Jon begynte i en deltidsstilling som seniorøkonom i analyseavdelingen i januar 2024. Han fant en felles interesse for analyse med Mallings analysesjef Haakon Ødegaard etter at sistnevnte i flere år har vært gjesteforeleser i Jons kurs i næringseiendom på Norges Handelshøyskole (NHH). Jon er utdannet siviløkonom fra NHH og har en mastergrad i finans fra Handelshøyskolen BI og en mastergrad i Real Estate Management fra KTH i Sverige. Han har fullført en PhD-utdanning i finans og håper å få tid å levere avhandlingen om eiendomsfinansiering. Før Jon tok steget over i akademia, jobbet han 20 år i finans som blant annet aksjeanalytiker og kapitalforvalter. Når han ikke skriver eller forsker på finans og eiendom, eller foreleser ved Universitetet i Sørøst-Norge og Norges Handelshøyskole, spiller han tennis og drar på ski. Noe han, ifølge ham selv, er like dårlig som ivrig på.
På Mallings logistikkseminar 3. april lanserte vi LogiScore, et nytt produkt i vår logistikk-analyse. LogiScore er en modell vi har utviklet for å måle attraktiviteten for logistikk-klynger, som er geografiske områder for logistikk-eiendommer. LogiScore er dermed en rangering av attraktiviteten til disse klyngene. I første omgang er dette gjort for områdene rundt Oslofjorden.
På topp kom, kanskje ikke overraskende, Grorud/Alnabru-området. Klyngen kom klart foran Lørenskog og Langhus, men forskjellen mellom andre og syvende plass var liten: 
Figur 1: LogiScore-rangering 2025. Kilde: Malling
Rangeringen er basert på i alt seks kriterier, som igjen er bestemt av totalt 19 faktorer. Valg av faktorer og den relative vektingen mellom dem er skjønnsmessig vurdert, men bygget på et større søk i internasjonal forskning. Kriteriene er vektet på samme måte. 
Figur 2: Kriterier og underliggende faktorer i klyngerangeringer. Kilde: Malling
Egenskapene til klyngene (Klyngedetaljer) er det viktigste kriteriet i rangeringen, med en vekt på 30 %. I denne kategorien finner vi faktorer som tomtepriser, tomtetilgang, dagens areal, ledighet og ikke minst leiepriser. For tomtetilgang og ledighet er mindre nødvendigvis ikke bedre, men best score gis der disse er på et passe eller naturlig nivå.
Nest viktigst er klyngens geografiske egenskaper (25 %). Her ser vi på beliggenhet i forhold til sentrum (Oslo). I tillegg er vareflyt gjennom klyngens område målt. Dess større vareflyt, jo høyere score.
På neste plass, med 20 % vekt, har vi valgt nærhet til knutepunkter (infrastruktur). Dette er togterminaler, motorvei og havner. Nærhet til havn og tog inngår også i kategorien «Miljø og bærekraft» (5 %), men her måles nærhet på en annen måte. Transport til sjøs og med tog har langt lavere karbonavtrykk enn veitransport.
Vi har også vektlagt klyngens næringsdynamikk vekt (12,5 %). I kategorien Næringsdynamikk inngår faktorer som sammensetning av næringsliv (privat mot offentlig sektor) og størrelse på bedrifter. Dess større for begge, jo høyere score. For kommune-attraktivitet har vi ganske enkelt brukt NHO’s kommune-NM, som er en årlig rangering av de økonomiske prestasjonene og rammebetingelsene for næringslivet i norske kommuner. Siste faktor i dette kriteriet er eiendomsskatt. Av vel 350 kommuner har 307 skatt på næringseiendom. Vektleggingen her er ikke stor ettersom mange utleiere sender skatteregningen videre til leietaker.
Sysselsetting og befolkning (7.5 %) er viktig for tilgang til arbeidskraft og etterspørsel etter varer. Vi gir høyere score for høyere innbyggertall i området og ikke minst forventet befolkningsvekst. I tillegg ser vi på om de som bor et sted også jobber der.
Alle faktorene er kvantitative størrelser, hentet fra ulike datakilder, egne data, Statistisk Sentralbyrå, PlacePoint, m fl. Data som inngår i LogiScore er derfor objektive størrelser. Valg av de 19 faktorene, fordelt på seks, kriterier, måtte imidlertid baseres på subjektive vurderinger.
LogiScore vil bli oppdatert årlig, og vi vil også komme med et diskusjonsnotat rundt verdidrivere og rammeverket rundt LogiScore i en senere publikasjon.
