Turisme, kultur og oplevelse, transport og detailhandel ligger under gennemsnittet for begge typer data.

En tidligere undersøgelse fra Dansk Erhverv viser, at 37 pct. af iværksættere mener, at øget tilgængelighed af offentlige data kan gøre deres virksomheder mere innovative. Analysen fremhæver samtidig et paradoks: FN udnævnte i 2018 Danmark til verdensmester i offentlig digitalisering, men en OECD-undersøgelse fra 2019 placerede Danmark som nr. 27 ud af 32 lande, når det gælder om at åbne og nyttegøre offentlige data.

Databrug er derfor en relevant parameter, når du sammenligner digitaliseringsniveau på tværs af brancher.

Sammenlign databrug trin for trin: opgør andelen med interne data, opgør andelen med offentlige data som Danmarks Statistik og CVR, og notér, om branchen ligger over eller under gennemsnittet for begge typer data.

Databrug i danske brancher: interne vs. offentlige data (2024)

Sæt arbejdskraft, løn og produktivitet på samme akse

Arbejdskraft, løn og produktivitet hænger sammen, men betyder forskellige ting alt efter branchens struktur. En analyse af lønstigningen i dansk industri i 2023 beskriver, at industrien det år stod over for inflation, produktionsudfordringer og ændrede arbejdsvilkår. Lønstigningen var derfor ikke kun kompensation, men også et centralt element i konkurrencedygtighed, innovation og langsigtede investeringer.

Analysen peger på sektorvise forskelle: Fremstilling og maskinproduktion havde ofte behov for mere målrettede lønforhøjelser end visse serviceorienterede underområder. Lønudviklingen varierede ikke kun med virksomhedsstørrelse og geografi, men også med teknologisk modenhed, arbejdskraftens sammensætning og overenskomstbetingelser.

Virksomheder, der havde investeret i digitalisering og automatisering, havde mere fleksibilitet i lønrammerne. Brancher med stramme arbejdsgiverfrie aftaler måtte balancere kompensation med andre incitamenter som kompetenceudvikling og bedre arbejdsvilkår.

Sammenlign derfor lønudvikling, inflation, produktivitetshensyn, automatiseringsgrad og overenskomstforhold samlet på tværs af brancher. Samme procentsats kan betyde vidt forskellige ting for en kapitaltung produktionsvirksomhed og en servicevirksomhed med høj arbejdskraftintensitet.

For dansk industri i 2023 viser analysen Lønstigning 2023 dansk industri, at inflation, produktionsudfordringer og ændrede arbejdsvilkår drev lønspørgsmålet.

Sammenlign parametrene lønudvikling, inflation, produktivitet, automatiseringsgrad og overenskomstforhold. Fremstilling og maskinproduktion havde ofte behov for mere målrettede lønforhøjelser end visse serviceorienterede underområder.

Notér, om virksomheder har investeret i digitalisering og automatisering, for de havde mere fleksibilitet i lønrammerne. Brancher med stramme arbejdsgiverfrie aftaler måtte balancere kompensation med kompetenceudvikling og bedre arbejdsvilkår.

Kortlæg markedsstruktur og brancheorganisering

Markedsstruktur og brancheorganisering er tæt forbundet. I analysen 'Brancheorganisationers aktiviteter og placering i forhold til konkurrencen i Danmark' har KFST undersøgt sammenhænge mellem centrale strukturelle markedsfaktorer og brancheorganisationernes aktiviteter. Brancher er meget forskellige.

Dansk Industri repræsenterer en række branchefællesskaber. DI Byggeri er et branchefællesskab for over 6.700 virksomheder i hele byggeriets værdikæde; medlemsvirksomhederne beskæftiger knap 120.000 medarbejdere. Den type fællesskaber kan påvirke både konkurrence og samarbejde i branchen.

Kortlæg markedsstrukturen ved at undersøge antallet af aktører, hvor organiseret branchen er, og hvilke fællesskaber der findes. Det viser, om branchen præges af få store aktører, mange små eller stærke fællesorganisationer.

Brug antal aktører, organiseringsgrad og konkrete fællesskaber som parametre. DI Byggeri er et branchefællesskab for over 6.700 virksomheder i hele byggeriets værdikæde, og medlemsvirksomhederne beskæftiger knap 120.000 medarbejdere.

Fyld hullerne med egne undersøgelser

Offentlige data og branchestatistikker kommer ikke altid tæt nok på de strukturer, du vil sammenligne. Suppler derfor med spørgeskemaer, paneler og kvalitative interviews. Analyse Danmark giver gennem Nordic Research Alliance adgang til mere end 120.000 panelmedlemmer i de nordiske lande og tilbyder kunde- og medlemspaneler, holdnings- og opinionsundersøgelser samt indsigt i købsadfærd, prissætning og feedback.

Sådanne undersøgelser kan belyse holdninger, adfærd, beslutningsprocesser og oplevede barrierer, som registerdata ikke fanger. Analyse Danmark har gennemført opgaver for en lang række danske virksomheder, organisationer og offentlige institutioner og har blandt andet arbejdet for Dansk Industri og Realdania. Panel- og spørgeskemadata kan bruges på tværs af brancher, når de kombineres med offentlig statistik.

Byg en sammenligningsmatrix med vægte

Omsæt de valgte parametre til en matrix, hvor hver branche scores på eksempelvis størrelse, databrug, arbejdskraftomkostninger, markedsorganisering og digitalisering. Normalisér parametrene, så uens størrelser kan læses på samme skala.

Normalisering kan ske ved at indeksere hver parameter fra 0 til 100 eller ved at bruge z-scores. Vægte afgør, hvor meget hver parameter betyder for beslutningen. Hvis digitalisering er central, får databrug og digitaliseringsniveau højere vægt end eksempelvis markedsorganisering.

Matrixen bør vise både score og bagvedliggende data, så læseren kan se, hvad der driver resultatet. Medtag en kolonne med datakilde og usikkerhed, så det er tydeligt, om en score bygger på registerdata, undersøgelser eller skøn.

Eksempel på en udfyldt matrix: sæt sundhed, velfærd og civilsamfund samt IT og tele og rådgivning til over gennemsnit for både interne og offentlige data. Sæt turisme, kultur og oplevelse, transport og detailhandel til under gennemsnit for begge datatyper.

Tilføj en kolonne for markedsorganisering. For byggeri kan den belyses med DI Byggeri: over 6.700 virksomheder og knap 120.000 medarbejdere, organiseret i et branchefællesskab.

Brug over/under gennemsnit som score, hvor der findes tal. Marker manglende data, så matrixen ikke skjuler huller.

Digitaliseringsniveau – over-/under gennemsnit for databrug

Læs forskellene som strategiske signaler

Resultatet er ikke en rangliste, hvor én branche er facit. Danske brancher er strukturelt forskellige, og forskellene er i sig selv strategiske signaler. De kan prioritere indsatser, målrette analyser og vise, hvor en virksomhed eller organisation bør sætte ind.

Hvis en branche scorer lavt på databrug, kan det pege på potentiale for et bedre beslutningsgrundlag. Hvis en branche har høje arbejdskraftomkostninger og lav automatisering, kan det pege på behov for teknologiinvesteringer eller kompetenceudvikling. Hvis markedsorganiseringen er stærk, kan det påvirke både konkurrence og samarbejdsmuligheder.

Brug sammenligningen til at stille skarpere spørgsmål: Hvor adskiller brancherne sig? Hvad betyder forskellene for vores beslutning? Hvilke data mangler vi for at kunne konkludere?

Strategiske signaler fra branchesammenligning