Oznaka poročila: ARRS-CRP-ZP-2018/41 ZAKLJUČNO POROČILO O REZULTATIH CILJNEGA RAZISKOVALNEGA PROJEKTA A. PODATKI O RAZISKOVALNEM PROJEKTU l.Osnovni podatki o raziskovalnem projektu Šifra projekta V4-1423 Naslov projekta Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu Development of Holistic Model of Agricultural Holdings and Related Databases for Decision Making in Slovenian Agriculture Vodja projekta 5661 Tinca Volk Naziv težišča v okviru CRP 2.04.01 Analitično spremljanje in preverjanje uspešnosti poslovanja kmetijskih gospodarstev Obseg efektivnih ur raziskovalnega dela 3155 Cenovna kategorija B Obdobje trajanja projekta 07.2014 - 11.2017 Nosilna raziskovalna organizacija 401 Kmetijski inštitut Slovenije Raziskovalne organizacije -soizvajalke 481 Univerza v Ljubljani, Biotehniška fakulteta 1394 Kmetijsko gozdarska zbornica Slovenije Kmetijsko gozdarski zavod Murska sobota Raziskovalno področje po šifrantu ARRS 4 BIOTEHNIKA 4.03 Rastlinska produkcija in predelava 4.03.08 Ekonomika agroživilstva in razvoj podeželja Družbeno-ekonomski cilj 08. Kmetijstvo Raziskovalno področje po šifrantu FORD/FOS 4 Kmetijske vede in veterina 4.01 Kmetijstvo, gozdarstvo in ribištvo 2.Sofinancerji Sofinancerji 1. Naziv Ministrstvo za kmetijstvo, gozdarstvo in prehrano Republike Slovenije Naslov Dunajska cesta 22, 1000 Ljubljana Sofinancerji i - B. REZULTATI IN DOSEŽKI RAZISKOVALNEGA PROJEKTA 3.Povzetek raziskovalnega projekta1 SLO_ Osnovni namen projekta je bil prispevati k povečanju analitične vrednosti obstoječih podatkovnih zbirk in oblikovanju novih kazalcev uspešnosti poslovanja v slovenskem kmetijstvu ter z razvitimi novimi modelnimi orodji podpreti sistematično odgovarjanje na konkretne izzive pri načrtovanju, vodenju in preverjanju uspešnosti poslovanja tako na ravni posameznih kmetijskih gospodarstev kot tudi za sprejemanje agrarnopolitičnih odločitev na ravni države. Ob tem so bili zastavljeni naslednji cilji: • na podlagi analize razpoložljivih podatkov prilagoditi metodologijo za izračun standardnega prihodka (SO) in oceniti SO na ravni posameznega kmetijskega gospodarstva ob upoštevanju podatkov o proizvodnih parametrih iz evidenc Ministrstva za kmetijstvo, gozdarstvo in prehrano (MKGP) ter oceniti možnosti uporabe tega kazalca za potrebe kmetijske politike; • na podlagi sistematične in poglobljene analize podatkov FADN knjigovodstva za Slovenijo ugotoviti kakovost standardnih rezultatov FADN in oblikovati priporočila za njeno izboljšanje s ciljem povečati uporabnost in relevantnost teh podatkov z vidika ključnih koristnikov - načrtovalcev politik, analitikov, svetovalcev in kmetijskih gospodarstev; • na podlagi izbora ključnih kazalcev ekonomske učinkovitosti razviti in testirati modelno orodje, ki bo omogočilo uporabo rezultatov FADN za namene neposrednega ekonomskega svetovanja kmetijskim gospodarstvom; • na podlagi nadgradnje in širitve obstoječih modelnih kalkulacij (MK) za oceno ekonomskih parametrov na ravni kmetijskih proizvodov zasnovati celovit dinamični model kmetijskih gospodarstev ter preveriti njegovo uporabnost tako za potrebe sprejemanja taktičnih in strateških odločitev na ravni kmetijskih gospodarstev in države, kot tudi za morebitne potrebe dodatnega sistematičnega navzkrižnega preverjanja kakovosti rezultatov FADN. Ključni cilji projekta so bili doseženi in sicer: sistematično so bile pregledane in z vidika uporabnosti ovrednotene obstoječe podatkovne zbirke (SO, FADN, MK), posodobljeni obstoječi in razviti novi analitični podatkovni sistemi (MK, SO), razvita nova orodja (model KMG, SEZAM) ter razvit nov pristop k svetovanju (analitični panožni krožki); s tem so bili postavljeni temelji (analitične podlage) za na podatkih utemeljeno odločanje v kmetijstvu. Ključno sporočilo projekta je, da so temelji za podatkovno podprto odločanje v slovenskem kmetijstvu postavljeni, brez širjenja uporabe, dviga kakovosti in nadgradnje podatkovnih zbirk ter (stalnega) vzdrževanja in razvoja analitičnih podlag in orodij, doseženi rezultati v okviru tega projekta ne bodo prinesli velikih sprememb. Potrebne so sistemske in institucionalne spremembe, odločitev o teh pa je na strani države. ANG_ The key objective of the project was to help increase the analytical value of existing databases, to create new performance indicators of Slovenian agriculture, and to develop new modeling tools to systematically support decision making process in planning, management and performance assessment at farm-level, as well as at the national level. The following objectives were set: • Based on the analysis of the available data, to adjust the methodology for the calculation of the standard output (SO) and to assess SO at the farm-level, taking into account the production parameters from the administrative sources (agricultural ministry's registers); further, also to assess the use of this indicator to support the agricultural policy; • Based on the systematic and detailed analysis of FADN data for Slovenia, to assess the quality of standard FADN results for Slovenia and to give recommendations for its improvement, with the aim to increase the usability and relevance of these data for the key users: policy makers, analysts, farm advisers and agricultural holdings; • Based on the selected indicators of economic efficiency, to develop and test a modeling tool which would enable the use of FADN results for Slovenia in the process of direct economic counseling to the agricultural holdings; • Based on the upgraded and extended models for the assessment of economic parameters at the level of agricultural products (i.e. model calculations), to develop a comprehensive dynamic farmlevel model and to test it in terms of tactical and strategic decision-making at farm and national level, as well as in terms of systematic cross-checking of the quality of FADN results. The key objectives of the project were achieved: the existing databases (SO, FADN, model calculations) were systematically assessed from the point of view of their usefulness, the analytical data systems (model calculations, SO) were upgraded, new modeling tools (model KMG, SEZAM), as well a new approach to economic counseling was developed. The key message of the project is that the foundations for the evidence-based decision making in Slovenian agriculture were laid. Nevertheless, without an increased use, quality improvement and upgrading of databases, as well as without (permanent) maintenance and development of analytical databases and modeling tools, the achieved results within this project will not bring about significant changes. Systemic and institutional changes are needed; the decisions about these lie with the state. 4.Poročilo o realizaciji predloženega programa dela oz. ciljev raziskovalnega projekta2 Za odločanje v sodobnem kmetovanju in učinkovito vodenje kmetijske politike so potrebni podatki in njihovo organiziranje v različna orodja. Ob podatkovnih virih, ki se nanašajo na kmetijstvo, na pomenu pridobivajo tudi podatkovni viri, ki osvetljujejo stanje na ravni posameznih kmetijskih gospodarstev. Mednje sodijo številne administrativne evidence, ki se vodijo za potrebe izvajanja kmetijske politike, še posebej pa rezultati kmetijskega knjigovodstva po sistemu FADN, ki so del zahtev evropskega pravnega reda. Osnovni namen projekta je bil prispevati k povečanju analitične vrednosti (uporabnosti) obstoječih podatkovnih zbirk in oblikovanju novih kazalcev uspešnosti poslovanja v slovenskem kmetijstvu, ter z razvitimi novimi modelnimi orodji podpreti sistematično odgovarjanje na konkretne izzive pri načrtovanju, vodenju in preverjanju uspešnosti poslovanja, tako na ravni posameznih kmetijskih gospodarstev kot tudi za sprejemanje agrarnopolitičnih odločitev na ravni države. Ob tem so bili zastavljeni naslednji cilji: • na podlagi analize razpoložljivih podatkov prilagoditi metodologijo za izračun standardnega prihodka (SO) in oceniti SO na ravni posameznega kmetijskega gospodarstva ob upoštevanju podatkov o proizvodnih parametrih iz evidenc MKGP ter oceniti možnosti uporabe tega kazalca za potrebe kmetijske politike; • na podlagi sistematične in poglobljene analize podatkov FADN za Slovenijo ugotoviti kakovost standardnih rezultatov FADN in oblikovati priporočila za njeno izboljšanje s ciljem povečati uporabnost in relevantnost teh podatkov z vidika ključnih koristnikov - načrtovalcev politik, analitikov, svetovalcev in kmetijskih gospodarstev; • na podlagi izbora ključnih kazalcev ekonomske učinkovitosti razviti in testirati modelno orodje, ki bo omogočilo uporabo rezultatov FADN za namene neposrednega ekonomskega svetovanja kmetijskim gospodarstvom; • na podlagi nadgradnje in širitve obstoječih modelnih kalkulacij (MK) za oceno ekonomskih parametrov na ravni kmetijskih proizvodov zasnovati celovit dinamični model kmetijskih gospodarstev ter preveriti njegovo uporabnost tako za potrebe sprejemanja taktičnih in strateških odločitev na ravni kmetijskih gospodarstev in države, kot tudi za morebitne potrebe dodatnega sistematičnega navzkrižnega preverjanja kakovosti rezultatov FADN. V projektu smo tako želeli preveriti uporabnost obstoječih podatkovnih virov za nadgradnjo obstoječih in razvoj novih analitičnih podlag in orodij, s katerimi bi lahko podprli poslovno in agrarno politično odločanje v slovenskem kmetijstvu. Ovrednotiti smo želeli uporabo in kakovost kmetijskega knjigovodstva FADN (drugi delovni sveženj), oceniti standardni prihodek kmetijskih gospodarstev kot podatkovni vir za uporabo v kmetijski politiki (prvi delovni sveženj), ter preveriti in nadgraditi sistem modelnih kalkulacij za posamezne kmetijske proizvode kot enega temeljnih analitičnih podlag za spremljanje ekonomskih rezultatov v kmetijstvu (četrti delovni sveženj). Slednje smo potem poskušali uporabiti za razvoj novega kompleksnega orodja, ki bi omogočilo ekonomsko ex-post ali ex-ante analizo konkretnih ali tipičnih kmetijskih gospodarstev (peti delovni sveženj). Želeli smo tudi razviti metodo, ki bi na podlagi razpoložljivih podatkovnih virov omogočila s podatki podprto svetovanje v obliki analitičnih panožnih krožkov (tretji delovni sveženj). Na kratko povzemamo ključne cilje, izsledke in ugotovitve po posameznih delovnih svežnjih. FADN knjigovodstvo na kmetijskih gospodarstvih (drugi delovni sveženj) FADN knjigovodstvo smo v Sloveniji uvajali postopoma, v celoti pa smo sistem prevzeli s pristopom v Evropsko unijo. Stanje na tem področju se izboljšuje in projekt je nakazal široko uporabnost teh podatkov. Kljub temu ta podatkovni vir še vedno nima tistega mesta pri načrtovanju gospodarjenja na kmetijskih gospodarstvih in pri spremljanju in odločanju v kmetijski politiki, kot bi ga lahko imel in ga ima v večini držav članic. Cilj tega delovnega svežnja je bil izvedba poglobljene analize kakovosti rezultatov FADN za Slovenijo ter priprava priporočil za izboljšanje in spremljanje kakovosti teh podatkov. Izbrani pristop k analizi kakovosti podatkov FADN za Slovenijo temelji na smiselno prirejenih evropskih smernicah za pripravo poročil o kakovosti statističnih raziskovanj na treh ravneh: na ravni institucionalnega okvira, podatkov in procesov. Predlagali smo niz ukrepov za izboljšanje kakovosti in uporabnosti podatkov FADN (npr. dodajanje novih elementov, ki bi omogočili tudi sektorske in tipske analize), predvsem pa za izboljšanje koordinacije dela, diseminacije rezultatov in njihove uporabe. Napredek je mogoče doseči le s sodelovanjem vseh členov v verigi zbiranja, obdelave in diseminacije podatkov ter s stalno uporabo teh podatkov za spremljanje in analizo ekonomskega stanja na kmetijskih gospodarstvih v okviru kmetijskega svetovanja in za potrebe kmetijske politike. Standardni prihodek kmetijskih gospodarstev (prvi delovni sveženj) Cilj tega delovnega svežnja je bil izračunati standardni prihodek (SO) na ravni posameznega kmetijskega gospodarstva na podlagi proizvodnih parametrov iz administrativnih virov oziroma podatkovnih zbirk pri MKGP ter ugotoviti možnost uporabe tega kazalca za potrebe kmetijske politike. Z uporabo vseh razpoložljivih statističnih virov in administrativnih evidenc pri MKGP, je bil za leta 2012-2014 opravljen izračun standardnega prihodka, ki je vključil preko 90.000 kmetijskih gospodarstev. Rezultati so prikazani po razredih ekonomske velikosti, tipih kmetovanja in regijah. Delo je bilo zaradi težav pri pridobivanju in pripravi potrebnih podatkov iz administrativnih virov zahtevnejše od pričakovanj, zaradi sprememb vrste in vsebine podatkov v posameznih podatkovnih zbirkah pa bo zahtevnejše tudi morebitno posodabljanje izračunov. Ugotavljamo, da imajo izračuni SO na podlagi administrativnih virov zaradi široke zajemljivosti in možnosti zagotavljanja podatkov na letni ravni, individualno (SO na ravni KMG-MID) in po poljubno izbranih skupinah gospodarstev, veliko analitično vrednost, potencialno pa bi jih bilo mogoče uporabljati tudi pri izvajanju ukrepov kmetijske politike (vstopni pragi, specifične podpore za specifične tipe kmetij, regije in drugo). Modelne kalkulacije (četrti delovni sveženj) Modelne kalkulacije so kompleksna podatkovna zbirka in orodje, ki omogoča natančno spremljanje ekonomskega stanja po posameznih kmetijskih proizvodih. V preteklosti je bil to ključni vir tudi za odločanje v kmetijski politiki, manj pa se je uporabljal za načrtovanje kmetijske pridelave na kmetijskih gospodarstvih. Cilji tega delovnega svežnja so bili preveritev, nadgradnja in razširitev modelnih kalkulacij KIS kot orodja za presojo ekonomske uspešnosti gospodarjenja na ravni posameznih kmetijskih proizvodov ter njihova prilagoditev za uporabo v modelu za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev (model KMG), razvitega v okviru petega delovnega svežnja. To je bilo uspešno izvedeno, nekatere funkcije so bile posodobljene (npr. gnojenje, poraba dela, strojne storitve), druge na novo vključene (krmni obroki), upoštevane so bile nove tehnologije (npr. baliranje krme) in izdelane nekatere nove kalkulacije (npr. travniška krma na njivah, oljne buče). Dobili smo prenovljen sistem modelnih kalkulacij, ki omogoča redne izračune stroškov in ekonomskih rezultatov za širok nabor kmetijskih proizvodov in tehnologij za različne namene in uporabnike, ob tem pa ga je mogoče neposredno vključiti v model kmetijskega gospodarstva. Model kmetijskega gospodarstva (peti delovni sveženj) Namen tega delovnega svežnja je bil na podlagi nadgradnje in širitve obstoječih modelnih kalkulacij za oceno ekonomskih parametrov na ravni kmetijskih proizvodov zasnovati celovit dinamični model kmetijskih gospodarstev ter preveriti njegovo uporabnost tako za potrebe sprejemanja taktičnih in strateških odločitev na ravni kmetijskih gospodarstev in države, kot tudi za morebitne potrebe dodatnega sistematičnega navzkrižnega preverjanja kakovosti rezultatov FADN. Model kmetijskega gospodarstva (model KMG), ki je bil razvit v okviru projekta, je kompleksno dinamično orodje, matematični simulacijski model, ki z uporabo sodobnih optimizacijskih tehnik in matematičnega programiranja omogoča integracijo različnih modelnih kalkulacij na raven kmetijskega gospodarstva in njihovo prilagajanje specifičnim proizvodnim in ekonomskim razmeram. Z uporabo linearnega programiranja je model uporaben za spremljanje ekonomskega stanja različnih tipov kmetijskih gospodarstev, za podporo pri poslovnem odločanju na posamezni kmetiji (rekonstrukcija proizvodnega načrta in njegovo optimiranje) in za scenarijske analize spremenjenih prihodnjih razmer (različna gibanja cen, spremembe ukrepov). Ob nadgradnji modela lahko Slovenija pridobi sodobno orodje, ki lahko omogoči dvig kakovosti odločanja na ravni kmetijskih gospodarstev in kmetijske politike. Analitični panožni krožki (tretji delovni sveženj) V slovenskem kmetijstvu obstajajo pomembne pomanjkljivosti pri organiziranju, upravljanju in načrtovanju kmetijske pridelave, ki zahtevajo iskanje vrzeli in rešitev zanje na ravni posamezne kmetije. To zahteva tudi spremembe pri svetovanju kmetijskim gospodarstvom. Namen tega delovnega svežnja je bil na podlagi obstoječih podatkovnih virov, zlasti individualnih podatkov FADN knjigovodstva, in primerov dobrih praks pri delu v analitičnih panožnih krožkih (spremljanje proizvodnje in ekonomike posamezne kmetije, interaktivna izmenjava mnenj in rešitev) izdelati orodje za ugotavljanje ekonomske učinkovitosti in strateško načrtovanje kmetijske proizvodnje na kmetijah ter razviti nov pristop k ekonomskemu svetovanju v okviru panožnih krožkov. Na primeru prireje mleka na dveh območjih smo tako pripravili podatkovni okvir, orodje za obdelavo in prikaz rezultatov ter koncept dela panožnega krožka, ki smo ga poimenovali SEZAM (Svetovalno Empirično orodje Za podporo izboljšanju ekonomske učinkovitosti na kmetijah s pomočjo Analitičnih svetovalnih krožkov na primeru prireje Mleka). Model svetovanja temelji na podatkih FADN knjigovodstva, Centralne podatkovne zbirke Govedo (CPZ Govedo) in individualnih podatkih s kmetij. Če želimo analitične panožne krožke uveljaviti in razširiti tudi na druge dejavnosti, so potrebne prilagoditve podatkovnih virov (predvsem FADN), predvsem pa spremembe v organizaciji Javne kmetijske svetovalne službe. Ocenjujemo, da so bili zastavljeni projektni cilji doseženi. Sistematično so bile pregledane obstoječe podatkovne zbirke, ob tem pa so bila razvita nova orodja in tudi nov pristop za svetovanje, vse na ravni kmetijskih gospodarstev. Projekt, ki je bil od vsega začetka izrazito uporabno naravnan, je pokazal na pomen kakovostnih podatkovnih zbirk in primernih orodij za »na podatkih utemeljeno odločanje« (»evidence based policy«) na ravni kmetijskih gospodarstev in potenciale, ki jih ima tak pristop za učinkovitejše odločanje gospodarjev kmetij in nosilcev kmetijske politike. To nam je omogočilo podati tudi širšo sliko stanja analitičnih podlag in razpravo o potrebnih korakih za njihovo izboljšanje. Ključno sporočilo projekta je, da so temelji za podatkovno podprto odločanje v slovenskem kmetijstvu postavljeni, brez širjenja uporabe, dviga kakovosti in nadgradnje podatkovnih zbirk ter (stalnega) vzdrževanja in razvoja analitičnih podlag in orodij, doseženi rezultati v okviru tega projekta ne bodo prinesli velikih sprememb. Potrebne so sistemske in institucionalne spremembe, odločitev o teh pa je na strani države. 5.Ocena stopnje realizacije programa dela na raziskovalnem projektu in zastavljenih raziskovalnih ciljev3 Delo na projektu je vseskozi potekalo skladno z vsebinskim načrtom, pri terminskem načrtu pa je prihajalo do določenih zamud. Tako bi moralo biti po terminskem načrtu delo na prvem delovnem svežnju v celoti zaključeno do konca leta 2014, zaradi težav pri pridobivanju podatkov iz administrativnih virov (MKGP), potrebnih za izračun SO, pa je bilo delo na tem svežnju končano s precejšnjim časovnim zamikom (začetek maja 2016). Velik del težav je izhajal iz otežene komunikacije med nosilci naloge in naročnikom, lastnikom in skrbnikom osnovnih podatkov. Neposrednega vpogleda v osnovne podatkovne zbirke nosilci naloge niso imeli; nabor potrebnih podatkov za izvedbo naloge je bil pripravljen na osnovi pregleda pravnih dokumentov, ki urejajo vodenje posameznih podatkovnih zbirk. Z zadolženimi za vodenje posameznih evidenc so razgovori potekali ločeno, sogovornika, ki bi celovito pokrival področje vodenja evidenc na MKGP pa žal nismo našli. Delo pri pripravi podatkov bi bilo brez dvoma mnogo lažje, če bi nosilci naloge imeli neposreden dostop do osnovnih zbirk podatkov. V okviru tretjega delovnega svežnja je delo na pripravi orodja in protokola za ekonomsko svetovanje kmetijskim gospodarstvom potekalo v skladu s programom, zamujala pa je izvedba delavnic v okviru poskusnih krožkov proizvajalcev mleka, na katerih je bilo predvideno testiranje razvitega modelnega orodja SEZAM. Dejanska pripravljenost kmetij, da se vključijo v poskusni krožek je bila manjša od pričakovane, zato so bili potrebni dodatni napori za pridobitev ustreznega števila udeležencev delavnic. Delavnice so bile tako izvedene s časovno zamudo (pomladi 2017 namesto jeseni 2016), kar je zavleklo tudi dokončanje vseh nalog na tem delovnem svežnju (julij 2017). Na četrtem delovnem svežnju je bilo več časa, kot je bilo predvideno, potrebnega za tehnično prilagajanje in povezovanje modelnih kalkulacij posameznih kmetijskih proizvodov v enoten sistem. Zaradi zakasnitve pri tem delu je zamujala tudi dokončna tehnična prilagoditev modelnih kalkulacij za enostaven prenos ključnih tehnološko-tehničnih parametrov iz posameznih modelnih kalkulacij v matriko proizvodnih možnosti oziroma v celovit model kmetijskega gospodarstva (model KMG), s tem pa tudi razvoj tega modela v okviru petega delovnega svežnja. Za dokončanje dela na obeh delovnih svežnjih (četrtem in petem) smo zato prosili za podaljšanje trajanja projekta do konca leta 2017. Ocenjujemo, da je bil program v celoti realiziran, doseženi pa so bili tudi vsi s programom zastavljeni ključni cilji. 6.Spremembe programa dela raziskovalnega projekta oziroma spremembe sestave projektne skupine4 Ni bilo sprememb v programu dela raziskovalnega projekta. V letu 2017 se je projektni skupini pridružil Jure Brečko (šifra 38630; Kmetijski inštitut Slovenije), ki se je v delo na projektu vključil na področju nadgradnje in širitve nabora modelnih kalkulacij (četrti delovni sveženj), sodeloval pa je tudi pri razvoju modela kmetijskega gospodarstva (peti delovni sveženj). 7.Najpomembnejši dosežki projektne skupine na raziskovalnem področju5 Dosežek 1. COBISS ID Naslov SLO ANG Opis SLO ANG Objavljeno v Tipologija 8.Najpomembnejši dosežek projektne skupine na področju gospodarstva, družbenih in kulturnih dejavnosti6 Dosežek -1-r Dosežek 1. COBISS ID 5419624 Vir: COBISS.SI Naslov SLO Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V4-1423) ANG Development of Holistic Model of Agricultural Holdings and Related Databases for Decision Making in Slovenian Agriculture: Final Report Opis SLO Osnovni namen projekta je bil prispevati k povečanju analitične vrednosti obstoječih podatkovnih zbirk in oblikovanju novih kazalcev uspešnosti poslovanja v slovenskem kmetijstvu ter z razvitimi novimi modelnimi orodji podpreti sistematično odgovarjanje na konkretne izzive pri načrtovanju, vodenju in preverjanju uspešnosti poslovanja tako na ravni posameznih kmetijskih gospodarstev kot tudi za sprejemanje agrarnopolitičnih odločitev na ravni države. Ključni cilji projekta so bili doseženi in sicer: sistematično so bile pregledane in z vidika uporabnosti ovrednotene obstoječe podatkovne zbirke (SO, FADN, MK), posodobljeni obstoječi in razviti novi analitični podatkovni sistemi (MK, SO), razvita nova orodja (model KMG, SEZAM) ter razvit nov pristop k svetovanju (analitični panožni krožki); s tem so bili postavljeni temelji (analitične podlage) za na podatkih utemeljeno odločanje v kmetijstvu. Ključno sporočilo projekta je, da so temelji za podatkovno podprto odločanje v slovenskem kmetijstvu postavljeni, brez širjenja uporabe, dviga kakovosti in nadgradnji podatkovnih zbirk ter (stalnega) vzdrževanja in razvoja analitičnih podlag in orodij, pa doseženi rezultati v okviru tega projekta ne bodo prinesli velikih sprememb. Potrebne so sistemske in institucionalne spremembe, odločitev o teh pa je na strani države. ANG The key purpose of the project was to help increase the analytical value of the existing databases, to create new performance indicators of Slovenian agriculture, and to develop new modeling tools to systematically support decision making process in planning, management and performance assessment at farm-level, as well as at the national level. The key objectives of the project were achieved: the existing databases (SO, FADN, model calculations) were systematically assessed from the point of view of their usefulness, updated or developed anew were the analytical data systems (model calculations, SO), new modeling tools (model KMG, SEZAM) were developed, as well a new approach to economic counseling was developed (discussion groups). Thus, the key message of the project is that the foundations for the evidence-based decision making in Slovenian agriculture were laid. Nevertheless, without an increased use, quality improvement and upgrading of databases, as well as without (permanent) maintenance and development of analytical databases and modeling tools, the achieved results within this project will not bring about significant changes. Systemic and institutional changes are needed; the decisions about these lie with the state. Šifra D.01 Vodenje/koordiniranje (mednarodnih in domačih) projektov Objavljeno v 2017; Avtorji / Authors: Volk Tina, Brečko Jure, Erjavec Emil, Jerič Damjan, Kavčič Stane, Kožar Maja, Moljk Ben, Rednak Miroslav, Zagorc Barbara, Žgajnar Jaka Tipologija 2.12 Končno poročilo o rezultatih raziskav 2. COBISS ID 4057992 Vir: COBISS.SI Naslov SLO Model kmetijskih gospodarstev za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetije ANG Model of agricultural holdings for assessment of economic efficiency of farms V zadnjem obdobju postaja ideja o spremljanju in boljšem poznavanju ekonomske učinkovitosti na ravni KMG vse bolj aktualna. Tako poizkušamo Dosežek Opis SLO bolje razumeti kako posluje določen tip kmetijskega gospodarstva v danih pogojih in kakšno učinkovitost pri tem dosega. V ta namen je bil razvit tudi model kmetijskega gospodarstva. V dani predstavitvi je bil predstavljen koncept modelnega orodja, ki sloni na sistemu Modelnih kalkulacij Kmetijskega inštituta Slovenije. Model kmetijskega gospodarstva je bil predstavljen kot primer možnega povezovanja različnih virov podatkov in uporabe modelnega pristopa za ocenjevanje kakovosti in ustreznosti določenih podatkov in kazalnikov na ravni kmetijskega gospodarstva in sicer na primeru podatkov FADN. ANG In recent years, the idea of monitoring and a better knowledge of economic efficiency at farm-level has become more and more relevant. Thus, we try to better understand how a certain type of agricultural holdings operates in given economic conditions and how efficient it is. For this purpose, the farm-level model was developed. In this contribution the concept of a modeling tool, based on the Model calculations of the Agricultural Institute of Slovenia, was presented. The farm-level model was presented as an example of the possible integration of different data sources and model approach to assess the quality and relevance of certain data and indicators at farm level, i.e. FADN data. Šifra B.04 Vabljeno predavanje Objavljeno v 2018; Avtorji / Authors: Žgajnar Jaka Tipologija 3.25 Druga izvedena dela 3. COBISS ID 5466728 Vir: COBISS.SI Naslov SLO Metodologija in pojasnila k modelnim kalkulacijam Kmetijskega inštituta Slovenije ANG Methodology and explanations of the model calculations of the Agricultural Institute of Slovenia Opis SLO V dokumentu je opisana metodologija izdelave modelnih kalkulacij Kmetijskega inštituta Slovenije in dodana pojasnila k t.i. referenčnim modelnim kalkulacijam iz standardnega nabora. Vključena so splošna izhodišča, prikazan koncept ter zgradba sistema modelnih kalkulacij. Podrobno so navedene informacijske podlage potrebne za izdelavo modelnih kalkulacij, opisana metoda za vrednotenje potroškov in opisan način obračuna stroškov. Dokument vključuje tudi načine prikaza rezultatov in različnih kazalnikov izračunanih na podlagi rezultatov modelnih kalkulacij. V drugem delu publikacije so navedena tudi specifična pojasnila k referenčnim modelnim kalkulacijam iz standardnega nabora, ločeno za rastlinske pridelke in živinorejo. ANG The paper describes the methodology of model calculations of the Agricultural Institute of Slovenia and provides additional explanations for the reference model calculations from the standard set. The general starting points, the concept and structure of the model calculations system are presented. The detailed databases necessary for the construction of model calculations, the method for inputs valuation and the approach to calculating the costs are presented in detail. This publication includes also different ways of presenting the model calculation results and various derived indicators based on these results. In the second part, detailed explanations are given for the reference model calculations from the standard set, separately for crop and livestock production. Šifra F.16 Izboljšanje obstoječega informacijskega sistema/podatkovnih baz Objavljeno v Kmetijski inštitut Slovenije; 2018; Avtorji / Authors: Zagorc Barbara, Moljk Ben, Brečko Jure, Rednak Miroslav Tipologija 2.13 Elaborat, predštudija, študija Dosežek 4. COBISS ID 5139816 Vir: COBISS.SI Naslov SLO Analiza kakovosti podatkov FADN za Slovenijo - rezultati prve faze projekta ANG Quality analysis of the FADN results for Slovenia - first stage results Opis SLO Ključni rezultati prve faze analize kakovosti podatkov FADN za Slovenijo so bili septembra 2016 predstavljeni na 24. delavnici Pacioli v Prištini (Kosovo). Gre za letno mednarodno delavnico koordinatorjev, ekspertov in raziskovalcev mikroekonomskih podatkovnih zbirk, kot je npr. FADN. Delavnica Pacioli vključuje tudi druge deležnike v evropski in nacionalnih mrežah FADN, zato je predstavitev rezultatov na njej ključnega pomena za pridobitev povratnih informacij, izmenjavo idej in neposredne konzultacije. Delavnica leta 2016 je bila osredotočena na izkušnje posameznih držav članic pri prilagajanju na nove podatkovne potrebe, na uporabo drugih administrativnih ali komercialnih informacijskih virov in na metode za izboljšanje učinkovitosti zbiranja podatkov. ANG The key results of the first phase of the quality analysis of FADN data for Slovenia were presented at the 24th Pacioli Workshop in Pristina (Kosovo) in September 2016. Pacioli conducts annual international workshops for coordinators, experts and researchers of microeconomic databases, such as FADN. Other stakeholders in the European and national FADN networks attend the Pacioli workshops too; therefore the presentation of results is important for getting the feedback, exchange the ideas and consult with the experts in the field. 2016 workshop focused on the experience of individual Member States in adapting to the emerging data needs, the use of other administrative or commercial information sources, and on methods for improving the efficiency of data collection. Šifra B.04 Vabljeno predavanje Objavljeno v 2016; Avtorji / Authors: Kožar Maja Tipologija 3.16 Vabljeno predavanje na konferenci brez natisa 5. COBISS ID 5384808 Vir: COBISS.SI Naslov SLO Analiza kakovosti podatkov FADN za Slovenijo - rezultati druge faze projekta ANG Quality analysis of the FADN results for Slovenia - second stage results Opis SLO Ključni rezultati druge faze analize kakovosti podatkov FADN za Slovenijo so bili oktobra 2017 predstavljeni na 25. delavnici Pacioli v Helsing0rju na Danskem. Gre za letno mednarodno delavnico koordinatorjev, ekspertov in raziskovalcev mikroekonomskih podatkovnih zbirk, kot je npr. FADN. Predstavitev je vključevala predstavitev ključnih rezultatov druge faze projekta v zvezi z naslednjimi komponentami kakovosti za FADN podatke: dostopnost in jasnost informacij (ekonomsko svetovanje kmetijskim gospodarstvom), natančnost in zanesljivost, dobra metodologija in ustrezni postopki (navzkrižno preverjanje FADN podatkov z drugimi podatkovnimi bazami; model na ravni kmetijskih gospodarstev), ustreznost podatkov (podpora kmetijski politiki, identifikacija podatkovnih potreb kmetijskih svetovalcev in kmetijskih gospodarstev). ANG The key results of the second phase of the FADN data quality analysis for Slovenia were presented in October 2017 at the 25th Pacioli Workshop in Helsing0r (Denmark). Pacioli is an annual international workshop of coordinators, experts and researchers of microeconomic databases, such as FADN. Key second-phase results related to the following quality components for FADN data were presented: accessibility and clarity (economic counseling to agricultural holdings), accuracy and reliability, sound methodology and appropriate procedures (cross-checking of FADN data with other databases; farm-level model), relevance (support to agricultural policy, identification of data needs of agricultural advisers and Dosežek agricultural holdings). Šifra B.06 Drugo Objavljeno v 2017; Avtorji / Authors: Kožar Maja, Brečko Jure, Erjavec Emil, Jerič Damjan, Kavčič Stane, Moljk Ben, Rednak Miroslav, Volk Tina, Zagorc Barbara, Žgajnar Jaka Tipologija 3.15 Prispevek na konferenci brez natisa 9.Drugi pomembni rezultati projektne skupine7 Javne predstavitve rezultatov projekta: 1) Volk T. in sod., 2017 (COBISS.SI-ID 5419368): Predstavitev končnih rezultatov projekta, december 2017 2) Volk T., Rednak M., 2016 (COBISS.SI: 5085288): Predstavitev izsledkov prvega delovnega svežnja, avgust 2016 3) Kožar M., 2016 (COBISS.SI-ID 5085032): Predstavitev izsledkov drugega delovnega svežnja, marec 2016 4) Jerič D., Rednak M., Erjavec E., Volk T. 2017. S podatki podprto odločanje in svetovanje s pomočjo krožkov. Predstavitev delnih rezultatov CRP projekta (V4-1423) Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu. KGZS, Ljubljana, 12. julij 2017: 82 str. (ni v COBISS): Predstavitev izsledkov tretjega svežnja je bila zelo odmevna; predstavljen je bil pristop k delu analitičnih panožnih krožkov in modelno orodje SEZAM, ki kaže velik potencial za prenos v prakso. 5) Izsledki tretjega delovnega svežnja, s poudarkom na orodju SEZAM, so bili predstavljeni tudi na posvetu kmetijske svetovalne službe (Jerič D., Pajntar N. 2017. Empirično svetovalno orodje za izvajanje panožnih krožkov na primeru kmetij s prirejo mleka. 32. tradicionalni posvet Kmetijske svetovalne službe Slovenije pri Kmetijsko gozdarski zbornici Slovenije, 20.-21. november 2017, Laško, Slovenija: 17 str.; ni v COBISS). 6) Projekt in končni rezultati projekta so bili s strani projektne skupine predstavljeni tudi skupini ključnih kmetijskih svetovalcev na področju FADN (t.i. FADN koordinatorji) in sicer februarja 2018, KGZS (ni v COBISS). Večina izsledkov projekta je objavljena na spletni strani Kmetijskega inštituta Slovenije. lO.Pomen raziskovalnih rezultatov projektne skupine8 10.1. Pomen za razvoj znanosti9 SLO_ Izsledki projekta izkazujejo oziroma omogočajo izrazito povečanje analitične vrednosti podatkovnih zbirk ekonomskih kazalcev v kmetijstvu (SO, FADN, modelne kalkulacije). Razviti mikroekonomski orodji (SEZAM, model KMG) zapolnjujeta vrzeli na področju spremljanja slovenskega kmetijstva na ravni kmetijskih gospodarstev. Orodji sta potencialno uporabni tako za analizo poslovanja konkretnih kot tudi tipičnih kmetijskih gospodarstev, za napovedi (npr. scenarijske), pa tudi za navzkrižno analizo odstopanja modelnih rezultatov v primerjavi s podatki FADN. Ob določeni nadgradnji izkazuje model KMG velik potencial za sistematično in kontinuirano podporo kmetijski politiki na podlagi podatkov (ang. evidence based policy) na različnih ravneh kmetijskega sektorja: na ravni kmetijskih gospodarstev, posameznih kmetijskih panog, kot tudi na sektorski ravni. Predlagane rešitve ter izvirna kombinacija uporabe podatkov iz evidenc MKGP, individualnih podatkov FADN in modelnih kalkulacij v okviru razvitih modelnih orodij projektni skupini omogočajo tudi objavo v širokem spektru znanstvenega in strokovnega tiska. ANG_ The project results indicate and facilitate the significant improvement of the analytical value of economic indicators for Slovenia agriculture (SO, FADN, model calculations). Developed microeconomic tools (SEZAM, model KMG) fill in the gaps in the field of the monitoring of Slovenian agriculture at the level of agricultural holdings. Both modeling tools are potentially useful for the economic efficiency assessment of concrete and typical agricultural holdings, for forecasts, as well as for the cross comparison of model results with FADN data. With a certain upgrade, the farm-level model KMG has a great potential for systematic and continuous support to evidence-based agricultural policy at different levels of the agricultural sector: at the level of agricultural holdings, individual agricultural sectors, as well as at sectoral level. The proposed solutions and original combination of data from the administrative sources, individual FADN data and model calculations within the developed modeling tools enable a wide range of scientific and expert publications. 10.2. Pomen za razvoj Slovenije10 SLO Pomemben prispevek rezultatov projekta za razvoj Slovenije je inventarizacija in širitev, tj. praktična opredelitev ključnih mikroekonomskih podatkovnih podlag za celovito spremljanje ekonomske učinkovitosti slovenskega kmetijstva in učinkovito strateško načrtovanje na različnih ravneh, tako na ravni individualnih kmetijskih gospodarstev kot tudi na ravni države. Inventarizacija in širitev mikroekonomskih podatkovnih podlag lahko prispevata k celovitejšemu in bolj poglobljenemu vpogledu v strukturo, delovanje in ozka grla v ekonomski uspešnosti slovenskega kmetijstva na različnih ravneh. Nadalje, omogoča tudi celovitejše in učinkovitejše strokovno delo (prenovljeni pristop kmetijskega svetovanja), pa tudi administrativno delo v kmetijstvu. Pričakovana izboljšana kakovost informacij na srednji in dolgi rok (predvsem podatkov FADN) bo povečala njihovo uporabnost in stroškovno učinkovitost sistema za ključne uporabnike; tako za državne institucije, kmetijske svetovalce, raziskovalce, kot tudi za posamezna kmetijska gospodarstva, ki bodo lahko te informacije (pogosteje) uporabljala, npr. za analizo svojega ekonomskega položaja in možnih rešitev, tudi v okviru modelnih orodij, razvitih v projektu. Pozitivne posredne gospodarske učinke lahko pričakujemo tudi od širše praktične rabe obeh modelnih orodij, razvitih v okviru projekta. Obe orodji namreč omogočata (razmeroma) hitre ocene ekonomskega stanja, primerjalno analizo ter iskanje strateških rešitev za izboljšanje upravljanja in poslovanja na kmetijskem gospodarstvu. Posredno lahko torej njuna širša uporaba (predvsem modela SEZAM) prispeva k večji produktivnosti slovenskega kmetijstva, prav tako pa lahko prispeva k učinkovitejšemu kmetijskemu svetovanju. Pozitivne posredne gospodarske učinke lahko pričakujemo tudi od praktične implementacije pristopa k kontinuiranemu izračunavanju SO ter širše rabe modela KMG za potrebe kmetijske politike, predvsem v smislu lažjega in učinkovitejšega odločanja na podlagi podatkov. Menimo torej, da imajo rezultati in izsledki projekta tudi širšo družbeno relevanco, predvsem z vidika učinkovitejšega delovanja državnih organov na področju kmetijstva. ANG An important contribution of the project results is inventorying and expanding, i.e. practical definition of key microeconomic databases needed for comprehensive monitoring of the economic efficiency of Slovenian agriculture and strategic planning at different levels. Inventorying and expansion of microeconomic databases for Slovenian agriculture can facilitate deeper and more comprehensive insights into the structure, functioning and bottlenecks in the economic performance of Slovenian agriculture at various levels. It can also contribute to a more comprehensive and efficient expert work (updated approach of agricultural counseling), as well as the administrative work in the field of agriculture. The expected improved data quality in the medium and long term (in particular of FADN data) will strengthen their usability and cost-effectiveness of the system for the key users; i.e. state institutions, agricultural advisers, researchers, as well as for the individual agricultural holdings that will be able to use this information (more often) for example to analyze their economic situation and decisions, also by using the modeling tools developed in the project. Positive indirect economic effects can also be expected from a wider practical use of both modeling tools developed within the project. Both tools allow (relatively) quick estimates of the economic situation, benchmarking, and finding strategic solutions for improving the farm management. Their wider use (especially of the SEZAM model) could indirectly contribute to improved productivity of the Slovenian agriculture, as well as to more efficient agricultural advisory service. Positive indirect economic effects can also be expected from the continuous implementation of the SO calculation approach (developed within the project) and from the wider use of the farm-level model KMG to support the agricultural policy by facilitating the more efficient evidence-based decision-making. Therefore, in our opinion the project results and findings have broader relevance for the society, especially in terms of more efficient public authorities in the field of agriculture. ll.Vpetost raziskovalnih rezultatov projektne skupine 11.1. Vpetost raziskave v domače okolje Kje obstaja verjetnost, da bodo vaša znanstvena spoznanja deležna zaznavnega odziva? 1 v domačih znanstvenih krogih 2 pri domačih uporabnikih Kdo (poleg sofinancerjev) že izraža interes po vaših spoznanjih oziroma rezultatih?11 Prihaja do prvih pobud za skupno sodelovanje v domačih raziskovalnih in evropskih projektih, npr. za oblikovanje operativnih skupin EIP (Evropsko partnerstvo za inovacije) v okviru PRP ukrepa Sodelovanje. Za projektne izsledke se zanimajo tudi strokovnjaki s področja kmetijstva in ekonomike, npr. kmetijski svetovalci, raziskovalci, visokošolski pedagoški delavci ter zaposleni na drugih državnih institucijah (npr. SURS, druga ministrstva). 11.2. Vpetost raziskave v tuje okolje Kje obstaja verjetnost, da bodo vaša znanstvena spoznanja deležna zaznavnega odziva? 1 v mednarodnih znanstvenih krogih 2 pri mednarodnih uporabnikih Navedite število in obliko formalnega raziskovalnega sodelovanja s tujini raziskovalnimi inštitucijami:12 i ' Kateri so rezultati tovrstnega sodelovanja:1^ i ' 12.Označite, katerega od navedenih ciljev ste si zastavili pri projektu, katere konkretne rezultate ste dosegli in v kakšni meri so doseženi rezultati uporabljeni Cilj F.01 Pridobitev novih praktičnih znanj, informacij in veščin Zastavljen cilj dada ne ne Rezultat Dosežen T Uporaba rezultatov V celoti F.02 Pridobitev novih znanstvenih spoznanj Zastavljen cilj DA DA NENE Rezultat Dosežen Uporaba rezultatov V celoti T F.03 Večja usposobljenost raziskovalno-razvojnega osebja Zastavljen cilj dada ne ne Rezultat Dosežen Uporaba rezultatov V celoti T F.04 Dvig tehnološke ravni Zastavljen cilj dada ne ne Rezultat Ж Uporaba rezultatov F.05 Sposobnost za začetek novega tehnološkega razvoja Zastavljen cilj DA DA NENE Rezultat T I Uporaba rezultatov T 1 F.06 Razvoj novega izdelka Zastavljen cilj DA DA NENE Rezultat Dosežen T 1 Uporaba rezultatov V celoti T I F.07 Izboljšanje obstoječega izdelka Zastavljen cilj dada ne ne Rezultat Dosežen T 1 Uporaba rezultatov V celoti T 1 F.08 Razvoj in izdelava prototipa Zastavljen cilj dada ne ne Rezultat Dosežen T I Uporaba rezultatov Uporabljen bo v naslednjih 3 letih T 1 F.09 Razvoj novega tehnološkega procesa oz. tehnologije Zastavljen cilj DA DA NENE Rezultat T I Uporaba rezultatov T 1 F. 10 Izboljšanje obstoječega tehnološkega procesa oz. tehnologije Zastavljen cilj DA DA NENE Rezultat T 1 Uporaba rezultatov T I F.11 Razvoj nove storitve Zastavljen cilj dada ne ne Rezultat Dosežen T 1 Uporaba rezultatov Delno T 1 F.12 Izboljšanje obstoječe storitve Zastavljen cilj dada ne ne Rezultat Dosežen T I Uporaba rezultatov V celoti T 1 F. 13 Razvoj novih proizvodnih metod in instrumentov oz. proizvodnih procesov Zastavljen cilj DA DA NENE Rezultat T I Uporaba rezultatov T 1 F. 14 Izboljšanje obstoječih proizvodnih metod in instrumentov oz. proizvodnih procesov Zastavljen cilj dada nene Rezultat T 1 Uporaba rezultatov T I F. 15 Razvoj novega informacijskega sistema/podatkovnih baz Zastavljen cilj dada ne ne Rezultat Dosežen T 1 Uporaba rezultatov Delno T 1 F. 16 Izboljšanje obstoječega informacijskega sistema/podatkovnih baz Zastavljen cilj dada ne ne Rezultat Dosežen T I Uporaba rezultatov V celoti T 1 F. 17 Prenos obstoječih tehnologij, znanj, metod in postopkov v prakso Zastavljen cilj DA DA NENE Rezultat Dosežen T I Uporaba rezultatov V celoti T 1 F.18 Posredovanje novih znanj neposrednim uporabnikom (seminarji, forumi, konference) Zastavljen cilj DA DA nene Rezultat Dosežen T I Uporaba rezultatov V celoti T 1 F.19 Znanje, ki vodi k ustanovitvi novega podjetja ("spin off") Zastavljen cilj DA DA nene Rezultat T 1 Uporaba rezultatov T I F.20 Ustanovitev novega podjetja ("spin off") Zastavljen cilj dada ne ne Rezultat T 1 Uporaba rezultatov T 1 F.21 Razvoj novih zdravstvenih/diagnostičnih metod/postopkov Zastavljen cilj dada ne ne Rezultat T I Uporaba rezultatov T 1 F.22 Izboljšanje obstoječih zdravstvenih/diagnostičnih metod/postopkov Zastavljen cilj DA DA NENE Rezultat T I Uporaba rezultatov T 1 F.23 Razvoj novih sistemskih, normativnih, programskih in metodoloških rešitev Zastavljen cilj DA DA NENE Rezultat 1 Dosežen ¥ II Uporaba rezultatov V celoti T I F.24 Izboljšanje obstoječih sistemskih, normativnih, programskih in metodoloških rešitev Zastavljen cilj dada nene Rezultat Dosežen T I Uporaba rezultatov V celoti T 1 F.25 Razvoj novih organizacijskih in upravljavskih rešitev Zastavljen cilj DA DA NENE Rezultat T I Uporaba rezultatov T 1 F.26 Izboljšanje obstoječih organizacijskih in upravljavskih rešitev Zastavljen cilj DA DA NENE Rezultat Dosežen bo v naslednjih 3 letih T 1 Uporaba rezultatov Uporabljen bo v naslednjih 3 letih T I F.27 Prispevek k ohranjanju/varovanje naravne in kulturne dediščine Zastavljen cilj dada ne ne Rezultat T 1 Uporaba rezultatov T 1 F.28 Priprava/organizacija razstave Zastavljen cilj dada ne ne Rezultat T I Uporaba rezultatov T 1 F.29 Prispevek k razvoju nacionalne kulturne identitete Zastavljen cilj DA DA NENE Rezultat T I Uporaba rezultatov T 1 F.30 Strokovna ocena stanja Zastavljen cilj DA DA NENE Rezultat Dosežen T 1 Uporaba rezultatov V celoti T I F.31 Razvoj standardov Zastavljen cilj dada ne ne Rezultat T 1 Uporaba rezultatov T 1 F.32 Mednarodni patent Zastavljen cilj dada ne ne Rezultat T I Uporaba rezultatov T II F.33 Patent v Sloveniji Zastavljen cilj dada ne ne Rezultat T 1 Uporaba rezultatov T 1 F.34 Svetovalna dejavnost Zastavljen cilj dada ne ne Rezultat Dosežen T I Uporaba rezultatov V celoti T 1 F.35 Drugo Zastavljen cilj DA DA NENE Rezultat T I Uporaba rezultatov T 1 Komentar Projekt je bil od vsega začetka zelo uporabnostno naravnan. Ključni rezultati projekta prispevajo po eni strani k dvigu analitične vrednosti posameznih podatkovnih baz (SO, MK, FADN), na novo razviti sta bili dve novi modelni orodji ter pristop neposrednega svetovanja kmetijskim gospodarstvom, nadgrajene in posodobljene so bile modelne kalkulacije (modelno orodje in podatkovna zbirka), kakovost podatkov FADN pa je bila preverjena najceloviteje doslej ter navzkrižno preverjena z drugimi podatkovnimi zbirkami. Za vse obstoječe podatkovne zbirke so bila podana priporočila oziroma pripravljene/uporabljene rešitve za izboljšanje njihove kakovosti in uporabnosti. Spodaj navajamo dosežene cilje po posameznih rezultatih projekta: - Izračun SO (prvi delovni sveženj): F.06, F.07, F.11, F.15, F.16 - Priporočila za izboljšanje kakovosti podatkov FADN za Slovenijo (drugi delovni sveženj): F.12, F.26 - Predlog povratnih informacij za kmetijska gospodarstva na podlagi standardnih rezultatov FADN (drugi delovni sveženj): F.06, F.07, F.12 - Pristop k organizaciji dela analitičnih panožnih krožkov - posodobljen pristop svetovanja kmetijskim gospodarstvom (tretji delovni sveženj): F.06, F.11, F.12 - Model SEZAM (tretji delovni sveženj): F.06, F.08, F.15, F.23 - Posodobljene in razširjene modelne kalkulacije (četrti delovni sveženj): F.07, F.12, F.16, F.23, F.24 - Model kmetijskega gospodarstva (peti delovni sveženj): F.06, F.08, F.15, F.23, F.24 - Vsi rezultati: F.01, F.02, F.03, F.17, F.18, F.30, F.34 13.Označite potencialne vplive oziroma učinke vaših rezultatov na navedena področja Vpliv Ni vpliva Majhen vpliv Srednji vpliv Velik vpliv G.01 Razvoj visokošolskega izobraževanja G.01.01. Razvoj dodiplomskega izobraževanja 1 2 3 4 G.01.02. Razvoj podiplomskega izobraževanja 1 2 3 4 G.01.03. Drugo: 1 2 3 4 G.02 Gospodarski razvoj G.02.01 Razširitev ponudbe novih izdelkov/storitev na trgu 1 2 3 4 G.02.02. Širitev obstoječih trgov 1 2 3 4 G.02.03. Znižanje stroškov proizvodnje 1 2 3 4 G.02.04. Zmanjšanje porabe materialov in energije 1 2 3 4 G.02.05. Razširitev področja dejavnosti 1 2 3 4 G.02.06. Večja konkurenčna sposobnost 1 2 3 4 G.02.07. Večji delež izvoza 1 2 3 4 G.02.08. Povečanje dobička 1 2 3 4 G.02.09. Nova delovna mesta 1 2 3 4 G.02.10. Dvig izobrazbene strukture zaposlenih 1 2 3 4 G.02.11. Nov investicijski zagon 1 2 3 4 G.02.12. Drugo: 1 2 3 4 G.03 Tehnološki razvoj G.03.01. Tehnološka razširitev/posodobitev dejavnosti 1 2 3 4 G.03.02. Tehnološko prestrukturiranje dejavnosti 1 2 3 4 G.03.03. Uvajanje novih tehnologij 1 2 3 4 G.03.04. Drugo: 1 2 3 4 G.04 Družbeni razvoj G.04.01 Dvig kvalitete življenja 1 2 3 4 G.04.02. Izboljšanje vodenja in upravljanja 1 2 3 4 G.04.03. Izboljšanje delovanja administracije in javne uprave 1 2 3 4 G.04.04. Razvoj socialnih dejavnosti 1 2 3 4 G.04.05. Razvoj civilne družbe 1 2 3 4 G.04.06. Drugo: 1 2 3 4 G.05. Ohranjanje in razvoj nacionalne naravne in kulturne dediščine in identitete 1 2 3 4 G.06. Varovanje okolja in trajnostni razvoj 1 2 3 4 G.07 Razvoj družbene infrastrukture G.07.01. Informacijsko-komunikacijska infrastruktura 1 2 3 4 G.07.02. Prometna infrastruktura 1 2 3 4 G.07.03. Energetska infrastruktura 1 2 3 4 G.07.04. Drugo: 1 2 3 4 G.08. Varovanje zdravja in razvoj zdravstvenega varstva 1 2 3 4 G.09. Drugo: 1 2 3 4 Komentar i -1 14.Naslov spletne strani za projekte, odobrene na podlagi javnih razpisov za sofinanciranje raziskovalnih projektov za leti 2015 in 201614 i -1 C. IZJAVE Podpisani izjavljam/o, da: • so vsi podatki, ki jih navajamo v poročilu, resnični in točni; • se strinjamo z obdelavo podatkov v skladu z zakonodajo o varstvu osebnih podatkov za potrebe ocenjevanja in obdelavo teh podatkov za evidence ARRS; • so vsi podatki v obrazcu v elektronski obliki identični podatkom v obrazcu v pisni obliki (v primeru, da poročilo ne bo oddano z digitalnima podpisoma); • so z vsebino zaključnega poročila seznanjeni in se strinjajo vsi soizvajalci projekta; • bomo sofinancerjem istočasno z zaključnim poročilom predložili tudi elaborat na zgoščenki (CD), ki ga bomo posredovali po pošti, skladno z zahtevami sofinancerjev. Podpisi: zastopnik oz. pooblaščena oseba . vodja raziskovalnega projekta: raziskovalne organizacije: i Kmetijski inštitut Slovenije Tinca Volk ZIG Datum: 15.3.2018 Oznaka poročila: ARRS-CRP-ZP-2018/41 1 Napišite povzetek raziskovalnega projekta (največ 3.000 znakov v slovenskem in angleškem jeziku). Nazaj 2 v v Navedite cilje iz prijave projekta in napišite, ali so bili cilji projekta doseženi. Navedite ključne ugotovitve, znanstvena spoznanja, rezultate in učinke raziskovalnega projekta in njihovo uporabo ter sodelovanje s tujimi partnerji. Največ 12.000 znakov vključno s presledki (približno dve strani, velikost pisave 11). Nazaj 3 Realizacija raziskovalne hipoteze. Največ 3.000 znakov vključno s presledki (približno pol strani, velikost pisave 11). Nazaj 4 Navedite morebitna bistvena odstopanja in spremembe od predvidenega programa dela raziskovalnega projekta, zapisanega v prijavi raziskovalnega projekta. Navedite in utemeljite tudi spremembe sestave projektne skupine v zadnjem letu izvajanja projekta (t. j. v letu 2016). . Če sprememb ni bilo, navedite »Ni bilo spremeb«. Največ 6.000 znakov vključno s presledki (približno ena stran, velikosti pisave 11). Nazaj 5 Navedite dosežke na raziskovalnem področju (največ deset), ki so nastali v okviru tega projekta. Raziskovalni dosežek iz obdobja izvajanja projekta (do oddaje zaključnega poročila) vpišete tako, da izpolnite COBISS kodo dosežka - sistem nato sam izpolni naslov objave, naziv, IF in srednjo vrednost revije, naziv FOS področja ter podatek, ali je dosežek uvrščen v A'' ali A'. Nazaj 6 Navedite dosežke na področju gospodarstva, družbenih in kulturnih dejavnosti (največ pet), ki so nastali v okviru tega projekta. Dosežek iz obdobja izvajanja projekta (do oddaje zaključnega poročila) vpišete tako, da izpolnite COBISS kodo dosežka, sistem nato sam izpolni podatke, manjkajoče rubrike o dosežku pa izpolnite. Dosežek na področju gospodarstva, družbenih in kulturnih dejavnosti je po svoji strukturi drugačen kot znanstveni dosežek. Povzetek znanstvenega dosežka je praviloma povzetek bibliografske enote (članka, knjige), v kateri je dosežek objavljen. Povzetek dosežka na področju gospodarstva, družbenih in kulturnih dejavnosti praviloma ni povzetek bibliografske enote, ki ta dosežek dokumentira, ker je dosežek sklop več rezultatov raziskovanja, ki je lahko dokumentiran v različnih bibliografskih enotah. COBISS ID zato ni enoznačen izjemoma pa ga lahko tudi ni (npr. prehod mlajših sodelavcev v gospodarstvo na pomembnih raziskovalnih nalogah, ali ustanovitev podjetja kot rezultat projekta ... - v obeh primerih ni COBISS ID). Nazaj 7 Navedite rezultate raziskovalnega projekta iz obdobja izvajanja projekta (do oddaje zaključnega poročila) v primeru, da katerega od rezultatov ni mogoče navesti v točkah 7 in 8 (npr. v sistemu COBISS rezultat ni evidentiran). Največ 2.000 znakov, vključno s presledki. Nazaj 8 Pomen raziskovalnih rezultatov za razvoj znanosti in za razvoj Slovenije bo objavljen na spletni strani: http://sicris.izum.si/ za posamezen projekt, ki je predmet poročanja. Nazaj g Največ 4.000 znakov, vključno s presledki. Nazaj 10 Največ 4.000 znakov, vključno s presledki. Nazaj 1 1 Največ 500 znakov, vključno s presledki. Nazaj 12" v Največ 500 znakov, vključno s presledki. Nazaj 13« Največ 1.000 znakov, vključno s presledki. Nazaj 14 Izvajalec mora za projekte, odobrene na podlagi Javnega razpisa za izbiro raziskovalnih projektov Ciljnega raziskovalnega programa »CRP 2016« v letu 2016 in Javnega razpisa za izbiro raziskovalnih projektov Ciljnega raziskovalnega programa »Zagotovimo.si hrano za jutri« v letu 2016, na spletnem mestu svoje RO odpreti posebno spletno stran, ki je namenjena projektu. Obvezne vsebine spletne strani so: vsebinski opis projekta z osnovnimi podatki glede financiranja, sestava projektne skupine s povezavami na SICRIS, faze projekta in njihova realizacija, bibliografske reference, ki izhajajo neposredno iz izvajanja projekta ter logotip ARRS in drugih sofinancerjev. Spletna stran mora ostati aktivna še 5 let po zaključku projekta. Nazaj Obrazec: ARRS-CRP-ZP/2018 v1.00 A1-40-5C-4D-7A-5C-66-7A-54-E8-E7-2B-96-58-ED-FC-7E-CB-B2-E0 Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423) Zaključno poročilo Vodja projekta: dr. Tina Volk Ljubljana, november 2017 Poročilo je pripravil Kmetijski inštitut Slovenije v sodelovanju z Biotehniško fakulteto Univerze v Ljubljani in Kmetijsko gozdarskim zavodom Murska Sobota v okviru CRP z naslovom Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423), ki ga financirata Ministrstvo za kmetijstvo, gozdarstvo in prehrano in Javna agencija za raziskovalno dejavnost. Kmetijski inštitut Slovenije Hacquetova ulica 17 SI-1000 Ljubljana Tel.: 01 280 52 62 Faks: 01 280 52 55 www.kis.si KAZALO VSEBINE 1. UVOD........................................................................................................................5 2. OCENA STANDARDNEGA PRIHODKA KMETIJSKEGA GOSPODARSTVA IN NJEGOVA UPORABA ZA PRESOJO UKREPOV IN UČINKOV KMETIJSKE POLITIKE..................................7 2.1. Uvod..........................................................................................................................................11 2.2. Pregled podatkovnih virov........................................................................................................12 2.3. Metoda izračuna SO..................................................................................................................20 2.4. Rezultati in diskusija..................................................................................................................27 2.5. Ocena možnosti uporabe kazalcev SO iz administrativnih virov za potrebe kmetijske politike..................................................................................................................................33 2.6. Sklepne ugotovitve in priporočila..............................................................................................37 2.7. Literatura in viri.........................................................................................................................39 2.8. Priloge........................................................................................................................................41 3. ANALIZA KAKOVOSTI REZULTATOV FADN ZA SLOVENIJO..........................................53 3.1. Uvod .......................................................................................................................................... 59 3.2. Pregled literature ...................................................................................................................... 62 3.3. Analiza kakovosti podatkov FADN za Slovenijo.........................................................................68 3.4. Sklepne ugotovitve in ključna srednjeročna priporočila.........................................................118 3.5. Viri ........................................................................................................................................... 121 3.6. Priloge ...................................................................................................................................... 126 4. EKONOMSKO SVETOVANJE KMETIJSKIM GOSPODARSTVOM NA PODLAGI EKONOMSKIH KAZALCEV FADN......................................................................................143 4.1. Namen in cilji raziskave...........................................................................................................147 4.2. Izhodišča..................................................................................................................................148 4.3. Programsko orodje za vnos in analizo podatkov ..................................................................... 153 4.4. Organizacija dela analitičnega panožnega krožka...................................................................161 4.5. Sklepne ugotovitve .................................................................................................................. 166 4.6. Priloge ...................................................................................................................................... 169 5. NADGRADNJA IN ŠIRITEV NABORA MODELNIH KALKULACIJ.....................................175 5.1. Uvod........................................................................................................................................179 5.2. Primerjalni pregled in kritična presoja obstoječih modelnih kalkulacij KIS.............................180 5.3. Prilagoditev in dopolnitev modelnih kalkulacij.......................................................................185 5.4. Razširitev nabora modelnih kalkulacij z novimi proizvodi in tehnologijami...........................194 5.5. Tehnična prilagoditev in posodobitev.....................................................................................195 5.6. Sklepne ugotovitve in priporočila............................................................................................196 5.7. Viri ........................................................................................................................................... 198 6. RAZVOJ DINAMIČNEGA ORODJA ZA PRESOJO EKONOMSKE UČINKOVITOSTI GOSPODARJENJA NA RAVNI KMETIJSKIH GOSPODARSTEV.............................................201 6.1. Namen in cilji delovnega svežnja.............................................................................................209 6.2. Modul za analitično spremljanje ekonomske učinkovitosti poslovanja kmetijskega gospodarstva.......................................................................................................................................209 6.3. Optimizacijski modul bilance hranil za pripravo letnih gnojilnih načrtov...............................267 6.4. Modul za sestavo krmnih obrokov..........................................................................................272 6.5. Zaključki...................................................................................................................................283 6.6. Priloge ...................................................................................................................................... 285 7. SKLEPNE PROJEKTNE UGOTOVITVE IN PRIPOROČILA................................................291 7.1. Zastavljeni cilji in njihova uresničitev......................................................................................291 7.2. Skupne ugotovitve in priporočila ............................................................................................ 292 1. UVOD V Sloveniji obstajajo številni viri informacij o gospodarjenju v kmetijstvu, vendar ti iz različnih razlogov ne omogočajo sistematičnega in celovitega spremljanja ključnih ekonomskih kazalcev na mikro ravni. V okviru statističnih raziskovanj strukture kmetijskih gospodarstev (SURS), ki se izvajajo periodično na dve do tri leta, so na voljo podatki o ekonomski velikosti kmetijskih gospodarstev. Ekonomska velikost kmetijskih gospodarstev je od leta 2010 dalje opredeljena na podlagi standardnega prihodka (Standard Output ali SO), ki se izračuna iz povprečne bruto vrednosti kmetijske proizvodnje na enoto v zadnjem petletnem obdobju (ob upoštevanju povprečnih pridelkov in povprečnih cen v Sloveniji) ter proizvodnih kazalcev posameznega kmetijskega gospodarstva v letu izvedbe strukturnega raziskovanja (EUROSTAT, 2012). SO je zaradi pravil zaupnosti podatkov javno dostopen le na ravni različnih agregatov (po velikostnih razredih SO, po tipih kmetovanja), ne pa tudi na ravni posameznega kmetijskega gospodarstva. Uporablja se predvsem za analizo strukturnih sprememb v kmetijstvu z vidika ekonomske velikosti kmetijskih gospodarstev in tipa kmetovanja. Ministrstvo za kmetijstvo, gozdarstvo in prehrano (MKGP) sicer v okviru različnih evidenc (registri, zbirne vloge) razpolaga s številnimi podatki o kmetijskih gospodarstvih in njihovih proizvodnih parametrih, vendar brez vrednostnih kazalcev. Za potrebe načrtovanja, usmerjanja in izvajanja ukrepov kmetijske politike zato ti podatki ne zadoščajo. Bolj podroben vpogled v strukturne in ekonomske značilnosti kmetijstva omogočajo podatki, ki se zbirajo v okviru Mreže za zbiranje računovodskih podatkov o dohodkih in poslovanju kmetijskih gospodarstev po metodologiji FADN (FADN). FADN je sistem poenostavljenega kmetijskega knjigovodstva, ki se izvaja na vzorcu kmetijskih gospodarstev po enotni metodologiji, ki velja v vseh državah članicah Evropske unije (EU). Vzorčni okvir za vodenje FADN knjigovodstva predstavlja razvrstitev kmetijskih gospodarstev po ekonomski velikosti in tipih kmetovanja na podlagi rezultatov strukturnih raziskovanj kmetijstva. Gospodarstva morajo biti izbrana v vzorec na način, ki zagotavlja reprezentativnost tako po kriteriju tipa kmetovanja, kot razreda ekonomske velikosti. FADN metodologija predpisuje izračunavanje več kot 150 standardnih rezultatov. Čeprav obsežna podatkovna zbirka in daljše časovne serije načeloma omogočajo spremljanje dohodkovnega stanja kmetijskih gospodarstev tako za potrebe kmetijske politike in ekonomskih analiz, kot tudi za ekonomsko svetovanje kmetijskim gospodarstvom, so v Sloveniji rezultati FADN še vedno skromno izkoriščeni. Eden ključnih razlogov je vprašljiva kakovost teh rezultatov po nekaterih vsebinskih področjih in komponentah kakovosti (Kožar in sod., 2013; Kožar, 2013a, 2013b). Zaupanje v te podatke je zato še vedno majhno, posledično pa je skromna tudi njihova uporaba. Drugi razlog za slabo izkoriščenost FADN podatkov je odsotnost pravočasne diseminacije obdelanih podatkov FADN kmetijskim gospodarstvom in drugi zainteresirani javnosti v uporabniku prijazni obliki. Podatki FADN kmetijskim gospodarstvom niso predstavljeni na način in v obliki, ki bi bila enostavno uporabna za strateško načrtovanje proizvodnje. Slaba izkoriščenost rezultatov FADN za ekonomske analize in mikroekonomsko svetovanje na ravni kmetijskih gospodarstev ima za posledico tudi nezadostno količino povratnih informacij o kakovosti rezultatov FADN. Med referenčne vire v povezavi z ugotavljanjem uspešnosti gospodarjenja na mikro ravni sodijo tudi modelne kalkulacije, ki jih pripravlja Kmetijski inštitut Slovenije, in kalkulacije pokritja, ki jih pripravlja Kmetijsko gozdarska zbornica Slovenije. Njihova skupna značilnost je, da dajejo informacije o stroških in ekonomskih rezultatih na ravni posameznega kmetijskega proizvoda z uporabo modelnih orodij, razlikujejo pa se po namenu, pristopu ter naboru proizvodov in tehnologij, vključenih v model. Pomanjkljivost obeh vrst obstoječih kalkulacij je predvsem njihova statičnost. V razmerah stalnih in izrazitih sprememb v naravnem in ekonomskem okolju, se v slovenskem kmetijstvu dogajajo občutne spremembe, ki se med drugim kažejo v spremembah proizvodne strukture, tipov kmetovanja, proizvodnih tehnologij in intenzivnosti pridelovanja. Tako se v zadnjem obdobju v proizvodni strukturi pojavljajo kmetijski proizvodi, ki v preteklosti niso imeli večjega tržnega pomena, in tudi proizvodi, ki jih kmetijska gospodarstva pridelujejo predvsem zaradi okoljskih zahtev. Vse to zahteva bolj dinamičen pristop k ugotavljanju uspešnosti poslovanja kmetijskih gospodarstev in razvoj celovitih orodij, ki bodo omogočala enostavno vključevanje novih spremenljivk v modele na ravni posameznih proizvodov kot na ravni kmetijskih gospodarstev. Projekt je bil osredotočen na proučitev, prilagoditev in nadgradnjo obstoječih podatkovnih zbirk ekonomskih kazalcev poslovanja kmetijskih gospodarstev v Sloveniji ter na zasnovo celovitih mikroeko-nomskih orodij, ki bodo omogočala ekonomske analize za potrebe načrtovanja in usmerjanja ukrepov kmetijske politike, kakor tudi za potrebe ekonomskega svetovanja kmetijskim gospodarstvom. Z izvedbo projekta smo želeli doseči naslednje cilje: - na podlagi analize razpoložljivih podatkov prilagoditi metodologijo za izračun standardnega prihodka (SO) in oceniti SO na ravni posameznega kmetijskega gospodarstva ob upoštevanju podatkov o proizvodnih parametrih iz evidenc MKGP ter oceniti možnosti uporabe tega kazalca za potrebe kmetijske politike; - na podlagi sistematične in poglobljene analize podatkov FADN za Slovenijo ugotoviti kakovost standardnih rezultatov FADN in oblikovati priporočila za njeno izboljšanje s ciljem povečati uporabnost in relevantnost teh podatkov z vidika ključnih koristnikov - načrtovalcev politik, analitikov, svetovalcev in kmetijskih gospodarstev; - na podlagi izbora ključnih kazalcev ekonomske učinkovitosti razviti in testirati modelno orodje, ki bo omogočilo uporabo rezultatov FADN za namene neposrednega ekonomskega svetovanja kmetijskim gospodarstvom; - na podlagi nadgradnje in širitve obstoječih modelnih kalkulacij za oceno ekonomskih parametrov na ravni kmetijskih proizvodov zasnovati celovit dinamični model kmetijskih gospodarstev ter preveriti njegovo uporabnost tako za potrebe sprejemanja taktičnih in strateških odločitev na ravni kmetijskih gospodarstev in države, kot tudi za morebitne potrebe dodatnega sistematičnega navzkrižnega preverjanja kakovosti rezultatov FADN. Namen projekta je tako prispevati k povečanju analitične vrednosti obstoječih podatkovnih zbirk in oblikovanju novih kazalcev uspešnosti poslovanja v slovenskem kmetijstvu, ter z razvitimi novimi modelnimi orodji podpreti sistematično odgovarjanje na konkretne izzive pri načrtovanju, vodenju in preverjanju uspešnosti poslovanja tako na ravni posameznih kmetijskih gospodarstev kot tudi za sprejemanje agrarnopolitičnih odločitev na ravni države. Projekt je zaokrožen v pet delovnih svežnjev: - DS1: Ocena standardnega prihodka kmetijskega gospodarstva in njegova uporaba za presojo ukrepov in učinkov kmetijske politike - DS2: Analiza kakovosti rezultatov FADN za Slovenijo - DS3: Ekonomsko svetovanje kmetijskim gospodarstvom na podlagi ekonomskih kazalcev FADN - DS4: Nadgradnja in širitev nabora modelnih kalkulacij in - DS5: Razvoj dinamičnega orodja za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev. Delovni svežnji se med seboj povezujejo in nadgrajujejo, ob tem pa vsak zase predstavlja samostojno zaokroženo celoto. V nadaljevanju zato podajamo poročilo po posameznih delovnih svežnjih, zaključujemo pa ga s skepnimi ugotovitvami in priporočili, ki povezujejo rezultate vseh delovnih svežnjev in s tem tudi rezultate celotnega projekta. 2. OCENA STANDARDNEGA PRIHODKA KMETIJSKEGA GOSPODARSTVA IN NJEGOVA UPORABA ZA PRESOJO UKREPOV IN UČINKOV KMETIJSKE POLITIKE Miroslav Rednak, Tina Volk, Barbara Zagorc, Ben Moljk, Maja Kožar Poročilo o izvedbi nalog prvega delovnega svežnja (DS1) v okviru CRP: Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423) Ljubljana, april 2016 KAZALO VSEBINE 2. OCENA STANDARDNEGA PRIHODKA KMETIJSKEGA GOSPODARSTVA IN NJEGOVA UPORABA ZA PRESOJO UKREPOV IN UČINKOV KMETIJSKE POLITIKE..................................7 2.1. Uvod...............................................................................................................................11 2.2. Pregled podatkovnih virov...............................................................................................12 2.2.1. Standardni prihodek v okviru statističnih raziskovanj strukture kmetijskih gospodarstev....................................................................................................................12 2.2.2. Administrativne zbirke podatkov o proizvodnih parametrih na kmetijskih gospodarstvih...................................................................................................................14 2.2.2.1. Podatki o površini kmetijskih zemljišč...........................................................................15 2.2.2.2. Podatki o številu živali...................................................................................................18 2.3. Metoda izračuna SO........................................................................................................20 2.3.1. Prilagoditev seznama proizvodov in izračun SO koeficientov...........................................20 2.3.2. Izbor podatkov iz administrativnih virov in pripadajočih SO koeficientov........................22 2.3.3. Postopek izračuna SO kmetijskega gospodarstva in izvedenih kazalcev..........................24 2.4. Rezultati in diskusija........................................................................................................27 2.4.1. Zajemljivost.......................................................................................................................27 2.4.2. SO kmetijskih gospodarstev v letih 2012-2014.................................................................30 2.5. Ocena možnosti uporabe kazalcev SO iz administrativnih virov za potrebe kmetijske politike ....................................................................................................................... 33 2.6. Sklepne ugotovitve in priporočila.....................................................................................37 2.7. Literatura in viri...............................................................................................................39 2.8. Priloge............................................................................................................................41 KAZALO PREGLEDNIC Preglednica 1: Razredi kmetijskih gospodarstev po ekonomski velikosti...........................................12 Preglednica 2: Seznam SO koeficientov v okviru strukturnega raziskovanja 2013 (SO 2010)............13 Preglednica 3: Seznam vrst rabe GERK za vpis v Register kmetijskih gospodarstev; 2012-2014........ 16 Preglednica 4: Seznam sadnih vrst za vpis v RKG za GERK z rabo intenzivni sadovnjak; 2012-2014 .. 17 Preglednica 5: Seznam kmetijskih rastlin za GERK z rabo 1100, 1160, 1180 in 1190............................. v okviru zbirnih vlog 2012-2014................................................................................... 18 Preglednica 6: Seznam vrst in kategorij živali v Evidenci rejnih živali; 2012-2014.............................. 19 Preglednica 7: Seznam podrobnejših in dodatno izračunanih SO koeficientov..................................21 Preglednica 8: Pregled izbora kombinacije podatkov iz administrativnih virov za izračun..................... SO rastlinske pridelave na kmetijskem gospodarstvu.................................................23 Preglednica 9: Pregled izbora kombinacije podatkov iz administrativnih virov za izračun..................... SO živinoreje na kmetijskem gospodarstvu.................................................................23 Preglednica 10: Način izračuna izvedenih (količinskih) podatkov.........................................................25 Preglednica 11: Izbrani razredi ekonomske velikosti kmetijskih gospodarstev....................................25 Preglednica 12: Seznam izračunanih tipov kmetovanja........................................................................26 Preglednica 13: Seznam predhodno izračunanih posamičnih SO skupin proizvodov............................... za določitev tipa kmetovanja.......................................................................................26 Preglednica 14: Diagram poteka določitve tipa kmetovanja................................................................27 Preglednica 15: Površina kmetijskih zemljišč, vključena v izračun SO po vrstah rabe in glede................ na način pripisa SO koeficientov (ha); 2012-2014....................................................... 28 Preglednica 16: Skupno število živali po vrstah po administrativnih virih; 2012-2014......................... 29 Preglednica 17: Število rejnih živali, vključenih v izračun SO po kategorijah živali;2012-2014.............30 Preglednica 18: Število gospodarstev (KMG-MID) in skupni SO po razredih ekonomske........................ velikosti; 2012-2014....................................................................................................31 Preglednica 19: Število gospodarstev (KMG-MID) in skupni SO po tipih kmetovanja; 2012-2014.......32 Preglednica 20: Število gospodarstev (KMG-MID) po tipih kmetovanja in razredih................................. ekonomske velikosti; 2014..........................................................................................32 Preglednica 21: Število gospodarstev (KMG-MID) po statističnih regijah in razredih.............................. ekonomske velikosti; 2014..........................................................................................33 Preglednica 22: Spremembe skupnega SO, razreda ekonomske velikosti in............................................ tipa kmetovanja pri posameznih KMG-MID v letih 2012-2014...................................35 Preglednica 23: Spremembe skupnega SO, razreda ekonomske velikosti in tipa..................................... kmetovanja pri posameznih KMG-MID v letih 2012-2014 - variantni izračuni...........35 KAZALO PRILOG Priloga 1: Seznam pridelkov ali skupin pridelkov na ravni šifre SO koeficienta........................................ s pripadajočimi vrednostimi; 2012-2014...............................................................................................41 Priloga 2: Podroben seznam vseh izbranih podatkov iz administrativnih virov z..................................... opredelitvijo pripadajočih šifer SO koeficientov (povezovalni šifrant).................................................44 Priloga 3: Priprava vhodnih podatkov za izračun SO; pregled vsebine izpisnega stavka .......................... (veljavni šifranti za leta 2012 do 2014).................................................................................................50 2.1. UVOD V Sloveniji so podatkovni viri, ki omogočajo vpogled v ekonomski položaj posameznih kmetijskih gospodarstev, zelo omejeni. Praktično edini vir tovrstnih podatkov so rezultati kmetijskega knjigovodstva, ki se na vzorcu kmetijskih gospodarstev zbirajo v okviru mreže računovodskih podatkov s kmetijskih gospodarstev (FADN). Podlago za nabor in vzorčenje FADN predstavlja razporeditev kmetijskih gospodarstev v razrede ekonomske velikosti in tipe kmetovanja. Ekonomska velikost in tip kmetovanja (t.i. tipologija) se v okviru Evropske unije (EU) od leta 2010 dalje določata na podlagi standardnega prihodka (Standard Output ali SO). Standardni prihodek je razmeroma enostaven ekonomski kazalec, ki po definiciji odraža povprečno vrednost proizvodnje, ki jo (v posamezni državi) kmetijsko gospodarstvo ob svoji strukturi proizvodnje lahko pričakuje. Izračuna se iz povprečne bruto vrednosti kmetijske proizvodnje na enoto na ravni države (t.i. SO koeficienti) in proizvodnih kazalcev posameznega kmetijskega gospodarstva (površine, število živali). Način izračuna SO in izvedenih kazalcev (razred ekonomske velikosti, tip kmetovanja) je predpisan z enotno metodologijo na ravni EU (EC, 2009). SO in izvedeni kazalci se računajo in objavljajo le v okviru statističnih raziskovanj strukture kmetijskih gospodarstev, namenjeni pa so predvsem analizi strukturnih in ekonomskih značilnosti kmetijskih gospodarstev na agregatni ravni. Širšo uporabo SO kot ekonomskega kazalca za kmetijska gospodarstva omejuje že način izvedbe strukturnih raziskovanj, ki vključuje vzorčno raziskovanje na dve do tri leta, popoln popis pa le na vsakih 10 let, še bolj pa stroge omejitve pri uporabi individualnih podatkov (varovanje osebnih podatkov). V literaturi je tako zaslediti le malo del, ki SO uporabljajo tudi za druge namene npr. kot kazalec ekonomske rasti (Travnikar in Juvančič, 2015, Broccoli in sod., 2013) ali kot kazalec ekonomske učinkovitosti oz. produktivnosti zemljišč (Wrzaszcz in sod., 2015). Tem omejitvam bi se bilo bilo vsaj deloma mogoče izogniti v primeru, če bi bili SO in izvedeni kazalci izračunani in dostopni izven statističnih raziskovanj. Temu je sledilo tudi Ministrstvo za kmetijstvo, gozdarstvo in prehrano (MKGP), ki je v okviru Ciljnega raziskovalnega programa razpisalo nalogo, ki naj preveri možnost izračuna SO za posamezno kmetijsko gospodarstvo na podlagi administrativnih podatkovnih virov. MKGP namreč razpolaga s številnimi podatki o kmetijskih gospodarstvih in njihovih proizvodnih parametrih, ki so primerljivi s podatki, ki jih sicer zagotavljajo strukturna raziskovanja. Podatkovne zbirke MKGP se trenutno uporabljajo predvsem za potrebe izvajanja ukrepov kmetijske politike in kontrole finančnih podpor, potencialno pa bi jih bilo mogoče uporabiti tudi za izračun SO. Vključitev SO kazalcev v administrativne zbirke podatkov bi močno povečala uporabnost teh zbirk tudi za namen spremljanja stanja kmetijstva in načrtovanje kmetijske politike, kar med nameni uporabe teh zbirk navaja tudi Zakon o kmetijstvu. V okviru omejitev, ki jih določa Zakon o kmetijstvu, bi MKGP za svoje potrebe te podatke lahko uporabljalo tudi na individualni ravni, kar pri statističnih podatkih ni mogoče. Osnovni cilj raziskave je izračunati SO na ravni posameznega kmetijskega gospodarstva na podlagi proizvodnih parametrov iz administrativnih virov oziroma podatkovnih zbirk pri MKGP ter ugotoviti možnost uporabe tega kazalca za potrebe kmetijske politike. Rezultati naloge naj bi omogočali vzpostavitev sistema rednega posodabljanja izračunov SO oziroma pripis tega kazalca obstoječim evidencam pri MKGP in s tem povečanje analitične vrednosti zbirk podatkov o kmetijskih gospodarstvih. Poročilo je zaokroženo v štiri sklope. V prvem sklopu so podrobneje predstavljeni metodologija izračuna SO, ki se v EU uporablja v okviru statističnih raziskovanj strukture kmetijskih gospodarstev in administrativne zbirke z delovnega področja MKGP, ki vsebujejo podatke, zanimive za izračun SO po tej metodologiji. V nadaljevanju je opisan pristop in postopek izračuna SO (algoritem), od izbora podatkov iz administrativnih virov, uskladitve seznama proizvodov in izračuna SO koeficientov, do načina izračuna skupnega SO in izvedenih kazalcev. V tretjem sklopu so nakazane nekatere možnosti uporabe teh kazalcev za različne namene s poudarkom na uporabnosti za potrebe kmetijske politike. Na koncu so podane sklepne ugotovitve in nekatera priporočila za nadaljnje delo. 2.2. PREGLED PODATKOVNIH VIROV 2.2.1. Standardni prihodek v okviru statističnih raziskovanj strukture kmetijskih gospodarstev SO se v okviru strukturnih raziskovanj uporablja kot ekonomski kriterij za enotno razvrstitev kmetijskih gospodarstev po razredih ekonomske velikosti in tipu kmetovanja (t.i. tipologija). Tipologija je določena s predpisi na ravni EU (Uredba EK 1242/2008) in enotno metodologijo, ki velja za vse članice (EC, 2009). Gospodarstva so glede na skupni SO razvrščena v 14 razredov ekonomske velikosti, pri čemer se nekateri razredi lahko združijo (preglednica 1). Preglednica 1: Razredi kmetijskih gospodarstev po ekonomski velikosti Razred Meje v EUR Razred Meje v EUR I manj kot 2.000 EUR VIII od 100.000 do manj kot 250.000 EUR II od 2.000 do manj kot 4.000 EUR IX od 250.000 do manj kot 500.000 EUR III od 4.000 do manj kot 8.000 EUR X od 500.000 do manj kot 750.000 EUR IV od 8.000 do manj kot 15.000 EUR XI od 750.000 do manj kot 1.000.000 EUR V od 15.000 do manj kot 25.000 EUR XII od 1.000.000 do manj kot 1.500.000 EUR VI od 25.000 do manj kot 50.000 EUR XIII od 1.500.000 do manj kot 3.000.000 EUR VII od 50.000 do manj kot 100.000 EUR XIV enako ali več kot 3.000.000 EUR Vir: Uredba EK 1242/2008 Klasifikacija kmetijskih gospodarstev glede na tip kmetovanja je izdelana na treh ravneh (8 splošnih tipov in nerazvrščena gospodarstva, 21 glavnih tipov, 62 posebnih tipov). Na prvi ravni so kmetijska gospodarstva razporejena v 5 specializiranih tipov (poljščine, vrtnine, trajni nasadi, pašna živina, prašičereja in perutninarstvo) in 3 mešane tipe (rastlinska pridelava, živinoreja, rastlinska pridelava in živinoreja). Tip kmetovanja je določen glede na prispevek SO posamezne kmetijske dejavnosti k skupnemu SO gospodarstva (Uredba EK 1242/2008). SO se računa na podlagi standardnega prihodka po proizvodih (t.i. SO koeficienti) in podatkov o površinah in številu živali, zbranih v okviru raziskovanj strukture kmetijskih gospodarstev oziroma v okviru FADN. Vsak hektar in glava živine na gospodarstvu je pomnožena z odgovarjajočim SO koeficientom, seštevek tako izračunanih vrednosti (posamičnih SO) pa daje skupni SO oziroma ekonomsko velikost gospodarstva. Za izračun skupnega SO kmetijskega gospodarstva se v okviru strukturnih raziskovanj SO koeficienti pripišejo hektarom in glavam živine na gospodarstvu po stanju na določen dan v letu, v okviru FADN pa po povprečnem stanju v letu. SO koeficient je definiran kot bruto vrednost proizvodnje posameznega kmetijskega proizvoda skupaj z morebitnimi stranskimi proizvodi, brez subvencij in davka na dodano vrednost. Izračun vrednosti proizvodnje sloni na letnih statističnih podatkih o rastlinski pridelavi (površine in pridelki) in živinoreji (število živali, zakol, prireja mleka, jajc, medu, ...) ter cenah kmetijskih pridelkov pri pridelovalcih v državi. Kjer statističnih podatkov ni, so uporabljeni drugi viri in ekspertne ocene. SO koeficienti so izraženi kot vrednosti na enoto. Za rastlinske pridelke je enota hektar (pri gobah 100 m2), v živinoreji pa glava živali (pri perutnini 100 glav, pri čebelah panj). SO koeficienti se izračunavajo ob vsakem strukturnem raziskovanju za vse vrste rastlinskih pridelkov in živali, ki so vključene v strukturno raziskovanje, razen če posameznega proizvoda v določeni državi ni ali ni dovolj zastopan (EUROSTAT, 2016b). Zaradi velikih nihanj v obsegu proizvodnje in cenah med leti so SO koeficienti izračunani kot povprečje referenčnega obdobja, ki zajema pet zaporednih let. Referenčno obdobje določi Evropska komisija in je enako za vse države članice. Zadnji SO koeficienti so izračunani za obdobje od leta 2008 do 2012 (t.i. SO 2010), uporabljeni pa so bili pri obdelavi podatkov strukturnega raziskovanja 2013. Preglednica 2: Seznam SO koeficientov v okviru strukturnega raziskovanja 2013 (SO 2010) Koda Opis Koda Opis B_ _1_ _1_ 1 Pšenica in pira B_ 4_ _1 Sadovnjaki B_ _1_ 1_ 2 Trda pšenica B_ 4_ 1_ 1 Sadje( brez jagodičja in lupinarjev) B_ _1_ 1_ _3 Rž B_ 4_ 1_ 1_1 Sadje zmernega pasu B_ _1_ 1_ 4 Ječmen B_ 4_ 1_ 1_2 Subtropsko sadje B_ _1_ 1_ 5 Oves B_ 4_ 1_ 2 Nasadi jagodičja B_ 1_ 1_ 6 Koruza za zrnje B_ 4_ 1_ _3 Nasadi lupinastega sadja B_ 1_ 1_ 7 Riž B_ 4_ 2 Citrusi B_ 1_ 1_ 99 Drugo žito B_ 4_ _3 Nasadi oljk B_ 1_ 2 Suhe stročnice B_ 4_ _3_ 1 Oljčniki za proizvodnjo namiznih oljk B_ 1_ 2_ 1 Grah, fižol in volčji bob B_ 4_ _3_ 2 Oljčniki za proizvodnjo oljčnega olja B_ 1_ 2_ 2 Druge suhe stročnice B_ 4_ 4 Vinogradi B_ 1_ _3 Krompir B_ 4_ 4_ 1 Vinogradi za proizvodnjo kakovostnega vina B_ 1_ 4 Sladkorna pesa B_ 4_ 4_ 2 Vinogradi za proizvodnjo namiznega vina B_ 1_ 5 Krmne korenovke in kapusnice B_ 4_ 4_ _3 Vinogradi za proizvodnjo namiznega grozdja B_ 1_ _6_ 1 Tobak B_ 4_ 4_ 4 Vinogradi za proizvodnjo rozin B_ 1_ _6_ 2 Hmelj B_ 4_ 5 Drevesnice in trsnice B_ 1_ _6_ _3 Bombaž B_ 4_ 6 Drugi trajni nasadi B_ 1_ _6_ 4 Oljna ogrščica B_ 4_ 7 Trajni nasadi v zaščitenem prostoru B_ 1_ _6_ 5 Sončnice B_ 6_ 1 Gojene gobe B_ 1_ 6_ 6 Soja C_ 1 Kopitarji B_ 1_ 6_ 7 Laneno seme C_ 2_ 1 Govedo, staro manj kot 1 leto B_ 1_ 6_ 8 Druge oljnice C_ 2_ 2 Moško govedo, staro manj kot 2 leti B_ 1_ 6_ 9 Lan C_ 2_ _3 Žensko govedo, staro manj kot 2 leti B_ 1_ 6_ _10 Konoplja C_ 2_ 4 Moško govedo, staro 2 leti ali več B_ 1_ 6_ 11 Druge rastline za vlakna C_ 2_ 5 Telice, stare 2 leti ali več B_ 1_ 6_ 12 Zelišča, dišavnice in zdravilne rastline C_ 2_ 6 Mlečne krave B_ 1_ 6_ 99 Druge industrijske rastline C_ 2_ 99 Druge krave B_ 1_ 7 Zelenjadnice, melone in jagode C_ _3_ 1 Ovce skupaj B_ 1_ 7_ 1 Zelenjadnice, melone in jagode na prostem C_ _3_ 1_ 1 Plemenske ovce B_ 1_ 7_ _1_1 Zelenjadnice, melone in jagode na prostem - njivski kolobar C_ _3_ 1_ 99 Druge ovce B_ 1_ 7_ 1_2 Zelenjadnice, melone in jagode na prostem - tržno vrtnarstvo C_ _3_ 2 Koze skupaj B_ 1_ 7_ 2 Zelenjadnice, melone in jagode v zaščitenem prostoru C_ _3_ 2_ 1 Plemenske koze B_ 1_ 8_ 1 Cvetje in okrasne rastline na prostem C_ _3_ 2_ 99 Druge koze B_ 1_ 8_ 2 Cvetje in okrasne rastline v zaščitenem prostoru C_ 4_ 1 Pujski do 20 kg B_ 1_ 9 Zelena krma z njiv C_ 4_ 2 Plemenske svinje nad 50 kg B_ 1_ 9_ 1 Travinje za določen čas C_ 4_ 99 Drugi prašiči B_ 1_ 9_ 2 Druga zelena krma z njiv C_ 5_ 1 Pitovni piščanci B_ 1_ 9_ 2_1 Silažna koruza C_ 5_ 2 Kokoši nesnice B_ 1_ 9_ 2_2 Metuljnice C_ 5_ _3 Druga perutnina B_ 1_ 9_ 2_99 Druga zelene krma, drugo C_ 5_ _3_ 1 Purani B_ 1_ _10 Seme in sadike C_ 5_ _3_ 2 Race B_ 1_ 11 Drugo na njivah C_ 5_ _3_ _3 Gosi B_ 1_ 12_1 Praha brez subvencij C_ 5_ _3_ 4 Noji B_ 1_ 12_2 Praha s subvencijami brez ekonomske rabe C_ 5_ _3_ 99 Druga perutnina, drugo B_ 2 Hišni vrtovi C_ 6 Plemenski kunci (ženske živali) B_ _3 Trajno travinje C_ 7 Čebelje družine B_ _3_ 1 Trajno travinje - intenzivnejša raba B_ _3_ 2 Trajno travinje - ekstenzivna raba B_ _3_ _3 Travinje brez s subvencij brez ekonomske rabe Vir: EUROSTAT, 2016a SO koeficienti se računajo za osnovne proizvode v nepredelanem stanju, z izjemo vina in oljčnega olja, pridelanega na gospodarstvu iz lastne surovine. V primeru skupin, ki združujejo več pridelkov (npr. sadovnjaki), je SO koeficient izračunan kot tehtano povprečje koeficientov posamičnih proizvodov (npr. jabolka, hruške). Pri nekaterih skupinah, ki vsebujejo tudi podskupine (suhe stročnice; zelenjadnice, melone in jagode na prostem; cvetje in okrasne rastline; zelena krma z njiv; sadovnjaki; oljčni nasadi; vinogradi; druga perutnina), je dovoljeno SO koeficiente izračunati samo na ravni skupine. V tem primeru se SO koeficient skupine pripiše tudi vsem podskupinam. Nekaterih SO koeficientov ni potrebno računati, ker imajo po definiciji vrednost nič (praha, hišni vrtovi, travinje brez ekonomske rabe). Pri rastlinskih pridelkih SO koeficient praviloma vključuje samo glavne posevke (brez naknadnih). Stranski pridelki (npr. slama), se v izračunu upoštevajo samo, če imajo ekonomski namen (prodaja ali poraba na gospodarstvu). Skupni pridelek se nanaša na obdobje enega leta. V primeru več spravil (npr. zelenjadnice) se upošteva pridelek vseh spravil v letu. Ovrednotijo se vsi rastlinski pridelki, vključno s krmnimi rastlinami. V živinoreji SO koeficienti zajemajo vrednost osnovnega in stranskih proizvodov, brez živinskega gnoja. Pri živalih, pri katerih proizvodni ciklus traja manj kot eno leto (npr. prašiči, piščanci) ali več kot eno leto (npr. krave, kokoši nesnice), se proizvodnja preračuna na obdobje dvanajstih mesecev z ustreznim koeficientom. Pri večini živalskih vrst so SO koeficienti izračunani po kategorijah ali starostnih skupinah živali. V izračunu vrednosti proizvodnje se upošteva prirast živali, dosežen v posamezni kategoriji oziroma razlika med vrednostjo živali ob izstopu iz kategorije in vrednostjo živali ob vstopu v to kategorijo (t.i. nadomestna vrednost). V posamezni starostni skupini so SO koeficienti izračunani kot tehtano povprečje vrednosti živali glede na namen reje (zakol, nadaljnje pitanje, zreja plemenskih živali). SO koeficient za »mlečne krave« poleg mleka in ustreznega deleža nadomestne vrednosti krav vključuje tudi vrednost telet do enega leta. Vrednost telet do enega leta je vključena v izračun SO koeficienta tudi pri »drugih kravah«. Pri izračunu skupnega SO se zato SO koeficient za kategorijo »govedo, mlajše od enega leta« upošteva le, če na gospodarstvu ni krav, ali pa je skupno število telet večje od števila krav, pri čemer se v izračunu upošteva samo število telet, ki presega število krav. Podobno kot pri kravah, SO koeficienti pri plemenskih svinjah, plemenskih ovcah in plemenskih kozah vključujejo tudi vrednost sesnih pujskov, jagnjet oziroma kozličkov. SO koeficienti za kategorije »pujski do 20 kg«, »druge ovce« in »druge koze« se pri izračunu SO gospodarstva upoštevajo samo v primeru, da na gospodarstvu ni plemenskih živali.1 Za Slovenijo so bili v okviru strukturnega raziskovanja 2013 SO koeficienti (SO 2010) izračunani za 38 rastlinskih proizvodov oziroma njihovih skupin in 22 kategorij živali (EUROSTAT, 2016a). SO koeficienti niso bili izračunani za pridelke ali skupine, ki jih pri nas ne pridelujemo ali jih pridelujemo v tako omejenem obsegu, da jih statistika ne beleži posebej (trda pšenica, riž, sladkorna pesa, tobak, bombaž, laneno seme, lan, konoplja, druge rastline za vlakna, druge industrijske rastline, citrusi, drugi trajni nasadi, trajni nasadi v zaščitenem prostoru). Za nekatere pridelke so bili SO koeficienti izračunani samo na ravni skupin (suhe stročnice, druga zelena krma z njiv, nasadi oljk, vinogradi, druga perutnina). Pri nasadih oljk je SO koeficient izračunan samo za oljčno olje, pri vinogradih pa samo za grozdje. V splošnem je število posamičnih SO koeficientov, ki so uporabljeni za izračun povprečnega koeficienta skupine, omejeno z razpoložljivostjo statističnih podatkov. 2.2.2. Administrativne zbirke podatkov o proizvodnih parametrih na kmetijskih gospodarstvih Med administrativnimi zbirkami, ki vsebujejo individualne podatke o kmetijskih gospodarstvih, so za potrebe izračuna SO zanimive predvsem naslednje podatkovne zbirke: - Register kmetijskih gospodarstev (RKG), v okviru katerega se vodijo podatki o kmetijskih zemljiščih po vrstah rabe, podatki o površini hmelja in podatki o površini intenzivnih sadovnjakov po sadnih vrstah; - Evidenca rejnih živali (ERŽ), v okviru katere se vodijo podatki o številu živali po vrstah in kategorijah; 1 Podobno velja tudi za »plemenske kunce« in druge plemenske živali, pri čemer se druge kategorije (živali v pitanju) pri izračunu SO kmetijskega gospodarstva praviloma ne upoštevajo. - Register proizvajalcev grozdja in vina (RPGV), v okviru katerega se vodijo podatki o pridelku vinogradov ločeno za grozdje in vino; - Evidenca Agencije RS za kmetijske trge in razvoj podeželja (ARSKTRP) iz obrazca D zbirnih vlog, ki vsebuje podrobne podatke o površini posameznih posevkov na njivah in vrtovih; - Centralna podatkovna zbirka govedo (CPZ Govedo), ki vsebuje podatke o številu krav po proizvodni usmeritvi (mleko, meso). Vse te zbirke se vodijo v elektronski obliki na način, ki omogoča njihovo medsebojno povezovanje. Osnova za povezovanje je številka KMG-MID, ki jo določi ministrstvo ob vpisu kmetijskega gospodarstva v RKG (Zakon o kmetijstvu). Navedene zbirke se po zajemljivost podatkov nekoliko razlikujejo. Najbolj popoln je zajem podatkov v okviru Registra kmetijskih gospodarstev in Evidence rejnih živali. Po predpisih, ki urejajo vodenje teh dveh zbirk (Zakon o kmetijstvu, Zakon o vinu, Pravilnik o evidenci imetnikov rejnih živali in evidenci rejnih živali), je vpis obvezen za vsa kmetijska gospodarstva, ki izpolnjujejo vsaj enega izmed naslednjih pogojev: imajo v uporabi: (i) najmanj 1 ha zemljišč, ki po evidenci dejanske rabe kmetijskih in gozdnih zemljišč sodijo med kmetijska zemljišča, ali (ii) najmanj 0,1 ha oljčnikov, ali (iii) najmanj 0,2 ha intenzivnega sadovnjaka ali 0,1 ha jagodičja ali 0,1 ha lupinarjev, ali (iv) hmeljišče, ali (v) najmanj 0,05 ha vinogradov; so imetniki živali in redijo govedo, kopitarje, drobnico, več kot enega prašiča, čebele, divjad v obori, alpake, lame, polže, vodne živali, perutnino ali kunce, z izjemo imetnikov živali, ki redijo samo perutnino ali kunce in njihovo število ne presega 50 kljunov, 5 nojev oziroma 50 kuncev; tržijo pridelke, ki jih pridelujejo; uveljavljajo kakršne koli ukrepe kmetijske politike.2 V okviru Registra pridelovalcev grozdja in vina se podatki o pridelku grozdja in vina ne vodijo za vsa gospodarstva, vpisana v ta register, temveč le za kmetijska gospodarstva, ki obdelujejo najmanj 0,1 ha vinogradov ali del ali celoten pridelek tržijo. Evidenca zbirnih vlog na ARSKTRP zajema samo kmetijska gospodarstva, ki uveljavljajo ukrepe kmetijske politike, za katere je ta vloga obvezna. CPZ govedo, ki jo vodi Kmetijski inštitut Slovenije za potrebe izvajanja strokovnih nalog in rejskih programov, vključuje kmetijska gospodarstva, ki redijo govedo. 2.2.2.1. Podatki o površini kmetijskih zemljišč Podatki o kmetijskih zemljiščih v uporabi se v Registru kmetijskih gospodarstev vodijo v obliki t.i. grafičnih enot rabe kmetijskih gospodarstev (GERK). GERK je definiran kot strnjena površina kmetijskega zemljišča z enako vrsto dejanske rabe. Vsak GERK ima svojo identifikacijsko oznako (GERK-PID). GERK se lahko vriše na kmetijska zemljišča, ki so po evidenci dejanske rabe (Pravilnik o evidenci dejanske rabe kmetijskih in gozdnih zemljišč) opredeljena kot njive in vrtovi, trajni nasadi in travniške površine, poleg tega pa tudi na nekatere druge kmetijske površine. V samostojen GERK se ločijo površine z enako vrsto dejanske rabe, ki so večje ali enake 100 m2. Najmanjša površina GERK je 25 m2. Evidenca GERK se vzpostavi ob vpisu kmetijskega gospodarstva v RKG in se vodi ažurno. Spremembe so dolžni sporočati nosilci kmetijskih gospodarstev (v roku 30 dni), nekatere pa vnaša upravljavec 2 Vpis v RKG je obvezen tudi za kmetijska gospodarstva, ki so zavezanci za vpis v druge zbirke podatkov z delovnega področja ministrstva ali so za opravljanje kmetijske dejavnosti vpisana v uradne evidence ali registre po drugih predpisih (Zakon o kmetijstvu). podatkov po službeni dolžnosti (Zakon o kmetijstvu). Seznam vrst rabe GERK je opredeljen v Pravilniku o registru kmetijskih gospodarstev, ki ureja vodenje tega registra.3 Preglednica 3: Seznam vrst rabe GERK za vpis v Register kmetijskih gospodarstev; 2012-2014 Skupina Šifra Raba Njive in vrtovi 1100 Njiva 1160 Hmeljišče 1180 Trajne rastline na njivskih površinah 1190 Rastlinjak Trajni nasadi 1211 Vinograd 1212 Matičnjak 1221 Intenzivni sadovnjak 1222 Ekstenzivni oziroma travniški sadovnjak 1230 Oljčnik 1240 Ostali trajni nasadi Travniške površine 1300 Trajni travnik 1321 Barjanski travnik 1800 Kmetijsko zemljišče poraslo z gozdnim drevjem Druge kmetijske površine 1420 Plantaža gozdnega drevja 1430 Ekstenzivni kraški pašnik* 1600 Neobdelano kmetijsko zemljišče *Vpis je možen na površinah, ki po evidenci dejanske rabe sodijo v 1300 - trajni travnik, 1800 - kmetijsko zemljišče, poraslo z gozdnim drevjem, 1410 - kmetijsko zemljišče v zaraščanju, 1500 - drevesa in grmičevje ter 1600 - neobdelano kmetijsko zemljišče, razen za KMG - planina in KMG - skupni pašnik. Vir: Pravilnik o registru kmetijskih gospodarstev Za hmeljišča in večino trajnih nasadov se za vsak GERK vodijo tudi podrobnejši podatki o nasadu (npr. namakanje, zaščitne mreže, terasiranost, zatravljenost) in sadilnem materialu (npr. sadna vrsta, sorta, število sadik, razdalje sajenja, leto zasaditve). Posamezen GERK z rabo 1221 - intenzivni sadovnjak praviloma vključuje le površino, zasajeno z eno sadno vrsto (z izjemo breskev in nektarin, ki štejeta kot ena sadna vrsta).4 Seznam sadnih vrst za vpis na GERK z rabo intenzivni sadovnjak je zelo podroben in vključuje 40 različnih vrst sadja (preglednica 4). Za GERK z rabo 1222 - ekstenzivni sadovnjak se v RKG podatki o sadnih vrstah vodijo po številu dreves, vendar le za kmetijska gospodarstva, ki uveljavljajo posamezne ukrepe kmetijske politike, ki te podatke zahtevajo. Na enem GERK je lahko vpisanih več različnih sadnih vrst. Za kmetijska gospodarstva, ki imajo najmanj 0,1 ha oljčnikov (GERK raba 1230), se v RKG vodijo tudi podatki o pridelku oljk in oljčnega olja. Te podatke gospodarstva sporočajo enkrat letno (najpozneje do 15.2. v letu, ki sledi obiranju oljk). 3 Konec leta 2014 je bil uveljavljen nov pravilnik o registru kmetijskih gospodarstev (UL RS 73/14), ki prinaša določene spremembe vrst in šifer rabe GERK v RKG. Pri rabah 1100 - njive, 1160 - hmeljišče, 1180 - trajne rastline na njivskih površinah in 1190 - rastlinjak so po novem nekatere dejanske rabe izločene v samostojne vrste rabe GERK (1150 - njiva za rejo polžev; 1170 - jagode na njivi; 1161 - hmeljišče v premeni; 1181 - trajne rastline na njivah, kjer pridelava ni v tleh; 1191 rastlinjak, kjer pridelava ni v tleh; 1192 - rastlinjak s sadnimi rastlinami), spremenila se je opredelitev rabe 1300 - trajni travnik (vključena tudi raba 1321 - barjanski travnik; izločena raba 1300 - trajno travinje na KMG-planina), uvedeni sta dve novi vrsti rabe GERK (1320 - travinje z razpršenimi neupravičenimi značilnostmi, ki vključuje tudi rabo 1430 - ekstenzivni kraški pašnik, 1800 - kmetijsko zemljišče poraslo z gozdnim drevjem in 1300 - trajni travnik na KMG-planina; 1610- kmetijsko zemljišče v pripravi), štiri pa so črtane s seznama rabe GERK (1321 - barjanski travnik; 1800 - kmetijsko zemljišče poraslo z gozdnim drevjem; 1430 - ekstenzivni kraški pašnik; 1600 - neobdelano kmetijsko zemljišče). 4 Po trenutno veljavnih predpisih (od 14.10.2014; Pravilnik o registru kmetijskih gospodarstev) so kot en GERK z rabo intenzivni sadovnjak lahko vpisani tudi nasadi z več sadnimi vrstami (mešane sadne vrste). Preglednica 4: Seznam sadnih vrst za vpis v RKG za GERK z rabo intenzivni sadovnjak; 2012-2014 Koda Sadna vrsta Koda Sadna vrsta Koda Sadna vrsta Koda Sadna vrsta 611 Jablana 625 Češnja 648 Asimina 660 Črni ribez x kosmulja 612 Hruška 626 Višnja 649 Rakitovec 661 Namizno grozdje 613 Kutina 631 Oreh 652 Ameriške borovnice 662 Robida x malina 614 Nashi 632 Leska 653 Maline 663 Robida 615 Granatna jabolka 633 Mandelj 654 Robide 671 Limonovec 616 Nešplja 642 Aktinidija 655 Rdeči ribez 672 Grenivka 621 Breskev 643 Kaki 656 Črni ribez 673 Pomarančevec 622 Nektarina 644 Kostanj 657 Aronija 674 Mandarinovec 623 Sliva/češplja 646 Bezeg 658 Murva 719 Vinogradniška breskev 624 Marelica 647 Smokva (figa) 659 Goji jagode 720 Kosmulja Vir: MKGP, 2015 Za vinograde se podatki o površini (in pridelovalcih) izvirno vodijo v okviru RKG, podatki o pridelku pa v okviru Registra proizvajalcev grozdja in vina (RPGV).5 Podatke o pridelku grozdja, mošta, vina oziroma drugih proizvodov sporočajo pridelovalci v predpisanih rokih (do 20.11. oziroma najkasneje 20 dni po trgatvi). RPGV vsebuje podatke o pridelanem grozdju ter o pridelku vina in drugih proizvodov, pri čemer je navedeno tudi poreklo vhodnega pridelka (lastna pridelava in/ali kupljeno), kar omogoča ločitev pridelka vinogradov na grozdje in vino. Pri GERK, ki so po dejanski rabi opredeljeni v skupine trajni nasadi, trajno travinje in druge kmetijske površine, je vrsta pridelka praviloma razvidna že iz vrste rabe GERK (za vinograde iz prijave pridelka v okviru RPGV), medtem ko je za GERK z vrstami rabe 1100 - njiva, del 1160 - hmeljišče (hmeljišče v premeni), 1180 - trajne rastline na njivskih površinah in 1190 - rastlinjak, podrobnejše podatke o vrsti oziroma skupini kmetijskih rastlin na posameznem GERK mogoče pridobiti le iz zbirne vloge. Zbirno vlogo kmetijska gospodarstva oddajo na ARSKTRP enkrat letno na predpisanih obrazcih.6 V okviru zbirne vloge kmetijska gospodarstva posredujejo podrobne podatke o vrsti kmetijske rastline, ki se v tekočem letu prideluje na posameznem GERK, na obrazcu D - Prijava površin kmetijskih rastlin in zahtevkov na površino. Podatki o GERK-PID se ob vnosu zbirne vloge prenesejo na ta obrazec iz RKG, v grafičnem urejevalniku pa se nato na GERK vrišejo poljine z določeno vrsto kmetijske rastline.7 Na enem GERK-PID je lahko več različnih kmetijskih rastlin. Kmetijska rastlina se vpiše s šifro iz šifranta vrst oziroma skupin kmetijskih rastlin, ki je sestavni del predpisov, ki urejajo izvedbo ukrepov kmetijske politike v posameznem letu (ARSKTRP, 2012b, 2013b, 2014b). Šifrant kmetijskih rastlin je zelo podroben, med leti pa se nekoliko spreminja. V letih 2012-2014 je šifrant za GERK z rabo 1100 - njiva, 1160 - hmeljišče, 1180 - trajne rastline na njivskih površinah in 1190 - rastlinjak vseboval 86 različnih vrst oziroma skupin kmetijskih rastlin.8 Kot je razvidno iz preglednice 5, je isto šifro kmetijske rastline praviloma mogoče vpisati na več kot eno vrsto rabe GERK. Vse njivske kulture se lahko vpisujejo na GERK z rabo 1100 - njiva ali 1160 -hmeljišče, pri vrtninah, zeliščih, okrasnih rastlinah in nekaterih trajnih rastlinah pa je vpis mogoč na različne vrste rabe, večinoma v odvisnosti od tipa rastline (enoletne, trajne) ali načina pridelave (na prostem, v rastlinjaku). Ob tem pri nekaterih šifrah kmetijskih rastlin prihaja do določenega neskladja 5 RPGV podatke o površinah vinogradov prevzema iz RKG (Pravilnik o registru proizvajalcev grozdja in vina). 6 Vloge se praviloma oddajajo v času od marca do začetka maja. Spremembe je mogoče sporočiti do začetka junija, kasneje pa le v primeru višje sile, izjemnih okoliščin in v primerih, če sprememba vpliva na višino plačila ali izpolnjevanje pogojev za uveljavljanje plačil oziroma če se sprememba nanaša na konopljo ali mak (ARSKTRP, 2012a, 2013a, 2014a). 7 Površina kmetijske rastline na posameznem GERK se izračuna na podlagi vrisane poljine z določeno kmetijsko rastlino ob elektronskem vnosu. 8 Šifrant za leto 2015 je še bolj podroben in na njivah in vrtovih omogoča vpis preko 100 različnih kmetijskih rastlin (ARSKTRP, 2015b). med imenom rastline (npr. 401 - vrtnine v zavarovanem prostoru, 403 - njivska zelišča v zavarovanem prostoru) in vrsto rabe GERK (v obeh primerih je poleg na 1190 - rastlinjak možen vpis tudi na 1100 - njiva), ali pa med tipom rastline (npr. 703 - šparglji, 734 - rabarbara) in vrsto rabe GERK (v obeh primerih poleg 1180 - trajne rastline na njivah možen vpis tudi na 1160 - hmeljišče). Preglednica 5: Seznam kmetijskih rastlin za GERK z rabo 1100, 1160,1180 in 1190 v okviru zbirnih vlog 2012-2014 Koda Rastlina Raba GERK Koda Rastlina Raba GERK 001 Pšenica 1100, 1160 110 Grašica 1100, 1160 002 Rž 1100, 1160 111 Bela gorjušica 1100, 1160 003 Pira 1100, 1160 112 Krmni sirek 1100, 1160 004 Ajda 1100, 1160 113 Oljna redkev 1100, 1160 005 Koruza za zrnje 1100, 1160 114 Druge rastline za krmo na njivah 1100, 1160 006 Silažna koruza 1100, 1160 115 Abesinska gizotija 1100, 1160 007 Tritikala 1100, 1160 116 Sudanska trava 1100, 1160 008 Oves 1100, 1160 117 Westerwoldska ljuljka 1100, 1160 009 Ječmen 1100, 1160 201 Trave 1100, 1160 010 Proso 1100, 1160 203 Travno deteljne mešanice 1100, 1160 011 Mešanice žit 1100, 1160 206 Deteljno travne mešanice 1100, 1160 012 Sončnice 1100, 1160 207 Detelja 1100, 1160 013 Oljna buča 1100, 1160 208 Lucerna 1100, 1160 014 Oljna ogrščica 1100, 1160 209 Njivska grašica (ki ni požeta pri polni zrelosti) 1100, 1160 015 Soja 1100, 1160 210 Volčji bob 1100, 1160 016 Grah 1100, 1160 211 Grahor 1100, 1160 017 Krmni bob 1100, 1160 212 Medena detelja 1100, 1160 018 Lupina 1100, 1160 213 Turška detelja 1100, 1160 019 Sladkorna pesa 1100, 1160 214 Šmarna detelja 1100, 1160 020 Krompir 1100, 1160 215 Medenica 1100, 1160 021 Soržica 1100, 1160 216 Navadna nokota 1100, 1160 022 Ptičje seme 1100, 1160 217 Vzhodna jastrebina 1100, 1160 023 Sladka koruza 1100, 1160 218 Sabljasti triplat 1100, 1160 024 Sirek 1100, 1160 219 Facelija 1100, 1160 025 Trda pšenica 1100, 1160 220 Aleksandrijska detelja 1100, 1160 026 Njiva v prahi 1100, 1160 221 Perzijska detelja 1100, 1160 027 Konoplja 1100, 1160 301 Krompir - semenski nasadi 1100, 1160 028 Lan (za vlakna) 1100, 1160 302 Krompir - nasadi v 100-m izolacijskem pasu 1100, 1160 029 Ukorenišče hmeljnih sadik 1100, 1160 401 Vrtnine v zavarovanem prostoru 1190, 1100 030 Soja 1100, 1160 402 Vrtnine na prostem 1100, 1160 031 Vrtni mak 1100, 1160 403 Njivska zelišča v zavarovanem prostoru 1190, 1100 032 Bar 1100, 1160 404 Njivska zelišča na prostem 1100, 1160, 1180 033 Krmni grah 1100, 1160 405 Mešana raba (vrtnine, poljščine, dišavnice, zelišča) 1100, 1160, 1190 034 Rjava indijska gorčica 1100, 1160 406 Mešanice za neprezimno ozelenitev 1100, 1160 101 Krmna pesa 1100, 1160 444 Pridelava ni v tleh 1180, 1190 102 Krmna repa 1100, 1160 501 Hmelj 1160 103 Krmna ogrščica 1100, 1160 702 Drevesnice 1180 104 Krmna repica 1100, 1160 703 Šparglji 1160, 1180 105 Krmni ohrovt 1100, 1160 704 Trsnice 1180 106 Krmni radič 1100, 1160 708 Nasadi matičnih rastlin 1180 107 Krmno korenje 1100, 1160 733 Artičoka 1180 108 Podzemna koleraba 1100, 1160 734 Rabarbara 1160, 1180 109 Strniščna repa 1100, 1160 735 Okrasne rastline 1100, 1180, 1190 Vir: ARSKTRP, 2012b, 2013b, 2014b 2.2.2.2. Podatki o številu živali Podatki o staležu živali na kmetijskem gospodarstvu se izvirno vodijo v okviru Evidence rejnih živali (ERŽ). Evidenca rejnih živali se vodi po vrstah in kategorijah živali, ločeno za govedo (Centralni register govedi - CRG), drobnico (Centralni register drobnice - CRD), prašiče (Centralni register prašičev - CRPš), kopitarje (Centralni register kopitarjev - CRK), čebelje družine (Register čebelnjakov) in druge živali, v skladu s predpisi, ki urejajo področje identifikacije in registracije živali (Pravilnik o identifikaciji in registraciji goved, Pravilnik o identifikaciji in registraciji prašičev, Pravilnik o identifikaciji in registraciji drobnice, Pravilnik o označevanju čebelnjakov in stojišč, Pravilnik o Evidenci imetnikov rejnih živali in evidenci rejnih živali). Preglednica 6: Seznam vrst in kategorij živali v Evidenci rejnih živali; 2012-2014 Vrsta in kategorija živali Vrsta in kategorija živali Govedo Teličke do enega leta Perutnina* Pitovni piščanci Bikci do enega leta Kokoši nesnice Telice, stare od 1 do 2 leti Purani Biki, stari 1 do 2 leti Purice Telice nad 2 leti Race Biki nad 2 leti Gosi Plemenski biki Noji Krave Pitovni noji, stari manj kot 1 leto Ovce Jagnjeta do enega leta Jarkice Ovce od enega leta oz. so že jagnjile Petelini Ovni, starejši od enega leta Prepelice Koze Kozlički do enega leta Pegatke Koze od enega leta oz. so že jarile Jerebice Kozli, starejši od enega leta Pavi Prašiči Pujski do 20 kg Golobi Prašiči pitanci od 20 kg Kunci* Plemenski kunci Merjasci Kunci v pitanju Plemenske mladice Čebele Čebelje družine Plemenske svinje Druge živali* Damjaki in mufloni Kopitarji* Žrebeta do enega leta Navadna jelenjad Konji, starejši od enega leta Lame Poniji Ostala rastlinojeda divjad Osli, mezgi in mule Pritlikavi zebu do 2 let Pritlikavi zebu nad 2 leti Činčile * Kategorije iz obrazca B zbirne vloge Vir: MKGP, 2015 Imetniki govedi sporočajo spremembe v številu živali na gospodarstvu v CRG ažurno (ob vsaki spremembi). Podatki o živalih se vodijo po starosti in spolu (in pasmi), ne pa tudi po namenu reje (mleko - meso). Imetniki čebelnjakov število čebeljih družin popišejo dvakrat letno (na dan 15.4. in 31.10.) in ga sporočijo najpozneje do 1.12. (za oba datuma). Imetniki drobnice, prašičev in drugih živali podatke o staležu posredujejo enkrat letno (praviloma stanje na dan 1.2.).9 Do leta 2015 je veljalo, da če so bili ti podatki posredovani v okviru zbirne vloge za uveljavljanje ukrepov kmetijske politike (obrazec B -Stalež živali po vrstah in kategorijah rejnih živali; stanje na dan 1.2.), se je štelo, da so podatki o staležu sporočeni, t.j. prepisani v ERŽ po uradni dolžnosti (ARSKTRP, 2012a, 2013a, 2014a).10 9 Izjema so imetniki prašičev, ki uveljavljajo ukrep dobrobit živali, ki so od leta 2014 dolžni sporočati število prašičev v ERŽ mesečno (stanje na vsak prvi dan v mesecu;ARSKTRP, 2014c). 10 Po novem (z letom 2015) vsi imetniki živali te podatke sporočajo v ERŽ (obrazec B ni več sestavni del zbirne vloge) in sicer po stanju na dan 1.2. tekočega leta, pri čemer kmetijska gospodarstva, ki oddajo zbirno vlogo, sporočijo te podatke ob oddaji zbirne vloge, drugi imetniki pa najpozneje do 30.6. tekočega leta (Pravilnik o evidenci imetnikov rejnih živali in Kmetijska gospodarstva podatke o številu živali po vrstah in kategorijah poročajo za vsako lokacijo z živalmi (t.i. gospodarstvo) posebej. V ta namen ima v okviru kmetijskega gospodarstva (KMG-MID) vsaka lokacija svojo identifikacijsko številko (G-MID).11 Za govedo se poleg centralnega registra govedi za potrebe izvajanja rejskih programov vodi še Centralna podatkovna zbirka govedo (CPZ govedo). Podatki o rejcih (KMG-MID), lokacijah reje (G-MID) in živalih (rojstva, premiki, zakoli) se v to zbirko prevzemajo iz uradnih evidenc pri MKGP, ob tem pa se podatki o čredah krav vodijo ločeno za rejo molznic in rejo dojilj (STRP govedo, 2015). Podlaga za razmejitev je tip proizvodnje (mleko ali meso), ki prevladuje na kmetijskem gospodarstvu oziroma na določeni lokaciji znotraj gospodarstva (G-MID). Podroben pregled vsebine administrativnih zbirk podatkov kaže, da je za živinorejo na podlagi obstoječih evidenc mogoče pridobiti vse podatke o številu živali, ki so v skladu z enotno metodologijo EU potrebni za izračun skupnega SO kmetijskega gospodarstva. Za rastlinsko pridelavo so podatki o površinah na primerljivi (ali višji) ravni podrobnosti dostopni za vsa kmetijska gospodarstva le za trajne nasade in trajno travinje ter za hmelj, za posevke na njivah in vrtovih pa le za površine, ki so vključene v zbirno vlogo. Za preostale površine njiv in vrtov na kmetijskem gospodarstvu je možen le izračun posamičnih SO na ravni vrste rabe po evidenci v RKG (njiva, rastlinjak, trajne rastline na njivskih površinah). 2.3. METODA IZRAČUNA SO Metodologija za izračun SO kmetijskega gospodarstva in izvedenih kazalcev (ekonomska velikost, tip kmetovanja) sloni na enotni metodologiji EU (EC, 2009), ki pa je v izvedbenem delu prilagojena ravni razpoložljivih podatkov v administrativnih virih. Temeljni načeli prilagoditve sta bili v izračun SO zajeti čim večje število kmetijskih gospodarstev in za posamezno gospodarstvo izračunati SO na čim bolj natančni ravni. V ta namen so bili poleg SO koeficientov, ki jih predvideva enotna metodologija EU, izračunani še nekateri dodatni koeficienti na različnih ravneh, za izračun skupnega SO pa izbrana kombinacija podatkov iz administrativnih virov, ki omogoča pripis teh koeficientov na najbolj podrobni ravni. 2.3.1. Prilagoditev seznama proizvodov in izračun SO koeficientov Seznam postavk za izračun SO koeficientov v okviru strukturnih raziskovanj (preglednica 2) je bil za potrebe uskladitve s seznamom podatkov, ki so na voljo v administrativnih virih, dopolnjen s pridelki na podrobnejši ravni (kjer razpoložljivi statistični podatki omogočajo izračun ustreznih SO koeficientov), dodani pa so bili tudi nekateri agregati, ki jih enotna metodologija EU ne predvideva. V okviru rastlinske pridelave je seznam za izračun SO koeficientov razširjen s pridelki na podrobnejši ravni znotraj skupin drugo žito, suhe stročnice, druga zelena krma z njiv ter zelenjadnice, melone in jagode (povsod v seznam dodane posamezne vrste rastlin), krompir (dodan tip pridelka), zelišča, dišavnice in zdravilne rastline (dodan tip pridelave), sadovnjaki (dodan tip nasada in sadne vrste pri intenzivnih nasadih) ter vinogradi (dodan tip pridelka). Poleg posamičnih pridelkov so v seznam dodane tudi nekatere skupine rastlin oziroma rabe, za katere obstajajo podatki v administrativnih virih, niso pa predvidene v seznamu SO koeficientov za statistične namene. V tem okviru so bile dodane vrtnine na prostem, ki ne vključujejo trajnih zelenjadnic, ki so v zbirnih vlogah evidentirane ločeno, vključujejo pa fižol za zrnje, ki je v zbirnih vlogah vključen 11 Kmetijsko gospodarstvo (KMG-MID) ima lahko eno ali več G-MID številk. Če se živali nahajajo na isti lokaciji kot kmetijsko gospodarstvo, je številka G-MID enaka številki KMG-MID, sicer pa so številke različne. Na enem G-MID se lahko nahaja več vrst živali (URSVHVVR, 2016). med vrtnine (po enotni metodologiji sodi med suhe stročnice). V seznam so dodane tudi vse vrste rabe zemljišč (GERK) in skupina druge živali. Preglednica 7: Seznam podrobnejših in dodatno izračunanih SO koeficientov EUROSTAT Skupina Podrobnejši in dodatno izračunani SO koeficienti koda B 1 1 99 Drugo žito Po vrstah (tritikala; ajda; proso; drugo žito, drugo) B_ .1. .2 Suhe stročnice Po vrstah (fižol; krmni grah; druge suhe stročnice) B_ .1. .3 Krompir Po tipu pridelka (jedilni krompir; semenski krompir) B_ .1. .6. 12 Zelišča, dišavnice in zdravilne rastline Po tipu pridelave (na prostem, v zavarovanem prostoru) B_ .1. _7. 1 Zelenjadnice, melone in jagode na prostem Po skupinah (jagode; trajne zelenjadnice; druge zelenjadnice) B_ .1. .7. 2 Zelenjadnice, melone in jagode v zav. prostoru Po skupinah (jagode; zelenjadnice) B_ 1. .9. 2 Druga zelena krma z njiv Po vrstah oz. skupinah (silažna koruza; detelje in lucerna; druga zelena krma,drugo) B_ .4. .1 Sadovnjaki Po tipu nasada (ekstenzivni sadovnjaki; intenzivni sadovnjaki skupaj in po sadnih vrstah: jabolka, hruške, breskve, marelice, češnje, višnje, češplje in slive, kaki, aktinidija, smokve, leska, kostanj, oreh, drugo stebelno sadje; ameriške borovnice, drugo jagodičje) B 4 4 Vinogradi Skupaj in po tipu pridelka (grozdje, vino) C 5 3 Druga perutnina Po vrstah (purani, race in gosi; noji; jarkice, drugo) / Vrtnine na prostem Zelenjadnice brez trajnih in fižol za zrnje na prostem / GERK Njiva Njiva skupaj (vsi njivski posevki, jagode, vrtnine, zelišča in okrasne rastline na prostem, brez hmelja in trajnih rastlin) / GERK Trajne rastline na njivskih površinah Trajne rastline na njivah skupaj (drevesnice in trsnice, trajne zelenjadnice in zelišča na prostem) / GERK Rastlinjak Rastlinjaki (zelišča, vrtnine, jagode, cvetje in okrasne rastline v zavarovanem prostoru) Vsi SO koeficienti iz tako razširjenega seznama so bili izračunani po enotni metodologiji EU in sicer za leta 2012, 2013 in 2014, kar ustreza letom, za katera smo pridobili tudi podatke o površinah in številu živali iz administrativnih virov. Za izračun SO koeficientov so bili uporabljeni statistični podatki o obsegu rastlinske pridelave in živinoreje v posameznem letu na najpodrobnejši ravni (SI-STAT),12 manjkajoči podatki pa so bili ocenjeni na podlagi administrativnih in drugih virov. Proizvodnja je praviloma vrednotena po odkupnih cenah (SI-STAT), kjer teh podatkov ni, pa so bili uporabljeni tudi drugi viri in ocene.13 Pri zeleni krmi (z njiv in trajnega travinja) izračun sloni na oceni povprečne vsebnosti metabolne energije (ME) v posamezni vrsti (in obliki) krme (Verbič, 2016) in ceni enote ME, izračunani iz odkupne cene koruze za zrnje. Pri vinogradih so bili za izračun SO koeficienta poleg statističnih podatkov uporabljeni podatki RPGV o razmerju med pridelkom, realiziranim v obliki grozdja in v obliki vina.14 Administrativni vir (RKG) je bil ob statističnih podatkih uporabljen tudi pri izračunu SO koeficienta za oljčno olje in sicer podatek o povprečnem razmerju med pridelkom oljk za olje in oljčnega olja (izplen), ki se med leti precej spreminja. SO koeficienti na ravni skupin so praviloma izračunani kot tehtano povprečje posamičnih koe- 12 Za potrebe tega projekta smo pridobili tudi nekatere podatke, ki sicer niso javno dostopni (npr. o površini in pridelku zelenjadnic po vrstah ločeno za pridelavo na prostem in v zavarovanem prostoru). 13 Nekateri pridelki so ovrednoteni v razmerju do odkupnih cen primerljivih pridelkov (npr. krmni grah po ceni soje), ali v razmerju do cen teh pridelkov na tržnicah (npr. lešniki po ceni na tržnici, korigirani s faktorjem povprečnega odstopanja cen sadja na tržnicah od cen sadja v odkupu). Kjer so podatki statistike zelo pomanjkljivi, je skupna vrednost proizvodnje prevzeta neposredno iz ekonomskih računov za kmetijstvo (npr. drevesnice in trsnice, kopitarji). 14 Ob upoštevanju dela pridelka v obliki vina je skupni SO koeficient za vinograde precej večji kot ob upoštevanju celotnega pridelka v obliki grozdja. V dogovoru s SURS bi bilo tovrstno spremembo v izračunu SO koeficienta za vinograde smiselno upoštevati tudi pri izračunu SO koeficientov za potrebe obdelave podatkov strukturnega raziskovanja. ficientov, ki pripadajo tej skupini. SO koeficienti za njive, trajne rastline na njivah, rastlinjake, vinograde, intenzivne in ekstenzivne sadovnjake vključujejo vse rastline, ki pripadajo tem vrstam rabe, za ostale vrste rabe GERK pa je SO koeficient prevzet glede na prevladujoč tip pridelka na teh rabah. V živinoreji je za race in gosi prevzet SO koeficient, izračunan za »purane«, za skupino »druge živali« pa SO koeficient, izračunan za »druge ovce«. Zaradi pomanjkanja podatkov SO koeficienti niso izračunani za vrtnine v njivskem kolobarju (mešana raba), namizne oljke15 ter še nekatere specifične pridelke in rabe, ki se pojavljajo v administrativnih virih na podrobnejši ravni (npr. »drevesnice in trsnice« po vrstah nasadov), pri nekaterih skupinah pridelkov pa so izračunani SO koeficienti manj zanesljivi. Med rastlinskimi pridelki to velja zlasti za »zelišča, dišavnice in zdravilne rastline«, »cvetje in okrasne rastline« ter »drevesnice in trsnice«, kjer so statistični podatki o pridelkih in cenah zelo pomanjkljivi, posledično pa tudi za vrste rab zemljišč, ki te rastline vključujejo v večjem obsegu (rastlinjaki, trajne rastline na njivah, matičnjaki). V okviru živinoreje so zaradi pomanjkanja podatkov nezanesljive ocene SO koeficientov pri kopitarjih, kuncih ter v skupini »druga perutnina« in »druge živali«. Z vidika skupnih površin so to sicer bolj ali manj margi-nalne skupine, na ravni posameznega kmetijskega gospodarstva pa lahko pomembno vplivajo na oceno skupnega SO. Kot kažejo izračuni, prikazani v prilogi 1, se SO koeficienti močno razlikujejo tako v odvisnosti od rabe zemljišč, kakor tudi glede na vrsto in kategorijo živali. Pri rastlinskih pridelkih se v povprečju let 20122014 gibljejo v razponu od okoli 500 EUR/ha pri trajnem travinju do okoli 107.000 EUR/ha pri pridelavi v rastlinjakih, pri živalih pa od okoli 11 EUR/glavo pri piščancih do okoli 2.100 EUR/glavo pri mlečnih kravah. Velike razlike v SO koeficientih se kažejo tudi po vrstah rastlin znotraj posamezne rabe. Največji razpon med najnižjim in najvišjim SO koeficientom se pojavlja pri njivah in vrtovih (od okoli 300 EUR/ha pri drugi zeleni krmi z njiv do okoli 62.000 EUR/ha pri cvetju in okrasnih rastlinah), velik pa je tudi pri intenzivnih sadovnjakih (med 1.700 EUR/ha pri kostanju in 34.600 EUR/ha pri borovnicah) in vinogradih (okoli 3.000 EUR/ha pri pridelavi grozdja in okoli 9.000 EUR/ha pri pridelavi vina). Pri večini pridelkov so opazne precejšnje razlike v SO koeficientih tudi med leti (pri nekaterih tudi dvakratne), kar kaže na precejšnja nihanja v povprečnih pridelkih in cenah kmetijskih proizvodov v odvisnosti od letine in razmer na posameznih trgih. 2.3.2. Izbor podatkov iz administrativnih virov in pripadajočih SO koeficientov Pri izboru podatkov iz administrativnih virov smo sledili načelu, da se za posamezno kmetijsko gospodarstvo uporabijo podatki na čim podrobnejši ravni. To pomeni, da so za izračun SO kmetijskega gospodarstva najprej uporabljeni podatki iz virov, ki omogočajo pripis ustreznih SO koeficientov po vrstah rastlin oziroma kategorijah živali in šele nato podatki na bolj agregatnih ravneh (preglednica 8 in 9).Pri rastlinskih pridelkih izbor temelji na kombinaciji podatkov iz zbirnih vlog (površina njiv in vrtov po vrstah rastlin), podatkov RPGV (pridelek grozdja in vina iz lastnega grozdja) in podatkov RKG na različnih ravneh (površina intenzivnih sadovnjakov po sadnih vrstah, površina hmelja, površina zemljišč po rabah GERK). Za živinorejo je uporabljena kombinacija podatkov ERŽ (število govedi, drobnice in prašičev po kategorijah, število čebeljih panjev), podatkov CPZ govedo (število mlečnih krav in dojilj) in podatkov iz zbirnih vlog (število preostalih živali). Podroben seznam vseh izbranih podatkov iz administrativnih virov z opredelitvijo pripadajočih SO koeficientov (povezovalni šifrant) je prikazan v prilogi 2. 15 O pridelavi namiznih oljk ni statističnih podatkov, podatki RKG pa kažejo, da je nasadov namiznih oljk izjemno malo. Preglednica 8: Pregled izbora kombinacije podatkov iz administrativnih virov za izračun SO rastlinske pridelave na kmetijskem gospodarstvu Raba zemljišč (GERK) Podatki za pripis SO koeficienta po Podatki za pripis SO koeficienta na ravni GERK vrstah pridelkov rabe 1100 Njiva Površina po vrstah rastlin na GERK 1100 Razlika med skupno površino GERK 1100 in 1160 1160 Hmeljišče in 1160 brez hmelja po podatkih iz (vir: RKG) in seštevkom vseh površin evidentiranih zbirne vloge (vir: ARSKTRP - obrazec D) na teh rabah po vrstah rastlin (vir: ARSKTRP - obra-Površina hmeljišča v obdelavi po evi- zec D in RKG) denci hmelja (vir: RKG) 1180 Trajne rastline na njivah Površina po vrstah rastlin na GERK 1180 po podatkih iz zbirne vloge (vir: ARSKTRP - obrazec D) Razlika med skupno površino GERK 1180 (vir: RKG) in seštevkom vseh površin evidentiranih na tej rabi po vrstah rastlin (vir: ARSKTRP - obrazec D) 1190 Rastlinjak Površina po vrstah rastlin na GERK 1190 po podatkih iz zbirne vloge (vir: ARSKTRP - obrazec D) Razlika med skupno površino GERK 1190 (vir: RKG) in seštevkom vseh površin evidentiranih na tej rabi po vrstah rastlin (vir: ARSKTRP - obrazec D) 1211 Vinograd Površina vinogradov po tipu pridelka izračunana iz podatkov o prijavljenem pridelku grozdja in vina iz lastnega grozdja (vir: RPGV) Razlika med skupno površino GERK 1211 (vir: RKG) in površino, na katero se nanašajo podatki o pridelku grozdja in vina (vir: RPGV) 1221 Intenzivni sadovnjak Površina po sadnih vrstah na GERK 1221 po evidenci sadovnjakov (vir: RKG) Razlika med skupno površino GERK 1221 (vir: RKG) in seštevkom vseh površin evidentiranih na tej rabi po sadnih vrstah 1222 Ekstenzivni sadovnjak _____.................................................................... 1300 Trajni travnik 1321 Barjanski travnik 1430 Ekst. kraški pašnik 1800 Kmetijsko zemljišče poraslo z gozd. drevjem 1212 Matičnjak 1240 Ostali trajni nasadi 1420 Plantaža gozd. drevja 1600 Neobdelano -..................................................................................................................................................... Skupna površina GERK 1222 (vir: RKG) Skupna površina GERK 1230 (vir: RKG) Skupna površina GERK 1300 (vir: RKG) Skupna površina GERK 1321 (vir: RKG) Skupna površina GERK 1430 (vir: RKG) Skupna površina GERK 1800 (vir: RKG) Skupna površina GERK 1212 (vir: RKG) Skupna površina GERK 1240 (vir: RKG) Skupna površina GERK 1420 in 1600 (vir: RKG) - ni ovrednoteno (SO = 0) Preglednica 9: Pregled izbora kombinacije podatkov iz administrativnih virov za izračun SO živinoreje na kmetijskem gospodarstvu Vrsta živali Podatki za pripis SO koeficienta po vrstah in kategorijah živali Govedo Število živali po kategorijah na dan 1.2. po podatkih CRG (vir: ERŽ); teleta upoštevana samo, če njihovo število presega število krav (upoštevana pozitivna razlika med številom telet in številom krav) Skupno število krav in število mlečnih krav na dan 31.1. po evidenci KIS (vir: CPZ govedo); uporabljeno za razdelitev krav po podatkih CRG po tipu proi- zvodnje (mlečne, druge) Drobnica Število živali po kategorijah na dan 1.2. po podatkih CRD (vir: ERŽ); jagnjeta oz. kozlički upoštevani samo, če na gospodarstvu ni plemenskih ovc oz. koz Prašiči Število živali po kategorijah na dan 1.2. po podatkih CRPš (vir: ERŽ); sesni pujski upoštevani samo, če na gospodarstvu ni plemenskih svinj Čebele Število panjev na dan 15.4. po podatkih evidence čebelnjakov (vir: Register čebelnjakov) Perutnina (piščanci; kokoši nesnice; purani, Število živali po vrstah na dan 1.2. po podatkih iz zbirne vloge (vir: ARSKTRP race, gosi; noji; jarkice; druga perutnina, drugo) - obrazec B)* Kopitarji Kunci Druge živali * Podatki iz drugih virov (ERŽ) niso bili na voljo. 2.3.3. Postopek izračuna SO kmetijskega gospodarstva in izvedenih kazalcev Za izračun skupnega SO kmetijskega gospodarstva smo posamezne podatkovne zbirke iz administrativnih virov pripravili v obliko, primerno za nadaljnjo obdelavo. Za potrebe nadaljnje obdelave smo najprej vzpostavili povezavo med (količinskimi) podatki iz različnih administrativnih virov in izračunanimi SO koeficienti. V ta namen je bil izdelan t.i. povezovalni šifrant (priloga 2). Glede na to, da same šifre rastlin, uporabljene v zbirnih vlogah, ne omogočajo razlikovanja pridelka glede na vrsto rabe zemljišč (preglednica 5) in da je SO koeficient za pridelek z enako šifro na različnih rabah praviloma različen (priloga 1), smo v povezovalnem šifrantu najprej kreirali t.i. kombinirano šifro, ki je sestavljena iz šifre pridelka in šifre rabe (šifra pridelka/šifra rabe; npr. 735/1100,'116016 za okrasne rastline na prostem in 735/1190 za okrasne rastline v zaščitenem prostoru). Tej kombinirani šifri je nato pripisana šifra SO koeficienta (npr. 735/1100;1160 ^ B_1_8_1; 735/1190 ^ B_1_8_2). Vrstam rastlin in živali, ki se v administrativnih virih v celoti ujemajo s proizvodi iz seznama SO koeficientov (npr. hmelj, plemenske ovce), je pripisana ustrezna šifra neposredno, sicer pa šifra SO koeficienta, ki po vsebini najbolj ustreza (npr. soržici je pripisana šifra SO koeficienta za drugo žito; gosem šifra SO za purane).17 Na podlagi enovite šifre KMG-MID so nato količinski podatki (na ravni šifre SO koeficienta) iz različnih administrativnih virov združeni v enoten stavek. Zaradi enostavnejše kasnejše obdelave, so vsi pridelki z enako šifro SO koeficienta sešteti in prikazani samo na ravni šifre SO koeficienta (krajši stavek).18 Izpisni stavek za posamezen KMG-MID vsebuje naslednje atribute: - Šifra kmetijskega gospodarstva - Teritorialna pripadnost (občina in regija) - Seznam vseh rab GERK - Seznam vseh rastlin in živali na ravni šifre SO koeficienta. Celotni zbirni stavek je prikazan v Priloga 3. Tako pripravljeni podatki so bili za nadaljnjo obdelavo preneseni v drugo (Excel) preglednico, ki je vsebinsko razdeljena na več delov. V vrsticah nad vnosnim formatom, v katerega so preneseni izvorni količinski podatki (izpisni stavek), je prostor za izračun agregatov ter del, namenjen vzpostavitvi povezave med šifro SO koeficienta v vnosnem delu in ustreznim SO koeficientom ter še nekaterimi drugimi atributi (ime SO koeficienta, enota, šifra za izračun tipologije). Izračunani SO koeficienti so zbrani v samostojni preglednici (Priloga 1), prenos podatkov pa je izveden z uporabo LU (vlookup) funkcij. Najprej so izračunani izvedeni (količinski) podatki (preglednica 10), potrebni za izračun posamičnega SO pri nekaterih vrstah rabe kmetijskih zemljišč (razlika površine njiv in hmeljišč, trajnih rastlin na njivah, rastlinjakov in intenzivnih sadovnjakov; delitev vinogradov po tipu pridelka) in živalih (delitev 16 Ker praktično vse poljedelsko-vrtnarske kulture lahko nastopijo na rabi 1100 (njive) ali 1160 (hmeljišče), smo rabi 1100 in 1160 združili v enotno rabo »1100;1160«. 17 Pri nekaterih rastlinskih pridelkih v administrativnih virih (zbirna vloga) prihaja do neskladja med vrsto rastline in vrsto rabe GERK, na katero je rastlina vpisana. Šifrant kmetijskih rastlin (preglednica 5) na primer ne predvideva vpisa trsnic, drevesnic in trajnega travinja na GERK z vrsto rabe 1100 oz. 1160 (njive oz. hmeljišča v premeni), vrtnin na prostem, trav in trajnega travinja na GERK z vrsto rabe 1190 (rastlinjak), mešane rabe vrtnin, poljščin, dišavnic in zelišč na GERK z vrsto rabe 1180 (trajne rastline na njivskih površinah). V primerih tovrstnih neskladnosti je bil prvi kriterij za pripis šifre SO koeficienta vpisana vrsta rabe zemljišč in šele nato vrsta pridelka (če so SO koeficienti za podoben pridelek izračunani tudi po vrstah rabe). 18 Pripravo izvornih podatkov za nadaljnjo obdelavo smo opravili deloma z Microsoft Excel in deloma z Microsoft Access orodji. V primeru neposrednega dostopa do izvornih baz bi bilo verjetno primerneje uporabiti kakšno drugo programsko orodje, vendar to za razumevanje postopka priprave ni pomembno. Pomembna je oblika končnega zapisa, ki je podlaga nadaljnjim izračunom. na mlečne in druge krave), poleg tega pa tudi število živali v kategorijah, ki se pri izračunu skupnega SO upoštevajo v odvisnosti od staleža plemenskih živali (teleta, drobnica do enega leta, sesni pujski). Preglednica 10: Način izračuna izvedenih (količinskih) podatkov Atribut Način izračuna N/1100;1160 (Nespecificirano/Njiva; Hmel- N/1100;1160 = 1100 (GERK njiva za izračun) + 1160 (GERK hmeljišče za izračun) jišče) - B_1_6_2 (hmelj) - Vsota površin po vrstah rastlin na GERK 1100;1160 N/1180 (Nespecificirano/Trajne rastline) N/1180 = 1180 (GERK trajne rastlina za izračun) - Vsota površin po vrstah ras- tlin na GERK 1180 N/1190 (Nespecificirano/Rastlinjak) N/1190 = 1190 (GERK rastlinjak za izračun) - Vsota površin po vrstah rastlin na GERK 1190 N/1221 (Nespecificirano/Intenzivni sadov- N/1221 = 1221 (GERK intenzivni sadovnjak za izračun) - Vsota površin po sad- njak) nih vrstah na GERK 1221 B_4_4/2 (Vinograd - vino) B_4_4/2 = GrozdjeLP (grozdje lastna predelava) / GrozdjeL (grozdje lastno) * 1211 (GERK vinograd za izračun) B_4_4/1 (Vinograd - grozdje) B_4_4/1 = 1211 (GERK vinograd za izračun) - B_4_4/2 (Vinograd - vino) N/1211 (Vinograd - Nespecificirano) N/1211 = 1211 - B_4_4/1 - B_4_4/2 C_2_6 (Krave molznice) C_2_6 = mlKRAVEkis (Mlečne krave CPZ govedo za izračun,) / KRAVEkis (Krave CPZ govedo za izračun) * Krave (Krave CRG za izračun) C_2_99 (Druge krave) C_2_99 = Krave (Krave CRG za izračun) - C_2_6 (Krave molznice) N/C_2_1 (Govedo do 1 leta) N/C_2_1 = IF [Krave (Krave CRG za izračun) = 0; C_2_1 (Govedo do 1 leta CRG za izračun); C_2_1 (Govedo do 1 leta CRG za izračun) - Krave (Krave CRG za izračun)] N/C_3_1_99 (Druge ovce) N/C_3_1_99 = IF [C_3_1_1 (Plemenske ovce) > 0; 0; C_3_1_99 (Druge ovce CRD za izračun)] N/C_3_2_99(Druge koze) N/C_3_2_99 = IF [C_3_2_1 (Plemenske koze) > 0; 0; C_3_2_99 (Druge koze CRD za izračun)] N/C_4_1 (Puj N/C_4_1 = IF [C_4_2 (Plemenske svinje) > 0; 0; C_4_1 (Pujski do 20 kg CRPš za ski do 20 kg) izračun)] V izpisnem delu je nato izračunan skupni SO za posamezni KMG-MID in sicer kot zmnožek količinskih podatkov za KMG-MID in pripadajočih SO koeficientov (uporaba funkcije SUMPRODUKT). Glede na višino skupnega SO je opredeljen še pripadajoči razred ekonomske velikosti (uporaba funkcije IF). Kmetijska gospodarstva so bila glede na skupni SO razporejena v osem razredov ekonomske velikosti. Preglednica 11: Izbrani razredi ekonomske velikosti kmetijskih gospodarstev Razred Meje v EUR_ 1 manj kot 2.000 EUR 2 od 2.000 do manj kot 4.000 EUR 3 od 4.000 do manj kot 8.000 EUR 4 od 8.000 do manj kot 15.000 EUR 5 od 15.000 do manj kot 25.000 EUR 6 od 25.000 do manj kot 50.000 EUR 7 od 50.000 do manj kot 100.000 EUR 8 enako ali več kot 100.000 EUR Poleg razreda ekonomske velikosti je za vsako kmetijsko gospodarstvo izračunan tudi tip kmetovanja. Tipologija je izdelana na prvi ravni za vseh 8 splošnih tipov kmetovanja, ki jih opredeljuje tipologija EU (EC, 2009), na drugi ravni pa za 13 glavnih tipov (brez glavnih tipov v okviru pridelovanja poljščin in vrtnarstva). Na tretji ravni se opredeljeni tipi ne ujemajo s tipologijo EU, predstavljajo pa izbor nekaterih specifičnih tipov, ki so v naših razmerah lahko zanimivi predvsem z analitičnega vidika. Preglednica 12: Seznam izračunanih tipov kmetovanja Splošni tip Glavni tip Specifični tip T1 Specializirani pridelovalec poljščin T1/p Poljedelstvo ■ - splošno T1/h Poljedelstvo ■ - hmelj T1/k Poljedelstvo - ■ voluminozna krma T2 Specializirani vrtnar T3 Specializirani gojitelj trajnih nasadov T35 Specializirani vinogradnik T35/n Vinogradništvo - nespecificirano T35/g Vinogradništvo - pretežno grozdje T35/v Vinogradništvo - pretežno vino T36 Specializirani sadjar T36/i Sadjarstvo - pretežno intenzivno T36/e Sadjarstvo - pretežno ekstenzivno T37 Specializirani pridelovalec oljk T38 Razni trajni nasadi - kombinirano T4 Specializirani rejec pašne živine T45 Specializirani proizvajalec mleka T46 Specializirani govedorejec - T46/d Govedoreja pitanje - dojilje vzreja in pitanje za zakol T46/p Govedoreja pitanje - pitanje T47 Govedo - prireja mleka, vzreja, pitanje za zakol - kombinirano T48 Ovce, koze in druga pašna živina T48/dr Druga pašna živina - drobnica T48/d Druga pašna živina - drugo in mešano T5 Specializirani prašičerejci in perutni- T51 Specializirani prašičerejci narji T52 Specializirani perutninarji T53 Razni prašičerejci in perutninarji - kombinirano T6 Mešana rastlinska pridelava T7 Mešana živinoreja T73 Mešana živina, v glavnem pašna T74 Mešana živina, v glavnem prašičereja in perutninarstvo T8 Mešano rastlinska pridelava - živi- T8/d Kmetijstvo - mešano brez čebelarstva noreja T8/c Kmetijstvo - mešano - čebelarstvo Glede na to, da je tip kmetovanja opredeljen z deležem, ki ga posamezna skupina proizvodov predstavlja v skupnem SO kmetijskega gospodarstva, je bilo potrebno najprej izračunati SO za posamezne skupine pridelkov (preglednica 13). SO na ravni skupin je izračunan po enakem postopku kot skupni SO. Preglednica 13: Seznam predhodno izračunanih posamičnih SO skupin proizvodov za določitev tipa kmetovanja Oznaka Skupina proizvodov Oznaka Skupina proizvodov P1/h SO Hmelj P46/d SO Reja drugih krav (dojilje) P1/k SO Voluminozna krma (FCP) P46/p SO Pitanje govedi P1/p SO Poljedelstvo - drugo P48/dr SO Reja drobnice P2 SO Vrtnarstvo P48/dt SO Reja drugih travojedih živali P35/n SO Vinogradništvo - nespecificirano P51 SO Prašičereja P35/g SO Vinogradništvo - pridelava grozdja P52 SO Perutninarstvo P35/v SO Vinogradništvo - pridelava vina P59 SO Reja drugih zrnojedih živali P36/i SO Intenzivno sadjarstvo P8/c SO Čebelarstvo P36/e SO Ekstenzivno sadjarstvo FCP1 SO Voluminozna krma všteta v poljedelstvo [if(GL=0;FCP1=P1/k;0)] P37 SO Oljke GL SO Travojede živali brez krme (P45+P46/d+P46/p+P48/dr+P48/dr) P39 SO Drugi trajni nasadi P4 SO Travojede živali skupaj s krmo [if(GL>0;P4=GL+P1/k;0)] P45 SO Reja krav za mleko SO SO Skupaj Potek izračuna tipov kmetovanja prikazuje preglednica 14. Preglednica 14: Diagram poteka določitve tipa kmetovanja Pogoj Splošni tip Dodatni pogoj Glavni tip Dodatni pogoj Spec. tip P1/h>2/3 P1 da ► T1/h ne ▼ FCP1>2/3 P1 da ► T1/k T1/p T35 ► P35/v+P35/g=0 da ► T35/n ne ▼ P35/v>1/2 (P35/v+P35/g) da ► T35/v T35/g UL ► T36 ► P36/i>1/2 (P36/i+P36/e) da ► T36/i T36/e _Pl=(Pl/p+Pl/h+FCPl)>2/3 SO da ► TI ► ne P2>2/3SO da ► T2 ne ▼ JP3=(P35+P36+P37)>2/3 SO da ► | T3 ► ne ▼ P35=(P35/n + P35/v+P35/g)>2/3 SO da T35 ► ne ▼ P4>2/3 SO da ► T4 ► P36=(P36/i+P36/e)>2/3 SO ne ▼ P37>2/3 SO nel P45>3/4 GL; GL>1/10 P4 ne ▼ ne ▼ P46=(P46/d + P46/p)>2/3 GL; GL>1/10 P4; P45<1/10 GL ne ▼ P46=(P46/d + P46/p)>2/3 GL; GL>1/10 P4; P45>1/10 GL ne I JP5=(P51+P52+P53)>2/3 SO dal| T5 ► ne ▼ P5l>2/3 SO ne ▼ P52>2/3 SO ne ►- JP1+P2+P3)>2/3 SO ne ▼ (P4+P5)>2/3 SO ne ▼ SO>0 ne ^-nerazporejeno da ► T6 da ► T7 da ► T8 P4>P5 nel- P8/c>2/3 SO nel da ► dal da ► T37 T38 T45 da ► da ► T46 T47 T48 P46/d>1/2 (P46/d+P46/p) nel da ► T46/d T46/d P48/dr>2/3 GL;. GL>1/10^ P4 ne ► dal da ► da ► T5l T52 T53 T48/dr T48/d da ► T73 T74 da ► T8/c T8/d ► ► ► ► Končni rezultati so zbrani v izpisnem delu preglednice, ki vsebuje podatke o skupnem SO posameznega gospodarstva (SO), pripadajočem razredu ekonomske velikosti (RazEV) in tipu kmetovanja na vseh treh ravneh (splošni tip -TipSPL, osnovni tip - TipOSN, specifični tip - TipSPEC). Izpis s končnimi rezultati ima naslednjo obliko: Leto KMG_MID Občina Regija SO RazEV TipSPL TipOSN TipSPEC Osnovni podatki, celotni izračuni SO za leta 2012, 2013 in 2014 ter ločeni izpisi končnih rezultatov po letih so, skupaj z dodatnimi pojasnili, priloženi v samostojni elektronski mapi. 2.4. REZULTATI IN DISKUSIJA 2.4.1. Zajemljivost Podatki o rastlinski pridelavi se v administrativnih virih nanašajo na okoli 480 tisoč ha kmetijskih zemljišč, kar je primerljivo s podatki o rabi kmetijskih zemljišč v okviru statistike rastlinske pridelave (2012: 479.655 ha, 2013: 478.888 ha, 2014: 482.220 ha; SI-STAT). Glede na to, da SURS v zadnjih letih večino podatkov o površinah kmetijskih zemljišč pridobiva iz administrativnih virov (RKG, zbirne vloge) in le v manjši meri z vzorčnimi raziskovanjem posejanih površin (SURS, 2015a), razmeroma majhno odstopanje v zajemu podatkov ne preseneča. Kot je razvidno iz preglednice 15, za veliko večino kmetijskih zemljišč (97 %) izračun SO temelji na bolj ali manj podrobnih podatkih o površinah po vrstah oz. skupinah pridelkov. Povprečni SO koeficient skupine (pavšal) je pripisan le dobrim 3 % površin, za katere v administrativnih virih ni podrobnejših podatkov ali pa so ti pomanjkljivi. Preglednica 15: Površina kmetijskih zemljišč, vključena v izračun SO po vrstah rabe in glede na način pripisa SO koeficientov (ha); 2012-2014 2012 2013 2014 Raba Skupaj Po vrstah Pavšal Skupaj Po vrstah Pavšal Skupaj Po vrstah Pavšal Njiva (1100) in hmeljišče (1160) 174.682 169.084 5.598 175.607 169.985 5.623 176.423 170.754 5.669 Trajne rastline na njivah (1180) 354 294 60 369 303 66 374 308 66 Rastlinjak (1190) 98 53 45 104 55 49 115 62 53 Vinograd (1211) 16.110 13.036 3.074 16.028 14.587 1.441 16.004 13.643 2.361 Intenzivni sadovnjak (1221) 3.934 3.711 223 3.907 3.780 127 3.844 3.775 69 Ekstenzivni sadovnjak (1222) 6.587 6.587 6.894 6.894 7.195 7.195 Oljke (1230) 842 842 943 943 1.019 1.019 Matičnjak (1212) 42 42 45 45 43 43 Ostali trajni nasadi (1240) 452 452 447 447 449 449 Trajni travnik (1300) 267.632 267.632 267.904 267.904 268.283 268.283 Barjanski travnik (1321) 4.340 4.340 4.319 4.319 4.247 4.247 Ekstenzivni kraški pašnik (1430) 469 469 483 483 466 466 Kmet. zemljišče, poraslo z gozd. drevjem (1800) 3.868 3.868 4.016 4.016 4.108 4.108 Skupaj v obračunu SO* 479.408 463.371 16.038 481.066 466.420 14.646 482.571 466.709 15.862 * Brez plantaž gozdnega drevja (GERK 1420) in neobdelanih kmetijskih zemljišč (GERK 1600). Pri dejanskih rabah v skupini njiv in vrtov (GERK 1100, 1160, 1180 in 1190) se delež površin, ki so obračunane pavšalno, močno razlikuje. Razmeroma majhen je pri njivah skupaj s hmeljišči (v vseh letih okoli 3 %), precej večji pri trajnih rastlinah na njivskih površinah (okoli 18 %), velik pa pri rastlinjakih (okoli 46 %). Pavšalno obračunane površine so večinoma zabeležene na kmetijskih gospodarstvih, ki jih ni v evidenci zbirnih vlog za te rabe, imajo pa podatek o kmetijskih zemljiščih s temi rabami v RKG.19 Poleg tega so v pavšalni obračun vključene tudi površine na kmetijskih gospodarstvih, ki sicer imajo podatke v evidenci zbirnih vlog, se pa seštevek površin po vrstah rastlin na teh rabah razlikuje od podatkov v RKG. Pri večini tovrstnih gospodarstev je po kulturah razporejenih manj površin, kot jih je evidentiranih v RKG (zbirna vloga ne zajema vseh površin iz RKG), v nekaterih primerih pa je ta razlika negativna (zbirna vloga zajema več površin kot RKG). Negativna razlika, ki sicer ni velika, se pojavlja skoraj izključno pri njivah skupaj s hmeljišči (2012: -20 ha, 2013: -38 ha, 2014: -27 ha), opozarja pa na neskladja med obema evidencama (zbirna vloga, RKG). Do določenih razlik v površinah lahko prihaja tudi zaradi zaokroževanja (podatki iz RKG v m2, podatki iz zbirnih vlog v arih), potencialno pa tudi zaradi različnega datuma zajema podatkov (popravki med letom). 19 Pri rabah 1100 in 1160 na tovrstna gospodarstva odpade okoli 73% pavšalno obračunanih površin (2012: 4.033 ha, 2013: 4.084 ha, 2014: 4.138 ha), pri rabi 1180 okoli 97% (2012: 59 ha, 2013: 63 ha, 2014: 64 ha), pri rabi 1190 pa okoli 93% (2012: 42 ha, 2013: 46 ha, 2014: 49 ha). Pri vinogradih (GERK 1211) se delež pavšalno obračunanih površin giblje okoli 14 % (2012: 19 %, 2013: 9 %, 2014: 15 %), nanaša pa se na kmetijska gospodarstva, ki v evidenci RPGV nimajo podatkov o pridelku grozdja in vina.20 Pri intenzivnih sadovnjakih (GERK 1221) je delež pavšalno obračunanih površin razmeroma majhen in se z leti še zmanjšuje (2012: 6 %, 2013: 3 %, 2014: 2 %). V pavšalni obračun so vključene površine na kmetijskih gospodarstvih, ki imajo GERK s to rabo v RKG, v izpisu o površinah po sadnih vrstah pa nimajo podatkov,21 ali pa so te površine manjše (pozitivna razlika) ali večje (negativna razlika) od skupne površine GERK s to rabo. Primerov, ko je po sadnih vrstah razporejeno več površin kot v izpisu GERK (negativna razlika) je razmeroma malo (2012: -54 ha, 2013: -54 ha, 2014: -34 ha). Najpogosteje se tovrstna razlika pojavlja na kmetijskih gospodarstvih, ki gojijo breskve in nektarine (potencialno podvojeni zapisi). Pri ekstenzivnih sadovnjakih (GERK 1222),22 oljčnikih (GERK 1230)23 in drugih trajnih nasadih (GERK 1212, 1240)24 so vse površine obračunane po povprečnem SO koeficientu skupine, pri trajnem travinju (GERK 1300, 1321, 1430, 1800) pa po SO koeficientu glede na ocenjeno intenzivnost rabe. Zajemljivost podatkov o številu živali v administrativnih virih po vrstah živali je prikazana v preglednici 16. Teh podatkov sicer zaradi razlik v zajemu podatkov ni mogoče neposredno primerjati s statističnimi podatki25, kljub temu pa lahko v splošnem ugotovimo, da je pri večini rejnih živali (govedo, drobnica, prašiči, perutnina) odstopanje v številu razmeroma majhno (praviloma manj kot 10 %).26 Preglednica 16: Skupno število živali po vrstah po administrativnih virih; 2012-2014 2012 2013 2014 Govedo 473.780 471.746 471.085 Ovce 119.558 109.701 104.935 Koze 26.319 25.527 24.485 Prašiči 302.265 273.658 271.676 Perutnina 4.400.434 4.953.504 4.760.604 Kopitarji 18.115 17.694 17.239 Plemenski kunci 10.462 12.256 11.825 Čebele 127.399 122.570 142.271 Drugo 7.724 7.631 7.920 20 Na gospodarstvih, ki imajo podatek o pridelavi grozdja in vina je razmerje med površinami za pridelavo grozdja in vina po letih naslednje: - 2012: 4.315 ha - grozdje (33%), 8.721 ha - vino, - 2013: 4.490 ha - grozdje (31%), 10.097 ha vino, - 2014: 4.181 ha - grozdje (31%), 9.462 ha - vino. 21 Na tovrstna gospodarstva odpade 10-24% pavšalno obračunanih površin (2012: 23 ha, 2013: 20 ha, 2014: 17 ha). 22 Ekstenzivni sadovnjaki so ovrednoteni s SO koeficientom, ki je izračunan kot tehtano povprečje vrednosti pridelave po sadnih vrstah. 23 Vsi oljčniki so ovrednoteni s SO koeficientom za oljčno olje. 24 Matičnjaki (1212) so ovrednoteni s SO koeficientom, ki je izračunan za skupino »drevesnice in trsnice«. Za rabo ostali trajni nasadi (1240) ni podrobnejših podatkov o vrstah rastlin, z izjemo podatka o trti za drugo rabo (ki ni vino ali namizno grozdje) v okviru zbirnih vlog. Po teh podatkih trta pokriva blizu 80% površin te rabe. Ta raba je zato v celoti obračunana po SO koeficientu za vinograde - grozdje. 25 SURS podatke o številu govedi prevzema iz CRG, za ostale vrste živali pa jih zbira z vzorčnim raziskovanjem. V raziskovanje so vključena gospodarstva, ki izpolnjujejo vstopni prag, določen na ravni EU (t.i. evropsko primerljive kmetije) (SURS, 2015b). Podatki o številu živine se v okviru letne statistike živinoreje nanašajo na stanje 1.12., v okviru strukturnih raziskovanj pa na stanje 1.6. tekočega leta (v administrativnih virih stanje 1.2.). 26 Po podatkih SURS (SI-STAT) je bilo 1.12.2014 v Sloveniji okoli 468.000 govedi, 136.000 glav drobnice, 281.000 prašičev in 5,259 milijona kljunov perutnine. Za izračun SO so pri nekaterih kategorijah živali namesto izvornih podatkov uporabljeni izračuni števila živali, izvedeni iz teh podatkov ob upoštevanju stanja na posameznem KMG-MID. Kot je razvidno iz preglednice 17, je po teh izračunih število živali v kategorijah, ki se upoštevajo v odvisnosti od tega, ali so na kmetijskem gospodarstvu tudi plemenske živali (govedo do 1 leta, druge ovce, druge koze, pujski do 20 kg), bistveno manjše od skupnega števila živali v teh kategorijah. Po podatkih iz administrativnih virov so bile medletne spremembe površin po vrstah rabe in števila živali v obdobju 2012-2014 na agregatni ravni razmeroma majhne (večinoma pod 10 %), na ravni posameznih vrst rastlin in kategorij živali, zlasti pa na ravni posameznega kmetijskega gospodarstva pa so ta odstopanja bistveno večja (glej 2.5). Preglednica 17: Število rejnih živali, vključenih v izračun SO po vrstah in kategorijah živali; 2012-2014 2012 2013 2014 Skupaj Za SO* Skupaj Za SO* Skupaj Za SO* GOVEDO Govedo do 1 leta 151.904 48.945 149.650 48.805 148.741 47.686 Govedo 1-2 leti - žensko 59.481 60.349 61.407 Govedo 1-2 leti - moško 59.720 62.306 60.972 Telice nad 2 leti 21.652 21.501 21.950 Moško govedo nad 2 leti 4.378 5.050 6.473 Krave skupaj 176.645 172.890 171.542 Mlečne krave 111.736 110.438 108.342 Druge krave 64.909 62.452 63.200 OVCE Plemenske ovce 82.111 76.413 73.206 Druge ovce 37.447 314 33.288 402 31.729 152 KOZE Plemenske koze 19.692 19.420 18.813 Druge koze 6.627 166 6.107 102 5.672 91 PRAŠIČI Pujski do 20 kg 85.121 1.430 71.580 967 73.222 779 Drugi prašiči 186.601 174.374 171.797 Plemenske svinje 30.543 27.704 26.657 PERUTNINA Piščanci 2.777.275 3.230.135 2.903.226 Kokoši nesnice 1.379.060 1.379.626 1.499.895 Purani, race in gosi 58.070 64.813 61.721 Noji 47 30 27 Jarkice 120.057 204.159 224.624 Druga perutnina 7.855 9.928 9.390 KOPITARJI Kopitarji 18.115 17.694 17.239 KUNCI Plemenski kunci 10.462 12.256 11.825 ČEBELE Čebelji panji 127.399 122.570 142.271 DRUGO Druge živali 7.724 7.631 7.920 * Število živali, ki je pri teh kategorijah dejansko upoštevano pri izračunu skupnega SO kmetijskega gospodarstva. 2.4.2. SO kmetijskih gospodarstev v letih 2012-2014 Podatki iz administrativnih virov omogočajo izračun skupnega SO za več kot 90 tisoč kmetijskih gospodarstev (KMG-MID) (preglednica 18). Število v izračun SO zajetih gospodarstev je precej večje (za okoli 30 %) od števila, ki ga izkazujejo podatki strukturnih raziskovanj v okviru statistike kmetijstva (leta 2013 72.277 kmetijskih gospodarstev; SI-STAT). To je bilo zaradi nizkega praga obveznega vpisa kmetijskih gospodarstev v RKG (glej 2.2.2) v primerjavi s pragom, ki je določen za vključitev v raziskovanje strukture kmetijskih gospodarstev, tudi pričakovano.27 Razlika v skupnem številu zajetih gospodarstev v letu 2013 (21.446 KMG-MID več kot po podatkih SURS) tako v pretežni meri izhaja iz razlike 27 V raziskovanje strukture kmetijskih gospodarstev so zajete t.i. evropsko primerljive kmetije. To so gospodarstva, ki izvajajo kmetijsko dejavnost in uporabljajo najmanj 1 ha kmetijskih zemljišč ali uporabljajo manj kot 1 ha kmetijskih zemljišč in ob tem: uporabljajo najmanj 10 a kmetijskih zemljišč in 90 a gozda ali uporabljajo najmanj 30 a vinogradov in/ali sadovnjakov ali redijo najmanj 2 glavi velike živine (GVŽ) ali uporabljajo 15 do 30 a vinogradov in redijo 1 do 2 glavi velike živine ali imajo 50 panjev čebel ali so tržni pridelovalci zelenjadnic, zelišč, jagod in gojenih gob ter cvetja in okrasnih rastlin (SURS, 2014a). v številu gospodarstev v velikostnem razredu do 2.000 EUR skupnega SO (20.017 KMG-MID več kot po podatkih SURS), medtem ko so v drugih velikostnih razredih odstopanja bistveno manjša (povsod pod 13 %). Skupni SO je v letih 2012-2014 na agregatni ravni znašal okoli 1,1 milijarde EUR, razlike med leti pa so razmeroma majhne (±2 %). Primerjava izračunanega skupnega SO s statističnim podatkom strukturnega raziskovanja za leto 2013 (1,009 milijarde EUR; SI-STAT) kaže, da je tu odstopanje navzgor precej manjše, kot pri skupnem številu gospodarstev (SO 10 % večji kot po podatkih SURS). Različna višina skupnega SO je deloma posledica drugačnega zajema podatkov o površinah in številu živali (tu administrativni viri; SURS: strukturno raziskovanje), deloma pa razlik v višini in načinu pripisa SO koeficientov (tu SO koeficienti 2013 na podrobni ravni; SURS: povprečje SO koeficientov 2008-2012 na ravni, kot jo predpisuje metodologija EU). Preglednica 18: Število gospodarstev (KMG-MID) in skupni SO po razredih ekonomske velikosti; 20122014 Število KMG-MID SO (mio EUR) Razredi ekonomske velikosti (RazEV) 2012 2013 2014 2012 2013 2014 1 manj kot 2.000 EUR 30.962 32.219 35.007 26,4 28,8 28,5 2 od 2.000 do manj kot 4.000 EUR 15.106 16.192 15.376 44,4 47,3 45,1 3 od 4.000 do manj kot 8.000 EUR 18.646 18.444 18.426 107,5 106,2 105,9 4 od 8.000 do manj kot 15.000 EUR 12.548 12.274 12.132 135,6 132,9 130,5 5 od 15.000 do manj kot 25.000 EUR 5.791 5.663 5.318 111,2 108,5 101,9 6 od 25.000 do manj kot 50.000 EUR 5.231 5.073 4.877 184,7 178,9 172,8 7 od 50.000 do manj kot 100.000 EUR 2.913 2.714 2.814 200,2 186,4 193,8 8 enako ali več kot 100.000 EUR 2.913 1.244 1.422 327,9 321,1 350,0 Skupaj 94.110 93.823 95.372 1.137,8 1.110,2 1.128,5 Po načinu izračuna je skupni SO po letih bolj kot s SO v okviru strukturnega raziskovanja primerljiv z vrednostjo proizvodnje po ekonomskih računih za kmetijstvo (celotna proizvodnja v posameznem letu ovrednotena po povprečnih cenah v tem letu; SURS, 2014b). Čeprav tudi tu obstajajo razlike v metodologiji, ta primerjava kaže, da je odstopanje v vseh letih na agregatni ravni presenetljivo majhno (pod 1 %).28 Dodatna informacija, ki podrobneje opredeli kmetijsko gospodarstvo, je tip kmetovanja glede na prevladujočo proizvodno usmeritev. Kot je razvidno iz opisa tipologije (glej 2.3.3) smo se odločili za razmeroma podrobno členitev, pri čemer so na najbolj podrobni ravni opredeljeni nekateri specifični tipi, ki sicer niso predvideni v okviru statističnih raziskovanj. Namen te dodatne delitve je predvsem ločiti nekatere za naše kmetijstvo in kmetijsko politiko pomembne dejavnosti (npr: hmeljarstvo, reja krav dojilj, čebelarstvo), ali pa določene usmeritve dodatno osvetliti z vidika intenzivnosti (intenzivno ali ekstenzivno sadjarstvo) ali vrste pridelave (pridelava vina ali grozdja). Struktura kmetijskih gospodarstev po tipu kmetovanja, ki je prikazana v preglednici 19, je precej drugačna od strukture, ki izhaja iz statističnih podatkov strukturnega raziskovanja za leto 2013 (SI-STAT). Metodološke razlike, omenjene že pri primerjavi agregatnih izračunov in izračunov po velikostnih razredih, se pri opredelitvi tipa kmetovanja še močneje odražajo. Pripis SO koeficientov na podrobnejši ravni predvsem v okviru pridelkov iz skupine trajnih nasadov (delitev na vinograde za pridelavo vina in grozdja; delitev na intenzivne in ekstenzivne sadovnjake) tako pomembno vplivajo na določitev tipa, da prikazana tipologija ni primerljiva s podatki statističnih raziskovanj. 28 Po podatkih ekonomskih računov za kmetijstvo je skupna vrednost proizvodnje kmetijskih proizvodov po proizvajalčevih cenah leta 2012 znašala 1,143 milijarde EUR, leta 2013 1,118 milijarde EUR in leta 2014 1,138 milijarde EUR (SI-STAT). Preglednica 19: Število gospodarstev (KMG-MID) in skupni SO po tipih kmetovanja; 2012-2014 Število KG MID SO (mio EUR) 2012 2013 2014 2012 2013 2014 1 Specializirani pridelovalec poljščin T1 18.603 16.967 18.309 96,8 68,1 86,5 Poljedelstvo - splošno T1/p 9.836 8.933 9.704 70,2 48,9 60,6 Poljedelstvo - hmelj T1/h 19 22 46 2,0 1,9 8,3 Poljedelstvo - voluminozna krma T1/k 8.748 8.012 8.559 24,6 17,3 17,6 2 Specializirani vrtnar T2 680 933 1.030 24,5 28,2 32,0 3 Specializirani gojitelj trajnih nasadov T3 18.005 20.512 20.918 138,6 169,7 155,2 35 Specializirani vinogradnik T35 13.984 14.369 15.101 83,8 83,5 89,1 Vinogradništvo - nespecificirano T35/n 8.842 6.029 7.941 11,2 6,3 10,9 Vinogradništvo - pretežno grozdje T35/g 1.277 1.676 1.444 7,1 7,7 7,1 Vinogradništvo - pretežno vino T35/v 3.865 6.664 5.716 65,5 69,4 71,0 36 Specializirani sadjar in pridelovalec citrusov T36 1.803 3.087 2.958 32,3 56,9 41,4 Sadjarstvo - pretežno intenzivno T36/i 905 1.002 971 29,7 44,7 32,8 Sadjarstvo - pretežno ekstenzivno T36/e 898 2.085 1.987 2,5 12,2 8,6 37 Specializirani pridelovalec oljk T37 381 565 467 0,6 1,4 0,4 38 Razni trajni nasadi - kombinirano T38 1.837 2.491 2.392 22,0 27,9 24,3 4 Specializirani rejec pašne živine T4 27.487 23.641 23.656 540,7 474,5 498,0 45 Specializirani proizvajalec mleka T45 5.761 5.639 5.441 332,6 315,3 337,9 46 Specializirani govedorejec - vzreja in pitanje za zakol T46 16.320 13.420 13.578 157,2 118,4 119,5 Govedoreja pitanje - dojilje T46/d 6.676 4.265 3.609 58,7 33,0 25,8 Govedoreja pitanje - pitanje T46/p 9.644 9.155 9.969 98,5 85,4 93,7 47 Govedo - mleko, vzreja, pitanje - kombinirano T47 9 17 10 0,4 0,5 0,4 48 Ovce, koze in druga pašna živina T48 5.397 4.565 4.627 50,5 40,3 40,2 Druga pašna živina - drobnica T48/dr 3.009 2.539 2.619 21,5 16,3 17,7 Druga pašna živina - drugo in mešano T48/d 2.388 2.026 2.008 29,0 24,0 22,5 5 Specializirani prašičerejci in perutninarji T5 997 1.105 943 89,7 91,4 90,7 51 Specializirani prašičerejci T51 768 834 713 17,9 19,1 18,7 52 Specializirani perutninarji T52 190 202 195 69,2 69,5 70,6 53 Razni prašičerejci in perutninarji - kombinirano T53 39 69 35 2,5 2,7 1,3 6 Mešana rastlinska pridelava T6 4.015 5.015 5.394 22,8 32,3 32,4 7 Mešana živinoreja T7 2.895 2.899 2.677 40,0 37,3 37,1 73 Mešana živina, v glavnem pašna živina T73 2.701 2.623 2.453 32,2 28,9 28,1 74 Mešana živina, v glavnem prašičereja in perutninarstvo T74 194 276 224 7,8 8,4 9,0 8 Mešano rastlinska pridelava - živinoreja T8 19.805 22.751 22.445 184,8 208,8 196,6 Kmetijstvo - mešano brez čebelarstva T8/d 14.723 17.659 17.340 182,1 201,1 195,0 Kmetijstvo - mešano - čebelarstvo T8/c 5.082 5.092 5.105 2,6 7,7 1,6 Skupaj 92.487 93.823 95.372 1.137,8 1.110,2 1 .128,5 Podatki o razporeditvi kmetijskih gospodarstev po velikostnih razredih in tipih kmetovanja pomembno pridobijo na analitični vrednosti, če so prikazani v obliki t.i. »navzkrižne tabele«. Primer take tabele prikazuje preglednica 20. Preglednica 20: Število gospodarstev (KMG-MID) po tipih kmetovanja in razredih ekonomske velikosti; 2014 Tip\RazEV 1 2 3 4 5 6 7 8 Skupaj 1 Specializirani pridelovalec poljščin T1 10.619 3.810 2.262 904 319 221 107 67 18.309 2 Specializirani vrtnar T2 41 123 233 182 139 151 99 62 1.030 3 Specializirani gojitelj trajnih nasadov T3 12.952 2.825 2.006 1.319 711 605 331 169 20.918 4 Specializirani rejec pašne živine T4 2.924 3.464 5.537 4.142 2.261 2.826 1.752 750 23.656 5 Specializirani prašičerejci in perutninarji T5 495 43 33 19 42 54 82 175 943 6 Mešana rastlinska pridelava T6 1.177 1.766 1.581 581 160 83 30 16 5.394 7 Mešana živinoreja T7 188 470 872 620 248 170 70 39 2.677 8 Mešano rastlinska pridelava - živinoreja T8 6.611 2.875 5.902 4.365 1.438 767 343 144 22.445 Skupaj 35.007 15.376 18.426 12.132 5.318 4.877 2.814 1.422 95.372 Podatki so prikazani le na ravni splošnih tipov kmetovanja. Na podrobnejši ravni tipologije je namreč število gospodarstev v nekaterih razdelkih tako majhno, da po načelu varovanja zaupnosti podatkov objava ni dovoljena. V okviru prikaza analitičnih rezultatov SO izračunov je treba omeniti še možnost pregleda na teritorialni ravni. Kot primer takega pregleda prikazujemo podatke o številu KMG-MID po statističnih regijah in velikostnih razredih SO (preglednica 21). Preglednica 21: Število gospodarstev (KMG-MID) po statističnih regijah in razredih ekonomske veliko- sti; 2014 Regija\RazEV 1 2 3 4 5 6 7 8 Skupaj Pomurska 4.705 2.067 2.096 1.252 685 691 390 190 12.076 Podravska 5.788 2.505 2.834 1.930 899 959 649 385 15.949 Koroška 806 360 607 645 284 220 142 37 3.101 Savinjska 4.392 1.895 2.722 1.920 800 735 394 197 13.055 Zasavska 578 388 555 323 104 88 30 10 2.076 Posavska 3.303 1.282 1.546 1.022 418 315 165 66 8.117 Jugovzhodna Slovenija 4.544 1.676 2.213 1.328 468 379 190 108 10.906 Primorsko-notranjska 987 742 843 447 181 111 38 14 3.363 Osrednjeslovenska 3.106 1.592 2.048 1.338 506 509 286 156 9.541 Gorenjska 1.754 820 970 688 332 352 283 141 5.340 Goriška 2.706 1.297 1.344 857 419 378 183 81 7.265 Obalno-kraška 2.333 752 648 382 222 140 64 37 4.578 Skupaj 35.007 15.376 18.426 12.132 5.318 4.877 2.814 1.422 95.372 Statistika objavlja podatke na regionalni ravni le ob popisih kmetijstva (praviloma vsakih 10 let; zadnjič za leto 2010). Na regionalni ravni je možnost objave podatkov na podrobnejši ravni (npr. po tipu in velikostnih razredih) zaradi načela varovanja zaupnosti podatkov še bolj omejena kot na ravni države kot celote. Podrobnih podatkov torej ne objavljamo, so pa v okviru rezultatov naloge, poleg že omenjenih podatkov na ravni KMG-MID za leta 2012 do 2014, pripravljene tudi naslednje pregledne tabele: - Število KMG-MID po regijah in velikostnih razredih SO - Skupni SO po regijah in velikostnih razredih SO - Povprečni SO na KMG-MID po regijah in velikostnih razredih SO - Število KMG-MID po regijah in proizvodnih tipih - Skupni SO po regijah in proizvodnih tipih - Povprečni SO na KMG-MID po regijah in proizvodnih tipih - Število KMG-MID po proizvodnih tipih in velikostnih razredih SO skupaj in po regijah - Skupni SO po proizvodnih tipih in velikostnih razredih SO skupaj in po regijah - Povprečni SO na KMG-MID po proizvodnih tipih in velikostnih razredih SO skupaj in po regijah. Rezultati so posredovani naročniku v elektronski obliki. 2.5. OCENA MOŽNOSTI UPORABE KAZALCEV SO IZ ADMINISTRATIVNIH VIROV ZA POTREBE KMETIJSKE POLITIKE Kot je bilo omenjeno že v uvodu, v razmerah pomanjkanja celovitih podatkov o ekonomskem položaju kmetijskih gospodarstev, ocena SO in izvedenih kazalcev na osnovi podatkov iz administrativnih virov lahko predstavlja pomemben vir informacij, ki ga je mogoče koristno uporabiti tudi za potrebe kmetijske politike. Ob tem ne gre pozabiti, da je SO razmeroma grob ekonomski kazalec, saj za vsa gospodarstva upošteva enako intenzivnost pridelave in enake cene (enaki SO koeficienti). Na ravni gospodarstva torej zanemarja specifične tehnološke in ekonomske značilnosti, ki pomembno vplivajo na dejanski prihodek. Glede na metodologijo izračuna kaže SO razumeti predvsem kot neke vrste skupni imenovalec, ki omogoča primerjavo kmetijskih gospodarstev na individualni ravni ali na ravni različnih skupin med seboj in v času. Pri uporabi ocen SO na podlagi administrativnih virov je potrebno upoštevati, da izračun zajema vse subjekte (KMG-MID), ki so vpisani v izbrane evidence, ne glede na velikost ali druge značilnosti. Glede na to, da je prag za obvezen vpis v posamezne zbirke podatkov praviloma nizek, izračun SO zajema tudi veliko število zelo majhnih gospodarstev.29 V okviru statističnih raziskovanj kmetijstva je prag zajetja kmetijskih gospodarstev v splošnem višji (t.i. evropsko primerljive kmetije), kar omejuje neposredno primerljivost. Primerljivost s podatki statističnih raziskovanj omejuje tudi sam način izračuna skupnega SO. Ta za posamezno kmetijsko gospodarstvo upošteva administrativne podatke o proizvodnih parametrih (površine, število živali) na najpodrobnejši ravni in SO koeficiente, ki tem parametrom najbolj ustrezajo. Tako izračunan skupni SO je zato precej natančnejši kot SO v okviru statističnih raziskovanj strukture kmetijskih gospodarstev, ki pri nekaterih pridelkih uporablja skupine in SO koeficiente na dokaj agregatni ravni (npr. sadovnjaki skupaj). Razlika je tudi v samih SO koeficientih, ki se pri izračunu na podlagi administrativnih virov nanašajo na tekoče leto, v okviru statističnih raziskovanj pa na povprečje petletnega obdobja pred izvedbo raziskovanja. Prednost izračuna SO in izvedenih kazalcev (razred ekonomske velikosti, tip kmetovanja) na podlagi administrativnih virov je predvsem v možnosti zagotavljanja podatkov na letni ravni in sicer tako individualnih podatkov (SO na ravni KMG-MID), kot tudi podatkov na ravni poljubno izbranih skupin gospodarstev. Zaradi enotne in mednarodno primerljive metodologije bi bila uporaba standardiziranih statističnih SO kazalcev sicer primernejša, vendar so ti podatki na voljo le ob strukturnih raziskovanjih, ki se izvajajo praviloma vsako tretje leto (na regionalni ravni na vsakih 10 let), dostopni pa so le na ravni različnih agregatov. Zaradi varovanja osebnih podatkov individualni podatki niso širše dostopni in jih razen za raziskovalne namene tudi ni mogoče pridobiti. Izračuni SO na podlagi administrativnih virov imajo zaradi široke zajemljivosti, ažurnosti in možnosti uporabe individualnih in združenih podatkov potencialno veliko analitično vrednost. Omogočajo spremljanje razvoja izbranih skupin gospodarstev (glede na velikost, usmeritev, območje itd.), kar lahko pomembno prispeva k učinkovitejšemu načrtovanju, izvajanju in vrednotenju posameznih ukrepov kmetijske politike in kmetijske politike kot celote. SO in izvedeni kazalci so lahko pomemben vir podatkov tudi za raziskovalne namene kot npr. za modeliranje na ravni kmetijskih gospodarstev, ex-ante in ex-post presojo ekonomskega stanja v kmetijstvu, scenarijske analize kmetijskih ukrepov in podobno. Medtem ko glede uporabnosti izračunanih SO kazalcev za različne analitične namene ni večjih dilem, pa je neposredna uporaba teh podatkov za namene, ki bi za posamezno kmetijsko gospodarstvo imeli kakršnekoli ekonomske ali druge posledice, lahko problematična. Prvi problem je v zanesljivosti (točnosti) podatkov, drugi, vsebinski, pa je problem velike variabilnosti SO kazalcev. Kot je razvidno že iz rezultatov, predstavljenih v predhodnem poglavju (2.4.2), se tako število gospodarstev, kot tudi skupni SO in razporeditev gospodarstev po razredih ekonomske velikosti in tipih kmetovanja med leti lahko kar pomembno razlikujejo že na ravni posameznih agregatov, še večja variabilnost SO kazalcev pa se kaže na ravni KMG-MID. Podrobneje je variabilnost teh rezultatov prikazana v preglednici 22. Kot je razvidno iz preglednice 22 se je v letih 2012-2014 skupni SO spremenil za več kot 20 % pri 30 % do 40 % KMG-MID. Pri okoli petini KMG-MID je prišlo do spremembe razreda ekonomske velikosti in spremembe glavnega tipa kmetovanja. Vzrok za tako veliko variabilnost so spremembe med leti v 29 V letu 2014 je skupni SO pri več kot 5.000 KMG-MID znašal manj kot 200 EUR. proizvodnih parametrih na ravni KMG-MID, pa tudi spremembe v SO koeficientih za posamezen pridelek kot posledica sprememb povprečnih pridelkov in cen v odvisnosti od naravnih in ekonomskih razmer v posameznem letu. Preglednica 22: Spremembe skupnega SO, razreda ekonomske velikosti in tipa kmetovanja pri posameznih KMG-MID v letih 2012-2014 SO 2014/SO 2013 SO 2014/SO 2012 SO 2013/SO 2012 Število KMG-MID s podatki v obeh letih Število KMG-MID s spremembo SO za več kot ± 20 % Delež KMG-MID s spremembo SO za več kot ± 20 % Število KMG-MID s spremembo razreda ekonomske velikosti Delež KMG-MID s spremembo razreda ekonomske velikosti Število KMG-MID s spremembo tipa kmetovanja - s spremembo splošnega tipa - s spremembo glavnega tipa - s spremembo specifičnega tipa Delež KMG-MID s spremembo tipa kmetovanja - s spremembo splošnega tipa - s spremembo glavnega tipa - s spremembo specifičnega tipa 91.801 25.410 28 % 16.905 18 % 12.681 14.410 19.799 14 % 16 % 22 % 89.476 36.153 40 % 19.986 22 % 16.550 18.453 25.175 18 % 21 % 28 % 88.890 35.705 40 % 19.852 22 % 15.730 17.377 24.159 18 % 20 % 27 % Da bi ugotovili kateri dejavnik močneje deluje na variabilnost SO kazalcev, smo SO izračunali še v dveh dodatnih variantah. V prvi varianti smo SO za leta 2012-2014 izračunali še z uporabo enakih SO koeficientov (povprečni SO koeficienti 2012-2014), in s tem izostrili vpliv sprememb v proizvodnih parametrih (Var1: vpliv sprememb količinskih podatkov), v drugi varianti pa smo proizvodne parametre za leto 2014 vrednotili z SO koeficienti za leta 2012 do 2014, kar pokaže na variabilnost SO zaradi sprememb SO koeficientov (Var2: vpliv višine SO koeficientov). Preglednica 23: Spremembe skupnega SO, razreda ekonomske velikosti in tipa kmetovanja pri posameznih KMG-MID v letih 2012-2014 - variantni izračuni Vari: Količine po letih Var2: Količine 2014 Povpr. SO koeficienti 2012-2014 SO koeficienti po letih SO14/SO13 SO14/SO12 SO13/SO12 SO14/SO13 SO14/SO12 Število KMG-MID s podatki v obeh letih 91.801 89.476 88.890 95.372 95.372 Število KMG-MID s spremembo SO za več kot ± 20 % 19.737 25.363 19.613 9.792 17.823 Delež KMG-MID s spremembo SO za več kot ± 20 % 21 % 28 % 22 % 10 % 19 % Število KMG-MID s spremembo razreda ekonomske velikosti 12.832 15.940 12.310 8.492 10.295 Delež KMG-MID s spremembo razreda ekonomske velikosti 14 % 18 % 14 % 9 % 11 % Število KMG-MID s spremembo tipa kmetovanja - s spremembo splošnega tipa 11.089 13.591 10.628 4.273 8.168 - s spremembo glavnega tipa 12.373 15.218 11.765 5.088 8.994 - s spremembo specifičnega tipa 17.628 21.504 18.332 6.139 10.841 Delež KMG-MID s spremembo tipa kmetovanja - s spremembo splošnega tipa 12 % 15 % 12 % 4 % 9 % - s spremembo glavnega tipa 13 % 17 % 13 % 5 % 9 % - s spremembo specifičnega tipa 19 % 24 % 21 % 6 % 11 % Po pričakovanjih se variabilnost med leti zmanjša z izločitvijo enega od obeh dejavnikov. Presenetljivo pa je, da je variabilnost kot posledica sprememb proizvodnih parametrov na posameznem gospodarstvu pomembno večja od variabilnosti, ki je posledica sprememb v višini SO koeficientov med leti. Spremembe v proizvodnih parametrih smo skušali podrobneje preučiti s primerjavo teh podatkov v letih 2013 in 2014 na tistih gospodarstvih, pri katerih je izračun SO pokazal, da je med letoma prišlo do spremembe velikostnega razreda, specifičnega tipa gospodarjenja ali obojega. Takih KMG-MID je bilo 24.973. Med njimi smo iskali primere, pri katerih je prišlo do občutnih sprememb proizvodnih parametrov. V okviru živinoreje je bilo 2.352 KMG-MID takih, pri katerih je bil podatek o številu živine (brez perutnine, kuncev, divjadi in čebel), zabeležen le v enem od obeh let (samo v letu 2013 ali samo v letu 2014). Od KMG-MID, kjer je bilo število živali zabeleženo v obeh letih, je bilo 2.556 takih, pri katerih se je število živali med letoma spremenilo za več kot 50 %. Pri površini kmetijske zemlje je takih KMG-MID, pri katerih je bil podatek zabeležen le v enem od obeh let 240, takih, pri katerih se površina razlikuje za več kot 30 % pa je bilo 1.977. Na skupni SO pomembno vpliva tudi vrsta pridelka v vinogradništvu (grozdje, vino ali če ni podatka o vrsti pridelka). Med 7.820 KMG-MID, pri katerih je bila v obeh letih zabeležena površina na GERK 1211 (vinograd), je bila kar na 3.302 KMG-MID (42 %) zabeležena različna oblika pridelka v obeh letih (npr. v enem letu vino, v drugem letu grozdje ali brez podatka). Če seštejemo vse te primere, ugotovimo, da je pri več kot 40 % KMG-MID, pri katerih je prišlo do spremembe razreda ekonomske velikosti ali tipa kmetovanja, prišlo do drastičnih sprememb v proizvodnih parametrih. Seveda so takšne spremembe na gospodarstvih možne, preseneča pa število, na katerem je bilo to ugotovljeno. Verjetno vsaj del sprememb v proizvodnih parametrih med leti lahko pripišemo napakam pri poročanju ali pa nekonsistentnosti različnih evidenc. Poseben, tudi metodološki problem je evidentiranje števila živali le na določen kritični datum, zaradi česar lahko objektivno prihaja do velikih nihanj med leti. Z že uveljavljeno spremembo na področju evidence rejnih živali (Pravilnik o evidenci imetnikov rejnih živali in evidenci rejnih živali, UL RS 87/14) lahko pričakujemo izboljšave pri evidentiranju števila nekaterih kategorij živali (evidentiranje turnu-sov30), kar bo v prihodnje verjetno omogočilo boljšo oceno SO na področju živinoreje kot doslej. Večjo pozornost pa bo treba posvetiti tudi konsistentnosti podatkov o rastlinski pridelavi; tudi na tem področju so že uveljavljene nekatere spremembe (vrste rabe GERK, šifrant vrst oz. skupin rastlin). Ob večji kontroli kakovosti vhodnih podatkov bi bila variabilnost proizvodnih parametrov zelo verjetno precej manjša od sedaj prikazane. Pri tako veliki variabilnosti SO kazalcev na individualni ravni je njihova uporaba za opredeljevanje specifičnih značilnosti posameznega gospodarstva kot morebitnega kriterija pri izvajanju ukrepov kmetijske politike (npr. doseganje določenega vstopnega praga, uveljavljanje določenih specifičnih podpor glede na tip kmetovanja) lahko problematična. Za ta namen bi bilo vsekakor namesto podatkov na letni ravni, primerneje uporabiti povprečne kazalce za več let. Prvi predpogoj za uporabo za te namene pa je zanesljivost in konsistentnost vhodnih količinskih podatkov. Tudi pri uporabi SO kazalcev za različne analitične namene (tudi kot morebitne indikatorje učinkovitosti v okviru presoje kmetijske politike) je kakovost vhodnih podatkov zelo pomembna. Zanimivi so lahko tako izračuni SO na podlagi tekočih letnih kot tudi povprečnih SO koeficientov na različnih ravneh agregiranja. Odvisno od namena nas lahko zanima skupni učinek sprememb v proizvodnih parametrih na gospodarstvih in splošnih sprememb letine in cen (uporaba tekočih letnih podatkov o proizvodnih parametrih in SO koeficientih) ali pa le učinek sprememb proizvodnih parametrov (uporaba tekočih letnih proizvodnih parametrov in povprečnih SO koeficientov). Slednje bi verjetno lahko uporabili kot indikator učinkov nekaterih ukrepov kmetijske politike. Povsem konkretnih predlogov za uporabo SO kazalcev za namene kmetijske politike in druge namene za enkrat ne podajamo, saj so le-ti odvisni od dejanskih potreb potencialnih uporabnikov. Pri pregledu rezultatov smo prikazali dodatno členitev po regijah, ki je glede na dejstvo, da imamo sicer zelo malo podatkov o kmetijstvu na regionalni ravni, zanimiva že z vidika podatkov o proizvodnih parametrih, ki jih je mogoče pridobiti iz administrativnih virov, z uporabo SO kazalcev pa je mogoče osvetliti stanje po regijah tudi s širšega (ekonomskega) vidika. Verjetno se bo pokazala potreba po oblikovanju 30 Pri nekaterih vrstah in kategorijah živali (prašiči pitanci od 30 kg dalje; jarkice, pitovni piščanci, purani, pitovni noji, stari manj kot eno leto, kunci v pitanju, fazani, polži) se po novem (od leta 2015) v ERŽ pri turnusni reji vodijo tudi podatki o povprečnem številu živali v turnusu in številu dni, ko so živali iz turnusne reje prisotne na kmetijskem gospodarstvu (ARSKTRP, 2015a). Do leta 2015 so se podatki o povprečnem številu živali v turnusu in številu dni reje vodili samo v okviru zbirnih vlog (obrazec B) za potrebe izračuna števila GVŽ na gospodarstvu. še drugačnih specifičnih skupin (npr. združevanje po območjih z naravnimi in drugimi omejitvami, po vključenosti v posamezne okoljske programe, investicijske podpore in drugo). SO kazalci lahko služijo kot podatkovni vir samostojno, v kombinaciji s še katerimi drugimi kazalci na ravni države ali pa le v okviru določenih skupin gospodarstev. Temeljno sporočilo raziskave je, da so možnosti uporabe SO in izvedenih kazalcev, izračunanih na podlagi podatkov iz administrativnih virov, zelo široke. Za izračun SO kazalcev je bila oblikovana posebna podatkovna zbirka, ki na ravni KMG-MID združuje vse ključne količinske podatke iz različnih administrativnih virov, kar ob ustreznem dopolnjevanju lahko dodatno prispeva k dvigu kakovosti in zanesljivosti podatkov in večji uporabi obstoječih administrativnih podatkovnih zbirk tudi za druge namene. 2.6. SKLEPNE UGOTOVITVE IN PRIPOROČILA Raziskava je pokazala, da razpoložljivi administrativni viri podatkov na ravni kmetijskih gospodarstev omogočajo izračun SO in izvedenih kazalcev na način, ki upošteva temeljna načela in definicije, uporabljene tudi pri izračunu SO v okviru statističnih raziskovanj. Zahtevnost in zamudnost tovrstnih izračunov je odvisna predvsem od ustreznosti pripravljenih vhodnih podatkov, v časovni dimenziji pa poseben problem predstavljajo spremembe vrst (in šifer) podatkov v posamezni podatkovni zbirki. Pri izvedbi raziskovalne naloge je bilo največ težav s pripravo vhodnih podatkov. Velik del teh težav izhaja iz otežene komunikacije med nosilci naloge in naročnikom (lastnikom osnovnih podatkov). Neposrednega vpogleda v osnovne podatkovne zbirke nismo imeli. Nabor potrebnih podatkov za izvedbo naloge smo pripravili na osnovi pregleda pravnih dokumentov, ki urejajo vodenje posameznih podatkovnih zbirk. Z zadolženimi za vodenje posameznih evidenc so razgovori tekli ločeno, sogovornika, ki bi celovito pokrival področje vodenja evidenc na MKGP pa žal nismo našli. Večino podatkov smo pridobili razmeroma hitro, na nekatere pa smo kljub posredovanju čakali nerazumno dolgo. Izkazalo se je, da se na začetku očitno nismo dovolj dobro sporazumeli kaj potrebujemo. V prvi fazi smo pridobili izpise, ki niso bili uporabni za namen, kot je bilo načrtovano (zelo podrobni podatki npr. po sortah in drugih atributih iz katerih pa skupne površine posameznega pridelka za KMG-MID ni bilo mogoče nedvoumno opredeliti). Kaj pravzaprav potrebujemo, smo se sporazumeli šele v drugem koraku, kljub temu pa je bilo potrebno nekatere podatke dodatno obdelati, pri čemer še vedno obstaja nekaj dvomov o njihovi kakovosti. Delo pri pripravi podatkov bi bilo brez dvoma mnogo lažje, če bi nosilci naloge imeli neposreden dostop do osnovnih zbirk podatkov. Možnost, da bi v bodoče SO kazalce na ravni KMG-MID izračunavali samostojno na MKGP, vsekakor obstaja. Velja pa opozoriti, da tako delo lahko opravi le strokovnjak, ki zelo dobro pozna tako strukturo, kot tudi vsebino vseh razpoložljivih podatkovnih zbirk, hkrati pa ima tudi neposreden dostop do teh zbirk. Tudi če se ministrstvo ne bo odločilo za izračun SO, bi bilo v smislu izboljšanja kakovosti in zanesljivosti podatkov tudi v luči njihove uporabe za druge namene v okviru nalog ministrstva koristno, da bi bila vzpostavljena učinkovita koordinacija med različnimi zbirkami podatkov. Povezljivost podatkov iz različnih virov je sicer možna na podlagi enotne številke KMG-MID, kot je pokazala podrobnejša analiza pa ustrezna kontrola popolnosti in usklajenosti podatkov tako znotraj posameznih evidenc, kot tudi med različnimi evidencami, še ni zagotovljena. Poseben tehnični problem predstavljajo spremembe šifrantov. Ključna faza pri pripravi podatkov je ustrezna povezava posameznega pridelka ali skupine pridelkov s posameznim SO koeficientom (priprava t.i. povezovalnih šifrantov). Sprememba osnovnih šifrantov seveda zahteva tudi spremembo povezovalnih šifrantov. Pri tem je pomembno, da se ohrani tudi vsebinska kontinuiteta, ki zagotavlja primerljivost podatkov med leti. Trenutno pripravljeni povezovalni šifranti veljajo za sistem šifer v obdobju 2012 do 2014. Z letom 2015 je prišlo do pomembnejših sprememb v šifrantih tako pri vrstah rabe zemljišč kot tudi pri pridelkih, kar ob posodabljanju izračunov terja prilagoditev že izdelanih povezovalnih šifrantov. V primeru nadaljevanja tovrstnega dela predlagamo, da se za namen tehnič- ne izvedbe SO izračunov oblikuje delovna skupina na MKGP in izvede delavnica, kjer bi podrobno predstavili način izračuna SO in se dogovorili o potrebnih aktivnostih v bodoče. Glede možnosti uporabe SO kazalcev je še veliko neznank. Ni dvoma, da so kazalci uporabni za analitične in raziskovalne namene, povsem konkretna področja uporabe za potrebe nosilcev kmetijske politike pa še niso opredeljena. Koristno bi bilo pripraviti posebno delavnico, kjer bi skupaj s potencialnimi uporabniki tovrstnih izračunov proučili potrebe po SO podatkih za različne namene v okviru nalog in pristojnosti MKGP. Jasno je, da je namenu uporabe treba prilagoditi tudi način obdelave. Vprašanje je, ali je potrebno za vse namene obravnavati celotno populacijo, zajeto v evidenco? Ali je potrebno za posamezne namene pri obdelavi vgraditi še kakšne dodatne atribute (npr. različni vstopni pragi)? Poleg odgovorov na ti dve in podobna vprašanja bi bile ugotovitve s tovrstne delavnice tudi izhodišče za odločitev, ali s tovrstnim delom sploh nadaljevati in če da, v kateri smeri. Ob razpravi o možnostih uporabe SO kazalcev bo treba upoštevati in pretehtati še nekatere vsebinske in tehnične zadržke. SO koeficienti so pri nekaterih pridelkih oziroma skupinah pridelkov zaradi pomanjkanja podatkov zelo grobo ocenjeni. To velja za celotno skupino vrtnin (enoten SO koeficient za praktično vse vrste vrtnin), za del trajnih nasadov (drevesnice, trsnice) in še nekatere skupine pridelkov. Do napačne ocene skupnega SO gospodarstva lahko pride tudi zaradi načina evidentiranja števila živine. SO se izračuna na podlagi podatka o številu živine na določen kritični datum, predvsem pri nekaterih vrstah živali pa ta podatek lahko pomembno odstopa od povprečnega stanja na gospodarstvu. Poseben problem je tudi vrednotenje SO za krave. Razlika med SO koeficientom za mlečne krave in krave dojilje je velika, kriteriji za razlikovanje pa dokaj posplošeni. Morda bi kazalo v registru govedi pri kravah opredeliti tudi namen reje. Zaradi možnosti, da lahko pride pri oceni SO do pomembnih odstopanj od dejanskega stanja, bi v primeru, da bi se podatki SO uporabljali za namene, ki bi imeli neposredne posledice za posamezno gospodarstvo, verjetno morali dopustiti, da posameznik preveri svoje podatke in po potrebi dopolni ali popravi podatke v osnovnih evidencah. Na koncu kaže v zvezi z uporabo podatkov, zbranih v okviru SO izračunov, omeniti še področje varovanja osebnih podatkov. V primeru vzpostavitve sistema rednih izračunov SO lahko velik interes za tovrstne podatke pričakujemo tudi s strani raziskovalne sfere. Zato bi kazalo ob tem jasneje opredeliti tudi način in pogoje pridobivanja tovrstnih podatkov za raziskovalne namene. Zaključimo s tem, da je delo na projektu pokazalo, da je SO za posamezno kmetijsko gospodarstvo z uporabo administrativnih virov MKGP mogoče izračunati in da imajo tovrstni izračuni precejšnjo analitično vrednost. Delo tudi opozarja na različne dimenzije kakovosti administrativnih podatkovnih zbirk in nujnost učinkovitejše koordinacije med njimi. Ponovno se je pokazalo, da se kakovost celotnega informacijskega sistema pokaže, ko se podatki različnih zbirk uporabljajo tudi za nestandardne namene. Kakovost izračunanih izvedenih kazalnikov je odvisna od kakovosti vsakega posameznega podatka v posamezni podatkovni zbirki, kakor tudi od usklajenosti podatkov med zbirkami. Menimo, da je to poleg sporočila, da je izračun SO z uporabo podatkov iz administrativnih virov mogoče izpeljati, ključni zaključek te naloge. Posredno smo izpostavili tudi potencialno uporabnost SO izračunov za različne namene, predvsem z vidika spremljanja, načrtovanja in presoje učinkov slovenske kmetijske politike. Predlagamo, da resorno ministrstvo nadaljuje z aktivnostmi in vloži vse potrebne napore, da se vzpostavi sistem rednega letnega izračuna SO za kmetijska gospodarstva in da rezultati postanejo sestavni del administrativnih podatkovnih zbirk. 2.7. LITERATURA IN VIRI ARSKTRP. 2012a. Navodila za uveljavljanje ukrepov kmetijske politike za leto 2012. ZBIRNA VLOGA 2012...OD A DO Ž, Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. http://www.arsktrp.gov.si/si/splosno/vstopna stran/vsebine na vstopni strani/zbirna vloga 2012od a do z/ ARSKTRP. 2012b. Združeni obrazci - ZV 2012. ZBIRNA VLOGA 2012...OD A DO Ž, Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. http://www.arsktrp.gov.si/si/splosno/vstopna stran/vsebine na vstopni strani/zbirna vloga 2012od a do z/ ARSKTRP. 2013a. Navodila za uveljavljanje ukrepov kmetijske politike za leto 2013. ZBIRNA VLOGA 2013...OD A DO Ž, Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. http://www.arsktrp.gov.si/si/splosno/vstopna stran/vsebine na vstopni strani/zbirna vloga 2013od a do z/. ARSKTRP. 2013b. Združeni obrazci - ZV 2013. ZBIRNA VLOGA 2013...OD A DO Ž, Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. http://www.arsktrp.gov.si/si/splosno/vstopna stran/vsebine na vstopni strani/zbirna vloga 2013od a do z/. ARSKTRP. 2014a. Navodila za uveljavljanje ukrepov kmetijske politike za leto 2014. ZBIRNA VLOGA 2014...OD A DO Ž, Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. http://www.arsktrp.gov.si/si/splosno/vstopna stran/vsebine na vstopni strani/zbirna vloga 2014od a do z/. ARSKTRP. 2014b. Združeni obrazci za leto 2014. ZBIRNA VLOGA 2014...OD A DO Ž, 2014, Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. http://www.arsktrp.gov.si/si/splosno/vstopna stran/vsebine na vstopni strani/zbirna vloga 2014od a do z/. ARSKTRP. 2014c. Roki za sporočanje staleža prašičev za ukrep dobrobit živali. ZBIRNA VLOGA 2014...OD A DO Ž, Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. http://www.arsktrp.gov.si/si/splosno/vstopna stran/vsebine na vstopni strani/zbirna vloga 2014od a do z/. ARSKTRP. 2015a. Navodila za uveljavljanje ukrepov kmetijske politike 2015-2020. ZBIRNA VLOGA 2015...OD A DO Ž, Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. http://www.arsktrp.gov.si/si/splosno/vstopna stran/vsebine na vstopni strani/zbirna vloga 2015od a do z/. ARSKTRP. 2015b. Šifrant vrst oz. skupin kmetijskih rastlin ter pomoči. ZBIRNA VLOGA 2015...OD A DO Ž, Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. http://www.arsktrp.gov.si/si/splosno/vstopna stran/vsebine na vstopni strani/zbirna vloga 2015od a do z/. ARSKTRP. 2015c. Izpisi individualnih podatkov iz obrazca D in B zbirne vloge za leta 2012-2014 (interni podatki). Ljubljana, Agencija RS za kmetijske trge in razvoj podeželja. Broccoli M., Fusco D., Giordano P., Moretti V. 2013. Development and competitiveness of bio-economy: the response of Italian farms to the global crisis. V: Between crisis and development : Which role for the bio-economy?, 2. AIEAA Congress, Parma, 6-7 junij 2013. EC. 2009. Typology handbook. RI/CC 1500 rev. 3, Community Committee for the Farm Accountancy Data Network, European Commission, Directorate-General for Agriculture and Rural Development, Brussels, 05/10/2009, 74 s. EUROSTAT. 2016a: Standard Output coefficients. Luxembourg, EUROSTAT. http://ec.europa.eu/eurostat/web/agriculture/so-coefficients. EUROSTAT. 2016b. Farm structure (ef): National Reference Metadata in ESS Standard for Quality Reports Structure (ESQRS). Compiling agency: Statistical Office of the Republic of Slovenia. Luxembourg, EUROSTAT. http://ec.europa.eu/eurostat/cache/metadata/EN/ef esqrs si.htm. EUROSTAT. 2016c. Glossary: Standard output (SO). Luxembourg, EUROSTAT. http://ec.europa.eu/eurostat/statistics-explained/index.php/Glossary:Standard output. KIS. 2015. Izpisi individualnih podatkov iz Centralne podatkovne zbirke govedo za leta 2012-2014 (interni podatki). Ljubljana, Kmetijski inštitut Slovenije. MKGP. 2015. Izpisi individualnih podatkov iz Registra kmetijskih gospodarstev, Registra pridelovalcev grozdja in vina, Centralnega registra govedi, Centralnega registra drobnice, Centralnega registra prašičev in Registra čebeljnjakov za leta 2012-2014 (interni podatki). Ljubljana, Ministrstvo za kmetijstvo, gozdarstvo in prehrano. Pravilnik o evidenci dejanske rabe kmetijskih in gozdnih zemljišč. Uradni list RS, št. 122/08, 4/10 in 110/10. http://www.pisrs.si/Pis.web/pregledPredpisa?id=PRAV9267 (neuradno prečiščeno besedilo). Pravilnik o evidenci imetnikov rejnih živali in evidenci rejnih živali. Uradni list RS, št. 87/14. http://www.pisrs.si/Pis.web/pregledPredpisa?id=PRAV12203 Pravilnik o identifikaciji in registraciji drobnice. Uradni list RS, št. 75/10, 26/14 in 87/14. http://www.pisrs.si/Pis.web/pregledPredpisa?id=PRAV9515 (neuradno prečiščeno besedilo). Pravilnik o identifikaciji in registraciji goved. Uradni list RS, št. 16/2003. Pravilnik o identifikaciji in registraciji prašičev. Uradni list RS, št. 112/13 in 87/14. http://www.pisrs.si/Pis.web/pregledPredpisa?id=PRAV11846 (neuradno prečiščeno besedilo). Pravilnik o označevanju čebelnjakov in stojišč. Uradni list RS, št. 117/08, 55/13 in 92/15. http://www.pisrs.si/Pis.web/pregledPredpisa?id=PRAV8772 (neuradno prečiščeno besedilo). Pravilnik o registru kmetijskih gospodarstev. Uradni list RS,št. 1/10, 68/10, 110/10, 66/11, 54/12 in 73/14. http://www.pisrs.si/Pis.web/pregledPredpisa?id=PRAV12047. Pravilnik o registru pridelovalcev grozdja in vina. Uradni list RS, št. 16/07, 62/09 in 4/16. http://www.pisrs.si/Pis.web/pregledPredpisa?id=PRAV7306 (neuradno prečiščeno besedilo). STRP govedo. 2015. Program dela za izvedbo skupnega temeljnega rejskega programa na področju govedoreje za leto 2015. Ljubljana, 17.06.2015, Kmetijsko gozdarska zbornica Slovenije, Kmetijski inštitut Slovenije, Univerza v Ljubljani - Biotehniška fakulteta, Univerza v Ljubljani - Veterinarska fakulteta; Univerza v Mariboru - Fakulteta za kmetijstvo in biosistem-ske vede, KGZS - KGZ MS, KGZS -KGZ PT, KGZS -KGZ NM, KGZS -KGZ CE, KGZS -KGZ LJ, KGZS - KGZ NG, KGZS - KGZ KR, Živinoreja poljedelstvo Lenart, Testna postaja Brdnik: 59 str. SI-STAT. Podatkovni portal, podrobne tabele: Kmetijska gospodarstva, Rastlinska pridelava, Živinoreja, Mleko in mlečni izdelki, Cene v kmetijstvu, Ekonomski računi za kmetijstvo. Ljubljana, Statistični urad RS. http://pxweb.stat.si/pxweb/Database/Okolje/Okolje.asp#15. SURS. 2014a. Struktura kmetijskih gospodarstev. Metodološko pojasnilo, Ljubljana, Statistični urad RS, 9 str. http://www.stat.si/StatWeb/glavnanavigacija/oddaianje-podatkov/metodoloska-gradiva?id=11. SURS. 2014b. Ekonomski računi za kmetijstvo. Metodološko pojasnilo, Ljubljana, Statistični urad RS, 5 str. http://www.stat.si/StatWeb/glavnanavigaciia/oddaianie-podatkov/metodoloska-gradiva?id=11. SURS. 2015a. Rastlinska pridelava, Slovenija. Metodološko pojasnilo, Ljubljana, Statistični urad RS, 10 str. http://www.stat.si/StatWeb/glavnanavigaciia/oddaianie-podatkov/metodoloska-gradiva?id=11. SURS. 2015b. Število živine, Slovenija. Metodološko pojasnilo, Ljubljana, Statistični urad RS, 4 str. http://www.stat.si/StatWeb/glavnanavigaciia/oddaianie-podatkov/metodoloska-gradiva?id=11 Travnikar, T., Juvančič, L. 2015. A winding road from investment support to the economic growth of farms: evidence from spatial econometric analysis of agricultural holdings in Slovenia. Bulgarian Journal of Agricultural Science, 21, 1: 16-25. Uredba Komisije (ES) št. 1242/2008 o določitvi tipologije Skupnosti za kmetijska gospodarstva. http://eur-lex.europa.eu/legal-content/SL/TXT/?uri=CELEX:32008R1242. URSVHVVR. 2016. Evidenca imetnikov rejnih živali in evidenca rejnih živali. Identifikacija in registracija živali, Ljubljana, Ministrstvo za kmetijstvo, gozdarstvo in prehrano, Uprava RS za varno hrano, veterinarstvo in varstvo rastlin. http://www.uvhvvr.gov.si/si/delovna podrocia/identifikaciia in registracija zivali/ Verbič, J., 2016. Ocena kakovostnih parametrov za vrednotenje voluminozne krme (neobjavljene tabele). Ljubljana, Kmetijski inštitut Slovenije. Wrzaszcz W., Zegar J.S., Prandecki K. 2015. Soil fertility and economic efficiency - the case of Polish agriculture. Bulgarian journal of agricultural science, 21, 3: 467-478. Zakon o kmetijstvu. Uradni list RS, št. 45/08, 57/12, 90/12 - ZdZPVHVVR, 26/14 in 32/15. http://www.pisrs.si/Pis.web/pregledPredpisa?id=ZAKO4716. Zakon o vinu. Uradni list RS, št. 105/06, 72/11, 90/12 - ZdZPVHVVR in 111/13. http://www.pisrs.si/Pis.web/pregledPredpisa?id=ZAKO4816 (neuradno prečiščeno besedilo) 2.8. PRILOGE Priloga 1: Seznam pridelkov ali skupin pridelkov na ravni šifre SO koeficienta s pripadajočimi vrednostimi; 2012-2014 Šifra Koeficient SO 12- SO SO SO Šifra KIS-SO Raba tipa Opis KIS/SO ime enote* 14 2012 2013 2014 B_1_1_1 1100;1160 P1/p Navadna pšenica in pira Pšenica in pira 10000 1.024 1.183 887 1.003 B_1_1_3 1100;1160 P1/p Rž Rž 10000 798 914 712 769 B_1_1_4 1100;1160 P1/p Ječmen Ječmen 10000 864 950 795 848 B_1_1_5 1100;1160 P1/p Oves Oves 10000 645 598 581 755 B_1_1_6 1100;1160 P1/p Koruza v zrnju Koruza 10000 1.159 1.415 916 1.146 B_1_1_99/1 1100;1160 P1/p Tritikala Tritikala 10000 798 894 666 833 B_1_1_99/2 1100;1160 P1/p Ajda Ajda 10000 600 611 444 745 B_1_1_99/3 1100;1160 P1/p Proso Proso 10000 750 707 479 1.063 B_1_1_99/9 1100;1160 P1/p Drugo žito, drugo Drugo žito, drugo 10000 852 945 782 830 B_1_2_1/1 1100;1160 P1/p Fižol Fižol 10000 4.597 4.124 3.335 6.331 B_1_2_1/2 1100;1160 P1/p Grah Grah 10000 795 877 709 798 B_1_2_2 1100;1160 P1/p Druge suhe stročnice Druge suhe stroč. 10000 1.099 1.504 867 926 B_1_3/1 1100;1160 P1/p Semenski krompir Krompir, seme 10000 9.810 8.801 8.011 12.619 B_1_3/2 1100;1160 P1/p Jedilni krompir Krompir, jedilni 10000 5.217 3.909 6.813 4.928 B_1_5 1100;1160 P1/p Krmne korenovke in kapusnice (brez semen) Korenovke 10000 1.645 1.579 2.218 1.137 B_1_6_2 1160 P1/h Hmelj Hmelj 10000 5.134 3.744 3.562 8.097 B_1_6_4 1100;1160 P1/p Oljna ogrščica in oljna repica Olj. ogrščica 10000 1.147 1.460 883 1.099 B_1_6_5 1100;1160 P1/p Sončnice Sončnice 10000 790 1.063 664 643 B_1_6_6 1100;1160 P1/p Soja Soja 10000 816 979 636 833 B_1_6_8 1100;1160 P1/p Druge oljnice Druge oljnice 10000 1.658 1.656 1.352 1.968 B_1_6_12/1 1100;1160 P1/p Dišavnice, zdravilne rastline in začimbe na prostem Zelišča na prostem 10000 4.628 7.258 2.964 3.664 B_1_6_12/2 1190 P1/p Dišavnice, zdravilne rastline in začimbe v zaščitenem prostoru Zelišča v zašč. p. 10000 5.785 9.072 3.705 4.580 B_1_7_1/1 1180 P2 Trajne zelenjadnice na prostem (šparglji) Tr. vrtnine na prostem 10000 17.619 16.855 18.040 17.963 B_1_7_1/2 1100;1160 P2 Zelenjadnice na prostem brez trajnih Vrtnine brez tr. na prostem 10000 13.043 11.412 13.936 13.781 B_1_7_1/3 1100;1160 P2 Zelenjadnice brez trajnih na prostem in fižol za zrnje Vrtnine (brez trajnih) in fižol 10000 12.292 10.886 12.905 13.086 B_1_7_1/4 1100;1160 P2 Jagode na prostem Jagode na prostem 10000 41.851 37.049 54.814 33.689 B_1_7_2/1 1190 P2 Zelenjadnice v zaščitenem prostoru Vrtnine v zašč. p. 10000 86.182 78.988 79.707 99.850 B_1_7_2/2 1190 P2 Jagode v zaščitenem prostoru Jagode v zašč. p. 10000 59.187 59.049 64.897 53.615 B_1_8_1 1100;1160 P2 Cvetje in okrasne rastline (razen drevesnic) na prostem ali pod nizko zaščito Cvetje in okr. rast. na prostem 10000 62.113 73.718 51.594 61.028 B_1_8_2 1190 P2 Cvetje in okrasne rastline (razen drevesnic) v steklenjakih ali pod drugo zaščito Cvetje in okr. rast. v zašč. p. 10000 248.452 294.873 206.374 244.110 B_1_9_1 1100;1160 P1/k Travinje za določen čas Trave 10000 701 816 633 654 B_1_9_2_1 1100;1160 P1/k Zelena koruza Sil. koruza 10000 1.542 1.917 1.248 1.462 B_1_9_2_2 1100;1160 P1/k Metuljnice Detelje in lucerna 10000 656 757 609 604 B_1_9_2_99 1100;1160 P1/k Druge rastline, ki se spravijo zelene, drugo Druga zel. k., drugo 10000 284 278 239 335 B_1_11 1100;1160 P1/p Druge poljščine Njive, drugo 10000 1.145 1.305 1.006 1.124 B_1_12_1 1100;1160 P1/p Praha brez kakršnih koli subvencij Praha 10000 0 0 0 0 Šifra Koeficient SO 12- SO SO SO Šifra KIS-SO Raba tipa Opis KIS/SO ime enote* 14 2012 2013 2014 N/1100;1160 1100;1160 P1/p Njiva (vse rastline na njivah in vrtovih na prostem razen hmelja in trajnih rastlin) Njiva (nespecificirano) 10000 1.435 1.548 1.324 1.433 N/1180 1180 P39 Trajne rastline na njivskih površinah (drevesnice, trajne zelenjadnice in zelišča na prostem) Trajne rastline (nespecificirano) 10000 21.484 20.814 20.644 22.994 N/1190 1190 P2 Rastlinjak (jagode, zelenjadnice, zelišča, cvetje in okrasne rastline v zaščitenem prostoru) Rastlinjak (nespecificirano) 10000 109.275 118.553 96.238 113.034 N/1221 1221 P36/ Intenzivni sadovnjak Int. Sadovnjak (nespecificirano) 10000 11.647 10.181 13.971 10.788 B_4_1/1-1 1221 P36/ Jablana v intenzivnih nasadih Jablana/IS 10000 11.181 9.032 13.944 10.568 B_4_1/1-2 1221 P36/ Hruška v intenzivnih nasadih Hruška/IS 10000 9.234 7.659 9.534 10.509 B_4_1/1-3 1221 P36/ Breskev v intenzivnih nasadih Breskev/IS 10000 9.539 9.326 11.739 7.553 B_4_1/1-4 1221 P36/ Marelica v intenzivnih nasadih Marelica/IS 10000 11.671 16.410 7.273 11.328 B_4_1/1-5 1221 P36/ Češnja v intenzivnih nasadih Češnja/IS 10000 22.147 25.024 22.968 18.450 B_4_1/1-6 1221 P36/ Višnja v intenzivnih nasadih Višnja/IS 10000 12.673 5.984 11.016 21.018 B_4_1/1-7 1221 P36/ Sliva in češplja v intenzivnih nasadih Sliva/IS 10000 7.805 8.471 7.651 7.294 B_4_1/1-8 1221 P36/ Kaki v intenzivnih nasadih Kaki/IS 10000 15.544 18.096 12.654 15.882 B_4_1/1-9 1221 P36/ Kivi v intenzivnih nasadih Kivi/IS 10000 14.481 12.134 17.845 13.465 B_4_1/1-10 1221 P36/ Figa v intenzivnih nasadih Figa/IS 10000 6.358 3.130 12.370 3.575 B_4_1/1-11 1221 P36/ Drugo stebeljno sadje v intenzivnih nasadih Drugo/IS 10000 3.885 4.571 2.911 4.172 B_4_1/1-12 1221 P36/ Leska Leska/IS 10000 7.575 11.523 7.789 3.412 B_4_1/1-13 1221 P36/ Kostanj Kostanj/IS 10000 1.720 1.431 756 2.974 B_4_1/1-14 1221 P36/ Oreh Oreh/IS 10000 13.647 14.637 16.526 9.780 B_4_1/1-15 1221 P36/ Ameriška borovnica Borovnice/IS 10000 34.579 27.920 53.158 22.661 B_4_1/1-16 1221 P36/ Drugo jagodičje Jagodičje, drugo/IS 10000 22.263 22.456 22.260 22.073 1222 1222 P36/e Ekstenzivni (travniški) sadovnjak Ekst. sadovnjak/ES 10000 6.042 4.070 7.808 6.249 N/1211 1221 P35 Vinogradi Vinograd (nespecificirano) 10000 7.183 6.908 7.167 7.472 B_4_4/1 P35/g Vinogradi - grozdje Vinograd, grozdje 10000 2.747 2.680 2.874 2.688 B_4_4/2 P35/v Vinogradi - vino Vinograd, vino 10000 9.005 8.868 8.826 9.320 B_4_5 1180 P39 Drevesnice in trsnice Drevesnice in trsnice 10000 24.319 22.376 24.419 26.163 1212 1212 P39 GERK raba: Matičnjak (pripisan SO: Drevesnice) Drevesnice 10000 24.319 22.376 24.419 26.163 1230 1230 P37 GERK raba: Oljčnik (pripisan SO: Nasadi oljk) Oljke 10000 2.007 1.762 3.021 1.238 1240 1240 P39 GERK raba: Ostali trajni nasadi (pripisan SO: Vinogradi - grozdje) Vinograd, grozdje 10000 2.747 2.680 2.874 2.688 1300 1300 P1/k GERK raba: Trajni travnik (pripisan SO: Pašniki in travniki, razen ekstenzivnih pašnikov) Travinje, int. 10000 538 629 493 491 1321 1321 P1/k GERK raba: Barjanski travnik (pripisan SO: Ekstenzivni pašniki) Travinje, ekst. 10000 344 383 359 291 1430 1430 P1/k GERK raba: Ekstenzivni kraški pašnik (pripisan SO: Ekstenzivni pašniki) Travinje, ekst. 10000 344 383 359 291 1800 1800 P1/k GERK raba: Kmetijsko zemljišče poraslo z gozdnim drevjem (pripisan SO: Ekstenzivni pašniki) Travinje, ekst. 10000 344 383 359 291 1600 1600 GERK raba: Neobdelano kmetijsko zemljišče (ni upoštevano; pripisan SO: Praha) SO se ne obračunava 10000 0 0 0 0 1420 1420 GERK raba: Plantaža gozdnega drevja (ni upoštevano; pripisan SO: Praha) SO se ne obračunava 10000 0 0 0 0 C_1 P48/dt Kopitarji Kopitarji 1 167 154 174 174 N/C_2_1 P46/p Govedo, mlajše od enega leta, samci in samice Govedo do 1 leta 1 464 475 449 467 C_2_2 P46/p Govedo, staro eno do dve leti, samci Govedo 1-2 leti - moško 1 517 546 515 489 C_2_3 P46/p Govedo, staro eno do dve leti, samice Govedo 1-2 leti - žensko 1 417 383 410 458 C_2_4 P46/p Samci goveda, stari dve leti in več Moško govedo nad 2 leti 1 454 457 471 433 C_2_5 P46/p Telice, stare dve leti in več Telice nad 2 leti 1 211 200 211 221 C_2_6 P45 Krave molznice Krave molznice 1 2.147 2.058 2.092 2.290 C_2_99 P46/d Druge krave Druge krave 1 389 458 391 317 Šifra Koeficient SO 12- SO SO SO Šifra KIS-SO Raba tipa Opis KIS/SO ime enote* 14 2012 2013 2014 C_3_1_1 P48/dr Plemenske ovce Plemenske ovce 1 145 134 136 167 N/C_3_1_99 P48/dr Druge ovce Druge ovce 1 59 54 50 74 C_3_2_1 P48/dr Plemenske koze Plemenske koze 1 153 175 158 126 N/C_3_2_99 P48/dr Druge koze Druge koze 1 80 79 46 115 N/C_4_1 P51 Prašički z živo težo pod 20 kilogramov Pujski pod 20 kg 1 40 40 39 40 C_4_2 P51 Plemenske svinje, ki tehtajo 50 kg in več Plemenske svinje 1 481 455 477 510 C_4_99 P51 Drugi prašiči Drugi prašiči 1 186 193 178 186 C_5_1 P52 Brojlerji Piščanci 100 1.108 1.088 1.150 1.085 C_5_2 P52 Kokoši nesnice Kokoši nesnice 100 2.887 2.989 2.908 2.765 C_5_3_1 P52 Purani Purani 100 3.327 3.350 3.301 3.332 C_5_3_2 P52 Race Race 100 3.327 3.350 3.301 3.332 C_5_3_3 P52 Gosi Gosi 100 3.327 3.350 3.301 3.332 C_5_3_4 P52 Noji Noji 100 66.550 66.993 66.018 66.638 C_5_3_99/1 P52 Jarkice Jarkice 100 921 895 935 933 C_5_3_99/9 P52 Druga perutnina, drugo Druga per., drugo 100 554 544 575 543 C_6 P59 Kunci, plemenske samice Plemenski kunci 1 68 61 75 69 C_7 P843 Čebele Čebele 1 42 29 80 16 C_3_8_1 P48/dt Druge živali (pripisan SO: Druge ovce) Druge živali 1 59 54 50 74 Seznam podatkov, ki so dodatno potrebni za izračun količin 1100 GERK Njiva (za izračun površin, ki niso zajete v zbirnih vlogah) GERK Njiva za izračun 10000 1160 GERK Hmeljišče (za izračun površin, ki niso zajete v evidenci hmelja) GERK Hmeljišče za izračun 10000 1180 GERK Trajne rastline na njivah (za izračun površin, ki niso zajete v zbirnih vlogah) GERK Trajne rastline za izračun 10000 1190 GERK Rastlinjak (za izračun površin, ki niso zajete v zbirnih vlogah) GERK Rastlinjak za izračun 10000 1211 GERK Vinograd (za izračun površin, ki niso zajete v RPGV) GERK Vinograd za izračun 10000 1221 GERK Intenzivni sadovnjak (za izračun površin, ki niso zajete v evidenci po sadnih vrstah) GERK Int. Sadovnjak za izračun 10000 GrozdjeL Pridelek grozdja (za izračun strukture vinogradov po tipu pridelka) Pridelano grozdje za izračun 10000 GrozdjeLP Lastno grozdje, predelano v vino (za izračun strukture vinogradov po tipu pridelka) Lastno grozdje predel. v vino za izračun 10000 KRAVE Skupno število krav iz CRG (za izračun strukture krav po tipu reje) Krave CRG za izračun 1 KRAVEkis Število krav iz CPZ govedo (za izračun strukture krav po tipu reje) Krave CPZ govedo za izračun 1 mlKRAVEkis Število mlečnih krav iz CPZ govedo (za izračun strukture krav po tipu reje) Mlečne krave CPZ govedo za izračun 1 C_2_1 Število telet iz CRG (za izračun števila telet, ki presega število krav) Govedo do 1 leta CRG izračun 1 C_3_1_99 Število jagnjet (upošteva se samo v primeru, ko na gospodarstvu ni plemenskih ovc) Druge ovce CRD za izračun 1 C_3_2_99 Število kozličkov (upošteva se samo v primeru, ko na gospodarstvu ni plemenskih koz) Druge koze CRD za izračun 1 C_4_1 Število pujskov (upošteva se samo v primeru, ko na gospodarstvu ni plemenskih svinj) Pujski do 20 kg CRPš za izračun 1 501/1100;1160 Hmelj (podatek iz zbirnih vlog, ki ni upoštevan) Hmelj neobračunano 10000 651/1221 Jagode (podatek iz evidence intenzivnih sadovnjakov, ki ni upoštevan) Jagode neobračunano 10000 0 prazno 1 * SO koeficienti so izračunani v EUR na hektar za rastlinsko pridelavo in EUR na glavo za živali (pri perutnini 100 glav). Pridobljeni količinski podatki so v rastlinski pridelavi izraženi v m2, v živinoreji pa v glavah (tudi za perutnino). Koeficient enote je potreben za preračun podatkov izraženih v različnih enotah. Priloga 2: Podroben seznam vseh izbranih podatkov iz administrativnih virov z opredelitvijo pripadajočih šifer SO koeficientov (povezovalni šifrant) Šifra RKG-raba/RPGV Šifra ARSKTRP-pridelek Opis ARSKTRP/RKG (pridelki, raba) Povezovalna šifra Šifra KIS-SO Opis KIS-SO 1100 1160 001 Pšenica 001 1100 1160 B111 Pšenica in pira 1100 1160 003 Pira 003 1100; 1160 B111 Pšenica in pira 1100 1160 025 Trda pšenica 025 1100 1160 B1 1 1 Pšenica in pira 1100 1160 002 Rž 002 1100 1160 B1 1 3 Rž 1100 1160 009 Ječmen 009 1100 1160 B114 Ječmen 1100 1160 008 Oves 008 1100 1160 B115 Oves 1100 1160 005 Koruza za zrnje 005 1100 1160 B116 Koruza 1100 1160 007 Tritikala 007 1100 1160 B_1_1_99/1 Tritikala 1100 1160 004 Ajda 004 1100 1160 B_1_1_99/2 Ajda 1100 1160 010 Proso 010 1100 1160 B_1_1_99/3 Proso 1100 1160 021 Soržica 021 1100 1160 B_1_1_99/9 Drugo žito, drugo 1100 1160 024 Sirek 024 1100; 1160 B_1_1_99/9 Drugo žito, drugo 1100 1160 022 Ptičje seme 022 1100; 1160 B_1_1_99/9 Drugo žito, drugo 1100 1160 032 Bar 032 1100; 1160 B_1_1_99/9 Drugo žito, drugo 1100 1160 035 Kamut 035 1100 1160 B_1_1_99/9 Drugo žito, drugo 1100 1160 033 Krmni grah 033 1100 1160 B_1_2_1/2 Grah 1100 1160 016 Grah 016 1100 1160 B_1_2_1/2 Grah 1100 1160 211 Grahor 211 1100 1160 B1 2 2 Druge suhe stroč. 1100 1160 110 Grašica 110 1100; 1160 B1 2 2 Druge suhe stroč. 1100 1160 018 Lupina 018 1100; 1160 B1 2 2 Druge suhe stroč. 1100 1160 011 Mešanica žit (in stročnic) 011 1100; 1160 B1 2 2 Druge suhe stroč. 1100 1160 210 Volčji bob 210 1100; 1160 B1 2 2 Druge suhe stroč. 1100 1160 017 Krmni bob 017 1100 1160 B1 2 2 Druge suhe stroč. 1100 1160 301 Krompir - semenski nasadi 301 1100 1160 B_1_3/1 Krompir, seme 1100 1160 302 Krompir - semenski, izolacijski pas 302 1100 1160 B_1_3/1 Krompir, seme 1100 1160 020 Krompir 020 1100 1160 B_1_3/2 Krompir, jedilni 1100 1160 101 Krmna pesa 101 1100 1160 B1 5 Korenovke 1100 1160 108 Podzemna koleraba 108 1100; 1160 B1 5 Korenovke 1100 1160 107 Krmno korenje 107 1100; 1160 B1 5 Korenovke 1100 1160 105 Krmni ohrovt 105 1100; 1160 B1 5 Korenovke 1100 1160 102 Krmna repa 102 1100; 1160 B1 5 Korenovke 1100 1160 109 Strniščna repa 109 1100; 1160 B1 5 Korenovke 1100 1160 019 Sladkorna pesa 019 1100 1160 B1 5 Korenovke 1100 1160 014 Oljna ogrščica 014 1100 1160 B164 Olj. ogrščica 1100;1160 012 Sončnice 012 1100;1160 B_1_6_5 Sončnice Šifra RKG-raba/RPGV Šifra ARSKTRP-pridelek Opis ARSKTRP/RKG (pridelki, raba) Povezovalna šifra Šifra KIS-SO Opis KIS-SO 1100;1160 015 Soja - oljnica 015/1100;1160 B_1_6_6 Soja 1100;1160 030 Soja - stročnica 030/1100;1160 B1 66 Soja 1100;1160 013 Oljna buča 013/1100;1160 B1 6 8 Druge oljnice 1100;1160 034 Rjava indijska gorčica 034/1100;1160 B_1_6_8 Druge oljnice 1100;1160 028 Lan 028/1100;1160 B_1_6_8 Druge oljnice 1100;1160 027 Konoplja 027/1100;1160 B_1_6_8 Druge oljnice 1100;1160 031 Vrtni mak 031/1100;1160 B1 6 8 Druge oljnice 1100;1160 036 Riček 036/1100;1160 B1 6 8 Druge oljnice 1100;1160 404 Njivska zelišča na prostem 404/1100;1160 B_1_6_12/1 Zelišča na prostem 1100;1160 403 Njivska zelišča v zav. prostoru 403/1100;1160 B_1_6_12/1 Zelišča na prostem 1190 403 Njivska zelišča v zav. prostoru 403/1190 B_1_6_12/2 Zelišča v zašč. p. 1180 404 Njivska zelišča na prostem 404/1180 B_1_7_1/1 Tr. vrtnine na prostem 1180 703 Šparglji 703/1180 B_1_7_1/1 Tr. vrtnine na prostem 1180 733 Artičoka 733/1180 B_1_7_1/1 Tr. vrtnine na prostem 1180 734 Rabarbara 734/1180 B_1_7_1/1 Tr. vrtnine na prostem 1180 405 Mešana raba 405/1180 B_1_7_1/1 Tr. vrtnine na prostem 1100;1160 402 Vrtnine na prostem 402/1100;1160 B_1_7_1/3 Vrtnine (brez trajnih) in fižol 1100;1160 023 Sladka koruza 023/1100;1160 B_1_7_1/3 Vrtnine (brez trajnih) in fižol 1100;1160 405 Mešana raba 405/1100;1160 B_1_7_1/3 Vrtnine (brez trajnih) in fižol 1100;1160 703 Šparglji 703/1100;1160 B_1_7_1/3 Vrtnine (brez trajnih) in fižol 1100;1160 401 Vrtnine v zav. prostoru 401/1100;1160 B_1_7_1/3 Vrtnine (brez trajnih) in fižol 1100;1160 618 Jagode 618/1100;1160 B_1_7_1/4 Jagode na prostem 1190 733 Artičoka 733/1190 B_1_7_2/1 Vrtnine v zašč. p. 1190 734 Rabarbara 734/1190 B_1_7_2/1 Vrtnine v zašč. p. 1190 402 Vrtnine na prostem 402/1190 B_1_7_2/1 Vrtnine v zašč. p. 1190 401 Vrtnine v zav. prostoru 401/1190 B_1_7_2/1 Vrtnine v zašč. p. 1190 405 Mešana raba 405/1190 B_1_7_2/1 Vrtnine v zašč. p. 1190 618 Jagode 618/1190 B_1_7_2/2 Jagode v zašč. p. 1100;1160 735 Okrasne rastline 735/1100;1160 B1 8 1 Cvetje in okr. rast. na prostem 1190 735 Okrasne rastline 735/1190 B1 8 2 Cvetje in okr. rast. v zašč. p. 1180 735 Okrasne rastline 735/1180 B4 5 Drevesnice in trsnice 1100;1160 201 Trave 201/1100;1160 B191 Trave 1190 201 Trave 201/1190 N/1190 Rastlinjak (nespecificirano) 1100;1160 116 Sudanska trava 116/1100;1160 B191 Trave 1100;1160 117 Westerwoldska ljuljka 117/1100;1160 B191 Trave 1100;1160 203 Travnodeteljne mešanice 203/1100;1160 B_1_9_1 Trave 1100;1160 206 Deteljnotravne mešanice 206/1100;1160 B191 Trave 1100;1160 006 Silažna koruza 006/1100;1160 B_1_9_2_1 Sil. koruza Šifra RKG-raba/RPGV Šifra ARSKTRP-pridelek Opis ARSKTRP/RKG (pridelki, raba) Povezovalna šifra Šifra KIS-SO Opis KIS-SO 1100;1160 207 Detelja 207/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 212 Medena detelja 212/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 213 Turška detelja 213/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 214 Šmarna detelja 214/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 215 Medenica 215/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 216 Navadna nokota 216/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 217 Vzhodna jastrebina 217/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 218 Sabljasti triplat 218/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 220 Aleksandrijska detelja 220/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 221 Perzijska detelja 221/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 208 Lucerna 208/1100;1160 B_1_9_2_2 Detelje in lucerna 1100;1160 103 Krmna ogrščica 103/1100;1160 B_1_9_2_99 Druga zel. k., drugo 1100;1160 104 Krmna repica 104/1100;1160 B_1_9_2_99 Druga zel. k., drugo 1100;1160 112 Krmni sirek 112/1100;1160 B_1_9_2_99 Druga zel. k., drugo 1100;1160 111 Bela gorjušica 111/1100;1160 B_1_9_2_99 Druga zel. k., drugo 1100;1160 113 Oljna redkev 113/1100;1160 B_1_9_2_99 Druga zel. k., drugo 1100;1160 114 Druge rastline za krmo na njivah 114/1100;1160 B_1_9_2_99 Druga zel. k., drugo 1100;1160 106 Krmni radič 106/1100;1160 B_1_9_2_99 Druga zel. k., drugo 1100;1160 209 Njivska grašica 209/1100;1160 B_1_9_2_99 Druga zel. k., drugo 1100;1160 029 Ukorenišče hmeljnih sadik 029/1100;1160 B_1_11 Njive, drugo 1100;1160 026 Njive v prahi 026/1100;1160 B_1_12_1 Praha 1100;1160 115 Abesinska gizotija 115/1100;1160 B_1_12_1 Praha 1100;1160 219 Facelija 219/1100;1160 B_1_12_1 Praha 1100;1160 904 Neozelenjen del enote rabe 904/1100;1160 B_1_12_1 Praha 1100;1160 406 Mešanice za neprezimno ozelenitev 406/1100;1160 B_1_12_1 Praha 1100;1160 702 Drevesnice 702/1100;1160 N/1100;1160 Njiva (nespecificirano) 1100;1160 704 Trsnice 704/1100;1160 N/1100;1160 Njiva (nespecificirano) 1100;1160 204 Trajno travinje 204/1100;1160 N/1100;1160 Njiva (nespecificirano) 1100;1160 444 Pridelava ni v tleh 444/1100;1160 N/1100;1160 Njiva (nespecificirano) 1100;1160 000 Nedefinirana kmetijska rastlina 000/1100;1160 N/1100;1160 Njiva (nespecificirano) 1100;1160 Ni podatka o pridelku /1100;1160 N/1100;1160 Njiva (nespecificirano) 1100;1160 777 Površina v odstopu 777/1100;1160 N/1100;1160 Njiva (nespecificirano) 1100;1160 501 Hmelj 501/1100;1160 501/1100;1160 Hmelj neobračunano 1180 702 Drevesnice 702/1180 B_4_5 Drevesnice in trsnice 1180 704 Trsnice 704/1180 B_4_5 Drevesnice in trsnice 1180 708 Nasadi matičnih rastlin 708/1180 B_4_5 Drevesnice in trsnice Šifra RKG-raba/RPGV Šifra ARSKTRP-pridelek Opis ARSKTRP/RKG (pridelki, raba) Povezovalna šifra Šifra KIS-SO Opis KIS-SO 1180 444 Pridelava ni v tleh 444/1180 N/1180 Trajne rastline (nespecificirano) 1180 000 Nedefinirana kmetijska rastlina 000/1180 N/1180 Trajne rastline (nespecificirano) 1180 777 Površina v odstopu 777/1180 N/1180 Trajne rastline (nespecificirano) 1190 708 Nasadi matičnih rastlin 708/1190 N/1190 Rastlinjak (nespecificirano) 1190 204 Trajno travinje 204/1190 N/1190 Rastlinjak (nespecificirano) 1190 444 Pridelava ni v tleh 444/1190 N/1190 Rastlinjak (nespecificirano) 1190 000 Nedefinirana kmetijska rastlina 000/1190 N/1190 Rastlinjak (nespecificirano) 1190 777 Površina v odstopu 777/1190 N/1190 Rastlinjak (nespecificirano) Šifra RKG-raba/RPGV Šifra RKG trajni nasadi Opis RKG trajni nasadi (pridelki) Povezovalna šifra Šifra KIS-SO Opis KIS-SO 1160 900 Hmelj 900/1160 B1 6 2 Hmelj 1221 611 Jablana 611/1221 B.4.1/1-1 Jablana/IS 1221 612 Hruška 612/1221 B.4.1/1-2 Hruška/IS 1221 621 Breskev 621/1221 B.4.1/1-3 Breskev/IS 1221 622 Nektarina 622/1221 B.4.1/1-3 Breskev/IS 1221 624 Marelica 624/1221 B.4.1/1-4 Marelica/IS 1221 625 Češnja 625/1221 B.4.1/1-5 Češnja/IS 1221 626 Višnja 626/1221 B.4.1/1-6 Višnja/IS 1221 623 Sliva in češplja 623/1221 B.4.1/1-7 Sliva/IS 1221 643 Kaki 643/1221 B.4.1/1-8 Kaki/IS 1221 642 Aktinidija 642/1221 B.4.1/1-9 Kivi/IS 1221 647 Smokva 647/1221 B.4.1/1-10 Figa/IS 1221 613 Kutina 613/1221 B.4.1/1-11 Drugo/IS 1221 648 Asimina 648/1221 B.4.1/1-11 Drugo/IS 1221 649 Rakitovec 649/1221 B.4.1/1-11 Drugo/IS 1221 615 Granatno jabolko 615/1221 B.4.1/1-11 Drugo/IS 1221 616 Nešplja 616/1221 B.4.1/1-11 Drugo/IS 1221 627 Japonska nešplja 627/1221 B.4.1/1-11 Drugo/IS 1221 677 Skorš 677/1221 B.4.1/1-11 Drugo/IS 1221 614 Naši 614/1221 B.4.1/1-11 Drugo/IS 1221 671 Limonovec 671/1221 B.4.1/1-11 Drugo/IS 1221 672 Grenivka 672/1221 B.4.1/1-11 Drugo/IS 1221 673 Pomarančevec 673/1221 B.4.1/1-11 Drugo/IS 1221 674 Mandarinovec 674/1221 B.4.1/1-11 Drugo/IS 1221 618 Kitajska žižola 618/1221 B.4.1/1-11 Drugo/IS 1221 619 Feijola 619/1221 B.4.1/1-11 Drugo/IS 1221 661 Namizno grozdje 661/1221 B.4.1/1-11 Drugo/IS 1221 699 Mešane sadne vrste 699/1221 B.4.1/1-11 Drugo/IS Šifra RKG-raba/RPGV Šifra RKG trajni nasadi Opis (pridelki; raba) Povezovalna šifra Šifra KIS-SO Opis KIS-SO 1221 632 Leska 632/1221 B_4_1/1-12 Leska/IS 1221 644 Kostanj 644/1221 B_4_1/1-13 Kostanj/IS 1221 1221 631 633 Oreh Mandelj 631/1221 633/1221 B_4_1/1-14 B_4_1/1-14 Oreh/IS Oreh/IS 1221 652 Ameriške borovnice 652/1221 B_4_1/1-15 Borovnice/IS 1221 1221 1221 1221 1221 1221 1221 1221 1221 1221 1221 1221 653 654 655 656 657 676 659 660 662 646 675 658 Maline Robide Rdeči ribez Črni ribez Aronija Kosmulja Goji Črni ribez X Kosmulja Robida X Malina Bezeg Dren Murva 653/1221 654/1221 655/1221 656/1221 657/1221 676/1221 659/1221 660/1221 662/1221 646/1221 675/1221 658/1221 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 B_4_1/1-16 Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS Jagodičje, drugo/IS 1221 651 Jagode 651/1221 651/1221 Jagode neobračunano 1100 Njiva 1100 1100 GERK Njiva za izračun 1160 Hmeljišče 1160 1160 GERK Hmeljišče za izračun 1180 Trajne rastline na njivah 1180 1180 GERK Trajne rastline za izračun 1190 Rastlinjak 1190 1190 GERK Rastlinjak za izračun 1221 Intenzivni sadovnjak 1221 1221 GERK Int. Sadovnjak za izračun 1222 Ekstenzivni sadovnjak 1222 1222 Ekst. sadovnjak/ES 1230 Oljčnik 1230 1230 Oljke 1211 Vinograd (vinske sorte) 1211 1211 GERK Vinograd za izračun GROZDJE LASTNO Prijava pridelka grozdja GROZDJE LASTNO GrozdjeL Pridelano grozdje za izračun LASTNO_GRZDJE_LASTNA_PREDELAVA Lastno grozdje predelano v vino LASTNO_ GRZDJE_ LASTNA_ PREDELAVA GrozdjeLP Lastno grozdje predel. v vino za izračun 1300 Trajni travnik 1300 1300 Travinje, int. 1321 Barjanski travnik 1321 1321 Travinje, ekst. 1800 Kmet. zemlj. poraslo z gozd. drevjem 1800 1800 Travinje, ekst. 1430 Ekstenzivni kraški pašnik 1430 1430 Travinje, ekst. 1212 Matičnjak 1212 1212 Drevesnice 1240 Ostali trajni nasadi 1240 1240 Vinograd, grozdje 1600 1420 Neobdelano Plantaže gozdnega drevja 1600 1420 1600 1420 SO se ne obračunava SO se ne obračunava Ime ERŽ/CPZ govedo Opis ERŽ/CPZ govedo (živali) Povezovalna šifra Šifra KIS-SO Opis KIS-SO TELIČKE Teličke do enega leta TELIČKE C 2 1 Govedo do 1 leta CRG izračun BIKCI Bikci do enega leta BIKCI C 2 1 Govedo do 1 leta CRG izračun BIKCI1 Biki, stari 1 do 2 leti BIKCI1 C 2 2 Govedo 1-2 leti - moško TELICE1 Telice, stare od 1 do 2 leti TELICE1 C 2 3 Govedo 1-2 leti - žensko BIKI2 Biki nad 2 leti (tudi plemenski) BIKI2 C 2 4 Moško govedo nad 2 leti TELICE2 Telice nad 2 leti TELICE2 C 2 5 Telice nad 2 leti KRAVE Krave KRAVE KRAVE Krave CRG za izračun KRAVEkis KRAVEkis KRAVEkis Krave CPZ govedo za izračun Mlečne krave CPZ govedo za izra- mlKRAVEkis mlKRAVEkis mlKRAVEkis čun OVCE STAREJ 1LETA OZ JAGNILE Ovce od 1 leta oz. so že jagnjile OVCE STAREJ 1LETA OZ JAGNILE C 3 1 1 Plemenske ovce JAGNE- JAGNE- TA STARA MANJ KOT 1LETO Jagnjeta do enega leta TA STARA MANJ KOT 1LETO C 3 1 99 Druge ovce CRD za izračun OVNI STAREJŠI OD 1LETA Ovni, starejši od enega leta OVNI STAREJŠI OD 1LETA SO se zanemari KOZE STAREJŠE 1LETA OZ JARILE Koze od enega leta oz. so že jarile KOZE STAREJŠE 1LETA OZ JARILE C 3 2 1 Plemenske koze KOZLIČKI STARI MANJ KOT 1LETO Kozlički do enega leta KOZLIČKI STARI MANJ KOT 1LETO C 3 2 99 Druge koze CRD za izračun KOZLI STAREJŠI OD 1LETA Kozli, starejši od enega leta KOZLI STAREJŠI OD 1LETA SO se zanemari PUJSKI DO 20 KG Pujski do 20 kg PUJSKI DO 20 KG C 4 1 Pujski do 20 kg CRPš za izračun PLEM PRASICI PLEMENSKE SVINJE Plemenske svinje (breje in nebreje) PLEM PRASICI PLEMENSKE SVINJE C 4 2 Plemenske svinje PLEM PRASICI MLADICE Plemenske mladice (breje in nebreje) PLEM PRASICI MLADICE C 4 2 Plemenske svinje PRAŠIČI PITANCI 20 DO 110 KG Prašiči pitanci od 20 kg PRAŠIČI PITANCI 20 DO 110 KG C 4 99 Drugi prašiči MERJASCI Merjasci MERJASCI C 4 99 Drugi prašiči Čebelji panji Čebele Čebelji panji C_7 Čebele Priloga 3: Priprava vhodnih podatkov za izračun SO; pregled vsebine izpisnega stavka (veljavni šifranti za leta 2012 do 2014) Šifra SO postavke Opis SO postavke KMG_KIS OBCINA Regija 1100 GERK Njiva za izračun 1160 GERK Hmeljišče za izračun 1180 GERK Trajne rastline za izračun 1190 GERK Rastlinjak za izračun 1221 GERK Int. Sadovnjak za izračun 1211 GERK Vinograd za izračun 1300 Travinje, int. 1321 Travinje, ekst. 1430 Travinje, ekst. 1800 Travinje, ekst. 1222 Ekst. sadovnjak/ES 1212 Drevesnice 1230 Oljke 1240 Vinograd, grozdje 1420 SO se ne obračunava 1600 SO se ne obračunava B_1_6_2 Hmelj N/1100;1160 Njiva (nespecificirano) N/1180 Trajne rastline (nespecificirano) N/1190 Rastlinjak (nespecificirano) 501/1100;1160 Hmelj neobračunano B_1_1_1 Pšenica in pira B_1_1_3 Rž B_1_1_4 Ječmen B_1_1_5 Oves B_1_1_6 Koruza B_1_1_99/1 Tritikala B_1_1_99/2 Ajda B_1_1_99/3 Proso B_1_1_99/9 Drugo žito, drugo B_1_11 Njive, drugo B_1_12_1 Praha B_1_2_1/2 Grah B_1_2_2 Druge suhe stroč. B_1_3/1 Krompir, seme B_1_3/2 Krompir, jedilni B_1_5 Korenovke B_1_6_12/1 Zelišča na prostem B_1_6_12/2 Zelišča v zašč. p. B_1_6_4 Olj. ogrščica B_1_6_5 Sončnice B_1_6_6 Soja B_1_6_8 Druge oljnice B_1_7_1/1 Tr. vrtnine na prostem B_1_7_1/3 Vrtnine (brez trajnih) in fižol B_1_7_1/4 Jagode na prostem B_1_7_2/1 Vrtnine v zašč. p. B_1_7_2/2 Jagode v zašč. p. B_1_8_1 Cvetje in okr. rast. na prostem B_1_8_2 Cvetje in okr. rast. v zašč. p. B_1_9_1 Trave B_1_9_2_1 Sil. koruza B_1_9_2_2 Detelje in lucerna B_1_9_ 2_99 Druga zel. k., drugo B_4_5 Drevesnice in trsnice B_4_1 1-1 Jablana/IS B_4_1 1-2 Hruška/IS B_4_1 1-3 Breskev/IS B_4_1 1-4 Marelica/IS B_4_1 1-5 Češnja/IS B_4_1 1-6 Višnja/IS B_4_1 1-7 Sliva/IS B_4_1 1-8 Kaki/IS B_4_1 1-9 Kivi/IS B_4_1 1-10 Figa/IS B_4_1 1-11 Drugo/IS B_4_1 1-12 Leska/IS B_4_1 1-13 Kostanj/IS B_4_1 1-14 Oreh/IS B_4_1 1-15 Borovnice/IS B_4_1 1-16 Jagodičje, drugo/IS 651/1221 Jagode neobračunano GrozdjeL Pridelano grozdje za izračun GrozdjeLP Lastno grozdje predel. v vino za izračun C_2_1 Govedo do 1 leta - CRG za izračun C_2_3 Govedo 1-2 leti - žensko C_2_2 Govedo 1-2 leti - moško C_2_5 Telice nad 2 leti C_2_4 Moško govedo nad 2 leti KRAVE Krave CRG za izračun KRAVEkis Krave CPZ govedo za izračun mlKRAVEkis Mlečne krave CPZ govedo za izračun C_3_1_ 1 Plemenske ovce C_3_1_ 99 Druge ovce CRD za izračun C_3_2_ 1 Plemenske koze C_3_2_ 99 Druge koze CRD za izračun C_4_1 Pujski do 20 kg - CRPš za izračun C_4_99 Drugi prašiči C_4_2 Plemenske svinje C_1 Kopitarji C_5_1 Piščanci C_5_2 Kokoši nesnice C_5_3_ 1 Purani C_5_3_ 2 Race C_5_3_ 3 Gosi C_5_3_ 4 Noji C_5_3_99/1 Jarkice C_5_3_99/9 Druga per., drugo C_3_8_ 1 Druge živali C_6 Plemenski kunci C 7 Čebele 3. ANALIZA KAKOVOSTI REZULTATOV FADN ZA SLOVENIJO Maja Kožar Končno poročilo o izvedbi nalog drugega delovnega svežnja (DS2) v okviru CRP: Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423) Ljubljana, november 2017 KAZALO VSEBINE 3. ANALIZA KAKOVOSTI REZULTATOV FADN ZA SLOVENIJO..........................................53 3.1. Uvod...............................................................................................................................59 3.2. Pregled literature............................................................................................................62 3.2.1. Kakovost podatkov: opredelitev........................................................................................ 62 3.2.2. Ocenjevanje in spremljanje kakovosti podatkov............................................................... 62 3.2.3. Upravljanje s kakovostjo podatkov FADN ......................................................................... 63 3.2.3.1. Upravljanje s kakovostjo podatkov FADN s strani EK....................................................63 3.2.3.2. Upravljanje s kakovostjo podatkov FADN v okviru slovenske mreže FADN..................66 3.3. Analiza kakovosti podatkov FADN za Slovenijo.................................................................68 3.3.1. Pristop in podatki..............................................................................................................68 3.3.2. Odgovornost za kakovost .................................................................................................. 69 3.3.3. Ustreznost virov.................................................................................................................72 3.3.4. Ustreznost podatkov.........................................................................................................79 3.3.4.1. Ustreznost podatkov - dodatni izsledki........................................................................84 3.3.5. Pravočasnost in točnost objav...........................................................................................86 3.3.5.1. Točnost objav................................................................................................................87 3.3.5.2. Pravočasnost objav ........................................................................................................ 88 3.3.6. Dostopnost in jasnost informacij.......................................................................................92 3.3.6.1. Dostopnost informacij...................................................................................................93 3.3.6.2. Jasnost informacij..........................................................................................................95 3.3.6.3. Dostopnost in jasnost informacij - dodatni izsledki....................................................100 3.3.7. Razumna obremenitev dajalcev podatkov......................................................................105 3.3.8. Stroškovna učinkovitost..................................................................................................108 3.3.9. Ostale komponente.........................................................................................................111 3.3.9.1. Dobra metodologija in ustrezni postopki....................................................................112 3.3.9.2. Natančnost in zanesljivost...........................................................................................114 3.4. Sklepne ugotovitve in ključna srednjeročna priporočila...................................................118 3.4.1. Sklepne ugotovitve..........................................................................................................118 3.4.2. Ključna srednjeročna priporočila..................................................................................... 118 3.4.3. Priporočila za nadaljnje raziskovalno delo......................................................................120 3.5. Viri.................................................................................................................................121 3.5.1. Citirani viri.......................................................................................................................121 3.5.2. Drugi viri .......................................................................................................................... 124 3.6. Priloge...........................................................................................................................126 KAZALO PREGLEDNIC Str. Preglednica 24: Struktura intervjuvancev...........................................................................................69 Preglednica 25: Ocena skupne porabe delovnih ur za izpolnitev enega poročila.................................. s kmetijskega gospodarstva, vključenega v FADN, za izbrane države........................... članice EU (Bradley in Hill, 2015: 55)........................................................................ 74 Preglednica 26: Ocena povprečnih skupnih stroškov na izpolnjeno poročilo FADN.............................. za leta 2012-2014 za izbrane države članice EU (Bradley in Hill, 2015: 69).............78 Preglednica 27: Predlog ključnih domačih uporabnikov podatkov FADN za Slovenijo.......................... (prirejeno po Kranjc, 2015).......................................................................................83 Preglednica 28: Kontrola kakovosti podatkov FADN za izbrano obračunsko leto n na......................... ravni celotne EU........................................................................................................88 Preglednica 29: Pravočasnost objave preliminarnih podatkov FADN za Slovenijo................................ (prirejeno po Kranjc, 2015).......................................................................................89 Preglednica 30: Pravočasnost objave končnih FADN za Slovenijo (prirejeno po Kranjc, 2015)........90 KAZALO SLIK Slika 1: Postopki kontrole kakovosti podatkov FADN s strani EK..................................................64 Slika 2: Mnenja intervjuvancev o tem, ali so za kakovost podatkov FADN....................................... bolj odgovorni v FADN vključeni kmetje ali kmetijski svetovalci (n=22)..........................71 Slika 3: Mnenja fokusne skupine o motiviranosti kmetijskih svetovalcev za aktivnosti................... v zvezi s FADN (n=7)..........................................................................................................75 Slika 4: Mnenja intervjuvancev o pomenu, pripravljenosti za izobraževanje,.................................. tudi če ni v neposredni povezavi s FADN..........................................................................76 Slika 5: Mnenja ostalih intervjuvancev o pomenu sodelovanja svetovalcev in................................ inštitucij v zvezi s FADN.....................................................................................................76 Slika 6: Zainteresiranost intervjuvancev za dodatno sodelovanje ali izobraževanje........................ v zvezi s FADN (vprašanje fokusni skupini: zainteresiranost................................................ za tesnejše, dodatno sodelovanje s FADN kmetijami)......................................................77 Slika 7: Mnenja intervjuvancev o tem, ali je v zadnjih nekaj letih prišlo.......................................... do napredka v mreži FADN Slovenija (npr. več sodelovanja znotraj in med členi FADN) 77 Slika 8: Mnenja intervjuvancev o uporabnosti (koristnosti) podatkov FADN................................... za kmetijska gospodarstva................................................................................................81 Slika 9: Mnenja intervjuvancev o uporabnosti (koristnosti) podatkov FADN za državo...............82 Slika 10: Mnenja intervjuvancev o uporabnosti (koristnosti) podatkov FADN za EU.....................82 Slika 11: Mnenja ostalih intervjuvancev o uporabnosti (koristnosti) podatkov FADN....................... za (kmetijske) svetovalce..................................................................................................83 Slika 12: Mnenja anketirancev o uporabnosti FADN podatkov po udeležbi na delavnicah (n=13) 85 Slika 13: Mnenja anketirancev o koristnosti udeležbe na delavnicah o............................................. gospodarnosti kmetij, usmerjenih v prirejo mleka, za njihove kmetije (n=13)................86 Slika 14: Mnenja intervjuvanih kmetij o pravočasnosti povratnih informacij FADN (n=10)...........90 Slika 15: Mnenja ostalih intervjuvancev o pravočasnosti povratnih informacij FADN....................... za kmetijska gospodarstva (ločeno za vzorčnike in obveznike)........................................91 Slika 16: Mnenja intervjuvancev o razumljivosti povratnih informacij FADN..................................... za kmetijska gospodarstva; mnenja za vzorčnike in obveznike hkrati..............................96 Slika 17: Mnenja intervjuvancev o uporabnosti povratnih informacij FADN...................................... za kmetijska gospodarstva; mnenja za vzorčnike in obveznike hkrati..............................97 Slika 18: Mnenja intervjuvancev o zanimivosti povratnih informacij FADN....................................... za kmetijska gospodarstva; mnenja za vzorčnike in obveznike hkrati..............................97 Slika 19: Pogostost uporabe povratnih informacij za kmetijska gospodarstva.................................. (ostali intervjuvanci: uporaba pri svojem delu)................................................................98 Slika 20: Ali so skupinske delavnice oziroma krožki na podlagi dejanskih podatkov kmetij............... ustrezen in učinkovit način svetovanja kmetijam? (n=13).............................................101 Slika 21: Mnenja anketirancev o razumljivosti FADN podatkov po udeležbi...................................... na delavnicah (n=13).......................................................................................................102 Slika 22: Pripravljenost za sodelovanje na podobnih podjetniških ali panožnih................................ delavnicah ali krožkih? (n=13)........................................................................................102 Slika 23: Mnenja anketirancev o zanimivosti načina prikazovanja rezultatov kmetij......................... na delavnicah (n=13).......................................................................................................103 KAZALO PRILOG Priloga 1: Seznam pridelkov ali skupin pridelkov na ravni šifre SO koeficienta s pripadajočimi vrednostimi; 2012-2014........................................................................................................................41 Priloga 2: Podroben seznam vseh izbranih podatkov iz administrativnih virov z opredelitvijo pripadajočih šifer SO koeficientov (povezovalni šifrant).......................................................................44 Priloga 3: Priprava vhodnih podatkov za izračun SO; pregled vsebine izpisnega stavka (veljavni šifranti za leta 2012 do 2014)............................................................................................................................50 Priloga 4: Opravljeni intervjuji.............................................................................................................126 Priloga 5: Polstrukturirani vprašalniki - vodila za intervjuje................................................................126 Priloga 6: Anketa udeležencev delavnic o gospodarnosti kmetij, usmerjenih v prirejo mleka...........134 Priloga 7: Anketni vprašalnik za udeležence delavnic o gospodarnosti kmetij, usmerjenih v prirejo mleka...................................................................................................................................................135 Priloga 8: Predlog povratnih informacij na podlagi standardnih rezultatov FADN.............................136 Priloga 9: Nabor kazalcev za hitro verifikacijo agregatnih rezultatov FADN.......................................142 Priloga 10: Osnovna datoteka - primer izpolnjenega lista »opis kmetije«..........................................169 Priloga 11: Osnovna datoteka - primer izpolnjenega lista »proizvodnja«..........................................170 Priloga 12: Osnovna datoteka - primer izpolnjenega lista »krma«.....................................................171 Priloga 13: Osnovna datoteka - primer izpolnjenega lista »kalkulacija«............................................172 Priloga 14: Osnovna datoteka - primer izpolnjenega lista »izbor«.....................................................173 Priloga 15: VBA koda za zapis hiperpovezav v delovnem zvezku za vse dodane delovne liste..........285 Priloga 16: Posamezni kazalniki po proizvodnih aktivnostih za KMG1...............................................286 Priloga 17: Posamezni kazalniki po proizvodnih aktivnostih za KMG2...............................................287 Priloga 18: Posamezni kazalniki po proizvodnih aktivnostih za KMG3...............................................288 Priloga 19: Posamezni kazalniki po proizvodnih aktivnostih za KMG4...............................................289 3.1. UVOD Mreža računovodskih podatkov s kmetijskih gospodarstev (ang. Farm Accountancy Data Network ali FADN) je harmoniziran sistem poenostavljenega kmetijskega knjigovodstva, ki se izvaja na vzorcu kmetijskih gospodarstev. Izhajajoča podatkovna zbirka FADN je izjemno obsežna31, bogata mikroeko-nomska baza, reprezentativna za tržno usmerjena kmetijska gospodarstva v Evropski uniji (EU) in edina, ki je harmonizirana na ravni EU. Podatke na ravni kmetijskih gospodarstev, zbrane po enotni metodologiji, je mogoče primerjati med posameznimi državami po različnih kriterijih: regija, tip kmetovanja in ekonomska velikost. Izjemna podatkovna moč baze sloni tudi na dejstvu, da gre za dolgo časovno serijo podatkov; FADN mreža je bila v EU ustanovljena že leta 1965. V Sloveniji njeni začetki segajo v leto 1994, dokončno usklajena z evropsko zakonodajo pa je od leta 2004. FADN mreža je bila v EU ustanovljena za potrebe Skupne kmetijske politike (SKP), za katero je (bilo) reševanje dohodkovnega vprašanja v kmetijstvu eden osrednjih političnih elementov (Wesseler, 2015). Ključna namena mreže FADN sta opredeljena v 1. členu Uredba Sveta (ES) št. 1217/2009 z dne 30. novembra 2009 o vzpostavitvi mreže za zbiranje računovodskih podatkov o dohodkih in poslovanju kmetijskih gospodarstev v Evropski skupnosti (2009): - letno določanje dohodkov (komercialnih) kmetijskih gospodarstev in - poslovna analiza kmetijskih gospodarstev. FADN mreža torej zagotavlja podatke za monitoring dohodkovnega stanja in uspešnosti poslovanja (tržno usmerjenih) kmetijskih gospodarstev, primarno za potrebe upravljanja SKP (presoja učinkov, ocene, napovedi stanja), ekonomsko svetovanje, poleg tega pa tudi za naraščajoče podatkovne potrebe drugih skupnih evropskih politik. Rezultati FADN se uporabljajo tudi pri pripravi nekaterih drugih podatkovnih zbirk za kmetijstvo; npr. v nekaterih državah članicah EU so podatkovna podlaga za ekonomske račune za kmetijstvo. Podatkovno bazo FADN se opisuje celo kot podatkovni »rudnik zlata« (zaključki petdesete obletnice FADN; glej v Kožar, 2015) in neprecenljiv podatkovni input za EU (glej npr. Conclusions, 2015; Plees, 2015). Tako je bilo od leta 2000 skoraj 70 % vseh evalvacij, pripravljenih s strani Generalnega direktorata za kmetijstvo Evropske komisije (DG AGRI), odvisnih od podatkovne baze FADN (Plees, 2015), nadalje pa je tudi ena od bolje ocenjenih visoko-vrednostnih podatkovnih baz evropskih institucij (Bajek, 2015), ki se uporablja tudi za številne druge skupne politike EU (npr. zaposlitev, okolje, Evropska digitalna agenda; Conclusions, 2015; povzeto v Kožar, 2015). Kljub širokemu razponu možnosti potencialne uporabe podatkov FADN, pa so le-ti v Slovenije še vedno občutno premalo izkoriščeni, tako za namene kmetijske politike, raziskav in ekonomskega svetovanja kmetijskim gospodarstvom (npr. Kožar in sod..., 2013; Revizijsko poročilo ..., 2014). V strokovni in znanstveni javnosti se namreč v zadnjem desetletju podatkov FADN drži pridih nezadostne »kakovosti« tj. natančnosti, verodostojnosti in zanesljivosti ter tudi težav z organizacijo znotraj mreže FADN v Sloveniji (npr. Štebe in Rednak, 2007; Cör, 2009; Zupanc, 2011; Kožar in sod., 2013; Kožar, 2013a in 31 Letna podatkovna baza za EU je dostopna od 1989, vseh do sedaj vključenih vzorčnih kmetijskih gospodarstev je okoli 1,5 milijona. Podatkovna baza FADN omogoča veliko stopnjo dezagregacije (po regijah, po tipih kmetovanja, po ekonomski velikosti, organizacijski obliki itd.). Vseh izhodiščnih FADN spremenljivk je okoli 2000, povprečno pa so vrednosti razpoložljive za okoli 200 »končnih« spremenljivk/kmetijsko gospodarstvo (prirejeno o Bajek, 2015). 2013b). Glede na rezultate predhodnih analiz se tako »kakovost« FADN rezultatov za Slovenijo zdi vprašljiva in potno odvisna po nekaterih vsebinskih področjih (npr. vrednotenje osnovnih sredstev, poraba delovne sile), pa tudi po nekaterih dimenzijah kakovosti podatkov (npr. pravočasnost in točnost, dostopnost in jasnost povratnih informacij, ustreznost virov), mrežo FADN pa bi lahko na hitro ocenili kot razmeroma ohlapno. Kot problematična se omenja tudi komponenta ustreznost podatkov; eksplicitnega nacionalnega konsenza o ključnih (domačih) uporabnikih podatkovne baze FADN za Slovenijo ter o njihovih izhajajočih podatkovnih potrebah in zadovoljstvu ni (Kožar, 2013b). Težave s kakovostjo podatkov FADN in njenim upravljanjem niso izključno slovenska posebnost; s podobnimi težavami se spopada marsikatera bolj izkušena država članica EU (npr. Larsson, 1999; Conclusions, 2015). Za razliko od Slovenije pa je, predvsem v starejših državah članicah, tradicija FADN (in kmetijskega nasploh) knjigovodstva mnogo daljša32, viri pa običajno obširnejši in stabilnejši. Vseeno se zavedanje o podatkovnem bogastvu podatkov FADN za Slovenijo in potencialnih možnostih uporabe za različne namene v zadnjem obdobju krepi tako v strokovnih (npr. Štebe in Rednak, 2007; Poročilo o sprotnem ..., 2013b; Kožar, 2013b; Cunder in sod., 2016; Bojnec, 2016), kot tudi administrativnih krogih (Revizijsko poročilo ..., 2014). Za izboljšanje kakovosti podatkov FADN in z njimi povezanih procesov je eno ključnih izhodišč dolgoročna zaveza h kakovosti, ki vključuje sistematično in redno identifikacijo prednosti in pomanjkljivosti za stalno izboljševanje kakovosti proizvodov (podatkov) in z njimi povezanih procesov (Kodeks ravnanja evropske statistike, 2011). Z izjemo nekaj delnih analiz podatkov/mreže FADN za Slovenijo (npr. Štebe in Rednak, 2007; Cör, 2009; Zupanc, 2011; Kožar in sod., 2013; Kožar, 2013a in 2013b) po pregledu dosegljive literature kakovost podatkov FADN za Slovenijo ni izrecno obravnavana ali opredeljena. Celovitejše upravljanje s kakovostjo podatkov FADN za Slovenijo tako po naši oceni ni sistematično razvito, zdi se celo, da je omejeno predvsem na komponenti pravočasnost in točnost za namene izpolnjevanja obveznosti do Evropske komisije (EK). V okviru projekta CRP V4-1423 z naslovom »Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu«, financiranega s strani Ministrstva za kmetijstvo, gozdarstvo in prehrano (MKGP) in Javne agencije za raziskovalno dejavnost, je bila načrtovana izvedba celovitejše analize kakovosti rezultatov FADN za Slovenijo ter priprava priporočil za izboljšanje in spremljanje kakovosti podatkov FADN za Slovenijo. Naloge zadevnega delovnega svežnja DS2 z naslovom »Analiza kakovosti rezultatov FADN za Slovenijo« so bile naslednje: - Naloga 2.1: Pregled literature - Naloga 2.2: Analiza kakovosti podatkov FADN za Slovenijo ter - Naloga 2.3: Oblikovanje priporočil Izbrani pristop k analizi je preplet vseh treh nalog po posameznih ključnih komponentah kakovosti po evropskih smernicah za pripravo poročil o kakovosti statističnih raziskovanj (Kodeks ravnanja evrop- 32 Npr. na Švedskem in Danskem je bilo kmetijsko knjigovodstvo uvedeno že pred več kot 100 let (Karlsson, 2013; Agriculture and Danish ..., 2017). ske statistike, 2011; European Union, 2015; Quality Assurance Framework ..., 2015), ki se analizira po izbranih komponentah kakovosti na treh ravneh: kakovost institucionalnega okvira, podatkov in procesov (Kodeks ravnanja evropske statistike, 2011). Analiza kakovosti statističnih podatkov in sistemov po komponentah običajno vključuje vrsto strogih statističnih postopkov za obsežen nabor komponent kakovosti (npr. Eurostat, SURS). Številne je za podatkovno bazo FADN v Sloveniji, ki sicer ni statistična podatkovna baza v običajnem pomenu, zaradi pomanjkanja informacij ali virov nemogoče (npr. nevzorčne napake) ali stroškovno neracionalno izvesti v okviru delovnega svežnja DS2. Ne glede na to so oblikovana ključna priporočila (vodila) za izboljševanje kakovosti po analiziranih komponentah, ki bi po naši oceni že na srednji rok lahko pripomogla k izrazitemu izboljšanju kakovosti, k večji uporabnosti in uporabi podatkov FADN za Slovenijo ter h krepitvi in večji stroškovni učinkovitosti slovenske mreže FADN. To poročilo se nanaša na izvedbo omenjenih nalog DS2, na analizo mreže FADN Slovenija v obdobju po letu 2011 ter standardnih rezultatov FADN po letu 2007, torej rezultatov za »dejanski« (implementirani) vzorec FADN za Slovenijo. Kmetijska gospodarstva, ki so vključena v implementirani vzorec FADN, so poimenovana z izrazom »vzorčniki«; nekatera od teh gospodarstev so tudi prejemniki javnih sredstev iz Programa razvoja podeželja 2007-2013 (PRP). Večina poročila je bila pripravljenega na podlagi rezultatov in izsledkov, pridobljenih do decembra 2015, priporočila pa so bila do konca projekta (november 2017) še enkrat podrobno pregledana in po potrebi posodobljena glede na pridobljene rezultate in izsledke drugih delovnih svežnjev in sicer za: - komponento ustreznost podatkov (podrobnosti v podpoglavju 3.3.4.1 Ustreznost podatkov -dodatni izsledki), - komponento dostopnost in jasnost (podrobnosti v podpoglavju 3.3.6.3 Dostopnost in jasnost informacij - dodatni izsledki) ter za - komponente natančnost in zanesljivost ter dobra metodologija in ustrezni postopki (podrobnosti v podpoglavju 3.3.9 Ostale komponente). 3.2. PREGLED LITERATURE 3.2.1. Kakovost podatkov: opredelitev V sodobni teoriji kakovost podatkov ni več opredeljena zgolj enodimenzionalno kot natančnost podatkov (OECD, 2011), temveč kot večdimenzionalni koncept, torej kot preplet različnih dimenzij ali komponent. Obseg in hierarhija posameznih komponent kakovosti podatkov, kot jo bomo obravnavali v tej analizi, sta odvisna od uporabnikov, njihovih potreb, prioritet in percepcije, v praksi pa predvsem od obsega in organizacije razpoložljivih virov in iskanja kompromisov med posameznimi komponentami kakovosti (Kasnakoglu in Mayo, 2004). Enostavno in celovito je kakovost podatkov mogoče povzeti kot »primernost za uporabo« (Statistics Canada's Quality ..., 2002), torej ali podatki ustrezajo svojemu namenu (European Union, 2015). Po OECD (2011) so dimenzije kakovosti podatkov relevantnost, natančnost, kredibilnost, pravočasnost, dostopnost, pojasnljivost, koherentnost, pa tudi stroškovna učinkovitost. Eurostat kakovost statistik upravlja v okviru Kodeksa ravnanja evropske statistike (2011), ki določa standarde za razvoj, pridobivanje in diseminacijo evropskih statističnih podatkov, in Uredbe (ES) št. 223/200933 na treh ravneh (European Union, 2015): - kakovost oziroma lastnosti institucionalnega okolja (šest načel - šest komponent kakovosti: strokovna neodvisnost, pooblastilo za zbiranje podatkov, ustreznost virov, zavezanost kakovosti, statistična zaupnost ter nepristranskost in objektivnost), - kakovost statističnih procesov (štiri načela - štiri komponente kakovosti: dobra metodologija, ustrezni statistični postopki, razumna obremenitev dajalcev podatkov in stroškovna učinkovitost) in - kakovost statističnih rezultatov (pet načel - pet komponent kakovosti: ustreznost podatkov, natančnost in zanesljivost, pravočasnost in točnost, skladnost in primerljivost ter dostopnost in jasnost). Na kakovost podatkov je mogoče gledati tudi kot na »diamant kakovosti« (Snijkers in sod., 2013, cit. po Snijkers in sod., 2014), ki kakovost podatkov opisuje kot iskanje ravnovesja med kakovostjo s strokovnega in »izvedbenega« vidika (napake, omejitve in učinki raziskave) in med kakovostjo z vidika uporabnikov (komponente kakovosti kot npr. ustreznost podatkov, natančnost, pravočasnost). 3.2.2. Ocenjevanje in spremljanje kakovosti podatkov Uporaba podatkov slabše kakovosti ali manjše »primernosti za uporabo« ima lahko izrazito negativne posledice, npr. zamike pri obdelavi in uporabi podatkov, napačne interpretacije podatkov in posledično slabše (napačne) odločitve (prirejeno po Heinrich in sod., 2007) ter tudi slabšo ciljno naravnost različnih politik in ukrepov (Conclusions, 2015; povzeto v Kožar, 2015). Redman (1998; cit po Heinrich 33 Uredba (ES) št. 223/2009 Evropskega parlamenta in sveta z dne 11. marca 2009 o evropski statistiki ter razveljavitvi Uredbe (ES, Euratom) št. 1101/2008 Evropskega parlamenta in Sveta o prenosu zaupnih podatkov na Statistični urad Evropskih skupnosti, Uredbe Sveta (ES) št. 322/97 o statističnih podatkih Skupnosti in Sklepa Sveta 89/382/EGS, Euratom, o ustanovitvi Odbora za statistične programe Evropskih skupnosti (Besedilo velja za EGP in Švico) (2009). Uredba (ES) št. 223/2009 je bila spremenjena z uredbo: Uredba (EU) 2015/759 Evropskega parlamenta in Sveta z dne 29. aprila 2015 o spremembi Uredbe (ES) št. 223/2009 o evropski statistiki (Besedilo velja za EGP in Švico). Uradni list Evropske unije, L 123(58): 90-97; izvedbena uredba: Uredba Komisije (EU) št. 557/2013 z dne 17. junija 2013 o izvajanju Uredbe (ES) št. 223/2009 Evropskega parlamenta in Sveta o evropski statistiki glede dostopa do zaupnih podatkov za znanstvene namene in o razveljavitvi Uredbe Komisije (ES) št. 831/2002 (Besedilo velja za EGP). Uradni list Evropske unije, L 164(56): 16-19 in sod., 2007) tako ocenjuje, da lahko skupni stroški zaradi uporabe podatkov nizke kakovosti znašajo med 8 in 12 % prihodkov podjetij. Preverjanje kakovosti podatkov je v praksi del celovitega upravljanja s kakovostjo, ki je za številna podjetja, državne in naddržavne institucije zelo strogo predpisano (standardizirano) in implementirano za izbrane dimenzije kakovosti podatkov (»proizvodov«) oziroma proizvodnih procesov (npr. Statistics Canada's Quality ..., 2002; Quality Assurance Framework ..., 2015). V Evropskem statističnem sistemu se kakovost statistik upravlja v okviru Kodeksa ravnanja evropske statistike (2011), ki določa standarde (načela) za razvoj, pridobitev, izračun in diseminacijo evropskih statistik (European Union, 2015). Že omenjena načela Kodeksa ravnanja evropske statistike (2011) zajemajo specifične indikatorje, ki odražajo dobro prakso in skladnost z načeli. Indikatorji predstavljajo prvo raven metod ocenjevanja kakovosti, ki se nadalje uporabijo na drugi, bolj celoviti in podrobni ravni ocenjevanja kakovosti v obliki samoocenjevanja, obsežnih poročil o kakovosti ter presoj. Tretjo raven predstavljajo postopki označevanja in certificiranja oziroma pridobivanja standardov (European Commission, 2009). Zagotavljanje kakovosti evropskih statistik je tudi predmet evropske zakonodaje na različnih področjih34, krovna je Uredba (ES) št. 223/2009 (2009). Zadevna zakonodaja opredeljuje specifične roke, metodološke standarde za izboljšanje natančnosti in primerljivosti ter potrebe evropskih inštitucij po nacionalnih statistikah (European Commission, 2015). 3.2.3. Upravljanje s kakovostjo podatkov FADN 3.2.3.1. Upravljanje s kakovostjo podatkov FADN s strani EK Prvi predlogi celovitejšega upravljanja s kakovostjo podatkov FADN po vzoru pristopa statističnih ustanov so bili prestavljeni že v okviru prvih delavnic PACIOLI (npr. Larsson, 1996; Poppe in sod., 1997; Larsson, 1999) in sicer kot odziv na nezadostno kakovost podatkov FADN in (ne)dokumentiranje upravljanja s kakovostjo. EU, kljub ambicijam v smeri zagotavljanja multidimen-zionalne kakovosti predvsem v devetdesetih (glej publikacije iz zgodnejših delavnic PACIOLI), ne sledi konceptu celovitega upravljanja s kakovostjo v klasičnem (statističnem) smislu, enotnem na evropski ravni. Razlogi za to so predvsem heterogenost pristopov k zbiranju podatkov in upravljanju kakovosti podatkov FADN35 ter zamudni postopki vnašanja izvornih podatkov. Na evropski ravni so podrobno razvite in poenotene aktivnosti v zvezi z preverjanjem kakovosti (vhodnih) podatkov in reprezentativnosti vzorcev FADN (prirejeno po Poppe in sod., 1997), torej predvsem v zvezi s komponento natančnost in zanesljivost. Prav tako sta na evropski ravni pomembni, aktivnosti pa v zadnjih letih okrepljene, tudi komponenti pravočasnost in točnost ter dostopnost in jasnost informacij (več »hitrih« informacij, preglednih publikacij). Za preverjanje kakovosti vhodnih podatkov, zbranih s poročili s kmetijskih gospodarstev, je od leta 2002 na voljo skupni internetni vnosni in kontrolni program, RICA-1, v katerega države članice polnijo izvorne podatke (Special Report No ..., 2004). Program omogoča enoten pristop k preverjanju izvornih podatkov FADN v obliki avtomatiziranih testov, testnih serij in mejnih vrednosti na ravni individualnih kmetijskih gospodarstev, regij oziroma držav (Rossi, 2015). V primeru napak morajo države članice oziroma njihovi pooblaščeni organi za zvezo podatke popraviti ali ustrezno obrazložiti (Special Report No ..., 2004). Na ravni individualnih kmetijskih gospodarstev so to najstrožji sistemski testi, ki za podatke, v primeru, da preveč 34 Glej: http://ec.europa.eu/eurostat/documents/64157/4373903/11-Inventory-of-regulations-in-the-field-of-statistics-containing-....-2010.pdf/34197de7-c473-47da-8a29-4325b0b4000e (1. dec. 2015) in http://ec.europa.eu/eurostat/documents/747709/753172/basic-general.pdf (1. dec. 2015). 35 Številne države članice, npr. Poljska, Madžarska, Avstrija, Nizozemska, Danska, hkrati s podatki FADN zbirajo tudi druge podatke, npr. okoljske, na podrobnejših ravneh, npr. na ravni aktivnosti. Nadalje ima večina držav članic razvite lastne kontrolne sisteme, zelo različne v pristopih, vsebini in obsegu (Data collection, 2013). odstopajo ali so napačni, zavračajo vnos v program RICA-1. Celoten nabor testov znotraj RICA-1 je popisan v RI/CC dokumentu št. 1350 (Control programme for ..., 2013). Po vnosu izvornih podatkov FADN v RICA-1 sistem, kontrolo kakovosti podatkov FADN »prevzame« EK (Slika 1), ki po preračunu dejanskih rezultatov po tipologiji EU izvede več vrst ex post testov na različnih stopnjah podatkov, tako na ravni kmetijskih gospodarstev, klastrov kot tudi na ravni drugih agregatov (Rossi, 2015). Preverjanje kakovosti podatkov poteka v stalni komunikaciji med EK in državami članicami in v iterativnem postopku čiščenja podatkov (Data collection, 2013), ki je tudi zelo fleksibilen v smislu, da je mogoče podatke posameznih kmetijskih gospodarstev popravljati tudi za več let nazaj. Ko so podatki končni, jih mora država članica (njen organ za zvezo) EK potrditi. Potrditev korektnosti podatkov je namreč osnova za izplačilo nadomestila računovodskim pisarnam. Slika 1: Postopki kontrole kakovosti podatkov FADN s strani EK Vir: Quality control procedures ... (2010) Na ravni kmetijskih gospodarstev se podatki kontrolirajo s testi skladnosti in homogenosti (Data collection, 2013). Testi skladnosti skušajo identificirati napake, neskladnosti med podatki in malo verjetne vrednosti, napake in odstopanja pa se rangirajo po stopnji »kritičnosti« (kritična, huda, nepravilnost, opozorilo). Napake nastanejo iz različnih razlogov, npr. zaradi napak pri vnosu izhodiščnih podatkov, zaradi napak pri prenosu, zaradi manjkajočih vrednosti ali zaradi malo verjetnih vrednosti (vrednosti izven pričakovanih limit, ki se posodabljajo letno). (Sistemskih) napak je pričakovano več ob večjih sistemskih spremembah, npr. pri spremembah poročil s kmetijskih gospodarstev. Testi homogenosti se opravljajo na podskupinah kmetijskih gospodarstev, cilj pa je predvsem detekcija osamel-cev glede na povprečja analiziranih kategorij, ki niso bili odkriti pri prvem tipu testov. Pogosto se izkaže, da so osamelci »značilni« za neko regijo oziroma kako drugače nosijo del zgodbe (prirejeno po Data collection, 2013). Na agregatni ravni EK kakovost (uteženih) podatkov FADN preverja s testi stalnosti, ki poenostavljeno analizirajo odstopanja dejanskih povprečij za nabor izbranih spremenljivk s pričakovanimi povprečji na podlagi preteklih trendov (Data collection, 2013). Za prevelika odstopanja se poskuša najti logično obrazložitev oziroma morajo organi za zvezo podatke ustrezno popraviti na ravni posameznih kmetijskih gospodarstev. V izjemno kritičnih primerih je mogoče kmetijsko gospodarstvo nadomestiti z nadomestnimi gospodarstvi iz nacionalnih vzorcev; v številnih državah so le-ti običajno večji od vzorca FADN, ki ga zahteva EK (Data collection, 2013). Kot ugotavljajo na EK, gre pri postopkih kontrole kakovosti podatkov FADN, mišljeno seveda na ravni celotne EU, za iskanje ravnovesja med ustvarjanjem novih bremen (stroškov), ki izvirajo iz potrebe po čimbolj kakovostnih podatkih, in med zmanjševanjem teh bremen (stroškov) z bolj ciljno naravnanimi testi (glej npr. v Rossi, 2015; tudi Conclusions, 2015; povzeto v Kožar, 2015). Zato je razumljivo, da kljub temu, da postopki kontrole kakovosti na ravni EK predvidevajo tudi dodatne ekspertne teste (npr. zahtevnejše metode detekcije »kritičnih« osamelcev, navzkrižno preverjanje z relevantnimi drugimi podatki, modeliranje podatkov), povratne informacije in pripombe uporabnikov podatkov (Rossi, 2015), vsi ti postopki niso nujno izvedeni vsako leto in za vse države članice/regije, še posebej ne za »manjše« oziroma kmetijsko »manj pomembne« v EU. Na ravni celotne EU so tako prioritetne kontrole na ravni agregatnih kategorij (po državah, regijah, proizvodnih tipih, razredih ekonomske velikosti) za ključne spremenljivke ter medletne primerjave oziroma analiza odstopanj od preteklih trendov. Tovrsten, »agregatni« pristop h kontroli kakovosti podatkov seveda neizbežno vključuje tudi možnost napak zaradi agregacije. Interna analitična baza FADN na EK, ki zagotavlja podatke FADN za modelna orodja EK, je nekakšna podatkovna »črna škatlica«, nedostopna širši javnosti. Po razgovorih z analitiki EU so postopki kontrole kakovosti in čiščenja podatkov za oblikovanje te baze veliko bolj razdelani in prilagojeni specifičnim raziskovalnim potrebam ter analiziranim kategorijam kmetijskih gospodarstev ali sektorjev (npr. detekcija večdimenzionalnih osamelcev, imputacije, ipd.). To se odraža tudi v dejstvu, da javno objavljena podatkovna baza FADN (pogosto) ni identična interni analitični bazi FADN na EK. Da se EK zaveda, da je kakovost podatkov FADN multidimenzionalna (glej npr. Conclusions, 20 1536) in da je potrebno začeti postopke v smeri načrtovanja in dokumentiranja aktivnosti v zvezi z upravljanjem kakovosti, nakazujeta tudi dve nedavni raziskavi (Evropsko računsko sodišče, 2016; Bradley in Hill, 2015), ki sta bili izvedeni s pomočjo obsežnih vprašalnikov v EU v letu 2015. Analiza stroškov in dobre prakse zbiranja podatkov FADN (Bradley in Hill, 2015) skuša za obračunska leta 2012-2014 inventarizirati organizacijo nacionalnih FADN mrež in pristope zbiranja podatkov FADN (komponenta odgovornost za kakovost, ustreznost virov, ustreznost), stroške (komponenta stroškovna učinkovitost), koristi (komponenta ustreznost - uporabnost podatkov) in najboljše prakse pri zbiranju in uporabi podatkov FADN (več komponent: odgovornost za kakovost, ustreznost podatkov, dostopnost in jasnost, učinkovita raba virov itd.). Namen raziskave o statističnih podatkih držav članic o dohodkih kmetij (Evropsko računsko sodišče, 2016) je poskušati analizirati stanje in dostopnost podatkov o dohodkih in gospodarski uspešnosti kmetijskih gospodarstev ter inventarizirati morebitne dobre prakse. V kontekstu multidimenzional-nosti kakovosti FADN je tako zanimivo povpraševanje o uporabi podatkov FADN za monitoring dohodkovnega stanja in ekonomske uspešnosti kmetijskih gospodarstev, o kvalitativnem in kvantitativnem ocenjevanju vzorca FADN in rezultatov FADN ter o porabi virov (komponente: ustreznost podatkov, stroškovna učinkovitost, natančnost in zanesljivost itd.). 36 Ključni izzivi za FADN podatke in analize na njihovi podlagi naj bi bili (Conclusions, 2015): točnost, natančnost, uporabnost. 3.2.3.2. Upravljanje s kakovostjo podatkov FADN v okviru slovenske mreže FADN Enako kot na ravni evropskega FADN, tudi na nacionalni ravni po pregledu dostopne dokumentacije in opravljenih razgovorih, ni izdelan uradni načrt (protokol) celovitejšega upravljanja s kakovostjo podatkov FADN oziroma načrt, ki bi izkazoval sistematično upravljanje kakovosti na multidimenziona-len način.37 Enako kot na evropski ravni, je tudi na nacionalni ravni osrednji del upravljanja s kakovostjo posvečen kakovostnima komponentama točnost in pravočasnost in sicer predvsem v smislu izpolnjevanja zahtev EK glede vnosa in kontrol izvornih podatkov FADN na ravni kmetijskih gospodarstev po predpisanih postopkih, opisanih v predhodnem podpoglavju (3.2.3.1.). V zadnjih nekaj letih, konkretno po preoblikovanju (širitvi) pristojnega oddelka za področje FADN na MKGP, pa upravljanje s kakovostjo podatkov FADN pridobiva na pomenu tudi v Sloveniji. Napori so usmerjeni v izboljševanje kakovosti tudi po drugih komponentah kakovosti ter v tesnejše medinstitu-cionalno sodelovanje v mreži FADN. Tosmerni, pogosto usklajeni napori znotraj slovenske mreže FADN so navedeni v nadaljevanju. 1. Komponenta natančnost in zanesljivost: Vsakoletne validacije podatkov FADN potekajo v sodelovanju med MKGP, računovodskimi pisarnami in KIS. Izvajajo se za: i) preliminarne podatke za obračunsko leto n-1 pred sprejetjem v program RICA- 1. ii) preliminarne standardne rezultate za leto n-2 in iii) končne standardne rezultate za leto n-2. Po zaključku »standardnih« postopkov kontrol v okviru programa FADN evidenca (le-ta vključuje predpisane RICA-1 teste in dodatne lastne kontrole), se podatke in rezultate FADN še analitično preveri in po potrebi popravi izvorne podatke posameznih kmetijskih gospodarstev. Za nabor ključnih spremenljivk in izvedenih indikatorjev se skuša identificirati najbolj problematična odstopanja oziroma napake (osamelce) in možne vzroke. Analiza poteka tako na ravni posameznih kmetijskih gospodarstev, kot tudi na ravni agregatnih vrednosti, pa tudi po posameznih skupinah kmetijskih gospodarstev, npr. tipih kmetovanja. Uporablja se tudi navzkrižno preverjanje z drugimi relevantnimi podatki (rezultati FADN za EU28 in druge države, ključni rezultati ekonomskih računov za kmetijstvo, statistični podatki, ipd.), utežmi in predhodnimi obdelavami podatkov. S strani Kmetijsko gozdarske zbornice Slovenije (KGZS) so bile uvedene kontrole na vzorčnih kmetijskih gospodarstvih v obsegu 3 % vzorca FADN (Pipan, 2015; Jesih in sod., 2017). Kontrole potekajo od vključno obračunskega leta 2013 dalje. Od (običajno problematičnih) kmetijskih gospodarstev skuša pridobiti informacije o problematičnih vsebinskih področjih, npr. delovni sili ali vrednotenju osnovnih sredstev, o tem kako podatke FADN sploh uporabljajo ter njihove predloge in pobude. Analiza rezultatov kontrol daje dragocene informacije o težavah FADN na terenu, tako MKGP kot tudi področnim kmetijskim svetovalcem, ki lahko ustrezno prilagodijo navodila ali postopke v zvezi s FADN. 2. Komponenta odgovornost za kakovost: Spodbudno je, da se v zadnjih letih v okviru nacionalne Komisije FADN38 vedno več razpravlja o drugih komponentah kakovosti podatkov FADN, kot samo o natančnosti in zanesljivosti ter pravočasnosti in točnosti. Razpravlja se o in išče rešitve predvsem glede uporabe (ustreznosti podatkov), dostopnosti in jasnosti podatkov, odgovornosti za kakovost ter ustreznosti virov, pa tudi stroškovne učinkovitosti (Šenk in Jesih, 2017). 3. Komponenta ustreznost virov: 37 Enako v kontekstu revizije informacijskega sistema FADN nakazuje tudi poročilo slovenskega računskega sodišča (Revizijsko poročilo ..., 2014), specifično v podpoglavjih Odstopanja od dobrih praks in priložnosti za izboljšanje 3.1.2 in 3.3.2. 38 Komisija za spremljanje in izvajanje kmetijskega knjigovodstva FADN (Pravilnik o delovanju ..., 2014). V teku so aktivnosti za zagotavljanje večje stalnosti virov. Tako je bil v letu 2015 je bil izveden javni razpis za podelitev javnega pooblastila računovodski pisarni, ki bo opravljala naloge in obveznosti računovodske pisarne po metodologiji FADN za obdobje pet let, od vključno obračunskega leta 2016 (Šenk in Jesih, 2017). Nadalje, tudi večletna prizadevanja za izdelavo sodobnejšega in kakovostnejšega programa za vnos, kontrolo in primarno obdelavo podatkov FADN so se uspešno realizirala. Od 2012 dalje je v uporabi računalniški program FADN evidenca (naročnika Kmetijsko gozdarska zavoda Kranj in Ptuj), ki v smislu celovitejšega upravljanja s kakovostjo podatkov FADN omogoča hitrejši in fleksibilnejši vnos podatkov FADN (tudi preko interneta), vse predpisane in dodatne kontrole podatkov, preliminarne analize podatkov, časovne serije po kmetijah in na ravni države ter fleksibilnejše izpise podatkov in rezultatov FADN za Slovenijo. 4. Komponente pravočasnost in točnost ter dostopnost in jasnost: Prenovljene povratne informacije za obračunsko leto 2013 so bile vzorčnim kmetijskim gospodarstvom posredovane v marcu 2014 (v primerjavi s predhodnimi leti hitreje); so tudi nekoliko poenostavljene in uporabnikom nekoliko prijaznejše kot predhodna verzija. Komponenti stroškovna učinkovitost, razumna obremenitev dajalcev podatkov: Zakon o kmetijstvu (2015) je bil dopolnjen na način, da preko 151. člena (evidenca kmetijskega knjigovodstva) zakonsko omogoča povezavo podatkovne baze FADN z nekaterimi drugimi administrativnimi bazami (npr. RKG, subvencijsko bazo, evidencami živali...). 3.3. ANALIZA KAKOVOSTI PODATKOV FADN ZA SLOVENIJO 3.3.1. Pristop in podatki Analiza komponent kakovosti podatkov FADN je smiselno prirejena po evropskih smernicah za pripravo poročil o kakovosti statističnih raziskovanj (Kodeks ravnanja evropske statistike, 2011; European Union, 2015; Quality Assurance Framework ..., 2015) in obravnava tri ravni: kakovost institucionalnega okvira (»sistema« FADN), kakovost podatkov in kakovost procesov. Komponent za analizo kakovosti podatkov je lahko veliko; za analizo so bile izbrane tiste, ki so bile na podlagi dostopne dokumentacije, obdelave rezultatov FADN ali ugotovitev iz opravljenih intervjujev in razgovorov identificirane kot najbolj problematične in je bilo v okviru projekta za njih možno podati ustrezno oceno in priporočila za rezultate FADN za Slovenijo. Nekatere komponente so smiselno združene. Večina rezultatov in izsledkov je bilo pridobljenih do decembra 2015 in sicer za naslednje analizirane komponente: odgovornost za kakovost, ustreznost virov, ustreznost podatkov, pravočasnost in točnost objav, dostopnost in jasnost informacij, razumna obremenitev dajalcev podatkov ter stroškovna učinkovitost. Priporočila glede komponent natančnost in zanesljivost ter dobra metodologija in ustrezni postopki smo podali na podlagi izsledkov in rezultatov ostalih delovnih svežnjev ob koncu projekta. Prav tako smo še enkrat podrobno pregledali priporočila za komponente dostopnost in jasnost ter ustreznost podatkov v kontekstu rezultatov in izsledkov delovnih svežnjev DS1 in DS3. FADN ni uradno statistično raziskovanje, glede na pomen in navezanost FADN knjigovodstva na metodologije Eurostat (vzorčenje, opredelitve, povezanost proizvodnih list; že obstoječe povezave s strukturnimi raziskovanji (npr. na Švedskem, Nizozemskem in Danskem), in načrti EK v smeri še večjega povezovanja s strukturnimi raziskovanji pa je tovrstna analiza kakovosti primerna (npr. Larsson, 1999) Tovrsten pristop je v praksi uporabljen kot izhodišče za FADN sisteme v nekaterih državah, npr. na Švedskem (npr. Larsson, 1996; pa tudi informacije iz delavnic PACIOLI, 2013, 2015-2017) in Danskem (Documentation of statistics ..., 2017). Kakovost podatkov FADN je neločljivo povezana s »kakovostjo« FADN sistema, torej posameznih členov v mreži FADN, njihovimi aktivnostmi in sodelovanjem. V pričujoči analizi bo kakovost podatkov FADN obravnavana primarno z vidika uporabnikov, torej z vidika kakovosti podatkov kot »produkta«, pri čemer so kot podatki FADN obravnavani standardni rezultati FADN za Slovenijo, tj. rezultati (implementiranega) vzorca FADN. Načela Kodeksa ravnanja evropske statistike (2011) strokovna neodvisnost organov (prvo načelo), pooblastilo za zbiranje podatkov (drugo načelo), zaupnost (peto načelo), nepristranskost in objektivnost (šesto načelo) ter skladnost in primerljivost (štirinajsto načelo) so privzeta kot veljavna. Osnovna struktura analize po izbranih komponentah kakovosti je opis posamezne komponente kakovosti s ključnimi kazalniki, oris stanja za FADN v Sloveniji, navedba relevantnih dobrih praks iz tujine in priporočila za izboljševanje posameznih komponent. Pri analizi stanja komponent smo uporabili: i) dostopno literaturo in dokumentacijo, ii) rezultate opravljenih intervjujev in ankete, iii) standardne rezultate FADN za obdobje po 2007 ter iv) druge pridobljene informacije (dobra praksa iz tujine39, razgovori in korespondenca z deležniki v slovenski mreži FADN, z domačimi in tujimi strokovnjaki). 39 Obiski v tujini: Madžarska (Research Institute of Agricultural Economics; Budimpešta, november 2014), Poljska (Institute of Agricultural and Food Economics - National Research Institute; Varšava, december, 2014), avstrijska Koroška (Ländliches Fortbildungsinstitut Kärnten; Celovec, marec 2015; spletna stran: http://www.lfi.at; 1. dec. 2015), udeležba na delavnicah PACIOLI (2013, 2015-2017). Za potrebe delovnega svežnja DS2 so bili v letu 2015 opravljeni polstrukturirani intervjuji z vzorcem kmetijskih gospodarstev (vzorčniki, čisti obvezniki), kmetijskih svetovalcev, FADN koordinatorjev KGZS ter zaposlenih v računovodskih pisarnah Kranj in Ptuj (Mnenja vzorca kmetijskih ..., 2015; Priloga 4).40 Z izrazom »obvezniki« bomo v nadaljevanju poimenovali intervjuvana kmetijska gospodarstva, ki morajo voditi FADN knjigovodstvo, ker so prejemniki javnih sredstev iz Programa razvoja podeželja 2007-2013, hkrati pa niso vključena v vzorec FADN, so torej »čisti obvezniki«. Intervjuvana kmetijska gospodarstva, ki so vključena v implementirani vzorec FADN, pa bomo v nadaljevanju imenovali »vzorčniki«; nekatera od teh gospodarstev so prejemniki zgoraj omenjenih javnih sredstev41. Vzorec intervjuvancev ni reprezentativen, zato ugotovitev na podlagi rezultatov intervjujev ni priporočljivo posploševati celotno populacijo FADN. Kljub temu so rezultati in ugotovitve na podlagi intervjujev zelo povedni, saj dajejo dragocen vpogled v način razmišljanja, mnenja in predloge predstavnikov izbranih členov mreže FADN v Sloveniji. Kot že omenjeno, je bila med intervjuvanci zajeta skupina ključnih kmetijskih svetovalcev na področju FADN, tj. FADN koordinatorjev.42 Preglednica 24: Struktura intervjuvancev Intervjuvanci Število Kmetijska gospodarstva: 11 - V vzorcu FADN (ne nujno vsa leta) 7 - Izločeno iz obdelave (v FADN vključeno manj kot eno leto) 1 Kmetijska gospodarstva v obdelavi 10 Ostali intervjuvanci (svetovalci, FADN koordinatorji, zaposleni 13 na računovodskih pisarnah): - Izločen iz obdelave (oseba ni podala odgovorov) 1 Ostali intervjuvanci v obdelavi 12 Vsi intervjuvanci - skupaj: 24 Intervjuvanci v obdelavi - skupaj 22 3.3.2. Odgovornost za kakovost Četrto načelo o odgovornosti oziroma zavezanosti kakovosti Kodeksa ravnanja evropske statistike (2011) opredeli kakovost institucionalnega okolja in pravi: »Statistični organi so zavezani kakovosti. Sistematično in redno ugotavljajo prednosti in pomanjkljivosti za nenehno izboljševanje kakovosti postopkov in proizvodov.« V kontekstu slovenske mreže FADN lahko zgoraj omenjeno načelo priredimo v: »Mreža FADN je zavezana kakovosti podatkov in procesov. Sistematično in redno ugotavlja prednosti in pomanjkljivosti z namenom nenehnega izboljševanja kakovosti podatkov FADN za Slovenijo«. Kazalniki načela zavezanosti kakovosti so naslednji (prirejeni po Kodeksa ravnanja evropske statistike, 2011 in Quality Assurance Framework ..., 2015): 40 V nadaljevanju izraz »fokusna skupina« pomeni skupino intervjuvanih FADN koordinatorjev, izraz »ostali intervjuvanci« pa skupino intervjuvancev iz vrst svetovalcev, FADN koordinatorjev in zaposlenih na računovodskih pisarnah. 41 V praksi so ta kmetijska gospodarstva »obvezniki«, ki pa so vključena tudi v vzorec FADN; torej niso »čisti« obvezniki, temveč ti. »obvezniki in hkrati vzorčniki« (Trpin Švikart, 2016: 6). 42 Posamezni KGZ imenujejo enega ali dva sodelavca za FADN koordinatorja za svoje območje, ki ostalim svetovalcem posredujejo informacije in gradiva, jim pripravljajo predstavitve, predavanja in animacijske delavnice ter sodelujejo z MKGP (http://www.kgzs.si/gv/razvoi-podezelia/FADN/organizacija-in-kontakti.aspx. 2. okt. 2017). - Politika kakovosti je opredeljena in javno dostopna. - Uveljavljeni so postopki za načrtovanje in spremljanje kakovosti procesa priprave podatkov. - Redno ocenjevanje kakovosti rezultatov, ocenjevanje morebitnih kompromisov in poročanje o kakovosti. - Redno in temeljito so pregledani ključni rezultati. Zavezanost kakovosti predvideva konkretno, celovito opredelitev upravljanja s kakovostjo podatkov in procesov in zavezo ključnih deležnikov v mreži FADN. Slovenska mreža FADN je opredeljena v 3. členu Pravilnika o delovanju ... (2014) in vključuje Komisijo FADN43, notranjo organizacijsko enoto FADN na MKGP (NOE FADN - Sektor za podnebne spremembe, nevladne organizacije, šolstvo in knjigovodstvo), SURS, poročevalska kmetijska gospodarstva, računovodsko pisarno in Javno službo kmetijskega svetovanja (JSKS). V praksi v mreži sodeluje tudi KIS. Za mrežo FADN Slovenija lahko ugotovimo, da celovitejše, večdimenzionalno upravljanje s kakovostjo podatkov ni sistematično razvito. Prav tako nista eksplicitno opredeljena ali javno dostopna politika kakovosti in proces strateškega in operativnega načrtovanja za FADN.44 V tem oziru se najbolj problematična zdi pomanjkljiva zavezanost ključnih deležnikov v mreži FADN, še posebej vodstvenih45 kadrov na MKGP in na KGZS, kakovosti FADN kot sistema in ne le kot podatkov. To se odraža tudi v odsotnosti eksplicitnega nacionalnega konsenza46 o prednostnih namenih podatkov FADN, prednostnih uporabnikih in njihovih podatkovnih potrebah. Tovrstni nacionalni konsenzi, ne samo v kontekstu FADN, temveč širše v smislu podatkov, ki se zajemajo na kmetijskih gospodarstvih ali za kmetijski sektor, obstajajo v bolj izkušenih državah, npr. na Švedskem (Delavnice PACIOLI, 2013, 2015-2017) ali Danskem (Agriculture and Danish ..., 2017). Na Danskem je do tovrstnega nacionalnega konsenza prišlo že v 1960-ih, ko so začeli z izgradnjo enotnega podatkovnega sistema za zbiranje računovodskih in drugih podatkov relevantnih podatkov na ravni kmetijskih gospodarstev za različne namene; davčne, svetovalne, raziskovalne (Agriculture and Danish ..., 2017). Neželenih posledic odsotnosti (eksplicitnega) nacionalnega konsenza v Sloveniji je več; v praksi prihaja do konfliktov oziroma neusklajenosti med nameni FADN (obveze do EK, monitoring, spremljanje Programa razvoja podeželja, ...) in obstoječo zasnovo in implementacijo vzorca FADN, v praksi do dveh sistemov obdelave primarnih podatkov in diseminacije rezultatov (za vzorčnike, za obveznike), do prelaganja odgovornosti za kakovost podatkov FADN od enega na drugi člen (običajno na kmetijska gospodarstva) in pogosto do nekritične uporabe rezultatov. Zelo povedni so npr. rezultati intervjujev v zvezi z vprašanjem, kdo je bolj odgovoren za kakovost podatkov FADN (mišljeno v smislu komponente kakovosti »točnost«). Več kot tri četrtine intervju-vancev (Slika 2) je menilo, da je za kakovost bolj odgovoren kmet. Rezultati intervjujev niso reprezentativni, dajejo pa pomembno sporočilo, da večina intervjuvancev meni, da je ključno breme odgovornosti za kakovost na vključenih kmetijskih gospodarstev in ne tudi na sistemu FADN. Dobra praksa iz tujine (Poljska, Madžarska, Nizozemska) kaže, da so podatki in informacije FADN bolj kakovostni, 43 Komisijo FADN po omenjenem pravilniku sestavljajo strokovnjaki za kmetijsko svetovanje, državno statistiko, izobraževanje, raziskovanje, predstavniki združenj kmetov in zadrug, predstavniki računovodske pisarne in nosilcev kmetijskih gospodarstev. 44 Opredelitev le-tega v kontekstu informacijskega sistema FADN priporoča tudi poročilo slovenskega računskega sodišča (Revizijsko poročilo ..., 2014). 45 V kontekstu vodenja projektov je zavezanost vodstvenih kadrov eden od ključnih dejavnikov uspeha (Baškarada in Koro-nios, 2014) oziroma učinkovitega programa upravljanja s kakovostjo podatkov FADN (Larsson, 1996). 46 "Poslovna strategija na področju FADN", na katero nakazuje omenjeno revizijsko poročilo (Revizijsko poročilo ..., 2014). kadar se dajalce podatkov razbremeni te odgovornosti, k dajanju podatkov višje kakovosti pa se jih spodbuja predvsem s hitrejšimi, kakovostnejšimi in prilagojenimi povratnimi informacijami oziroma svetovanjem. Na Poljskem na primer se, kadar pride do dodatnih kontrol podatkov posameznih kmetijskih gospodarstev, kontrolira pristojnega svetovalca in ne kmetijskega gospodarstva. Nadalje, na Poljskem in Madžarskem je plačilo računovodskim pisarnam vezano tudi na kakovost oddanih podatkov FADN. Slika 2: Mnenja intervjuvancev o tem, ali so za kakovost podatkov FADN bolj odgovorni v FADN vključeni kmetje ali kmetijski svetovalci (n=22) 17 ■ Za kakovost podatkov FADN ■ Za kakovost podatkov FADN ■ Za kakovost podatkov FADN bolj odgovoren kmet bolj odgovoren svetovalec oba enako odgovorna Za slovenski FADN se zdi, da je upravljanje s kakovostjo podatkov z vidika komponente odgovornost za kakovost skoraj povsem povezano z izpolnjevanjem zahtev EK, ki opredeljujejo tudi postopke rednega ocenjevanja in spremljanja kakovosti (vhodnih) podatkov (podpoglavje 3.2.3.1.). Posledično slovenski FADN sistem prevzema omejitve pristopa na evropski ravni glede multidimenzionalnega upravljanja s kakovostjo podatkov (osredotočenost na komponenti točnost in pravočasnost). Kot že omenjeno v podpoglavju 3.2.3.2, je v zadnjih nekaj letih opazen napredek pri ključnih deležnikih glede zavezanosti kakovosti v smislu bolj usklajenega spremljanja (pogosto neplaniranega) in izboljševanja kakovosti tudi po drugih komponentah kakovosti. V dobrem medinstitucionalnem sodelovanju se tako v zadnjih letih redno pregledujejo ključni agregatni rezultati, prišlo pa je tudi do drugih oblik preverjanja kakovosti podatkov FADN po posameznih problematičnih področjih, tako v okviru projekta CRP V4-1423 kot tudi s strani MKGP in KGZS (dodatne kontrole v okviru programa FADN evidenca, kontrole na terenu, npr. Pipan, 2015; Jesih in sod., 2017). Ključna priporočila za izboljševanje kakovosti po komponenti odgovornost za kakovost so naslednja (navedena hierarhično): 1. Odpreti razpravo o »multidimenzionalni« kakovosti FADN v Sloveniji, pri tem pa uporabiti že obstoječo infrastrukturo nacionalne Komisije FADN. 2. Oblikovati nacionalni konsenz o upravljanju s kakovostjo FADN, npr. v obliki izjave o kakovosti po zgledu SURS47, ki opredeljuje ključna upoštevana načela kakovosti; vključiti vse ključne deležnike sistema FADN in odgovornost za kakovost ustrezno porazdeliti med njimi. 3. Inventarizirati v praksi obstoječe aktivnosti upravljanja s kakovostjo podatkov FADN pri ključnih deležnikih FADN sistema, jih po potrebi združiti in oblikovati operativni (letni) načrt upravljanja s kakovostjo. Po potrebi širiti nabor aktivnosti za spremljanje ali izboljševanje kakovosti in okrepiti analitiko (temeljitejše analize, »hitre« analize). 4. Vzpostaviti periodično (letno) poročanje o kakovosti podatkov FADN za Slovenijo z oceno prednosti in pomanjkljivosti ter predlogi za izboljšanje kakovosti postopkov in podatkov.48 3.3.3. Ustreznost virov Tretje načelo Kodeksa ravnanja evropske statistike (2011) je tesno povezano s predhodnim načelom, saj enako opredeljuje kakovost institucionalnega okolja, govori pa o ustreznosti virov (resursov): »Viri, ki so na voljo statističnim organom, zadostujejo za izpolnitev zahtev evropske statistike.« Prirejeno za slovensko mrežo FADN, lahko načelo o ustreznosti virov priredimo v: »Kadri, finančni in IT viri, ki so na voljo slovenski mreži FADN, so zadostni po obsegu in kakovosti.« Kazalniki načela ustreznosti virov so naslednji (prirejeni po Kodeksu ravnanja evropske statistike, 2011 in Quality Assurance Framework ..., 2015): - Na voljo so količinsko in kakovostno ustrezni človeški, finančni in računalniški viri za zadovoljevanje prednostnih potreb po podatkih. - Obseg, raven podrobnosti in stroški priprave podatkov so sorazmerni s prednostnimi podatkovnimi potrebami. - Uveljavljeni so postopki za oceno zahtev po zbiranju novih podatkov ali ukinitvi obstoječih podatkov (za sprostitev virov oziroma zaradi nepotrebnosti). Pri analizi stanja komponente ustreznost virov za FADN Slovenija začnimo z zadnjim kazalnikom, to je uveljavljenimi postopki za presojo zahtev po novih podatkih ali opustitev obstoječih. Po pregledu dostopne dokumentacije in razgovorih s pristojnimi lahko ugotovimo, da tovrstni postopki za FADN Slovenija niso razviti. Struktura uradne podatkovne baze FADN (presoja potreb po morebitnih novih podatkih, ukinitvi obstoječih) je koordinirana in predpisana s strani EK. Posebnih drugih podatkov se 47 SURS med drugimi upošteva naslednja načela: skrb za kakovostne izdelke in storitve, statistika prijazna do dajalcev podatkov in usmerjena k uporabnikom, načrtovanje izboljšav (Izjava Statističnega urada ..., 2014). 48 Primeri poročil o kakovosti: Kranjc (2015), Documentation of statistics ... (2017). uradno na kmetijah, ki so vključene v slovenski FADN sistem, ne zbira, nekateri podatki pa se zbirajo na podrobnejši ravni (npr. nekateri stroški). Izpolnjevanje ostalih dveh kazalnikov komponente ustreznost virov bomo skušali orisati s pomočjo ugotovitev, ki izhajajo iz nedavne študije o stroških in dobrih praksah zbiranja podatkov FADN (Bradley in Hill, 2015) ter s pomočjo ugotovitev na podlagi opravljenih intervjujev in razgovorov. Med kakovostjo podatkov in razpoložljivimi viri za njihovo pridobitev obstaja močna povezava (Lars-son, 1999). Za slovensko mrežo FADN se obseg virov, še posebej delovnih, ne zdi posebej problematičen. Izvajalci nedavne raziskave o stroških in dobrih praksah zbiranja podatkov FADN za Evropsko komisijo (Bradley in Hill, 2015) so zbiranje podatkov FADN za Slovenijo označili kot zelo učinkovito v smislu porabe delovnih virov: 71 vzorčnih kmetijskih gospodarstev (poročil FADN) na ekvivalent polnovrednega delovnega časa, plačanega za javno kmetijsko svetovalno službo v 2013.49 Ena od razlag za učinkovito porabo delovnega časa je tudi, da se velik del porabe časa prevali iz »uradnih« zbiralcev podatkov FADN (npr. svetovalcev) na kmete, ki čez leto sami izpolnjujejo mesečna poročila FADN (razgovor z MKGP, junij 2015). Ista študija (Bradley in Hill, 2015) podaja tudi ocene porabe delovnih ur za izpolnitev enega poročila s FADN kmetijskega gospodarstva po državah članicah EU s popolnimi informacijami; očitna je velika raznolikost med njimi. V povprečju za EU (upoštevane države s popolnimi informacijami) se 92 % vseh delovnih virov porabi za zbiranje podatkov. Slovenija je pod tem povprečjem (84 %). Navedena študija ugotavlja, da višine tega deleža ni mogoče pripisati tipu zbiranja podatkov (npr. preko organa za zvezo, javne svetovalne službe ali preko zasebnih računovodskih podjetij), da pa je poraba dela za zbiranje podatkov FADN relativno večja v primeru držav z večjimi vzorci FADN ali delovno intenzivnejšimi pristop zbiranja podatkov FADN. Poraba delovne sile za izpolnitev enega celotnega poročila FADN50 v letu 2013 ali 2014 je po študiji Bradleya in Hilla (2015: 5551) delovno najbolj intenzivna v Belgiji (>75 ur/poročilo) in na Poljskem (59 ur/poročilo), najmanj pa v Nemčiji (5 oziroma 7 ur/poročilo) in Švedskem (7 ur/poročilo). V Sloveniji je poraba 32 ur/poročilo. Podatki za izbrane države so razvidni v spodnji preglednici (Preglednica 25). Gre seveda za države z različnimi ureditvami FADN sistemov, številne države (npr. Nizozemska, Poljska) pa poleg podatkov FADN hkrati zbirajo še veliko drugih podatkov s kmetijskih gospodarstev za nacionalne namene. Kot najbolj časovno učinkovit je v študiji ocenjen tip zbiranja podatkov preko zasebnih računovodskih podjetij, v katerega je uvrščena tudi Slovenija. Zanimivo pa je, da v tem tipu Slovenija porabi takoj za Estonijo največ ur za eno poročilo. Če je povprečna poraba delovne sile za zbiranje podatkov FADN učinkovita52, pa se zdi problematična razpršenost teh virov, ki je sicer problem v celotni mreži FADN (tudi na ministrstvu in raziskovalnih inštitucijah), v praksi pa najbolj izrazito v kmetijski svetovalni službi.53 Na terenu namreč informiranje kmetij in zbiranje dela podatkov FADN opravlja približno 200 kmetijskih svetovalcev, t.i. FADN sodelavcev, običajno v majhnem deležu svojih delovnih aktivnosti, v računovodskih pisarnah v Kranju in 49 Upoštevana načrtovana velikost vzorca FADN (908 kmetijskih gospodarstev). Če se upošteva velikost dejanskega vzorca FADN (945 kmetijskih gospodarstev) v letu 2013, je ocena 74 vzorčnih kmetijskih gospodarstev (poročil FADN)/ekvivalent polnovrednega delovnega časa. 50 Upoštevana le poročila, ki se oddajo v sistem RICA, torej ne morebitna dodatna poročila, ki jih številne države še dodatno izpolnjujejo poleg obveznega vzorca FADN. 51 To je prva stopnja ocen, v nadaljevanju na izbranih študijah primera podajo natančnejše (in višje) ocene porabe delovnega časa. 52 Za primerjavo omenimo, da ima Flamska (Belgija) za vzorec FADN velikosti 700-800 na voljo 30 računovodij in 10-15 analitikov (informacije iz 21. delavnice PACIOLI, september 2013, Orenas Slott, Švedska). 53 Vir: http://www.kgzs.si/gv/razvoj-podezelia/FADN/organizacija-in-kontakti.aspx (2. okt.2017). na Ptuju pa se izvaja vnos, kontroliranje, obdelava in arhiviranje podatkov za vzorec FADN in priprava poročil za EK.54 Rezultati opravljenih intervjujev in razgovorov kažejo, da delovne aktivnosti pri svetovalcih in koordinatorjih FADN, ki so neposredno v zvezi s FADN, izjemoma presegajo 15 % njihovih delovnih obveznosti. Oseb, ki bi bile večinsko zaposlene samo z aktivnostmi v zvezi s FADN v Sloveniji, je izjemno malo. Opisano zatečeno stanje izhaja iz »proporcionalne« organizacije in financiranja KGZS (njenega svetovalnega dela) po posameznih regionalnih kmetijsko gozdarskih zavodih. Več, bolj izkušenih, intervju-vancev (ne kmetijskih gospodarstev), pa tudi drugih sogovornikov, je podprlo idejo o reorganizaciji in večji specializaciji zaposlenih na področju FADN pri ključnih členih mreže FADN v Sloveniji. Preglednica 25: Ocena skupne porabe delovnih ur za izpolnitev enega poročila s kmetijskega gospodarstva, vključenega v FADN, za izbrane države članice EU (Bradley in Hill, 2015:55) Država članica EU Leto Skupna poraba časa za eno poročilo FADN (št. ur) Belgija 2014 >75 Poljska 2013 59 Nizozemska 2013 36 Estonija 2014 36 Slovenija 2013 32 Hrvaška 2014 29 Irska 2014 27 Avstrija 2013 21 Španija 2013 8 Švedska 2013 7 Nemčija 2013 7(5) Opomba: Pri Nemčiji 5 ur/poročilo, če se upošteva (večji) nacionalni vzorec kmetijskih gospodarstev kot predpisani vzorec FADN (op. p.). Razpršenost ima lahko za posledico manjšo motiviranost svetovalcev, slabšo kakovost pri beleženju (pogosto eno kmetijo obravnavajo različni svetovalci, zadolženi za FADN; slabše je učenje na preteklih »napakah«55), svetovanju in tudi pri kakovosti neposrednih stikov s kmetijskimi gospodarstvi. Tudi na podlagi opravljenih intervjujev se zdi, da svetovalci, ki so zadolženi za FADN, s posameznimi FADN kmetijami nimajo pogostih neposrednih stikov (vsaj ne z istimi kmetijami), odgovornost za kakovost podatkov FADN pa večinoma prelagajo na kmeta. Le 3 od 12 intervjuvanih svetovalcev, fokusne skupine in računovodskih pisarn menijo, da je odgovornost za kakovost podatkov FADN enakomerno porazdeljena med kmeta in svetovalca oziroma, da je bolj odgovoren svetovalec. Dobre prakse iz tujine (npr. Poljska, Madžarska, Avstrija) kažejo, da večja specializacija svetovalcev vpliva na večjo motiviranost in odgovornost za kakovost podatkov, boljše neposredne stike s kmetijami ter posledično izboljšano kakovost podatkov FADN.56 Iz spodnje slike (Slika 3) so razvidna mnenja fokusne skupine o motiviranosti kmetijskih svetovalcev za aktivnosti v zvezi s FADN. Gre seveda za majhen, nereprezentativen vzorec, pa vseeno so mnenja 54 V večini primerov gre za izpolnjevanje t.i. popisnega lista (osnovni podatki, sredstva ...) oziroma za pomoč kmetijskim gospodarstvom, ki so se na novo vključile v sistem FADN. 55 Pomen učenja sistema FADN na preteklih izkušnjah v kontekstu validacije podatkov poudarjata tudi Bradley in Hill (2015). 56 KGZS je za reševanje problema v letu 2017 pripravila predlog za racionalizacijo dela na področju FADN na KGZS, po katerem bi se v prihodnje s FADN ukvarjalo številčno manj, vendar bolj specializiranih oseb (informacije podane na Komisiji FADN oktobra 2017; dopis KGZS št. 410-17/2010-103 z dne 13.10.2017; interno gradivo). zelo povedna; večina intervjuvancev meni, da so na splošno kmetijski svetovalci za FADN srednje motivirani. Tudi iz razgovorov z drugimi deležniki v mreži FADN ter nekaterih predhodnih ugotovitev o nizki motiviranosti v nekaterih regijah (Directorate for ..., 2013) je mogoče sklepati, da je potrebno za povečanje motiviranosti svetovalcev za FADN narediti več oziroma prerazporediti te aktivnosti na bolj motivirane in fleksibilne svetovalce in ne na tiste, ki FADN jemljejo morebiti za nujno zlo (glede vzorčnikov). Že sedaj je v sistemu FADN Slovenija veliko izkušenih, fleksibilnih in motiviranih ljudi; najučinkoviteje bi bilo, da slovenski sistem FADN temelji na njih. Dobra praksa iz tujine (npr. Poljska, Madžarska) poudarja pomen stabilne zaposlenosti (bolj izkušenih) kadrov; to je tudi priporočilo nekaterih intervjuvanih svetovalcev ter drugih sogovornikov, ključnih členov mreže FADN v Sloveniji, v kontekstu izbire računovodskih pisarn pa tudi priporočilo slovenskega računskega sodišča (Revizijsko poročilo ..., 2014). Nedaven korak v tej smeri je podelitev javnega pooblastila računovodski pisarni Kranj v letu 2015 za vnos, obdelavo in arhiviranje podatkov FADN za obdobje petih obračunskih let (Zapisnik 11. seje ..., 2015; Šenk in Jesih, 2017). Slika 3: Mnenja fokusne skupine o motiviranosti kmetijskih svetovalcev za aktivnosti v zvezi s FADN (n=7) 6 5 ■ 1 1 0 ■ 1 1 0 povsem nemotivirani srednje motivirani motivirani zelo motivirani nemotivirani Mnenja intervjuvancev o pomenu in pripravljenosti za izobraževanje so večinoma pozitivna. Izobraževanju pripisujejo velik pomen (Slika 4), prav tako pa tudi pomenu sodelovanja svetovalcev in inštitucij v zvezi s FADN (Slika 5). Intervjuvanci opozarjajo, da je izobraževanj v zvezi s FADN malo ali pa so premalo specializirana, da pa so zainteresirani za njih. Iz opravljenih intervjujev in drugih razgovorov se zdi, da je večina svetovalcev FADN, vključno s FADN koordinatorji, slabo podučena o podatkih FADN in njihovi dostopnosti (na spletnih straneh MKGP, EK ali KIS; Poročila o stanju ..., 2017) ter relativno pasivna v samoizobraževanju na tem področju; seveda obstajajo izjeme. Slika 4: Mnenja intervjuvancev o pomenu, pripravljenosti za izobraževanje, tudi če ni v neposredni povezavi s FADN 10 9 8 -7 6 5 -4 3 11 0 0 0 0 povsem nepomembno srednje pomembno zelo pomembno nepomembno pomembno I Intervjuvane kmetije (n=10) I Ostali intervjuvanci (n=12) Vseeno je pri ključnih členih mreže FADN v zadnjem obdobju mogoče zaznati povečano proaktiv-nost57, pogosto tudi usklajeno delovanje (npr. KGZS: razvoj in nadgradnja računalniškega programa; obvezne kontrole vzorčnikov in analiza rezultatov, ekonomski krožki58; MKGP: interne analize podatkov FADN za namene agrarne politike, npr. za presojo uporabe podatkov FADN za namene izračunavanja katastrskega dohodka; številne pobude in predlogi59 za popravke pri vnosu ali kontroli podatkov FADN v sistem RICA). Slika 5: Mnenja ostalih intervjuvancev o pomenu sodelovanja svetovalcev in inštitucij v zvezi s FADN 6 0 5 4 ■ 3 ■ ■ 00 i i '- ■ nepomembno srednje pomembno pomembno zelo pomembno povsem nepomembno ■ fokusna skupina, svetovalci, računovodski pisarni (n=12) Opomba: Intervjuvanim kmetijam vprašanje ni bilo zastavljeno. Na vprašanje, če bi bili zainteresirani za dodatno sodelovanje ali izobraževanje v zvezi s FADN (vprašanje fokusni skupini: zainteresiranost za tesnejše, dodatno sodelovanje s FADN kmetijami), so inter- 9 4 5 4 3 2 1 57 Le-ta vseeno ni sistemska; zdi se, da potna odvisnost (zatečeno stanje) še vedno kroji globalno organiziranost FADN sistema v Sloveniji. 58 V preteklih letih sta v Sloveniji samoiniciativno nastala vsaj dva ekonomska krožka (oziroma skupinska srečanja, op. p.) v okviru kmetijske svetovalne službe, ki sta zajemala kmetijska gospodarstva, vključena v FADN, in ki sta se ukvarjala ali z ekonomskimi vprašanji ali podatki FADN, relevantnimi za vključena gospodarstva (informacije iz razgovora s fokusno skupino). 59 Vir: Mnenja vzorca kmetijskih ... (2015). vjuvane kmetije odgovarjale različno, ostali intervjuvanci pa so večinoma izrazili interes za sodelovanje (Slika 6). Slika 6: Zainteresiranos t 'm tervjuvancev za dodatno sodelovanje aH izobraževanje v zvezi s FADN (vprašanje fokusni skupini: zainteresiranost za aesnejše, domatno sodelovanje s FADN kmetijami) 8 7 6 5 4 3 2 1 0 3 3 3 3 2 2 1 1 0 0 Zagotovo ne Najverjetneje ne Ne morem se Najverjetneje da Zagotovo odločiti ■ Intervjuvane kmetije (n=10) ■ Ostali intervjuvanci (n=12) Ti rezultati, poleg že omenjene proaktivnosti, so za krepitev povezanosti mreže FADN in usposabljanje kadrov (analitika, svetovanje) v prihodnje spodbudni; med ostalimi intervjuvanci so bili namreč tudi ključni svetovalci v sistemu FADN, tj. FADN koordinatorji. V zadnjih letih (od 2010) se je stanje kadrov na področju FADN na MKGP izboljšalo, tako v smislu kontinuitete, kot tudi analitične in organizacijske usposobljenosti. Na splošno iz intervjujev ostalih inter-vjuvancev (predvsem bolj izkušenih svetovalcev oziroma oseb, ki so bolj vpete v FADN aktivnosti) in drugih razgovorov izhaja, da se je zaupanje in sodelovanje med različnimi členi v mreži FADN Slovenija zaradi tega pomembno okrepilo. Intervjuvane kmetije to izboljšanje manj občutijo, saj imajo razen s svetovalci z drugimi členi mreže FADN zelo malo ali nič stikov, pa tudi s svetovalci stiki običajno niso pogosti. Ena intervjuvana oseba (ni kmetijsko gospodarstvo) bi si želela krepkejšega sodelovanja med različnimi specialisti znotraj posameznih kmetijsko gozdarskih zavodov (med zadolženimi za FADN in preostalimi, op. p.). Slika 7: Mnenja intervjuvancev o tem, ali je v zadnjih nekaj letih prišlo do napredka v mreži FADN Slovenija (npr. več sodelovanja znotraj in med členi FADN) 5 3 0 1 sploh se ne ne strinjam se ne morem se strinjam odločiti ■ Intervjuvane kmetije (n=10) strinjam se popolnoma se strinjam Ostali intervjuvanci (n=12) Glede finančnih virov Bradley in Hill (2015) ugotavljata, da je v EU na voljo zelo malo (komparativnih) in transparentnih informacij o (celotnih) stroških FADN, da pa je stroškovna učinkovitost v luči nedavne finančne krize tudi za FADN sistem po celotni EU ponovno izpostavljena. Avtorja nadalje prikaže-ta celotne stroške implementacije FADN za leta 2012-2014, ki so enako kot poraba delovne sile zelo 4 3 2 1 0 raznoliki po državah članicah EU. Skupni stroški na izpolnjeno poročilo FADN v povprečju za leta 2012-2014 so za izbrane države članice EU prikazani v spodnji preglednici (Preglednica 26); za EU28 znašajo 678 EUR na poročilo (uteženo povprečje), za Slovenijo pa 329 EUR na poročilo60. Najnižji povprečni stroški na FADN poročilo (povprečje 2012-2014) so v Bolgariji (107 EUR) in Romuniji (156 EUR), najvišji pa v Belgiji (2.905 EUR). Preglednica 26: Ocena povprečnih skupnih stroškov na izpolnjeno poročilo FADN za leta 2012-2014 za izbrane države članice EU (Bradley in Hill, 2015: 69) Država članica EU Ocena povprečnih skupnih stroškov za eno poročilo FADN (EUR); povprečje 2012-2014 Belgija 2.905 Nizozemska 2.204 Avstrija 1.700 Poljska 732 Nemčija 558 Slovenija 329 Madžarska 304 Hrvaška 263 Romunija 156 Bolgarija 107 EU28 (uteženo povprečje) 678 Faktorji, ki vplivajo na višino teh stroškov, so izvedba raziskave (obseg in razpon oziroma podrobnost zbiranih podatkov, delovna intenzivnost pristopa k zbiranju podatkov), različni stroški dela, ekonomska velikost vzorčnih kmetij in porazdelitev kmetij po velikosti. Bradley in Hill (2015) nadalje ocenjujeta, da je stroškovno najučinkovitejša oblika zbiranja podatkov (v smislu porabe proračunskih sredstev) tista, pod katero je uvrščena tudi Slovenija; tj. ko podatke FADN zbirajo zasebna računovodska podjetja61. Avtorja še dodajata, da je ta pristop najbolj ustrezen za države članice z velikim vzorcem FADN, veliko povprečno ekonomsko velikostjo kmetij, visokimi stroški dela ali katerokoli kombinacijo teh treh lastnosti. Nadalje je zanimiv vpogled v povprečne korigirane stroške FADN poročila po državah članicah (Bradley in Hill, 2015: 87). Stroški so bili korigirani glede na velikost vzorca FADN in stroške dela. V tem primeru so povprečni korigirani stroški enega FADN poročila za Slovenijo še vedno pod (uteže-nim) evropskim povprečjem, vendar pa nad (uteženim) povprečjem, kjer podatke FADN zbirajo zasebna računovodska podjetja. Zanimivo je, da se po tem načinu izračuna Slovenija uvršča v skupino držav, kjer podatke FADN zbirajo organi za zvezo. Študija še ugotavlja, da (lahko) države članice kompenzirajo višje stroške zbiranja podatkov s potencialom za svetovanje. Glede ustreznosti računalniških virov (program FADN evidenca za vnos, obdelavo in arhiviranje podatkov FADN; naročnika kmetijsko gozdarska zavoda Kranj in Ptuj) je na podlagi pregledane dokumentacije ter opravljenih intervjujev tako s kmetijami kot z ostalimi intervjuvanci mogoče sklepati, da so le-ti ustrezni. Intervjuvani računovodski pisarni in svetovalci, ki delajo z njim, so razmeroma zadovoljni (veliko bolj kot s predhodno programsko rešitvijo), prav tako pa kmetje. Vnos in kontrola podatkov sta enostavnejša, zasnova programa preglednejša, omogočen je sproten vpogled v (delne) rezultate, 60 Izračunano na načrtovani in ne dejanski vzorec FADN. 61 V študiji sta računovodski pisarni Kranj in Ptuj upoštevani v to skupino, čeprav sta del Kmetijsko gozdarskih zavodov Kranj in Ptuj, ki sta javni organizaciji. možen je dostop preko interneta. Izboljšana kakovost vnešenih podatkov62 in fleksibilnost glede nadgradnje se zdita ključni prednosti. Nekateri od intervjuvancev (ne kmetijska gospodarstva) so kot pomanjkljivost omenili centraliziran dostop za vse kmetijsko gozdarske zavode, ki je moteč predvsem v primeru dolgotrajnejšega odpravljanja morebitnih tehničnih napak, sprostitve kontrolnih mehanizmov oziroma kakšne druge tehnične podpore. Glede komponente ustreznost virov se torej najbolj problematično zdi zatečeno stanje v razpršeni organizaciji in stopnji specializacije zaposlenih v posameznih členih mreže FADN, še posebej v kmetijski svetovalni službi. Razpršenost delovnih virov ima lahko namreč za posledico manjšo motiviranost, manj kakovostne stike s kmetijskimi gospodarstvi, kar lahko vpliva na kakovost podatkov FADN. Zaključka glede kazalnika sorazmernosti obsega, ravni podrobnosti in stroškov priprave podatkov s potrebami ne moremo podati, ker kot bomo pokazali v naslednjem podpoglavju (3.3.4. Ustreznost podatkov), podatkovne potrebe ključnih (domačih) uporabnikov FADN za Slovenijo niso ustrezno oziroma dovolj jasno opredeljene. Ključna priporočila za izboljševanje kakovosti po komponenti ustreznost virov za FADN Slovenija so naslednja (navedena hierarhično): 1. Okrepiti specializacijo zaposlenih, ki delajo na FADN, pri vseh ključnih členih v slovenski mreži FADN; skrbeti za kontinuiteto/stabilnost izkušenih kadrov, vseživljenjsko izobraževanje in motivi-ranje kadrov, še posebej v javni kmetijski svetovalni službi.63 2. Temeljita reorganizacija ključnih institucij v slovenski mreži. Preveriti je potrebno možnost prerazporeditve ali združevanja nekaterih nalog med institucijami (npr. vzorčenje, analitika, disemi-nacija, svetovanje) ter v največji možni meri izkoristiti že obstoječo infrastrukturo in notranje vire (npr. nacionalna komisija FADN, skupina FADN koordinatorjev pri KGZS). Priporočljivo bi bilo tudi ustrezno razmejiti javne in komercialne svetovalne storitve na področju FADN. 3. Okrepiti izobraževanje v zvezi s FADN za ključne člene v slovenski mreži FADN (tudi v tujini, npr. delavnice PACIOLI); krepiti sodelovanje med členi domače mreže FADN in s tujino, še posebej glede prenosa dobrih praks. 4. Morebitne dodatno razpoložljive finančne resurse investirati v nadgradnjo računalniškega programa v smeri še večje avtomatizacije in uporabe digitalnih kanalov za vnos, obdelavo in disemi-nacijo podatkov FADN (tudi povratnih informacij); olajšati dostop do programa FADN evidenca za (pooblaščene) ključne uporabnike podatkov FADN za Slovenijo. 3.3.4. Ustreznost podatkov Enajsto načelo Kodeksa ravnanja evropske statistike (2011) se nanaša na ustreznost podatkov, komponento kakovosti na ravni podatkov: »Evropske statistike zadovoljujejo potrebe uporabnikov.« Sto- 62 Vsako leto je manj napak pri vnosu v RICA-1 testni sistem (interne informacije računovodskih pisarn), v zadnjih letih so preliminarni standardni rezultati FADN za Slovenijo stabilnejši napram končnim rezultatom (interne analize, Poročila o stanju ..., 2017). 63 Tudi Poročilo o sprotnem ... (2013a) KGZS, sicer v kontekstu različne kakovosti in odnosa do dela s strani svetovalcev, priporoča reorganizacijo kmetijske svetovalne službe: "JSKS bi morala zato zgraditi notranje standarde in sistem spodbujanja proaktivnosti svojih svetovalcev ter izločanja oziroma prerazporejanja tistih, ki jim tak sistem delovanja ne ustreza... razmisliti o reorganizaciji in razdelitvi na administrativni del in administrativno osebje... ter terenske svetovalce, ki bi se ukvarjali predvsem s strokovnimi novostmi, izobraževanjem in informiranjem ter z osebnim svetovanjem na terenu" (Poročilo o sprotnem ..., 2013a: 29). pnjo ustreznosti določata dostopnost vseh podatkov, ki jih uporabniki potrebujejo, in mera, do katere objavljeni podatki in koncepti ustrezajo potrebam uporabnikov (Kranjc, 2015). Prirejeno za podatke FADN za Slovenijo lahko to načelo priredimo v: »Podatki FADN za Slovenijo zadovoljujejo podatkovne potrebe ključnih domačih uporabnikov.« Kazalniki so naslednji (prirejeni po Kodeksu ravnanja evropske statistike, 2011 in Quality Assurance Framework ..., 2015): - Na voljo so postopki za posvetovanje s ključnimi uporabniki, za spremljanje ustreznosti in uporabnosti podatkov za zadovoljitev njihovih podatkovnih potreb (prednostnih, novih). - Prednostne podatkovne potrebe se zadovoljujejo in so izražene v delovnem programu. - Zadovoljstvo ključnih uporabnikov se redno in sistematično spremlja. Ključne rabe podatkov FADN specifično za Slovenijo64 so v zakonodaji opredeljene le v 11. členu Pravilnika o delovanju ... (2014): »Anonimizirani podatki, pridobljeni v skladu s tem pravilnikom, se uporabljajo tudi za analiziranje učinkov in načrtovanje ciljev in ukrepov kmetijske politike ter za raziskovalne in svetovalne namene.« V zadnjem času je bilo v interni dokumentaciji MKGP zaslediti, da je primarni namen FADN v Sloveniji spremljanje in vrednotenje programov razvoja podeželja (Evropsko računsko sodišče, 2016), po informacijah MKGP pa se rezultati FADN interno uporabljajo npr. tudi pri pogajanjih z EK (npr. glede posebnih plačil za vrtnarstvo; za presojo uporabe podatkov FADN za namene izračunavanja katastrskega dohodka, določitev praga za DDV). Iz omenjene opredelitve v pravilniku izhaja, da so ključni uporabniki podatkov FADN za Slovenijo nosilci političnih odločitev, raziskovalci in kmetijski svetovalci, vendar njihove eksplicitne klasifikacije/opredelitve ni moč zaslediti v pregledani dokumentaciji. Z izjemo vsakoletnega srečanja nacionalne Komisije FADN, je odsotno periodično in strukturirano posvetovanje z uporabniki podatkov FADN. Nadalje, obseg in pogostost rabe podatkov FADN po posameznih vrstah uporabnikov se prav tako ne analizirata sistematično, temveč le v skupni pogostosti (število zaprosil za podatke). Ustreznost podatkovnim potrebam uporabnikov se prav tako ne meri in ocenjuje sistematično s pomočjo posebnih indikatorjev kakovosti. Izpolnjevanje drugega kazalnika (»Prednostne potrebe se zadovoljujejo in so izražene v delovnem programu.«) se zdi za Slovenijo posebej problematično. Deklarativno so namreč ključne rabe podatkov FADN oziroma potrebe njihovih ključnih uporabnikov opredeljene v zgoraj omenjenem pravilniku, niso pa eksplicitno obravnavane in rangirane v strateških ciljih, programih ali načrtih dela (vsaj ne v javno dostopnih in takšnih, ki bi bili podvrženi rednemu vrednotenju prioritet). To ima za posledico, da se v praksi lahko nameni uporabe podatkov FADN zdijo medsebojno konfliktni ter da potna odvisnost (»zatečeno stanje«) - predvsem glede vzorčenja, tako načrta kot tudi implementacije - pomembno usmerja ustreznost rezultatov in razpon njihove uporabe. Zdi se, da so aktivnosti planiranja v zvezi s FADN v Sloveniji skoncentrirane na operativno (do 1 leto) in taktično (1-2 leti) raven (Beldman in Klopčič, 2013). Na podlagi pregledane literature in dokumentacije se zdi, da strateško planiranje v zvezi s FADN (2-10 let) še ne obstaja. Izpolnjevanje drugega kazalnika predvideva tudi sprejetje pogodb s ključnimi uporabniki, kar pa je običajna praksa tudi v Sloveniji za pridobitev podrobnejših (anonimiziranih) podatkov FADN v raziskovalne namene. Izpolnjevanje tretjega kazalnika predvideva redno in sistematično spremljanje zadovoljstva uporabnikov, običajno s pomočjo vprašalnikov in izhajajočih aktivnosti za izboljšanje. Za Slovenijo lahko ugo- 64 Na ravni EU pa se ustreznost podatkov FADN za ključnega uporabnika, DG AGRI, redno preverja (Bajek, 2015). tovimo, da sistematičnega spremljanja zadovoljstva ključnih uporabnikov podatkov FADN ni, so pa oblikovani zametki v okviru preverjanja vključenih kmetijskih gospodarstev v obsegu 3 % vzorca FADN (Pipan, 2015, Jesih in sod., 2017), vendar le za vzorčnike, ne pa za druge ključne uporabnike podatkov FADN. Tudi vodila za intervjuje in anketni vprašalnik, ki sta bila uporabljena v okviru DS2 (Priloga 5, Priloga 7), bi lahko v omejenem obsegu uporabili za pripravo raziskave o zadovoljstvu ključnih uporabnikov. Tudi ugotovitve na podlagi opravljenih intervjujev so podobne; poznavanje ključnih namenov in možnosti uporabe podatkov FADN je pri intervjuvancih slabo, še posebej pri intervjuvanih kmetih, ki večinoma niso znali opredeliti ključnega uporabnika podatkov FADN za Slovenijo. Večinoma intervjuvane kmetije v podatkih FADN ne vidijo uporabne vrednosti zase (npr. za namene poslovnega odločanja), razen za evidentiranje stroškov (prihodkov) in zalog krme; večinoma imajo lastne evidence. Nekatere od intervjuvanih kmetij jemljejo FADN kot nepotrebno obveznost, npr. za namene izpolnjevanja razpisnih obveznosti. Kmetijska gospodarstva kot ključne (primarne) uporabnike podatkov FADN sta od intervjuvanih svetovalcev, fokusne skupine in računovodskih pisarn izpostavila le dva intervjuvanca. Mnenja intervjuvancev o uporabnosti podatkov FADN za kmetijska gospodarstva so razvidna iz spodnje slike (Slika 8). Slika 8: Mnenja intervjuvancev o uporabnosti (koristnosti) podatkov FADN za kmetijska gospodarstva 10 8 6 4 2 0 0 0 5 1 3 3 1 00 popolnoma neuporabni neuporabni ne morem se odločiti uporabni zelo uporabni Intervjuvane kmetije (n=10) Ostali intervjuvanci (n=12) Opomba: Ena oseba v skupini Ostali intervjuvanci (fokusna skupina, svetovalci, računovodski pisarni) odgovarjala izključno za obveznike. 8 Mnenja intervjuvancev o uporabnosti podatkov FADN za državo so razvidna iz spodnje slike (Slika 9). S strani ostalih intervjuvancev (fokusna skupina, svetovalci, računovodski pisarni) je bila kot ključni uporabnik podatkov FADN izpostavljena država oziroma MKGP, predvsem za namene izpolnjevanja obveznosti do EK. Večina intervjuvanih kmetij ni dobro seznanjena z uporabo podatkov FADN s strani države, ena predvideva, da se jih uporablja pri kontroli prejemnikov sredstev programa razvoja podeželja. Slika 9: Mnenja intervjuvancev o uporabnosti (koristnosti) podatkov FADN za državo popolnoma neuporabni ne morem se uporabni zelo uporabni neuporabni odločiti ■ Intervjuvane kmetije (n=10) ■ Ostali intervjuvanci (n=12) Mnenja intervjuvancev o uporabnosti podatkov FADN za EU so razvidna iz spodnje slike (Slika 10). Enako skupno število intervjuvancev je menilo, da so podatki uporabni ali zelo uporabni za EU in za državo, čeprav večinoma ne poznajo podrobneje namenov in rabe teh podatkov s strani EU. Slika 10: Mnenja intervjuvancev o uporabnosti (koristnosti) podatkov/ FADN za EU 6 5 5 3 3 3 3 3 ■ 1 1 1 1 00 ■ popolnoma neuporabni neuporabni ne morem se odločiti uporabni zelo uporabni ■ Intervjuvane kmetije (n=10) ■ Ostali intervjuvanci (n=12) Opomba: Enemu intervjuvancu pripisana ocena »neuporabni« namesto originalne vrednosti ocene (»popolnoma neupora-bni«-»neuporabni«). 4 3 2 1 0 Zelo povedna so mnenja ostalih intervjuvancev o uporabnosti podatkov FADN za kmetijske svetovalce (kmetijam to vprašanje ni bilo zastavljeno). Le-ta so razvidna iz spodnje slike (Slika 11) in iz njih gre sklepati, da intervjuvanci neke posebne uporabnosti podatkov FADN za svetovalne namene trenutno ne vidijo. Vidijo pa, specifično intervjuvanci znotraj fokusne skupine, velik potencial za svetovalne namene. Fokusna skupina je tudi razpravljala, da so nameni (rabe) podatkov FADN za Slovenijo v praksi konfliktni (hkrati za namene evalvacij PRP in izpolnjevanja obvez do EK, op. p.) in da ustreznega povezovanja na operativni, pa tudi na višji, strateški, ravni ni. Slika 11: Mnenja ostalih intervjuvancev o uporabnosti (koristnosti) podatkov FADN za (kmetijske) svetovalce 8 7 6 5 4 3 2 1 0 0 popolnoma neuporabni 2 0 neuporabni ne morem se odločiti uporabni zelo uporabni ■ Fokusna skupina, svetovalci, računovodske pisarne (n=12) Opomba: Intervjuvanim kmetijam vprašanje ni bilo zastavljeno. V zvezi s komponento ustreznost podatkov je torej mogoče zaključiti, da glavni nameni FADN za Slovenijo sicer so deklarativno opredeljeni (Pravilnik o delovanju ..., 2014), vendar se v praksi izvajajo nesistematično in ne v obsegu, ki ga omogoča podatkovno bogastvo FADN. Nadalje, so ti nameni lahko v praksi konfliktni. Zdi se, da potna odvisnost, predvsem glede vzorčenja, lahko pomembno usmerja ustreznost in razpon uporabe rezultatov FADN. Ključni uporabniki FADN za Slovenijo in njihove podatkovne potrebe so torej preohlapno identificirani. V spodnji preglednici (Preglednica 27) so predlagani ključni domači uporabniki. Kot primarni uporabniki bi po našem mnenju morali biti opredeljeni državni organi, z MKGP na čelu, ki je organ za zvezo in financer nadomestil vzorčnikom (prirejeno po Karlsson, 2013: ključni uporabnik FADN je plačnik). Preglednica 27: Predlog ključnih domačih uporabnikov podatkov FADN za Slovenijo (prirejeno po Kranjc, 2015) Javni sektor MKGP, Ministrstvo za finance, KGZS (JSKS) Gospodarski subjekti Kmetijska gospodarstva, računovodska podjetja Znanost, raziskovanje in izobraževanje KIS, univerze, raziskovalci posamezniki Splošna javnost Študentje, mediji Tudi študija o stroških in dobrih praksah zbiranja podatkov FADN ugotavlja, da je raba za vladne organe najpogostejša v EU (Bradley in Hill, 2015). Težava je opredelitev njihovih podatkovnih potreb, saj nosilci političnih odločitev pogosto ne poznajo podatkovnega potenciala FADN ali pa imajo težave z artikulacijo prihodnjih podatkovnih potreb. Podobno so ugotavljali tudi že Poppe in sod. (1996), ki za lažje strateško načrtovanje predlagajo, da nosilci političnih odločitev redno, npr. enkrat letno opredelijo teme, za katere predvidevajo, da bodo aktualne v obdobju naslednjih petih let. Podobno ugotovitev je mogoče podati za slovenske razmere na podlagi več razgovorov; težava je slabo poznavanje vsebine in možnosti uporabe podatkovne baze FADN, ne glede na položaj deležnikov v njihovi organizaciji. Ključna priporočila za izboljševanje kakovosti po komponenti ustreznost podatkov so naslednja (navedena hierarhično): 1. Oblikovati nacionalni konsenz o ključnih uporabnikih podatkov FADN za Slovenijo in njihovih prednostnih podatkovnih potrebah (rabah); priporočljivo izkoristiti infrastrukturo ministrovih posvetovalnih teles, notranjeorganizacijskih enot MKGP in nacionalne Komisije FADN65. Vodilno vlogo pri oblikovanju konsenza bi kot glavni uporabnik podatkov FADN moralo prevzeti pristojno ministrstvo. 2. Eksplicitno opredeliti ključne uporabnike in njihove prednostne podatkovne potrebe66 (obstoječe in morebitne prihodnje). Podatkovne potrebe ključnih uporabnikov morajo postati izhodišče pri iskanju usklajenih rešitev za posamezne komponente kakovosti in pri usmerjanju ključnih aktivnosti in organizacijo sistema FADN, predvsem priprave in implementacije vzorca FADN. Poenotiti je potrebno sistem za vzorčnike in obveznike (enotno upravljanje s kakovostjo, enotni postopki). 3. Okrepiti komunikacijo s ključnimi uporabniki in podpora večji rabi podatkov FADN za različne namene: sistematično spremljanje zadovoljstva ključnih uporabnikov in identifikacija njihovih potreb; preveriti vsaj enkrat letno njihove podatkovne potrebe in zadovoljevanje le-teh.67 Izkoristiti obstoječo infrastrukturo ministrovih posvetovalnih teles, notranjeorganizacijskih enot MKGP in nacionalne Komisije FADN. 3.3.4.1. Ustreznost podatkov - dodatni izsledki Priporočila v zvezi s komponento ustreznost podatkov smo preverili še v kontekstu izsledkov ostalih delovnih svežnjev, konkretno prvega (DS1) in tretjega (DS3). Eno od priporočil DS1 v kontekstu vzpostavitve sistema (rednega) izračunavanja SO in izvedenih kazalcev omenja nujnost opredelitve dejanskih podatkovnih potreb s strani ključnega uporabnika podatkov (pristojnega ministrstva) in pomen dobre komunikacije med uporabniki (raziskovalci) in skrbniki baz, še posebej v smislu usklajenih aktivnosti pri pripravi povezljivih baz (npr. poenotenje šifrantov in drugih tehničnih detajlov za enostavnejšo in manj zamudno pripravo in povezavo baz). V okviru DS1 se priporoča komunikacija in vodenje aktivnosti preko posebne delovne skupine ključnih uporabnikov podatkov. Tovrsten način je v rabi tudi v bolj izkušenih državah (npr. Danska, Nizozemska, Irska, Nemčija, Poljska), kjer se prilagajajo potrebam ključnih uporabnikov in temu prilagajajo tako postopke ravnanja s podatki kot tudi diseminacijo informacij ali izobraževanja (Hill, 2016; delavnice PACIOLI, 2017). Izsledki in rezultati v okviru DS3 so pokazali, da so podatki FADN že v obstoječem stanju uporabni za namene neposrednega svetovanja kmetijskim gospodarstvom, ki s ukvarjajo z mlečno prirejo ter da imajo velik potencial za širjenje tudi na druge proizvodne sektorje. Nadalje, neposredna uporaba in interaktivna komunikacija z uporabniki podatkov (v kontekstu DS3 so to kmetje, udeleženci delavnic, 65 V kontekstu strateških usmeritev in predlogov za informacijski sistem FADN je za sodelovanje inštitucij in ključnih deležnikov podobno usmerjeno tudi priporočilo slovenskega računskega sodišča (Revizijsko poročilo ..., 2014). 66 Vrstni red prioritet se za različne uporabnike razlikuje: identifikacija novih podatkovnih potreb, pogostost, raven "kakovosti" podatkov (prirejeno po Abitabile in sod., 1999). 67 Izkušene države imajo uvedena periodična posvetovanja s ključnimi uporabniki (npr. Danska, Švedska, Nizozemska, Poljska, Irska; Delavnice PACIOLI, 2013, 2015-2017). pa tudi udeleženi kmetijski svetovalci in raziskovalci), lahko konkretno pripomore k izboljšanju uporabnosti, pa tudi drugih vidikov kakovosti podatkov FADN. V okviru DS3 je bil tako podan obsežen seznam priporočil za izboljšanje kakovosti podatkov FADN; npr. v zvezi s postopki vnosa in kontrole podatkov, zajemom dodatnih relevantnih podatkov, pripravo dodatnih navodil, izobraževanj in dodatnih obdelav podatkov (več v podpoglavju 3.3.9.1). Delavnice so tudi nakazale (seveda na testnem vzorcu udeležencev) interese kmetij, kar se tiče načina svetovanja in diseminacije rezultatov FADN: npr. preračuni na fizične enote (na kg, na ha, na kravo), interaktivnost izračunov, grafični prikazi, primerjava s soudeleženci, želje po širitvi primerjalne analize (dodatni benchmarking), vključenost tehnoloških strokovnjakov na delavnicah. Tudi odzivi anketiranih udeležencev delavnic (anketa opisana v prilogi; Priloga 6) so bili po našem mnenju pozitivni; preko prenovljenega načina svetovanja v skupinah (učenje v »omrežju enakovrednih«; SCAR, 2017) so za svoje kmetije prepoznali večjo uporabnost podatkov FADN in sicer v smislu pridobivanja znanja in za poslovno odločanje. Večina anketirancev je podatke FADN po udeležbi na delavnicah ocenila kot uporabne ali zelo uporabne (Slika 1268). Slika 12: Mnenja anketir^^Mn^^SQRn^mn^^^V^^^^^^^g^o^Qllata^nad^^ (n=13) 10 povsem neuporabni neuporabni niti uporabni, niti uporabni zelo uporabni neuporabni Podobno pozitivna so tudi mnenja anketiranih udeležencev delavnic o koristnosti udeležbe na tovrstnih delavnicah; večina jih je menila, da je bila le-ta koristna ali zelo koristna (Slika 13). 68 Povedna je primerjava z mnenji kmetij, ki tovrstne oblike svetovanja niso bile deležne (Slika 17), pri čemer je potrebno upoštevati, da gre za drugačen vzorec kmetij ter da se mnenja teh kmetij nanašajo na uporabnost povratnih informacij FADN za kmetijska gospodarstva. Slika 13: Mnenja anketirancev o koristnosti udeležbe na delavnicah o gospodarnosti kmetij, usmerjenih v prirejo mleka, za njihove шкХпМшВШ 10 5 povsem nekoristna nekoristna niti koristna, niti nekoristna koristna zelo koristna 6 0 0 0 Le redna raba podatkov FADN za različne namene bo okrepila tudi njihovo uporabnost v prihodnje (priporočila v okviru Poročila o sprotnem ... ,2013b in Hill in sod., 2016). To kažejo izsledki DS3 (v kontekstu standardnega prihodka pa tudi DS1), zato je potrebno rabo podatkov FADN že v obstoječem stanju spodbujati in to za različne namene. To pristojno ministrstvo že zgledno dela že sedaj (informacije iz Komisije FADN, 2017). 3.3.5. Pravočasnost in točnost objav Kodeks ravnanja evropske statistike (2011) v trinajstem načelu opredeli pravočasnost in točnost statističnih objav, kot komponenti kakovosti na ravni podatkov: »Evropske statistike se objavljajo pravočasno in točno«. Pravočasnost je opredeljena kot razmik med referenčnim obdobjem (konec dogodka/pojava) in časom objave prvih izhajajočih rezultatov (European Union, 2015), točnost pa kot časovni zamik med napovedanim (dogovorjenim) in dejanskim datumom objave podatkov (European Union, 2015). Objava je točna, kadar se napovedani in dejanski datum ujemata (Kranjc, 2015). Prirejeno za podatke FADN za Slovenijo se lahko zgornje načelo glasi: »Podatki FADN za Slovenijo se objavljajo pravočasno in točno.« Kazalniki pravočasnosti in točnosti objav so naslednji (prirejeni po Kodeksu ravnanja evropske statistike, 2011 in Quality Assurance Framework ..., 2015): - Za pravočasnost se upoštevajo evropski in drugi mednarodni standardi za objave. - Datum objavljanja podatkov je (vnaprej) objavljen. - Pri pogostosti objavljanja podatkov se v čim večji meri upoštevajo zahteve (ključnih) uporabnikov. - Vsako odstopanje od napovedanega datuma objave se najavi in razloži; določi se tudi novi datum objave. - Predhodni rezultati sprejemljive natančnosti se lahko objavijo, če se oceni, da je to koristno. 3.3.5.1. Točnost objav Glede točnosti domačih objav podatkov FADN za Slovenijo je mogoče ugotoviti, da podroben terminski načrt diseminacije podatkov in informacij ni javno objavljen, npr. po različnih tipih publikacij. Interno so opredeljeni ključni skrajni roki za posamezne faze ravnanja s podatki za implementirani vzorec FADN za Slovenijo (npr. oddaja načrta vzorčenja, vnosa in obdelava podatkov)69, ki se dosledno spoštujejo, saj so usklajeni s časovnim načrtom na evropski ravni (Preglednica 28). Rok za oddajo podatkov s kmetijskih gospodarstev (31. december v letu n+1) je edini, ki je na evropski ravni opredeljen v uredbi 2015/220 (Izvedbena uredba Komisije ..., 2015) za obračunska leta od 2015 dalje in finančno sankcioniran, če niso oddani podatki za vsaj 80 % vzorca FADN. Ključni roki faz ravnanja s podatki FADN so naslednji: oddaja načrta vzorčenja EK 31.10. za leto n+1, oddaja poročil s kmetijskih gospodarstev skrajni rok za vzorčnike konec februarja za leto n-1, za obveznike 31.3. za leto n-1, vnos podatkov s poročil kmetijskih gospodarstev do: 31.12. za leto n-1. Z navedenimi roki je strokovna javnost seznanjena preko Komisije FADN. V praksi je najbolj problematičen rok za oddajo poročil s strani obveznikov (le-ti predstavljajo tudi pomemben delež vzorca FADN), vendar se je stanje izboljšalo, od kar je oddaja poročil pogoj za izplačilo sredstev PRP (informacije MKGP). Ker datumi domačih objav podatkov FADN za Slovenijo, vključno s povratnimi informacijami za kmetijska gospodarstva, niso izrecno vnaprej opredeljeni, pa tudi ker obsežnejših domačih periodičnih objav s področja FADN z izjemo podpoglavja v vsakoletnem t.i. Zelenem poročilu (Poročila o stanju ..., 2017; Kmetijsko knjigovodstvo po ..., 2017) zaenkrat ni, je nemogoče izračunati, ali so objave točne. Rok za vsakoletno Zeleno poročilo je običajno konec junija, v njem pa so predstavljeni rezultati FADN za obračunsko leto n-2. Povratne informacije za vzorčna kmetijska gospodarstva in morebitne druge objave v zvezi s podatki FADN se objavljajo, ko so pripravljene, oziroma ad hoc, zato natančni predvideni datumi njihovih objav, razumljivo, ne morejo biti vnaprej objavljeni. Po naših informacijah tudi niso razviti postopki izračunavanja in spremljanja kakovostnih indikatorjev v zvezi s točnostjo objav. 69 Ključni roki faz ravnanja s podatki FADN so naslednji: oddaja načrta vzorčenja EK 31.10. za leto n+1, oddaja poročil s kmetijskih gospodarstev skrajni rok za vzorčnike konec februarja za leto n-1, za obveznike 31.3. za leto n-1, vnos podatkov s poročil kmetijskih gospodarstev do: 31.12. za leto n-1. Z navedenimi roki je strokovna javnost seznanjena preko Komisije FADN. V praksi je najbolj problematičen rok za oddajo poročil s strani obveznikov (le-ti predstavljajo tudi pomemben delež vzorca FADN), vendar se je stanje izboljšalo, od kar je oddaja poročil pogoj za izplačilo sredstev PRP (informacije MKGP). n: izbrano obračunsko leto; n+1: naslednje leto itd. Preglednica 28: Kontrola kakovosti podatkov FADN za izbrano obračunsko leto n na ravni celotne EU 31. dec. n+1 Prvo četrtletje n+2 Drugo četrtletje n+2 31.jul. n+2 Konec septembra n+2 Oktober n+2 Rok za oddajo podatkov (večina DČ) EK opravi osnovne kontrole podatkov in izmenjava morebitnih pripomb z DČ Objava preliminarnih rezultatov po zaključku osnovnih kontrol podatkov EK pošlje detajlne povratne informacije vsem DČ EK prejme obrazložitve in morebitne korekcije od vseh DČ; podatki odobreni Predstavitev standardnih rezultatov FADN s strani EK na Upravljalnem odboru FADN; (končni, op. p.) podatki dostopni uporabnikom EK pošlje DČ povratne informacije v zvezi s celotnimi kontrolami podatkov Enomesečni rok za pojasnila in popravke s strani DČ (lahko več krogov verifikacije podatkov) Takoj ko so podatki končni, so objavljeni osnovni rezultati na ravni DČ (ang. fact sheets, op. p.) Pričakovano obdobje za proces validacije podatkov: 10 mesecev (ocena) Vir: http://ec.europa.eu/agriculture/rica/collect en.cfm (26. nov. 2015) Opomba: DČ: država članica V zvezi s komponento točnost domačih objav podatkov FADN lahko torej zaključimo, da ji zaenkrat ni posvečena posebna pozornost, razen posredno preko izpolnjevanja rokov drugih faz ravnanja s podatki FADN, predpisanih na evropski strani. 3.3.5.2. Pravočasnost objav Kot že uvodoma rečeno, FADN sistem ni uradni statistični sistem (po obsegu podatkovne baze, virih, obsegu in pogostosti objav), zato striktno analiziranje komponent kakovosti po merilih za statistične urade ni vedno izvedljivo ali smiselno, na primer preverjanje izpolnjevanja prvega kazalnika pri komponenti pravočasnost - upoštevanje evropskih in drugih mednarodnih standardov za objave (standardi, opredeljeni z evropsko zakonodajo ali z mednarodnimi pogodbami; postopki spremljanja razlik od terminskih načrtov). Kljub temu po naših informacijah FADN za Slovenijo ni standardiziran sistem, enako tudi ne FADN na ravni EU.70 Velja pa, kot sledi iz zgornje preglednice (Preglednica 5), da ima FADN lasten terminski načrt objavljanja preliminarnih in končnih podatkov na ravni EU in Slovenija ta načrt dosledno izpolnjuje (za implementirani vzorec FADN). Po naših informacijah tudi natančni termini objave različnih tipov publikacij s podatki FADN običajno niso javno vnaprej napovedani ali "standardizirani" s strani EK. Ne glede na to, EK redno in sicer enkrat letno objavlja hitre informacije z osnovnimi podatki FADN po državah članicah in njihovih najpomembnejših sektorjih (ang. Farm Economy Focus71), obsežnejše pregledne sektorske analize (npr. za žita, mleko, prašiče, govedo), pregled ekonomskega stanja v EU na podlagi FADN (EU Farm Economics ..., 2016) ter še nekatere druge redne publikacije. Ostale specifične analize se opravljajo po (internih) naročilih drugih enot EK oziroma po potrebi ad hoc.72 Kar se tiče objave podatkov FADN s strani EK gre za zelo zahtevne in dolgotrajne procese (veliko število držav članic, različni začetki obračunskega leta itd.), vendar EK ocenjuje, da lahko proces do objave preliminarnih standardnih rezultatov za vse članice traja največ 15 mesecev od izbranega obračunskega leta.73 V praksi se seveda še vedno lahko zgodi, da nekatere članice presežejo dogovorjene roke. Končni standardni rezultati za vse države članice za obračunsko leto 2013 so bili na spletni stra- 70 Na Nizozemskem npr. je FADN standardiziran po ISO (interne informacije). 71 Vir: https://ec.europa.eu/agriculture/fadn en#sector (2. okt. 2017). 72 Vir: http://ec.europa.eu/agriculture/rica/diffusion en.cfm#publications (1. mar. 2016). 73 Vir: http://ec.europa.eu/agriculture/rica/collect en.cfm (26. nov. 2015). ni FADN objavljeni 7. januarja 2016, torej več kot 24 mesecev po zaključku obračunskega leta za večino držav članic, publikacije s ključnimi informacijami FADN za leto 2013 po državah pa skozi celotno leto 2015. V spodnjih preglednicah (Preglednica 29 in Preglednica 30) smo izračunali pravočasnost objav preliminarnih74 in končnih podatkov FADN za Slovenijo na primeru obračunskega leta 2013. Preglednica 29: Pravočasnost objave preliminarnih podatkov FADN za Slovenijo (prirejeno po Kranjc, 2015) Referenčno obdobje Obračunsko leto 2013 (1. januar-31. december) Datum objave* 13.1. 2015 Časovni razmik 12 mesecev * Datum dostopa do preliminarnih (individualnih) podatkov; le-ti za posamezne države članice niso javno dostopni (npr. preko spletne strani) v istem obdobju; potrebno je neposredno zaprositi na EK. Kot je razvidno, so obdobja med zajemom podatkov (referenčno obdobje) in objavami različnih vrst podatkov razmeroma dolga. Med vzroke gre šteti zahtevnost podrobnega zbiranja podatkov po mesecih, obdelavo podatkov na ravni individualnih enot (prirejeno po Kranjc, 2015), pa tudi preferi-ranje neelektronskih poti za zbiranje podatkov in še vedno neoptimalno povezovanje z vsemi administrativnimi bazami. Ukrepi za izboljšanje pravočasnosti so se v preteklih letih nanašali na izgradnjo in nadgradnjo računalniškega programa za vnos in obdelavo izvornih podatkov (hitrejši vnos, hitrejše kontrole, obdelave, ...), skrajševanje administrativnih postopkov (npr. sklepanje pogodb s kmeti, večletna pogodba z računovodsko pisarno, spodbujanje elektronskega in spletnega vnašanja podatkov, npr. popisnih listov)75 ter poenostavitev povratnih informacij za vzorčnike. Ti ukrepi so že dali prve rezultate pri izboljševanju pravočasnosti in sicer se obdobje od konca obračunskega obdobja do povratnih informacij, ki jih prejme vzorčnik, skrajšuje (v preteklosti celo več kot 18 mesecev, sedaj manj kot 12 mesecev). Neizpolnjevanje naslednjega kazalnika pravočasnosti, upoštevanje zahtev uporabnikov v zvezi s pogostostjo objav, je po naši oceni bolj problematično. Konzultacij ključnih uporabnikov o periodičnosti objav podatkov FADN po naših informacijah za Slovenijo ni. Izvorni problem je, da kot sledi iz podpoglavja 3.3.4., ključni uporabniki podatkov FADN za Slovenijo niso ustrezno opredeljeni, zato tudi njihove podatkovne potrebe niso ustrezno prepoznane in zadovoljene, vključno z želeno pogostostjo objav.76 Torej tudi v kontekstu izboljševanja kakovostne komponente pravočasnost je nacionalni konsenz o primarnih uporabnikih in rabah podatkov FADN za Slovenijo nujno potreben. 74 Standardni rezultati FADN, ki so predstavljeni v Poročilu o stanju kmetijstva, živilstva, gozdarstva in ribištva v letu 2014 (Poročila o stanju ..., 2017). 75 KGZS je v letu 2017 omogočila dostop do računalniške aplikacije koordinatorjem FADN, tako da lahko sproti spremljajo število prejetih (izpolnjenih) poročil s kmetijskih gospodarstev (Šenk in Jesih, 2017). Madžarska ima tovrstno funkcionalnost razvito tako, da je mogoče spremljati tudi stanje kontrol in neposredno vstopiti v poročila posameznih kmetij. To »nadzornim« svetovalcem omogoča enostavnejše časovno načrtovanje in hitrejše reagiranje v primeru zamud, v primeru katerih pa se najprej kontaktira pristojnega terenskega svetovalca in ne kmetij. 76 Izjema pri tem je že omenjeno Zeleno poročilo, ki odraža vsakoletne podatkovne in analitične potrebe MKGP za spremljanje razvoja kmetijstva v Sloveniji, tudi na področju FADN (Kmetijsko knjigovodstvo po ..., 2017). Preglednica 30: Pravočasnost objave končnih FADN za Slovenijo (prirejeno po Kranjc, 2015) Referenčno obdobje Obračunsko leto 2013 (1. januar-31. december) Datumi objav - december 2014 (povratne informacije za vzorčnike) - 26.10. 2015 (publikacija Farm Economy Focus77) - 5.11. 2015 (končni individualni podatki78) - 7.1. 2016 (objava agregiranih končnih podatkov FADN na spletni strani EK)79 Časovni razmiki - manj kot 12 mesecev (povratne informacije za vzorčnike) - 18 mesecev (publikacija Farm Economy Focus) - 18 mesecev (končni individualni podatki) - 24 mesecev (objava agregiranih končnih podatkov FADN na spletni strani EK) Zgornje ugotovitve potrjujejo tudi rezultati opravljenih intervjujev. Percepcija intervjuvancev o pravočasnosti povratnih informacij za vključena kmetijska gospodarstva je razvidna iz spodnjih dveh slik (Slika 14, Slika 15). Slika 14: Mnenja intervjuvanih kmetij o pravočasnosti povratnih informacij FADN (n=10) prepozne pozne ne morem se odločiti skoraj pravočasne pravočasne Le dve od intervjuvanih kmetij sta povratne informacije označili kot pravočasne, med tem ko več kot polovica za pozne ali prepozne (Slika 14). Pri tem je potrebno poudariti, da je bilo vprašanje zastavljeno v luči pravočasnosti za načrtovanje proizvodnje in strateško odločanje na podlagi informacij FADN. Intervjuvane kmetije, kot izhaja tudi iz drugih njihovih odgovorov, povratne informacije FADN le izjemoma uporabljajo za poslovne ali druge odločitve pri kmetovanju, pa še to največkrat za evidenco stroškov. Nepoznavanje povratnih informacij FADN (oziroma nezainteresiranost) je pri nekaterih intervjuvancih celo tako veliko, da so spregledali, da se povratne informacije nanašajo na predpreteklo obračunsko leto (n-2) in ne na predhodno leto (n-1). Nekateri intervjuvanci so izrazili željo, da bi obdelane rezultate za svojo kmetijo prejeli prej, npr. v treh mesecih po vnosu podatkov.80 Zelo povedne pa so izkušnje ene intervjuvane kmetije, ki svoje podatke FADN vnaša preko spleta. Ugotavlja, da porabi veliko manj časa za vnos podatkov, hkrati pa vidi veliko prednost možnosti sprotnega pregleda vnesenih podatkov in vmesnih rezultatov tako za lastno kontrolo kot tudi za pomoč pri načrtovanju proizvodnje. 77 Vir: http://ec.europa.eu/agriculture/rica/database/factsheets en.cfm (1.mar. 2016). 78 Dostop do končnih individualnih podatkov, ki sicer niso javno dostopni. 79 Vir: http://ec.europa.eu/agriculture/rica/latestnews en.cfm (1. mar. 2016). 80 Enake želje kmetij po hitrejših povratnih informacijah potrjujejo tudi rezultati kontrole KGZS za leto 2014 (Pipan, 2015), pa tudi sami svetovalci (izsledki DS3). Mnenja ostalih intervjuvancev (fokusna skupina, svetovalci, računovodski pisarni) o pravočasnosti povratnih informacij za kmetijska gospodarstva so prikazana ločeno, za vzorčnike in obveznike (Slika 15). Ocene pravočasnosti povratnih informacij so za ti skupini skoraj zrcalne. Večina mnenj za vzorčnike se nagiba v smer zapoznelosti, medtem ko večina ostalih intervjuvancev meni, da so povratne informacije za obveznike pravočasne. Rezultati intervjujev so razumljivi, saj trenutno podatki FADN za obveznike v praksi niso podvrženi enako dolgotrajnim postopkom preverjanja in čiščenja kot podatki za vzorčnike. Intervjuvanci so opozorili, da zapoznelost povratnih informacij (poleg še drugih kritičnih pomanjkljivosti, glej podpoglavje 3.3.6.) vpliva na še manjšo uporabo teh podatkov za svetovalne namene. Slika 15: Mnenja ostalih intervjuvancev o pravočasnosti povratnih informacij FADN za kmetijska gospodarstva (ločeno za vzorčnike in obveznik e) 8 7 6 5 4 3 2 1 0 7 5 ■ 4 1 3 ■ 1 ■ 1 11 1 1 0 1 0 ■ ■ 1 1 ^^^ 0 i ■ prepozne ne morem se skoraj pravočasne pravočasne odločiti pozne ■ Za vzorčnike (n=10) ■ Za obveznike (n=12) Opomba: Intervjuvanci: fokusna skupina, svetovalci, računovodski pisarni Opomba: dve osebi podali ocene le za obveznike. Glede izpolnjevanja kazalnika o objavi preliminarnih rezultatov sprejemljive »natančnosti« lahko za FADN v Sloveniji ugotovimo, da posebni postopki za preverjanje možnosti objavljanja in preverjanja kakovosti začasnih rezultatov, vključno s terminskim načrtom, niso razviti, najverjetneje pa tudi ne vitalno pomembni za funkcioniranje FADN sistema v Sloveniji. Težave s pravočasnostjo in točnostjo objav podatkov oziroma publikacij s področja FADN niso slovenska posebnost, temveč so (bile) prisotne pri večini držav članic EU (glej npr. Abitabile in sod., 1999; Bergen in Tacquenier, 2010; Conclusions, 2015; pregled literature v zvezi s težavami s pravočasnostjo v Bradley in Hill, 2015, ugotavljata, da zamude zmanjšujejo uporabnost). Države članice z daljšo tradicijo računovodstva in FADN so razumljivo uspešnejše pri izboljševanju teh dveh komponent kakovosti, v pomoč pa je tudi hiter razvoj informacijske tehnologije. Dokument RI/CC 1689 z novembra 2013 (Other relevant information ..., 2013) pokaže, koliko časa traja, da na evropski ravni, kjer so razpoložljivi viri za FADN mnogo obsežnejši in specializirani kot v primeru Slovenije, pride do realizacije kratkih informacij FADN po posameznih državah članicah. Osnutek te publikacije se nanaša na leto 2012; končna publikacija za Slovenijo je bila na uradni spletni strani objavljena 13.10. 2014, za ostale države pa v različnih drugih mesecih leta 2014.81 Tudi sama EK se zaveda problema zapoznelosti podatkov FADN, zato v prihodnje uvaja bonus za še zgodnejšo dostavo podatkov predhodnega obračunskega leta in sicer do 31. oktobra tekočega leta v višini 10 EUR/obdelano poročilo s kmetijskega gospodarstva (če do 30. novembra tekočega leta le dodatnih 5 EUR/poročilo). Države, ki bodo podatke dostavile pred rokom, bodo za podatke visoke 81 Vir: http://ec.europa.eu/agriculture/rica/database/factsheets en.cfm#lnyear (2. mar. 2016) kakovosti (verificirane s strani EK oziroma RICA) prejele še dodatnih 5 EUR/poročilo, maksimalno torej 175 € standardnega honorarja/poročilo. V primeru zamude pa bi se osnovni (t.i. standardni) honorar znižal za 50 % na 80 EUR/poročilo (Gostiša, 2017). Glede komponent pravočasnost in točnost objav so za domače objave podatkov FADN za Slovenijo ključna priporočila naslednja (navedena hierarhično): 1. Oblikovati nacionalni terminski načrt objav podatkov FADN; določiti tipe ključnih objav (npr. izjave za javnost, hitri preliminarni rezultati, pregledne periodične publikacije, podatkovne tabele); pri tem izkoristiti infrastrukturo nacionalne Komisije FADN. 2. Krepiti nadaljnjo avtomatizacijo vnosa in kontrol vhodnih podatkov FADN; spodbujati vpisovanje podatkov preko interneta oziroma elektronsko;82 upoštevati načelo "digitalni - privzeti način" (prirejeno po Study on eGovernment ..., 2014; enako priporočata Bradley in Hill, 2015). 3. Preveriti, ali je možno nekatere administrativne postopke pospešiti ali odpraviti (npr. aktivnosti v zvezi s pogodbami z vzorčnimi kmetijskimi gospodarstvi, pridobitev predpripravljenih podatkov iz drugih podatkovnih baz83 s t.i. informirano privolitvijo dajalcev podatkov, seveda ob ustrezni zaščiti zasebnih podatkov); enako priporočata Bradley in Hill (2015) 4. Oblikovanje „nacionalne" analitične baze FADN (neodvisna od baze EK, lahko kot del širšega podatkovnega sistema za slovensko kmetijstvo); za pripravo hitrih napovedi in evalvacije kmetijske politike ter za namene hitrejšega ekonomskega svetovanja kmetijskim gospodarstvom; del podatkov bo najverjetneje potrebno oceniti. 5. Uvesti periodične (letne) konzultacije ključnih uporabnikov glede pogostosti objav in postopkov spremljanja pravočasnosti in točnosti; izkoristiti infrastrukturo ministrovih svetovalnih teles, Komisije FADN in skupine FADN koordinatorjev. 6. Kontrole podatkov: tehnično omogočiti, da se »sistem« kontrol podatkov uči na preteklih izkušnjah (dobra praksa po Bradley in Hill; 2015). 3.3.6. Dostopnost in jasnost informacij Petnajsto načelo Kodeksa ravnanja evropske statistike (2011) govori o dostopnosti in jasnosti informacij kot komponentah kakovosti na ravni podatkov: »Evropske statistike so predstavljene v jasni in razumljivi obliki, izkazujejo se na primeren in ustrezen način ter so na voljo in dostopne na nepristranski podlagi skupaj z metapodatki in smernicami.« Dostopnost opisuje možnosti za enostaven dostop do podatkov (fizične, časovne in druge okoliščine dostopa), jasnost pa enostavnost razumevanja podatkov za uporabnike (Kranjc, 2015). 82 Dobra praksa iz tujine: Podatki za 90% vseh kmetijskih gospodarstev, vključenih v FADN Avstrija, se vpisujejo preko interneta (informacije s strani predstavnika FADN Avstrija na delavnici PACIOLI 23; september 2015 v Beogradu, Srbija). 83 Npr. podatki administrativnih registrov in drugi administrativni viri (razgovor z MKGP; Poročilo o sprotnem ...; 2013b), specializirane strokovne podatkovne baze (npr. modelne kalkulacije KIS, CPZ Govedo), lahko pa bi začeli razmišljati tudi o izkoriščanju komercialnih podatkov (npr. o bančnih transakcijah, prodaji inputov, ipd.), kot je to primer v nizozemskem FADN sistemu, kjer se kmeta sprašuje izključno po podatkih, ki jih nikakor ni možno pridobiti in ponovno uporabiti iz nobene druge podatkovne baze (Vrolijk in Poppe, 2016). Eden od nujnih predpogojev za tovrstno rešitev je pridobitev (informirane) privolitve dajalcev podatkov. »Podatki FADN za Slovenijo so predstavljeni na jasen in razumljiv način ter enostavno dostopni za ključne domače uporabnike.« Ključni kazalniki dostopnosti in jasnosti podatkov so naslednji (izbrani in prirejeni po Kodeksu ravnanja evropske statistike, 2011 in Quality Assurance Framework ..., 2015): - Podatki in metapodatki84 so predstavljeni tako, da jih je mogoče pravilno razlagati in smiselno primerjati. - Za izkazovanje podatkov se uporablja sodobna informacijska in komunikacijska tehnologija, po potrebi tudi tradicionalna tiskana oblika. - Če je mogoče, se pripravljajo analize po meri uporabnika. - Dostop do mikropodatkov je dovoljen za raziskovalne namene (spoštovanje pravil, protokolov). - Uporabniki so obveščeni o metodologiji, uporabi administrativnih podatkov in kakovosti podatkov. 3.3.6.1. Dostopnost informacij Za Slovenijo je mogoče ugotoviti, da sta dostopnost in jasnost informacij tradicionalno najbolj problematična vidika kakovosti podatkov FADN, ne glede na druge problematične komponente natančnost in zanesljivost ter pravočasnost in točnost objav. Kar se tiče dostopnosti, so rezultati in informacije FADN širši javnosti še vedno predstavljeni in dostopni preskopo v obsegu, pogostosti in na sodobne, stroškovno učinkovitejše načine izkazovanja (spletne strani ali portal, spletno učenje, spletna orodja, ipd.). V okviru Zelenega poročila so od leta 2011 (Poročila o stanju ..., 2017) dalje vsakoletno predstavljeni najbolj ključni preliminarni rezultati FADN na ravni države za leto n-2 (leta 2017 objavljeni rezultati FADN za obračunsko leto 2015; Kmetijsko knjigovodstvo po ..., 2017), v manjšem obsegu pa tudi po proizvodnih tipih. Lahko bi, enako kot za izbrane študije primerov držav članic EU opažata Bradley in Hill (2015: 131), govorili, da je v praksi prisotna "silosna mentaliteta«, ko so v državi zbrane sicer številne informacije, vendar pretoka informacij znotraj in med organizacijami ni oziroma je prešibak, da bi bila uporaba podatkov enostavna, hitra in neposredno uporabna za ključne uporabnike. Kmetijski svetovalci, uradniška in strokovna javnost kontinuirano izražajo potrebe po bolj poglobljenem in periodičnem objavljanju rezultatov FADN za Slovenijo (npr. tudi v Štebe in Rednak, 2007; Revizijsko poročilo ..., 2014), enako sledi tudi iz opravljenih intervjujev in razgovorov. Rezultate in informacije FADN je potrebno približati ključnim uporabnikom in zainteresirani javnosti, obsežne numerične rezultate (podatkovno bazo) pa predstaviti na enostavnejši in jasnejši način, z ustreznimi komentarji. V nadaljevanju bomo orisali stanje domačih (periodičnih) načinov prikazovanja rezultatov FADN za Slovenijo, vključno s povratnimi informacijami za kmetijska gospodarstva. Neposredne objave EK (npr. tudi preko uradne spletne strani FADN), znanstveni in strokovni članki, splošne informacije in navodila za izpolnjevanje poročil FADN niso upoštevani. 84 Metapodatek (podatek o podatku ali »opodatek«) je podatek, ki vsebuje informacije o nekem podatku, ni pa del tega podatka (Vir: https://sl.wikipedia.org/wiki/Metapodatek; 2. mar. 2016). Kazalnik o prioritetni uporabi sodobne informacijske in komunikacijske tehnologije za dostop do rezultatov FADN za Slovenijo po našem mnenju ni izpolnjen, saj se sodobne poti diseminacije rezultatov uporabljajo v zelo osnovni, neinteraktivni obliki (enostavna spletna stran, objava tiskanih publikacij), prav tako ni posebnih orodij ali formatov, ki bi omogočali enostavno re-diseminacijo (Quality Assurance Framework ..., 2015). Še vedno je poudarek na tiskanih oblikah, še posebej za povratne informacije kmetijskim gospodarstvom. Objave na spletni strani MKGP85 vključujejo standardne rezultate za vse države članice za obdobje 2004-2011 v Excel formatu (po proizvodnih tipih, razredih ekonomske velikosti; naloženo iz javno dostopne podatkovne baze EK) ter nekaj zanimivih publikacij in predstavitev iz Upravljalnega odbora FADN na EK, vendar ne z izključnim poudarkom na rezultatih FADN za Slovenijo. Spletna stran KGZS po pregledu ne vsebuje objav z rezultati FADN za Slovenijo. Spletna stran KIS vsebuje dostop do Zelenih poročil, ki so po pregledu literature zaenkrat edina periodična objava rezultatov FADN za Slovenijo od 2011 dalje (Poročila o stanju ..., 2017). V zadnjem Zelenem poročilu so prikazani ključni standardni rezultati FADN za Slovenijo za obdobje 2010-2015 (Kmetijsko knjigovodstvo po ..., 2017). Objav preko podatkovnega portala ali interaktivnih orodij, prav tako pa ne poglobljenih večtematskih publikacij na podlagi podatkov FADN za Slovenijo, po pregledu dostopne dokumentacije ni. Posredovanje podatkov FADN je možno na zahtevo uporabnikov; možno je zaprositi tudi za individualne podatke za točno določene namene (npr. raziskovalne), potrebna pa je odobritev MKGP in upoštevanje pravil (zakonodaje). S tem je eden od kazalnikov komponente dostopnosti izpolnjen. Po informacijah MKGP je zaprosil za (individualne) podatke FADN za Slovenijo do pet na leto od zunanjih uporabnikov (raziskovalci, strokovnjaki, študentje) in do pet na leto znotraj MKGP. MKGP v zadnjih letih tudi samoiniciativno pošilja ključne rezultate kmetijski svetovalni službi. Zadnji obravnavani način prikazovanja rezultatov FADN so t.i. povratne informacije vključenim kmetijskim gospodarstvom (individualni izpisi). Le-te so prav tako ena od tradicionalno problematičnih značilnosti slovenskega FADN sistema, predvsem ker so za namene poslovnega odločanja ali svetovanja kmetijskim gospodarstvom prepozne, oblika pa uporabniku še premalo prijazna. V zadnjih letih so bili vloženi veliki napori s strani MKGP za poenostavitev in pospešitev povratnih informacij vzorčni-kom; za obračunsko leto 2013 so jih prejeli v decembru 2014, kar je občutno hitreje kot v letih poprej, ko je bil lahko ta razmik daljši od 18 mesecev od konca obračunskega leta. Sistemska težava povratnih informacij kmetijskim gospodarstvom je tudi, da kmetijski svetovalci nimajo avtomatskega dostopa do njih, temveč morajo zanje zaprositi (imeti morajo tudi odobritev kmetijskega gospodarstva); po informacijah MKGP je tovrstnih zaprosil vsako leto več. Oddaljen dostop do mikropodatkov ne obstaja. Torej pregled stanja (periodičnih) objav rezultatov FADN za Slovenijo pokaže, da so le-te zelo skope in preslabo prepoznane v strokovni in širši javnosti. To potrjuje tudi intervju s fokusno skupino, v katerem se je pokazalo, da intervjuvani svetovalci večinoma ne vedo, kje bi lahko pridobili (podrobnejše) rezultate in obdelave FADN za Slovenijo, npr. preko spletne strani EK, MKGP ali pa preko spletne strani KIS. Veliko je seveda odvisno od motiviranosti in veščin posameznikov. Odgovori intervjuvancev iz fokusne skupine, pa tudi nekaterih drugih intervjuvanih svetovalcev nakazujejo, da ima odsotnost (pravočasnega) dostopa do povratnih informacij najverjetneje močan demotivacijski učinek pri svetovalnem delu na podlagi FADN informacij. Intervjuvane kmetije v večini primerov povratne informacije prejmejo v tiskani obliki; nekatere so izrazile interes za spletni dostop. Intervjuvanci, ki vnašajo podatke v Excel ali preko spleta, so bolj naklonjeni sodobnejšim kanalom za diseminacijo rezultatov FADN, npr. bolj so zainteresirani za spremljanje »vmesnih« rezultatov za svoje kmetije. 85 Vir: http://www.mkgp.gov.si/si/delovna podrocja/kmetijstvo/FADN (2 nov. 2017). 3.3.6.2. Jasnost informacij Komponenta jasnost (razumljivost) je, kot že omenjeno, tradicionalno zelo problematična za podatke FADN za Slovenijo, kar potrjujejo tudi opravljeni intervjuji s kmetijami in ostalimi intervjuvanci (v nadaljevanju), kot tudi pregled dostopne dokumentacije in načinov predstavitve rezultatov FADN za Slovenijo. Tudi na izboljšanje te komponente je bilo v strokovni javnosti podanih veliko pobud in predlogov, npr. v okviru srečanj nacionalne Komisije FADN in FADN koordinatorjev. V nadaljevanju je prirejena analiza komponente jasnost po Kranjc (2015) in Quality Assurance Framework ... (2015). Oblike javno dostopnega prikazovanja rezultatov FADN za Slovenijo so bile omenjene že zgoraj (tiskane, spletne), tu dodajmo, da drugih oblik izkazovanja rezultatov (npr. novinarske konference, video izjave) po naših informacijah ni. Rezultati so večinoma prikazani tabelarično in sicer v obliki absolutnih števil, deležev, pa tudi struktur, grafični prikazi se uporabljajo bolj izjemoma (večinoma v predstavitvah interne narave). Raven podrobnosti prikazovanja podatkov (javno dostopnih) je do tipov proizvodnje TF8, TF14 in razredov ekonomske velikosti, medtem ko so povratne informacije in individualizirani podatki za raziskovalne namene pridobljeni na ravni posameznega kmetijskega gospodarstva. Agregatni standardni rezultati in metapodatki glede podatkov FADN so po pregledu v omejenem obsegu dostopni le na spletni strani MKGP86 (podrobna opredelitev podatkov poročila in spremenljivk, ki se uporabljajo pri standardnih rezultatih, neažuriran izbor standardnih rezultatov za nekaj let, navodila in obvestila, ipd.). Od 2016 so skoraj povsem enake vsebine objavljene tudi na spletni strani KGZS (brez agregatnih standardnih rezultatov).87 Ukrepi za izboljšanje jasnosti izkazanih rezultatov FADN, ki so v zadnjih letih v teku in s strani MKGP in KGZS pogosto usklajeni, zajemajo aktivnosti v zvezi s pospešitvijo in poenostavitvijo povratnih informacij kmetijskim gospodarstvom ter z razvojem in poskusi nadgradnje ekonomskega svetovanja kmetijskim gospodarstvom na podlagi podatkov FADN (samoiniciativni primeri svetovanja, tudi v obliki ekonomskih krožkov, ekonomsko svetovanje na podlagi podatkov FADN v okviru DS3). Glede kazalnika o obveščenosti uporabnikov o metodologiji, uporabi administrativnih podatkov in kakovosti podatkov, lahko po pregledu dostopne dokumentacije ugotovimo, da se dosledno upošteva zakonske omejitve glede dostopa do podatkov FADN posameznih kmetijskih gospodarstev (oziroma drugih administrativnih baz), da se v omejenem, ad hoc obsegu informira tako kmete in svetovalce o novostih glede izpolnjevanja poročil s kmetijskih gospodarstev (posredno: obveščanje o metodologiji) ter najpogostejših napakah pri izpolnjevanju (posredno: obveščanje o kakovosti). Izpolnjevanje tovrstnega kazalnika po Quality Assurance Framework ... (2015) predvideva sistematično načrtovanje in publikacijo kompleksnejših poročil o kakovosti in metodoloških dokumentov, česar seveda za FADN v Sloveniji ni mogoče ugotoviti, najverjetneje pa tudi ni potrebno izven obsega, ki ga priporočamo v podpoglavju 3.3.2. (Odgovornost za kakovost). Stanje preostalih dveh kazalnikov (prvi: predstavitev podatkov in metapodatkov na način, da jih je mogoče pravilno razlagati in smiselno primerjati; tretji: analize po meri uporabnikov) bomo skušali orisati s pomočjo rezultatov na podlagi opravljenih intervjujev. 86 Vir: http://www.mkgp.gov.si/si/zakonodaja in dokumenti/veljavni predpisi/kmetijstvo/#c19470 (2. mar. 2016). 87 V času analize v okviru delovnega svežnja DS2 tovrstnih informacij nismo na enostaven način zasledili na njihovi javno dostopni spletni strani (do decembra 2015). Kasneje v letu 2016 je bila objavljena brošura o KGZS o FADN, ki je tudi javno dostopna na spletu (Trpin Švikart, 2016), posodobljena pa je bila tudi spletna stran KGZS FADN (http://www.kgzs.si/gv/razvoj-podezelja/FADN.aspx; 6. dec. 2016). Dodani so bili splošni opis FADN sistema v Sloveniji, navodila in obrazci, pomembni roki in seznam izobraževanj v tem letu. Spodnja slika (Slika 16) ponazarja mnenja intervjuvancev o razumljivosti povratnih informacij FADN za kmetijska gospodarstva. Le izjeme so mnenja, da so te informacije (enostavno) razumljive za kmetijska gospodarstva (to ugotovila tudi kontrola KGZS; glej Pipan, 2015). Večini intervjuvanih kmetij se povratne informacije, ki jih prejmejo, še vedno zdijo prezapletene (nekateri opažajo napredek v zadnjih letih), preobširne, prepodrobne, po drugi strani pa brez razlag. Omenimo, da posebne prilagoditve povratnih informacij posameznemu uporabniku (kmetiji) ni; v osnovi gre za izpise standardnih rezultatov za posamezno kmetijo, brez posebnih dodatnih razlag. Intervjuvani kmetje si želijo, da bi jim svetovalci pomagali pri interpretaciji, vsaj enkrat letno. Številni od njih so predlagali poenostavitev povratnih informacij, da bi bile le-te bolj zgoščene, pregledne in po možnosti grafično prikazane. Intervjuvani svetovalci pa po drugi strani opozarjajo, da se kmetje običajno ne poslužujejo konzultacij z njimi glede razlage FADN rezultatov, ker sploh ne vedo, da imajo to možnost oziroma imajo različne druge zadržke (omenja se tudi podajanje napačnih podatkov). Slika 16: Mnenja intervjuvancev o razumljivosti povratnih informacij FADN za kmetijska gospodarstva; mnenja za vzorčnike in obveznike hkrati 12 10 4 povsem nerazumljive nerazumljive ne morem se odločiti 11 razumljive enostavno razumljive I Intervjuvane kmetije (n=10) Ostali intervjuvanci (n=22) Opomba: Ostali intervjuvanci (fokusna skupina, svetovalci, računovodski pisarni) podali ločene ocene za vzorčnike in obveznike (za eno osebo pripisana ista ocena vsem kmetijam); z izjemo dveh oseb, ki sta podali ocene le za obveznike. Opomba: Eni osebi se je namesto originalne vrednosti ocene med »nerazumljive« in »ne morem se odločiti« pripisala ocena »ne morem se odločiti«. 8 7 6 4 2 1 0 0 Mnenja intervjuvancev o uporabnosti povratnih informacij FADN za kmetijska gospodarstva (za namene poslovnega odločanja) so razvidna iz spodnje slike (Slika 17). Intervjuvanci le izjemoma menijo, da so te informacije uporabne za kmetijska gospodarstva. Večini ostalih intervjuvancev (fokusna skupina, svetovalci, računovodski pisarni) se zdijo neuporabne ali povsem neuporabne. Nekatere intervjuvane kmetije vidijo uporabnost v spremljanju evidence krme, prihodkov in odhodkov, vendar se kljub temu ne odločajo na podlagi teh informacij (eden od razlogov tudi zapoznelost informacij). Le ena intervjuvana kmetija, ki podatke FADN vpisuje preko spleta, se zdi zadovoljna s preglednostjo in možnostjo spremljanja sprotnih rezultatov, vendar se kljub temu ne odloča na njihovi podlagi. Slika 17: Mnenja intervjuvancev o uporabnosti povratnih informacij FADN za kmetijska gospodarstva; mnenja za vzorčnike in obveznike hkrati 16 14 12 10 8 6 4 2 0 4 1 1 1 0 povsem neuporabne neuporabne ne morem se odločiti I Intervjuvane kmetije (n=10) uporabne Ostali intervjuvanci (n=22) zelo uporabne Opomba: Ostali intervjuvanci (fokusna skupina, svetovalci, računovodski pisarni) podali ločene ocene za vzorčnike in obveznike (za eno osebo pripisana ista ocena vsem kmetijam); z izjemo dveh oseb, ki sta podali ocene le za obveznike. Spodnja slika (Slika 18) prikazuje mnenja intervjuvancev o zanimivosti povratnih informacij FADN za kmetijska gospodarstva (v smislu vizualne privlačnosti); prav nikomur od intervjuvancev se le-te ne zdijo zanimive ali zelo zanimive. Za povečanje uporabnosti, razumljivosti in prijaznosti (zanimivosti) uporabniku številni od intervjuvancev predlagajo bolj zgoščene, preglednejše informacije, z benchmarking pristopom (primerjava med leti, regijami, znotraj skupine enakih, povprečja, primerjava z najboljšimi, ipd.) in vizualno bolj privlačne rešitve (uporaba grafičnih prikazov, interaktivnost, ...). Povedno je tudi mnenje enega intervjuvanca (ni kmetijsko gospodarstvo), da bi bilo koristno za boljše razumevanje podatkov FADN s strani svetovalcev, če bi bilo več sodelovanja z ekonomskimi oddelki znotraj kmetijsko gozdarskih zavodov. Slika 18: Mnenja intervjuvancev o zanimivosti povratnih informacij FADN za kmetijska gospodarstva; mnenja za vzorčnike in obveznike hkrati 20 18 16 14 12 10 8 6 4 2 0 18 2 00 00 povsem nezanimive nezanimive ne morem se odločiti zanimive zelo zanimive ■ Intervjuvane kmetije (n=10) ■ Ostali intervjuvanci (n=22) Opomba: Ostali intervjuvanci (fokusna skupina, svetovalci, računovodski pisarni) podali ločene ocene za vzorčnike in obveznike (za eno osebo pripisana ista ocena vsem kmetijam); z izjemo dveh oseb, ki sta podali ocene le za obveznike. 3 Težave z uporabnostjo povratnih informacij pri intervjuvancih so razvidne tudi iz mnenj o pogostosti uporabe teh povratnih informacij (Slika 19) na kmetijah za načrtovanje proizvodnje, pri ostalih intervjuvancih pa pri svojem delu (npr. svetovanje). Večina intervjuvanih kmetov in tudi ostalih intervjuvancev teh informacij nikoli ne uporabi, če pa že, zelo redko (veliko jih je odgovorilo, da le ob preje- mu) ali v izjemno omejenem obsegu; preverijo npr. le nekaj vrednosti. Dobra praksa iz drugih držav članic (npr. Irska, Avstrija, Nizozemska, Poljska, Madžarska), kjer so povratne informacije hitrejše, atraktivnejše (zgoščene, vizualno privlačnejše), v večji meri prilagojene kmetijskim gospodarstvom, kaže, da kmetje tudi v praksi te informacije koristijo pri načrtovanju proizvodnje in poslovnem odločanju. Poleg tega imajo te države običajno vzpostavljene tudi t.i. benchmarking podatkovne baze, ki jih uporabljajo še za druge namene (npr. monitoring, raziskave, neposredno svetovanje tudi nevklju-čenim kmetijskim gospodarstvom). Situacija je podobno smerna pri ostalih intervjuvancih (fokusna skupina, svetovalci, računovodske pisarne), še posebej svetovalcih; povratnih informacij FADN v večini primerov ne uporabljajo pri svojem svetovalnem delu. Izjema je le nekaj lokalnih iniciativ po Sloveniji (Kmetijsko gozdarski zavod Murska Sobota, ekonomski krožek z vzorčniki v Zagorju; t.i. »Gospodarjenje na kmetijah«). Kot že omenjeno, avtomatskega dostopa svetovalci do povratnih informacij za kmetijska gospodarstva nimajo, prav tako pa je mogoče iz intervjujev razbrati, da je poznavanje podatkovne zbirke FADN pri svetovalcih (ponovno, z nekaj izjemami) pogosto zelo skromno in bi sami nujno potrebovali izobraževanja na to temo. Številni od ostalih intervjuvancev kljub temu zaznavajo potencial podatkov FADN za namene svetovanja; nekateri dodajajo, da je za večji tovrstni izkoristek nujno potrebna specializacija izbranih svetovalcev v FADN in vzpostavitev neposrednega svetovanja na podlagi podatkov FADN tudi v praksi. Nekaterim od intervjuvancev se zdi ideja o svetovanju na podlagi podatkov FADN v obliki svetovalnih krožkov zanimiva in bi se bili pripravljeni vključiti ali sodelovati. Slika 19: Pogostost uporabe povratnih informacij za kmetijska gospodarstva (ostali intervjuvanci: uporaba pri svojem delu) 9 8 nikoli redko občasno pogosto zelo pogosto ■ Intervjuvane kmetije (n=10) ■ Ostali intervjuvanci (n=11) Opomba: Ostali intervjuvanci (fokusna skupina, svetovalci, računovodski pisarni) podali ocene za FADN kmetijska gospodarstva na splošno; ena oseba ni podala mnenja (n=11). Opomba: Oseba iz skupine Ostali intervjuvanci, ki je dala oceno "zelo pogosto", najverjetneje ni razumela vprašanja, zato tega mnenja ni priporočljivo upoštevati. Težave s komponento jasnost pa niso značilne le za povratne informacije FADN kmetijskim gospodarstvom, temveč tudi za uporabo podatkovne zbirke FADN znotraj njenega najpomembnejšega uporabnika, MKGP. Iz opravljenih drugih razgovorov in pregledane dokumentacije je moč razbrati, da je poznavanje podatkovne baze na MKGP (NOE FADN izvzeta) v splošnem še preslabo, tudi pri vodilnih kadrih, da bi te podatke pogosteje uporabljali pri svojem delu. Glede izpolnjevanja prvega kazalnika (predstavitev podatkov in metapodatkov na način, da jih je mogoče pravilno razlagati in smiselno primerjati) lahko zaključimo, da je le delno izpolnjen. Objavljeni oziroma dostopni načini prikazovanja podatkov za Slovenijo (podpoglavje 3.3.6.1.) omogočajo pravilno razlago in smiselne primerjave, vendar le bolj izkušenim, veščim in zainteresiranim uporabnikom. Prav tako za popolno izpolnjevanje tega kazalnika primanjkuje objav rezultatov z relevantnimi pri- merjavami in analizami le-teh izven najobičajnejših, ki bi jih lahko uporabljali manj izkušeni uporabniki ali uporabniki, ki iščejo »hitre« informacije FADN. Posebnih izobraževanj v zvezi z interpretiranjem podatkov FADN ni. Glede izpolnjevanja kazalnika »analize po meri uporabnikov«, pa kot že zgoraj omenjeno, lahko ugotovimo, da posebnih prilagoditev podatkov posameznim uporabnikom (npr. kmetijam, svetovalcem, uradnikom na MKGP) po naših informacijah ni, vsaj ne v obliki, ki bi bila neposredno uporabna zanje pri odločanju ali delu. Ključna priporočila za izboljševanje kakovosti po komponentah dostopnost in jasnost podatkov FADN so navedena spodaj (navedena hierarhično): Dostopnost: 1. Ključno vodilo pri aktivnostih naj bo "digitalni - privzeti način" (Study on eGovernment ...; 2014); uporaba elektronskih/spletnih kanalov naj za ključne uporabnike, tudi kmetijska gospodarstva, postane privzeti način dostopanja do podatkov FADN za Slovenijo. Posodobiti in razširiti obstoječe spletne strani, namenjene FADN v Sloveniji (upoštevati tudi priporočila slovenskega računskega sodišča, Revizijsko poročilo ..., 2014). 2. Promovirati dostop do rezultatov FADN (vsaj agregatnih) za vse ključne uporabnike FADN; preveriti možnost stalnega dostopa do teh podatkov za ključne uporabnike na MKGP in KGZS; spodbujati med- in interinstitucionalno sodelovanje in souporabo podatkov, še posebej znotraj MKGP, KGZS in posameznih kmetijsko gozdarskih zavodov. 3. Odprava morebitnih administrativnih ovir za dostop do rezultatov FADN za ključne uporabnike: dostop z informirano privolitvijo ali z različnimi stopnjami pooblastila za dostop. 4. Novi načini dostopanja do podatkov: preveriti možnosti za oblikovanje podatkovnega portala (lahko kot del celovitega podatkovnega sistema za slovensko kmetijstvo), ki bi omogočal dostop do rezultatov in informacij FADN na enem mestu.88 88 Dobra praksa iz tujine: nizozemski podatkovni portal »Agro & food portal« (http://www.agrimatie.nl/Default.aspx?subpubid=2232; 2. nov.2017). Jasnost: 1. Pri aktivnostih upoštevati načelo »poenostavitev in perronalizacija« (interakcije za uporabnike podatkov čimbolj enostavne, hitre, učinkovite; Study on eGovernment ...; 2014). 2. Povratne informacije kmetijskim gospodarstvom: 3P - poenostaviti, pospešiti (lahko že na podlagi preliminarnih podatkov), personalizirati (prilagoditi kmetijam, benchmarking informacije), uporabiti več grafičnih prikazov in interaktivnosti). Podan je tudi predlog uporabniku prijaznejših povratnih informacij na nacionalni ravni in na ravni kmetijskih gospodarstev (Priloga 7). 3. Razširiti nabor publikacij z rezultati FADN: uvesti redno letno »monitoring« publikacijo standardnih rezultatov FADN, hitre preliminarne rezultate, ipd. 4. Več, bolj specializiranih izobraževanj glede FADN (npr. interpretacija rezultatov): za svetovalce, kmetijska gospodarstva, uradnike MKGP; izkoristiti infrastrukturo obstoječih teles znotraj mreže FADN (ministrova posvetovalna telesa, Komisija FADN, FADN koordinatorji na KGZS). Dobra praksa: izobraževanje, interpretacija in uporaba rezultatov FADN za kmetijska gospodarstva v okviru moderiranih skupinskih delavnic oziroma krožkov. 5. Okrepiti je potrebno kmetijsko svetovalno službo kot ključni vezni člen do kmetijskih gospodarstev glede posredovanja FADN ter svetovanja na podlagi podatkov in informacij, pa tudi glede pridobivanja odzivov s kmetijskih gospodarstev. Prihodnost kmetijskega svetovanja bo še bolj poudarjeno v osebnem svetovanju na kmetiji; za to se mora vloga svetovalca prilagoditi iz t.i. linearne (»enosmerne«) v bolj »poslušajočo« in inštruktorsko (prirejeno po SCAR, 2017). 6. Uvesti redne konzultacije ključnih uporabnikov glede najprimernejših oblik diseminacije rezultatov (načrt diseminacije). 3.3.6.3. Dostopnost in jasnost informacij - dodatni izsledki Priporočila v zvezi s komponentama dostopnost in jasnost informacij smo preverili in posodobili še v kontekstu izsledkov tretjega delovnega svežnja (DS3). Izvedena je bila kratka telefonska anketa udeležencev, ki so se v okviru DS 3 (Ekonomsko svetovanje kmetijskim gospodarstvom na podlagi ekonomskih kazalcev FADN) udeležili delavnic na temo gospodarnosti kmetij, usmerjenih v prirejo mleka, in katerih kmetije so bile hkrati v tekočem ali preteklih letih vključene v FADN knjigovodstvo. Na teh moderiranih delavnicah so udeleženci s pomočjo enostavnega modelnega orodja SEZAM, razvitega v okviru DS3 (Jerič in sod., 2017) vnašali podatke za svoja kmetijska gospodarstva za dve pretekli leti, nato pa jih skupaj z moderatorji in sodelujočimi strokovnjaki analizirali; sproti in v okviru skupinske primerjalne analize rezultatov. V primerjalni analizi so se rezultati posamezne kmetije primerjali z rezultati skupine 25 % »najboljših«, povprečjem skupine in rezultati skupine 25 % »najslabših«, nato pa je skupina moderirano razpravljala o učinkovitosti, identificirala probleme in dobre prakse ter morebitne napake v podatkih. Anketa in vzorec anketirancev sta podrobneje opisana v prilogi (Priloga 6). V izogib posploševanju ugotovitev na podlagi rezultatov ankete na celotno populacijo, na tem mestu poudarimo, da gre za nereprezentativen vzorec anketiranih udeležencev delavnic oziroma kmetij, ki vodijo/so vodile FADN knjigovodstvo. Kljub temu pa je njihov vpogled zelo dragocen, saj so bili deležni prenovljenega kmetijskega svetovanja in podajanja informacij v obliki moderiranih skupinskih delavnic. Dobre izkušnje iz tujine kažejo, da kmetje potrebujejo pravočasno, po meri, kredibilno in enostavno svetovanje, v prvi vrsti s poudarkom na tehnološkem svetovanju, prilagojenem njihovi kmetiji (SCAR, 2017). Kmetje se učinkoviteje učijo v »omrežju enakovrednih« (ang. peer-to-peer; SCAR, 2017), torej v skupinah, kjer imajo udeleženci podobne interese, probleme ali lastnosti (npr. proizvodne zmogljivosti, usmeritev kmetije). Svetovanje v obliki skupinskih delavnic ali krožkov je tako v bolj izkušenih državah zelo razširjeno in priljubljeno, npr. na Irskem, Danskem in v Avstriji. Tudi odzivi udeležencev delavnic v okviru DS3 so bili pozitivni; prav vsi anketiranci so testne moderirane delavnice ocenili kot ustrezen in učinkovit način svetovanja kmetijam (Slika 20). Ključno vlogo pri skupinskem delu ima moderator, ki podaja navodila in razlage, usmerja razpravo in na splošno skrbi za sproščeno, pozitivno, zaupno in konstruktivno vzdušje med udeleženci. To je bilo všeč tudi anketiranim udeležencem testnih delavnic; več jih je tako omenjalo odprto, konstruktivno in zaupno vzdušje na delavnicah, kar je olajšalo izmenjavo izkušenj, problemov in dobrih praks, pa tudi prenos znanja. Slika 20: Ali so skupinske delavnice oziroma krožki na podlagi dejanskih podatkov kmetij ustrezen in učinkovit način svetovanja kmetijam? (n=13) ■ Da ■ Ne Moderator s svojim pristopom, strokovnim znanjem in mehkimi veščinami ključno vpliva na prenos oziroma jasnost informacij, pomemben je torej učinek osebnosti (ang. person effect; Vrolijk; 2005). To se je pokazalo tudi v okviru testnih delavnic, ko se je razumljivost (jasnost) informacij FADN za kmetijska gospodarstva preko tega novega načina svetovanja bistveno izboljšala. Večina anketirancev je tako FADN podatke ocenila kot razumljive ali enostavno razumljive po tem, ko se udeležili testnih delavnic (Slika 21).89 89 Povedna je primerjava z mnenji kmetij, ki tovrstne oblike svetovanja niso bile deležne (Slika 16), da gre za drugačen vzorec kmetij ter da se mnenja teh kmetij nanašajo na razumljivost povratnih informacij FADN za kmetijska gospodarstva. Slika 21: Mnenja anketirancM/M шттЦПш(n=13) 10 5 5 00 povsem nerazumljivi nerazumljivi niti razumljivi, niti nerazumljivi razumljivi enostavno razumljivi 5 3 0 Več anketiranih udeležencev delavnic je tudi omenjalo, da je bilo podajanje informacij enostavno razumljivo, zanimivo, strokovno (prisotnost strokovnjakov in raziskovalcev), koristno in veliko bolj specializirano, kot običajna izobraževanja o FADN. Izsledki DS3 so, sicer na manjšem vzorcu kmetijskih gospodarstev in manjšem številu delavnic, potrdili večjo učinkovitost svetovanja in izobraževanja na podlagi FADN (in drugih mikroekonomskih) informacij preko skupinskih delavnic. To potrjujejo tudi rezultati ankete udeležencev teh delavnic, saj so bi se bili prav vsi pripravljeni v bodoče udeležiti podobnih delavnic ali krožkov (Slika 22). Slika 22: Pripravljenost za sodelovanje na podobnih podjetniških ali panožnih delavnicah ali krožkih ? (n=13) ■ Da ■ Ne Kmetijsko svetovalno službo je potrebno okrepiti kot ključni vezni člen do kmetijskih gospodarstev glede posredovanja FADN ter svetovanja na podlagi podatkov in informacij, pa tudi glede pridobivanja odzivov s kmetijskih gospodarstev. Prihodnost kmetijskega svetovanja bo še bolj poudarjeno v osebnem svetovanju na kmetiji, pri čemer je direkten stik ključnega pomena za prepričevanje oziroma komunikacijo in pridobitev mnenj in povratnih mnenj kmetijskih gospodarstev. Za to se bo morala vloga svetovalca prilagoditi iz t.i. linearne (»enosmerne«) v bolj »poslušajočo« in inštruktorsko (SCAR, 2017). Kmetijskemu svetovanju mora biti tudi v kontekstu FADN dana osrednja vloga; predpogoj za to je ustrezna reorganizacija svetovalne službe, stabilno financiranje in krepitev vseživljenjskega izobraževanja svetovalcev/moderatorjev, tako tehnološko kot tudi na področju mehkih veščin (prirejeno po SCAR, 2017). Naslednji sklop, ki smo ga pri posodobitvi priporočil glede dostopnosti in jasnosti preverjali, so povratne informacije FADN kmetijskim gospodarstvom (ang. feedback). Tozadevno so testne delavnice v okviru DS3 nakazale, da je način prikazovanja (povratnih) informacij izjemno pomemben. Učinkovitejši se zdijo grafični načini, primerjalna analiza (rangiranje rezultatov z rezultati soudeležencev ali omrežja enakih), izračuni na fizične enote (npr. na kravo, na liter, na kg), odstotne spremembe glede na preteklo leto. Zelo pomembno je tudi, da so povratne informacije karseda hitre (pravočasne), saj se kmetje podatkov za svoje kmetije tipično spomnijo le za kako leto ali dve nazaj. Večina anketiranih udeležencev delavnic je ocenila, da so bili rezultati za njihove na delavnicah prikazani na zelo zanimiv način, dva anketiranca pa sta ga ocenila za zanimivega (Slika 23). Več anketirancem je bila všeč primerjalna analiza rezultatov (primerjava z najboljšimi, najslabšimi, rangiranje rezultatov), sprotno spremljanje rezultatov (med vnosom podatkov), primerjava s predhodnim letom. Med predlogi za izboljšanje delavnic pa je več anketirancev izrazilo interes po še bolj personaliziranih rezultatih (svetovanju), vključitvi še več tehnoloških podatkov in nasvetov, širitvi primerjalne analize (primerjava z državnim in regijskimi povprečji, itd.), pa tudi oblikovanju bolj homogenih skupin (npr. kmetije z enakimi problemi, interesi ali razmerami/resursi za pridelavo). Slika 23: Mnenja anketirancev o zanimivosti načina prikazovanja rezultatov kmetij na delavnicah (n=13) II II I III 11 povsem nezanimiv nezanimiv niti zanimiv, niti zanimiv zelo zanimiv nezanimiv Dobra praksa iz tujine glede povratnih informacij na podlagi FADN upošteva naslednje: - Pravočasnost (hitrost): Irska kmetija, vključena v FADN, prejme od inštituta TEAGASC popolno obdelavo za namene ekonomskega svetovanja že en mesec po oddaji vseh podatkov FADN (petdeseta obletnica FADN, junij 2015, Bruselj; Conclusions, 2015; povzeto v Kožar, 2015). Na Češkem) pa ima kmet spletni dostop do svojih podatkov in napovedi FADN rezultatov že ob žetvi v tekočem obračunskem letu, potem pa, glede na razpoložljivost podatkov, tudi do več napovedi (v decembru preteklega leta, v septembru in decembru tekočega leta; Hlouskova, 2015). - Poenostavljenost: v izogib nasičenosti s podatki; tovrstna primera sta npr. Farm Economy Focus (Farm Economy Focus ..., 2017), ki ga pripravlja EK, in pa poljske povratne informacije (na ravni države: Standards Results Focus ..., 2017). Osnovne povratne informacije so običajno krajše (2-4 strani), vsebujejo ključne informacije o proizvodni zmogljivosti in proizvodnji, ključne dohodkovne in ekonomske rezultate FADN ter osnovne definicije. Običajno so rezultati FADN prikazani za zadnje dostopno leto v primerjavi z nekaj predhodnimi leti, potencialno še po tipih kmetovanja in ekonomskih razredih. Personaliziranost (prilagoditev kmetijskemu gospodarstvu/ključnemu uporabniku): povratne informacije morajo biti oblikovane tako, da so uporabniku zanimive, torej morajo biti dovolj personalizirane (npr. za njihove ključne aktivnosti, probleme, interese). Države članice imajo za to različne rešitve. Pogosta rešitev je, da kmetijska gospodarstva prejmejo osnovne povratne informacije na podlagi FADN, nato pa na zahtevo ali proti plačilu prejmejo bolj specializirane analize (npr. na Poljskem podrobnejše poročilo vsebuje širšo primerjalno analizo glede na izbrane kriterije, npr. tip kmetovanja, regijo, ipd.) ali za daljše časovno obdobje. - Privlačen način prikazovanja rezultatov in informacij: učinkovitejši so grafični prikazi, po možnosti interaktivni (v primeru elektronskega/spletnega dostopa), ter prikaz rezultatov na fizične enote (npr. na ha, na kg, na kravo, na ha; npr. Poljska, Avstrija). Zelo običajen in pri kmetih dobro sprejet je prikaz rezultatov zadnjega razpoložljivega leta v primerjavi s preteklih nekaj (najpogosteje 3 ali 5) leti. - Vključitev primerjalne analize (benchmarking): najbolj pogost način primerjalne analize je primerjava rezultatov kmetije z rezultati 25 % »najboljših«, rezultati 25 % »najslabših« v skupini ter povprečjem skupine. Tovrstno primerjalno analizo uporablja zelo veliko držav članic, npr. Nizozemska, Madžarska, Danska, Avstrija itd. Pogosta je tudi primerjava znotraj in med tipi kmetovanja in med ekonomskimi razredi, med regijami, državami, itd. - Enostavna dostopnost in možnost dodatnih storitev: trend je posredovati povratne informacije elektronsko ali spletno (npr. Nizozemska, Danska, Poljska, Češka). Bolj izkušene države kmetijskim gospodarstvom (in drugim ključnim uporabnikom) omogočajo dostop tudi do raznih spletnih orodij, predpripravljenih podatkov in podrobnejših analiz, na Poljskem pa celo do spletnega učenja (t.i. e-learning). Na podlagi izsledkov DS3 in dobre prakse iz tujine je bil v programu Microsoft Excel pripravljen predlog povratnih informacij za kmetijska gospodarstva na podlagi standardnih rezultatov FADN za Slovenijo za obračunska leta 2012-2015 (Priloga 8). Zasnova je bila pripravljena na podlagi treh konkretnih primerov povratnih informacij: Farm Economy Focus na ravni države (Farm Economy Focus ..., 2017) in na ravni posameznega proizvodnega sektorja (npr. prireja mleka90), ki ju pripravlja EK, ter na podlagi poljskega primera (Standards Results Focus ..., 2017). Prvi cilj je bil iz velike količine standardnih rezultatov FADN na razmeroma hiter in enostaven način izluščiti ključne informacije za FADN populacijo oziroma za izbrano kmetijsko gospodarstvo v vzorcu FADN. Drugi cilj pa je bil oblikovati kmetijskim gospodarstvom prijaznejšo obliko povratnih informacij FADN. Predlagani sta dve obliki povratnih informacij na podlagi standardnih rezultatov FADN za Slovenijo (informativni pregled): - na nacionalni ravni; informacije namenjene za splošno (periodično) diseminacijo ključnih rezultatov FADN za Slovenijo. - na ravni posameznega kmetijskega gospodarstva; informacije namenjene vzorčnikom namesto dosedanje oblike povratnih informacij (dolgih tabelaričnih). 90 https://ec.europa.eu/agriculture/sites/agriculture/files/fadn/sector-fiches/tf45 si.pdf (2. okt. 2017). Povratne informacije so podane v obliki tabel ali grafov s ključnimi rezultati FADN. Večina rezultatov je prikazanih za izbrano obračunsko leto, nekateri pa tudi za nekaj predhodnih let (različno za različna kmetijska gospodarstva). Del rezultatov je prikazan po tipih kmetovanja (TF8) za izbrano leto. V predlog so poskusno dodane tudi nekatere informacije za EU28, najverjetneje pa bo za zadnje analizirano obračunsko leto v bodoče podatke za EU28 težko dobiti istočasno kot za Slovenijo. Osnovna struktura je enaka za obe obliki povratnih informacij: na prvih dveh straneh so prikazane uvodne informacije o FADN v Sloveniji ter izbrani standardni rezultati FADN, tretja stran pa je namenjena dodatnim informacijam in definicijam izbranih spremenljivk (na podlagi dokumenta RI/CC 175091 ter Štebe in Rednak, 2007). Vsebinski sklopi predstavljenih rezultatov so naslednji: vzorec in populacija FADN, neto dodana vrednost na PDM, proizvodna zmogljivost kmetijskih gospodarstev ter izbrani ekonomski in finančni rezultati (ključni dohodkovni, stroškovni, finančni in bilančni agregati ter subvencije). Povratne informacije za individualna gospodarstva so personalizirane in omogočajo nekoliko bolj zanimivo primerjalno analizo; rezultate posamezne kmetije je mogoče primerjati z rezultati za kmetijska gospodarstva istega tipa kmetovanja ter z rezultati za vsa kmetijska gospodarstva v vzorcu FADN v Sloveniji. Dodana sta tudi dva grafa, ki podajata informacije, preračunane na fizične enote (na hektar KZU, na GVŽ), s čimer skušamo slediti dobri praksi iz tujine ter interesom nekaterih anketiranih udeležencev delavnic v okviru DS3. Predlagani obliki povratnih informacij predstavljata izhodišče, ki ima zaradi enostavne tehnične zasnove (razmeroma avtomatiziran preračun iz baze standardnih rezultatov, enostavno spreminjanje nabora prikazanih rezultatov) in fleksibilnosti glede tehnične nadgradnje (npr. z makroji) velik potencial za takojšnji prenos v prakso. Povratne informacije na nacionalni ravni bi se lahko periodično spletno objavljale, individualne informacije pa bi se prav tako lahko diseminirale neposredno spletno/elektronsko do kmetijskih gospodarstev. Na ta način bi izrazito pripomogli k večji dostopnosti in jasnosti podatkov FADN za Slovenijo, pa tudi večji stroškovni učinkovitosti in pravočasnosti. Tako glede vsebine kot oblike bi bilo priporočljivo preveriti jasnost in razumljivost povratnih informacij na vzorcu kmetijskih gospodarstev (npr. preko delavnic ali panožnih krožkov) in ključnih uporabnikov (npr. zaposleni na ministrstvu, svetovalci, raziskovalci) in jo ustrezno prilagoditi oziroma nadgraditi. Po zgledu bolj izkušenih držav (npr. Poljska, Nizozemska), pa tudi EK, bi bilo priporočljivo razviti dodatne oblike povratnih informacij glede na interese uporabnikov, npr. z razširjeno primerjalno analizo, analizo na ravni posameznih kmetijskih aktivnosti ter dodati (kratke) razlage ali ekonomske nasvete. Primerjalno analizo bi lahko npr. širili na razrede ekonomske velikosti, druge države članice ali skupine držav, regije, skupine glede na »uspešnost« (skupina 25 % najmanj uspešnih, skupina 25 % najuspešnejših kmetijskih gospodarstev, itd.) ali na kakšne druge benchmarking informacije (povezava z drugimi podatkovnimi bazami ali modelnimi orodji). Te bolj specializirane oblike povratnih informacij bi lahko bile zainteresiranim kmetijskim gospodarstvom na voljo proti plačilu. Obe predlagani obliki povratnih informacij na podlagi standardnih rezultatov FADN za Slovenijo sta naročniku na voljo tudi v elektronski obliki. 3.3.7. Razumna obremenitev dajalcev podatkov Deveto načelo Kodeksa ravnanja evropske statistike (2011) govori o razumni obremenitvi dajalcev podatkov, kot komponente kakovosti na ravni procesov: »Breme poročanja je sorazmerno s potre- 91 Vir: RI/CC 1750 (ex RI/CC 882). Definitions of variables used in FADN standard results Brussels, November 2017. Bruselj, Evropska komisija, Generalni direktorat za kmetijstvo in razvoj podeželja: 47 str. (neobjavljeno) bami uporabnikov in za dajalce podatkov ni preveliko. Statistični organi spremljajo obremenitve zaradi poročanja in določajo cilje za postopno zmanjšanje teh obremenitev.« Prirejeno za procese v okviru slovenske mreže FADN bi to načelo lahko zapisali kot: »Obremenitev slovenskih poročevalskih enot FADN ni prevelika in se jo trudimo zmanjševati.« Ključni kazalniki razumne obremenitve dajalcev podatkov so (izbrani in prirejeni po Kodeksu ravnanja evropske statistike, 2011 in Quality Assurance Framework ..., 2015): - Če je mogoče, se uporabljajo administrativni ali drugi zunanji podatkovni viri, da ne pride do podvajanja zahtev po informacijah. Spodbuja se uporaba elektronskih in spletnih načinov za zbiranje oziroma združevanje podatkov. - Spodbuja se souporaba podatkov med posameznimi členi v mreži FADN (in širše v javni upravi), da se prepreči podvajanje podatkovnih zahtev. - Organ za zvezo spodbuja ukrepe, ki omogočajo povezovanje podatkovnih virov za zmanjšanje obremenitve poročanja. Minimiziranje obremenitev dajalcev podatkov FADN je eden ključnih izzivov FADN tudi na evropski ravni (Conclusions, 2015). V zvezi z obremenitvijo v FADN vključenih kmetijskih gospodarstev lahko po pregledu dostopne dokumentacije in opravljenih intervjujih in razgovorih ugotovimo, da je v zadnjih letih prišlo do napredka, da pa je še vedno veliko možnosti za nadaljnje zmanjšanje teh obremenitev. Napredek se nanaša na uvedbo sodobnejšega programa za vnos podatkov FADN (v Excel ali preko spleta), poenostavitev vpisnih listov (povezano tudi s spremembami na ravni EU), elektronski vnos popisnih listov, na iskanje rešitev glede predpripravljenih podatkov iz drugih (administrativnih) baz. Intervjuvanci, ki vnašajo podatke neposredno preko spleta ali v Excel datoteke, opažajo poenostavitve in manjše (časovno) breme pri vpisovanju. Intervjuvane kmetije mešano vpisujejo podatke FADN (starejši običajno v papirnati obliki, mlajši v program Excel, le ena oseba preko spleta), za izpolnjevanje pa porabijo od nekaj ur na leto do 1 ure na teden. Kljub temu so nekateri od njih podali mnenje, da gre za nepotrebno delo in da bi bilo potrebno narediti čim več za zmanjšanje tega bremena. Vpisovanju preko spleta so intervjuvanci naklonjeni mešano; starejši manj, kljub temu da vidijo v tem načinu prihodnost. Tudi nekateri od ostalih intervjuvancev (fokusna skupina in svetovalci) opozarjajo, da bi bilo koristno nadaljnje zmanjševati obremenitve zbiranja podatkov za kmetijska gospodarstva ter da je spletno vpisovanje primeren način. Prednost elektronskega oziroma spletnega vpisovanja podatkov vidijo med drugim v zmanjševanju »birokracije«, v izboljšanju kakovosti podatkov (zaradi sprotnih kontrol) in v hitrejši obdelavi. Njihovi predlogi varčevanja sredstev za aktivnosti FADN tako vključujejo med drugim nadaljnjo avtomatizacijo vnosa podatkov (vnos preko spleta, več sprotnih kontrol, tudi za svetovalce) in nadaljnje povezovanje podatkovnih baz (predpripravljeni podatki za kmetijska gospodarstva). Glede izpolnjevanja prvega kazalnika (o uporabi administrativnih ali drugih zunanjih podatkovnih virov) lahko na podlagi pregledane dokumentacije in opravljenih intervjujev in razgovorov ugotovimo, da je v zadnjih letih prišlo do napredka v smislu povezave z nekaterimi administrativnimi bazami, vendar se ta dopolnitev zgodi v sklepni fazi (v računovodski pisarni; za dajalce podatkov torej prepozno) in ne pri samih kmetih, ki morajo npr. podatke o gibanju živine ali subvencijah vseeno sami vpisovati. Ugotovimo lahko tudi, da eksplicitnega načrta povezovanja podatkovnih baz na ravni Slovenije (ali vsaj na ravni kmetijsko-živilskega sektorja) zaenkrat ni, se pa po informacijah MKGP oblikujejo načrti glede povezovanja podatkovnih baz znotraj javne uprave in znotraj MKGP (tosmerno bilo tudi priporočilo slovenskega računskega sodišča; Revizijsko poročilo ..., 2014). Glede izpolnjevanja preostalih kazalnikov kakovosti te komponente lahko tudi ugotovimo, da eksplicitnega nacionalnega načrta spodbujanja souporabe podatkov med državnimi institucijami in posameznimi členi v mreži FADN zaenkrat ni, da pa v praksi poteka v okviru zakonodajnih možnosti. Zakon o kmetijstvu omogoča povezljivost FADN z različnimi administrativnimi bazami (151. člen Zakona o kmetijstvu)92, tako da je potrebno tudi v praksi okrepiti aktivnosti za (močnejše) povezovanje podatkovnih baz, po možnosti v celovit podatkovni sistem slovenskega kmetijstva. Zanimiva je Hillova (2016) ugotovitev in sicer, da v praksi obstaja izrazito nasprotje med tem, kar se od dajalcev podatkov (kmetov) zahteva in končnimi rezultati in informacijami, ki so na voljo oblikovalcem politik (Hill, 2016). Tega se zaveda tudi EK, ki države članice opozarja, da je potrebno v prakso prenesti načelo »samo enkrat« (Study on eGovernment ...; 2014) , torej že obstoječe podatke pridobiti iz drugih baz, ne pa jih še enkrat zahtevati od dajalcev podatkov (Alič, 2016). Omenimo še dobro prakso iz tujine (Delavnice PACIOLI; 2013, 2015-2017). Na Irskem pred spremembami pri zbiranju podatkov (npr. pri zbiranju novih podatkov) skupaj z zbiralci podatkov preverijo izvedljivost in praktičnost izvedbe. Na Švedskem imajo vzpostavljeno posebno delovno skupino za zmanjševanje bremena dajanja podatkov za kmete, ki podrobno pregleduje vse aktivnosti, ki povzročajo breme in ki spodbuja elektronske kanale ravnanja s podatki. Predpogoj za to je seveda ureditev zakonodaje za povezovanje podatkovnih baz, ponovno rabo in souporabo podatkov. 92 Povezovanje podatkovne zbirke FADN z drugimi relevantnimi (administrativnimi) podatkovnimi zbirkami je tudi eno od priporočil Poročila o sprotnem ... (2013). Ključna priporočila za izboljševanje kakovosti po komponenti razumna obremenitev dajalcev podatkov so navedena spodaj (navedena hierarhično): 1. Upoštevati načelo »samo enkrat«: iste informacije se lahko od dajalcev podatkov s strani državnih organov zbirajo le enkrat, uporabijo pa večkrat (Study on eGovernment ...; 2014); zaščita osebnih podatkov kot privzeti način; najprej je potrebno inventarizirati podatkovne zahteve za kmetijska gospodarstva in že oblikovane podatkovne baze; preveriti ali je mogoče katere od administrativnih postopkov skrajšati ali ukiniti (dobra praksa: »dostop s privolitvijo«). Sinergije povezovanja podatkovnih baz (po možnosti v celovit podatkovni sistem slovenskega kmetijstva) so lahko zelo močne za več vidikov kakovosti FADN podatkov (Documentation of statistics .., 2017; tudi Bradley in Hill str 25). 2. Upoštevati načelo »digitalni - privzeti način« (Study on eGovernment ..., 2014); uporaba elektronskih/spletnih kanalov je za dajalce podatkov privzeti način; na ta način velik prihranek pri stroških in času za zbiranje in obdelavo podatkov; dolgoročno pa tudi povečanje prijaznosti do dajalcev podatkov; najverjetneje bo potrebno nadgraditi program za vnos in zagotoviti ustrezno podporo dajalcem podatkov, ki ne uporabljajo digitalnih kanalov. 3. Nadaljnja avtomatizacija vnosa podatkov (predpripravljeni podatki v poročilih s kmetijskih gospodarstev, črpanje iz drugih podatkovnih baz). 4. Spodbujati izobraževanje in sodelovanje s svetovalci (pomen neposrednih stikov, zaupanja; vpliv na kakovost podatkov). 3.3.8. Stroškovna učinkovitost Deseto načelo Kodeksa ravnanja evropske statistike (2011) govori o stroškovni učinkovitosti uporabe virov, kot komponenti kakovosti na ravni procesov: »>Virise uporabljajo učinkovito.« Za procese v okviru slovenske mreže FADN bi to načelo lahko priredili v: »>Viri za slovensko mrežo FADN se uporabljajo učinkovito.« Ključna kazalnika stroškovne učinkovitosti sta (izbrana in prirejena po Kodeksa ravnanja evropske statistike, 2011 in Quality Assurance Framework ..., 2015): - Postopki zbiranja, obdelave in izkazovanja podatkov se optimizirajo s pomočjo informacijske in komunikacijske tehnologije. - Prisotna so proaktivna prizadevanja za izboljšanje uporabnosti podatkov. Stroškovna učinkovitost sistema FADN je pomemben izziv tudi za Slovenijo, ki se enako kot številne druge države članice EU sooča z omejenimi finančnimi in kadrovskimi viri. Stroškovno učinkovitost je mogoče doseči na več načinov; z zmanjševanjem stroškov, povečevanjem koristi ali izboljšanjem razmerja med koristmi in stroški (Bradley in Hill, 2015). Ključni stroški za mrežo FADN v Sloveniji so podani v več virih (npr. Revizijsko poročilo ..., 2014, Evropsko računsko sodišče, 2016; Bradley in Hill, 2015, pa tudi interno v vsakoletnih poročilih NOE FADN na nacionalni Komisiji FADN). Slovensko računsko sodišče (Revizijsko poročilo ..., 2014), sicer v kontekstu informacijskega sistema FADN, ne daje eksplicitnih priporočil glede zmanjševanja stroškov, gre pa več priporočil razumeti kot priporočila za povečevanje koristi od podatkov FADN (več disemi-nacije, lažji dostop, ...), tako za dajalce podatkov kot tudi za ključne uporabnike podatkov. Poraba finančnih virov za slovensko mrežo FADN je na kratko nakazana v podpoglavju 3.3.3. (Ustreznost virov) in kot smo tam opisali, se za slovenski sistem zdi, da je razmeroma stroškovno vzdržen glede na tip zbiranja podatkov (C-AF: podatke FADN zbirajo zasebna računovodska podjetja), pa tudi glede na velikost vzorca FADN. Kljub temu se zdi - in to je tudi pogosta percepcija v slovenski strokovni, uradniški in kmetijski javnosti - da so koristi podatkov FADN za Slovenijo preskromne. V praksi je ključna korist izpolnjevanje obvez do EK (priprava podatkov za evropski FADN), nacionalne koristi pa so zaenkrat še zelo skromne, tako po obsegu kot po vsebini (glej podpoglavji 3.3.4. Ustreznost podatkov, 3.3.6. Dostopnost in jasnost informacij). S stališča koristi bi torej lahko govorili, da bi se dalo stroškovno učinkovitost izboljšati. Podobno so ugotavljali na konferenci ob petdeseti obletnici FADN (Conclusions, 2015), da je (finančni, op. p.) položaj organov za zvezo boljši v tistih državah članicah, kjer FADN intenzivneje uporabljajo za namene nacionalnih politik in ne samo zbirajo podatke za evropski FADN. Bradley in Hill (2015) na podlagi študij primerov držav članic kot dobre prakse zmanjševanja stroškov predlagata prenos knjigovodskih podatkov kmetijskih gospodarstev za davčne namene (kjer je možno), čim večjo uporabo drugih podatkovnih (administrativnih) virov ter v primeru pravnih omejitev dostopanja do podatkov pridobitev privolitve dajalcev podatkov (ang. access by consent). Kot primer dobre prakse povečevanja stroškovne učinkovitosti skozi povečevanje koristi (večje rabe podatkov) navajata prost dostop do rezultatov v elektronski obliki. Kot dobro prakso za izboljševanje razmerja med koristmi in stroški (manjši stroški ob enakih koristih, večje koristi ob enakih stroških, ali hkratno zmanjšanje stroškov in povečanje koristi) pa omenjata periodično preverjanje, ali je morebitno plačilo kmetijam za sodelovanje v FADN sploh potrebno. Ugotavljata namreč, da skoraj dve tretjini držav članic (17 od 28 držav; Bradley in Hill, 2015: 34-35) ne plačuje tovrstnih storitev, na študijah primerov pa, da ni konkretnih dokazov, da so tovrstna plačila nujna, npr. zaradi vpliva na zadržanje kmetijskih gospodarstev v vzorcu FADN. Opažata, da nekatere analizirane države odsotnost plačila nadomeščajo z ustreznimi povratnimi informacijami (Bradley in Hill, 2015: 127, 144). Glede izpolnjevanja zgoraj omenjenih kazalnikov komponente stroškovne učinkovitosti lahko na podlagi pregledane dokumentacije, opravljenih intervjujev in drugih razgovorov ugotovimo, da je pri trenutni sestavi NOE FADN na MKGP mogoče opaziti proaktivnost glede povečevanja uporabe in uporabnosti podatkov FADN, tudi znotraj MKGP. Tozadevni ukrepi so bili zelo različni, npr. poenostavitev in pospešitev povratnih informacij za vzorčnike, interna analitika na MKGP (za vrednotenje PRP, podlaga za pogajanja z EK o posebnih plačilih, ...), diseminacija rezultatov FADN zainteresiranim uporabnikom (KGZS, KIS, fakultete, drugi raziskovalci in strokovnjaki, itd.), aktivnosti v zvezi s sklepanjem dolgoročnejših pogodb z računovodskimi pisarnami (izvedba javnega razpisa o 5-letnem javnem pooblastilu) in vključenimi kmetijami. Pohvalna pri trenutni sestavi NOE FADN na MKGP je njena povezovalna narava, kar se odraža tudi v mnenjih intervjuvancev iz vrst fokusne skupine, svetovalcev ter računovodskih pisarn (Slika 7), ki v zadnjih letih opažajo napredek v sodelovanju z MKGP. Vedno bolj proaktivne in pogosto usklajene z MKGP so tudi aktivnosti KGZS (oziroma njenih posameznih delov) za večjo stroškovno učinkovitost. Primeri ukrepov so poskusi povečanja uporabe podatkov FADN za namene svetovanja in izobraževanja (individualnega, pa tudi v okviru krožkov; primeri v podpoglavju 3.3.6.) ter investiranje v nadgradnjo programa FADN evidenca; razširjen je elektronski vnos za določene dele poročil s kmetijskih gospodarstev (npr. popisne liste; Šenk in Jesih, 2017) ter kontrole podatkov. Glede izpolnjevanja prvega kazalnika (optimiziranje procesov zbiranja, obdelave in izkazovanja podatkov FADN) lahko za zadnje obdobje prav tako ugotovimo napredek. Ključni ukrep za to je bil razvoj programa FADN evidenca (naročnika kmetijsko gozdarska zavoda Kranj in Ptuj), s katerim se od leta 2012 dalje vpisuje in obdeluje podatke FADN, tako za namene izpolnjevanja zahtev EK, kot tudi za obveznike. Sodeč po razgovorih in opravljenih intervjujih z osebami, ki delajo s tem programom (tudi kmetijska gospodarstva), je program preglednejši in fleksibilnejši, omogoča več sprotnih kontrol kot predhodni program. Omogoča tudi enostavnejšo tehnično nadgradnjo ter spremljanje in izpisovanje (vmesnih) rezultatov. Nadaljnji ukrep je tudi začetek spodbujanja spletnega vpisovanja podatkov FADN pri kmetih (še vedno je primarni način vpisovanja na papir); sploh na območju računovodske pisarne Kranj so odzivi kmetov, ki podatke vpisujejo spletno, dobri, njihovo število pa je vsako leto v porastu. Kot ukrep za izpolnjevanje prvega kazalnika bi lahko šteli tudi aktivnosti v zvezi s povezovanjem (administrativnih) podatkovnih baz v sistem FADN, torej da je tehnično mogoče del podatkov FADN pred pripraviti oziroma prekontrolirati. Zanimivi so predlogi ostalih intervjuvancev (fokusna skupina, svetovalci, računovodski pisarni), če bi se jim sredstva za aktivnosti v zvezi s FADN zmanjšala za petino - h stroškovni učinkovitosti bi morali poskrbeti z zmanjševanjem stroškov. Njihovi predlogi so bili: ukinitev papirnatih poročil za zbiranje podatkov FADN (prehod na spletno vpisovanje podatkov) in večje povezovanje podatkovnih baz (čimveč predpripravljenih podatkov za kmetijska gospodarstva). Ključna srednjeročna priporočila za izboljševanje kakovosti po komponenti stroškovna učinkovitost so naslednja: 1. Sistem prilagoditi prednostnim podatkovnim potrebam ključnih uporabnikov podatkov FADN za Slovenijo, temu ustrezno iskati usklajenih rešitev za posamezne komponente kakovosti in pri usmerjanju ključnih aktivnosti v mreži FADN, predvsem priprave in implementacije vzorca FADN ter diseminacije rezultatov. 2. Ključno priporočilo za zmanjševanje finančnih in delovnih virov: upoštevanje načela »digitalni -privzeti način« (Study on eGovernment ..., 2014); uporaba elektronskih/spletnih kanalov tako za dajalce kot uporabnike podatkov mora postati privzeti način. Vpisovanje podatkov, navodila in diseminacija rezultatov naj bo digitalno, po možnosti po spletu93. Najverjetneje bo potrebno nadgraditi program za vnos in zagotoviti ustrezno podporo dajalcem/uporabnikom, ki ne uporabljajo digitalnih kanalov; čimveč postopkov naj bo avtomatiziranih (tudi priporočilo Bradley in Hill, 2015). 3. Ključno priporočilo za povečanje koristi: okrepiti in izboljšati kakovost diseminacije rezultatov FADN in izobraževanj v zvezi s FADN za kmetijska gospodarstva, kmetijske svetovalce, uradnike ter tudi druge ključne uporabnike; pri tem se posluževati sodobne informacijske tehnologije in načinov učenja (internet, spletna orodja, spletno učenje, skupinske delavnice/krožki.); na ta način krepiti mrežo FADN, spodbujati sodelovanje ter souporabo podatkov med in znotraj posameznih členov mreže ter širše v javni upravi. 93 Kot ugotavlja Westerhof (2015) so tiskane informacije zastarele že ob objavi, težje jih je pregledovati, uporaba internet pa po drugi strani omogoča večjo izmenjavo in ponovno rabo informacij, visoko stopnjo avtomatizacije (in pohitritve o. p.) postopkov, kar ima veliko prednosti tako za nosilce političnih ali poslovnih odločitev, kot tudi za dajalce podatkov. Bradley in Hill (2015) pa navajata, da uvedba elektronskega vnašanja podatkov v primerjavi s papirnatim pomeni zmanjšanje stroškov in možnosti napak pri prepisovanju/vnašanju v program, pospešitev obdelave in pomoč pri validaciji podatkov. 4. Upoštevati načelo »samo enkrat«: iste informacije se od dajalcev podatkov lahko s strani državnih organov zbirajo le enkrat, uporabijo pa večkrat (Study on eGovernment ...; 2014)94; okrepiti aktivnosti za povezovanje podatkovnih baz s podatki FADN za namene predpriprave podatkov oziroma dodatnih kontrol.95 Preveriti, ali je mogoče morebitne administrativne ovire odpraviti, postopke pa skrajšati (npr. napore usmeriti v pridobitev informirane privolitve za dostop do podatkov ob ustrezni zaščiti osebnih podatkov; tudi priporočilo Bradley in Hill, 2015). Sinergije na račun povezovanja z drugimi podatkovnimi bazami, po možnosti v okviru celovitega podatkovnega sistema za slovensko kmetijstvo, so lahko zelo močne tudi za stroškovno učinkovitost sistema (primeri dobre prakse so Nizozemska, Švedska, Danska; npr. Agriculture and Danish ..., 2017). 5. Preveriti, ali je plačevanje nadomestil vzorčnikom upravičeno (dovolj učinkovito). V primeru, da ni, sredstva investirati v hitrejšo, bolj prilagojeno in uporabniku prijaznejšo diseminacijo rezultatov FADN.96 6. Preveriti, ali bi se lahko infrastrukturo slovenske mreže FADN uporabilo tudi za zbiranje dodatnih ali podrobnejših mikroekonomskih podatkov s kmetijskih gospodarstev. 7. Nastaviti eksplicitni longitudinalni panel kmetijskih gospodarstev (stalni »podvzorec«) znotraj vzorca FADN, kar bi lahko povečalo analitično vrednost podatkovne zbirke FADN za Slovenijo (priporočata tudi Bradley in Hill, 2015: 145). 8. Skrb za kakovost: okrepiti in negovati neposredne stike s kmetijskimi gospodarstvi, vključenimi v FADN knjigovodstvo; v praksi je priporočljivo poenotiti obravnavo vzorčnikov in obveznikov; periodično preverjanje kakovosti podatkov FADN in zadovoljstva ključnih uporabnikov ter predlagati rešitve. 9. V največji možni meri izkoristiti notranje delovne in finančne vire; izkoristiti obstoječo infrastrukturo v slovenski mreži FADN (ministrova posvetovalna telesa, Komisija FADN, FADN koordinatorji); stremeti k združevanju »istovrstnih« aktivnosti; preveriti možnost reorganizacije ključnih členov v mreži FADN v smeri večje specializacije kadrov, ki bodo delali na FADN. 3.3.9. Ostale komponente V drugem delu projekta smo v okviru projektnih zmožnosti in razpoložljivega časa analizirali preostale komponente kakovosti dobra metodologija in ustrezni postopki, natančnost in zanesljivost, predvsem v luči izsledkov ostalih delovnih svežnjev, konkretno DS1, DS3 in DS5. 94 Dobra praksa iz tujine: pomemben cilj nizozemske vlade je zmanjševanje administrativnih breemen in eno ključnih načel pri tem je »samo enkrat« ali »zbrati enkrat, uporabiti večkrat«. Vlada sme po nekem podatku vprašati le enkrat; če podatek že obstaja, pa se mora uporabiti še enkrat oziroma se ustrezne podatkovne zbirke povezati. To je imelo za posledico združitev podatkovnih zbirk za administrativne in statistične namene (Vrolijk in Poppe, 2016). 95 Kanada v mikroekonomsko raziskovanje kmetijskih gospodarstev povezuje čez 100 administrativnih baz (St-Germain, 2015). 96 Nekaj intervjuvancev iz skupine ostali intervjuvanci (fokusna skupina, svetovalci, računovodski pisarni) je predlagalo celo povečanje nadomestila vzorčnikom za dodatno motivacijo kmetijskih gospodarstev za sodelovanje in oddajo kakovostnejših podatkov. 3.3.9.1. Dobra metodologija in ustrezni postopki Načeli 7. in 8. po Kodeksu ravnanja evropske ... (2011) govorita o dobri metodologiji in ustreznosti postopkov kot komponentah kakovosti na ravni procesov. 7. načelo Kodeksa ravnanja evropske . (2011) tako pravi: »Dobra metodologija je podlaga za kakovostne statistike. Za to so potrebni ustrezna orodja, postopki ter strokovno znanje.« 8. načelo Kodeksa ravnanja evropske ... (2011) pa govori o ustreznih statističnih postopkih: »>Ustrezni statistični postopki, uporabljeni od zbiranja podatkov do njihove potrditve, so podlaga za kakovostno statistiko.« Za procese v okviru slovenske mreže FADN lahko ti dve načeli priredimo v eno: »Dobra metodologija in ustrezni postopki so podlaga za kakovostne podatke FADN. Za to so potrebna ustrezna orodja in strokovno znanje.« Kazalniki načel dobre metodologije in ustreznih postopkov so naslednji (izbrani in prirejeni po Kodeksu ravnanja evropske statistike, 2011 in Quality Assurance Framework ..., 2015): - Celoten metodološki okvir, ki se uporablja za slovenski FADN, je povsem usklajen z evropskim FADN, prav tako postopki revizije podatkov. - Organizirano je sodelovanje z raziskovalci in strokovnjaki za izboljšanje metodologije in učinkovitosti uporabljenih metod ter za spodbuditev uporabe boljših orodij. - Načrt vzorčenja in njegova implementacija sta dobro utemeljena ter se po potrebi prilagajata (v skladu z nacionalnim konsenzom in v dogovoru z Evropsko komisijo). - Postopki zbiranja, vnosa, kontrole in obdelave podatkov (npr. imputacije podatkov) se redno spremljajo in po potrebi spreminjajo. - Mreža FADN sodeluje z upravljavci drugih podatkovnih baz (administrativnih, statističnih, specializiranih strokovnih, itd.) z namenom izboljšanja kakovosti podatkov. Metodološki okvir za FADN Slovenija je po naši oceni usklajen z evropskim (oziroma ustreza evropskim predpisom, tako po posameznih vsebinskih področjih kot tudi po fazah rokovanja s podatki), prav tako so usklajeni postopki vnosa, kontrole in obdelave podatkov. Glede organiziranega (periodičnega) širšega sodelovanja na področju metodologije v slovenski mreži FADN lahko ugotovimo, da ga ni ter da so spremembe metodologije in postopkov vezane predvsem na spremembe na evropski ravni. V praksi te spremembe praviloma implementirajo računovodske pisarne v sodelovanju z MKGP. Po švedskem zgledu bi bilo koristno uvesti stalno (interdisciplinarno) delovno skupino (lahko npr. v okviru Komisije FADN), ki bi v sodelovanju z zbiralci in dajalci podatkov na letni ravni preverjala ter optimizirala postopke in metode, še posebej za tradicionalno najbolj problematična vsebinska področja (npr. vrednotenje delovne sile, fiksnih sredstev) ali postopke ravnanja s podatki FADN. Priporočljivo bi bilo sodelovanje z različnimi strokovnjaki, pa tudi skrbniki drugih (povezanih ali povezljivih) podatkovnih baz ali modelnih orodij (npr. modelnega orodja na ravni kmetijskih gospodarstev, razvitega v okviru DS5) v tovrstni delovni skupini, da bi prišlo do čimbolj usklajenih in sinergističnih aktivnosti. Glede utemeljenosti (in posodobljenosti) načrta vzorčenja in njegove implementacije lahko ugotovimo, da gre za vzdrževanja status quo. Načrti vzorčenja se pripravijo v skladu z zahtevami na evropski ravni na podlagi strukturnih podatkov, pri čemer pa se zdi problematična implementacija, predvsem na račun razmeroma nekritičnega sprejemanja kmetijskih gospodarstev v vzorec FADN, še posebej t.i. obveznikov. Zdi se, da v praksi njihovi podatki niso povsem enake kakovosti kot podatki »čistih« vzor-čnikov (tudi ugotovitev Poročila o sprotnem ..., 2013b; podpoglavje 3.3.9.2). Implementacijo vzorčenja bi bilo priporočljivo, v sodelovanju s strokovnjaki s področja statistike, bolj poglobljeno raziskati (po potrebi nastaviti redno spremljanje vzorčnih in nevzorčnih napak, podpoglavje 3.3.9.2) in predlagati konkretne rešitve glede morebitne prenove načrta vzorčenja in postopka implementacije. Predpogoj za to je tudi nacionalni konsenz glede prednostnih rab podatkov FADN za Slovenijo, ki bodo tudi bolje definirale ciljno populacijo FADN za Slovenijo (razmislek o morebitnih dodatnih kriterijih). Kot že nakazano glede spremljanja in spreminjanja postopkov, računovodske pisarne v sodelovanju z MKGP implementirajo spremembe, ki jih nalaga evropski FADN. V zadnjem času tudi proaktivno prispevajo k optimizaciji postopkov pri vnosu, kontroli in primarni obdelavi podatkov (podpoglavje 3.2.3.2) in sicer pri nadgradnji programa FADN evidenca (dodatne kontrole, več avtomatskega vpisovanja, npr. popisnih listov), prilagajanju navodil in organizaciji dodatnih izobraževanj (npr. za elektronsko/spletno vnašanje podatkov). Zelo dobrodošla je tudi širitev dostopa do programa FADN evidenca za več kmetijskih svetovalcev (tudi za FADN koordinatorje), potrebno pa je povečati nekatere funkcionalnosti (npr. da ima svetovalec neposreden dostop do poročil posameznih kmetij). Zdi se, da je največja ovira za izboljšanje kakovosti podatkov FADN po komponenti ustrezni postopki še vedno prevelik del odgovornosti za zbiranje/vnos izvornih podatkov FADN dobre kakovosti na dajalcih podatkov; priporočljivo bi ga bilo prenesti na mrežo FADN (npr. na Irskem, Poljskem, Madžarskem na zbiralcih podatkov). To v praksi pomeni različne ukrepe, ki so bili priporočeni že v okviru drugih komponent kakovosti, predvsem pri zmanjševanju bremena poročanja (upoštevanje načel »samo enkrat«, »digitalni - privzeti način«, enostavnejša navodila in pripomočki za izračune, itd.), odgovornosti za kakovost in ustreznosti virov. Sklicevanje na kmetijska gospodarstva, da dajejo premalo natančne podatke, da jih oddajo kampanjsko ali prepozno, da so nedosledni, se v primerjavi z dobro prakso v tujini in sodobnimi tehničnimi zmožnostmi pri zmanjševanju bremena poročanja, zdi zelo kontraproduktivno. Če že imamo sistem, v katerem je večina odgovornosti za vnos podatkov na kmetijskih gospodarstvih, potem jih je potrebno za izboljšanje kakovosti poročanja motivirati drugače (npr. preko skupinskih delavnic, kjer sami vidijo učinek napačnih podatkov, s hitrejšimi in učinkovitejšimi povratnimi informacijami, z ustreznimi neposrednimi stiki). Tudi v okviru DS3 je bilo na podlagi rezultatov testnih delavnic podanih več predlogov za izboljšanje komponente ustrezni postopki: - dodatna navodila in pripomočki (npr. za oceno pridelkov, porabe doma pridelane krme), tako za kmete kot svetovalce; - nadgradnja programa FADN evidenca za vnos podatkov, pa tudi za dodatne obdelave in privlačnejše izpise rezultatov FADN (prilagojene kmetijam oziroma delavnicam/krožkom; npr. z vključitvijo primerjalne analize); - dodatna izobraževanja in strokovna podpora, tako za kmete kot za svetovalce; - izkoristiti infrastrukturo FADN knjigovodstva za zbiranje dodatnih podatkov (npr. količine kupljene krme, podrobnejša delitev stroškov); - pohitriti obdelavo podatkov za namene kmetijskega svetovanja. Glede ustreznih postopkov bi bilo priporočljivo pregledati, poenostaviti in čimbolj avtomatizirati obrazce za vnos podatkov FADN, na problematičnih področjih (npr. delovna sila, osnovna sredstva) pa jih ustrezno nadgraditi: dodati podvprašanja ali dodatne limite, povečati frekvenco beleženja ozi- roma uvesti učinkovitejše postopke obravnave (ekstremnih) osamelcev. Tudi tu je priporočljivo medsebojno sodelovanje institucij. Zaradi že omenjenega »agregatnega« pristopa EK pri kontrolah kakovosti podatkov FADN (prioritetne so kontrole na ravni agregatnih kategorij, »večjih« držav, »pomembnih« tipov kmetovanja), se lahko v praksi zameglijo sicer izrazite spremembe za Slovenijo na nacionalni ali nižji ravni. Zato bi bilo priporočljivo dodatno razširiti že uveljavljeni postopek verifikacije (validacije) agregatnih rezultatov FADN za Slovenijo. Predlagamo periodično spremljanje nekoliko širšega nabora standardnih rezultatov, ki je naveden v prilogi (Priloga 9: Nabor kazalcev za hitro verifikacijo agregatnih rezultatov FADN). Poleg doseganjih hitrih verifikacij na ravni države bi bilo priporočljivo verifikacije izvajati tudi na ravni tipov kmetovanja in razredov ekonomske velikosti in na ravni (morebitnih) komponent. Na ta način bi lahko dodatno izboljšali preliminarne korekcije in razširili analize preliminarnih podatkov. Posebno pozornost je potrebno nameniti ekstremnim osamelcem z (ekstremnimi) utežmi, tako na zgornji kot spodnji strani. Ključna priporočila za izboljševanje kakovosti po komponentah dobra metodologija in ustrezni postopki so navedena spodaj (navedena hierarhično): 1. Po zgledu bolj izkušenih držav (npr. Nizozemska, Danska, Irska) bi bilo priporočljivo odgovornost za korektno zbiranje/vnos izvornih podatkov FADN prenesti iz dajalcev podatkov (kmetijskih gospodarstev) na sistem, tj. mrežo FADN. To v praksi pomeni upoštevanje priporočil predvsem glede zmanjševanja bremena poročanja (upoštevanje načel »samo enkrat«, »digitalni - privzeti način«) ter ustreznosti virov. 2. Uvedba stalne interdisciplinarne skupine (po švedskem zgledu), ki bo v sodelovanju z zbiralci in dajalci podatkov na letni ravni preverjala ter optimizirala postopke in metode, še posebej implementacijo vzorčenja, pripravo navodil in dodatnih kontrol vhodnih podatkov. 3. V praksi bi bilo priporočljivo poenotiti navodila in postopke za vsa kmetijska gospodarstva, ki vodijo FADN knjigovodstvo, tudi za obveznike. Zahteve razpisov za PRP morajo biti, kjer relevantno (npr. delovna sila), povsem usklajene z navodili za vodenje FADN knjigovodstva. Obrazce za vnos podatkov je potrebno poenostaviti, kolikor je mogoče, na problematičnih področjih pa ustrezno nadgraditi (npr. delovna sila) oziroma uvesti ustrezno obravnavo (ekstremnih) osamelcev. 4. Spodbujati uporabo podatkov in rezultatov FADN; le raba podatkov in rezultatov FADN za različne namene bo lahko osvetlila tudi morebitne težave z metodologijo in postopki ter pripomogla k iskanju rešitev za njihovo izboljšanje. 3.3.9.2. Natančnost in zanesljivost Načelo 12. Kodeksa ravnanja evropske ... (2011) se nanaša na natančnost in zanesljivost podatkov kot komponento kakovosti na ravni podatkov: »Evropske statistike natančno in zanesljivo prikazujejo realno stanje.« V kontekstu podatkov FADN za Slovenijo lahko načelo priredimo v: »Podatki FADN natančno in zanesljivo prikazujejo realno stanje tržno usmerjenih kmetijskih gospodarstev v Sloveniji.« Kazalniki načela natančnosti in zanesljivosti so naslednji (prirejeni po Kodeksu ravnanja evropske statistike, 2011 in Quality Assurance Framework ..., 2015): - Vhodni podatki ter vmesni in končni rezultati se redno ocenjujejo in potrjujejo. - Vzorčne in nevzorčne napake se merijo in sistematsko dokumentirajo glede na izražene potrebe in zmožnosti. - (Večji) popravki se za izboljšanje postopkov analizirajo in predlagajo rešitve (učenje »sistema« na preteklih izkušnjah). Uredba (ES) št. 223/2009 (2009) definira natančnost kot prileganje ocenjenih vrednosti dejanskim, toda neznanim vrednostim, torej v kontekstu FADN, vrednostim populacije FADN. Zanesljivost pa je v omenjeni uredbo definirana kot čim zvestejše, natančnejše in čimbolj dosledno odražanje dejanskega stanja, ki naj bi ga predstavljala; torej v kontekstu FADN, populacije tržno-usmerjenih97 kmetijskih gospodarstev v Sloveniji po merilih FADN, tj. nad ekonomskim pragom (op. p.). Kontrola vhodnih podatkov ter vmesnih in končnih rezultatov je, kot je opisano v podpoglavju (3.2.3), usklajena s postopki predpisanimi na evropski ravni. Poleg obveznih testiranj vhodnih podatkov v okviru RICA-1 testnega okolja in dodatnih kontrol v okviru programa FADN evidenca, se kot rečeno opravljajo vsako leto validacije tako preliminarnih podatkov za obračunsko leti n-1 in n-2 ter končnih podatkov za leto n-2. Kot ukrep za izboljšanje natančnosti in zanesljivosti bi lahko šteli tudi uvedbo elektronskega izpolnjevanja popisnih listov s strani svetovalcev (vključene kontrole). Popravki izvornih podatkov FADN se prav tako opravljajo v skladu s predpisanimi postopki na evropski ravni. Tozadevno bi morda priporočili beleženje večjih popravkov (beleženje vzrokov, rešitev, konkretnih kmetijskih gospodarstev) z namenom, da se v prihodnje prepreči podobne napake (učenje sistema na preteklih izkušnjah; Bradley in Hill, 2015 ). Kljub vsem opravljenim testom in posledično tudi večji stabilnosti ključnih agregatnih rezultatov FADN za Slovenijo med posameznimi obdelavami v zadnjih letih (Poročila o stanju ..., 2017, interne analize), pa se zdi, da agregatni rezultati FADN za Slovenijo podajajo še premalo natančno in zanesljivo sliko slovenskih tržno-usmerjenih kmetijskih gospodarstev; Slovenija se redno uvršča med države članice z najslabšo dohodkovno ravnijo, tako po absolutnih zneskih kot tudi preračunano na delovno silo (npr. EU Farm Economics ..., 2016: 10-12; podatki iz uradne spletne strani). Po našem mnenju je razlogov za to več. Prvi razlog je, da je prevelik del odgovornosti za natančnost in zanesljivost na vključenih kmetijskih gospodarstvih. Le-ta lahko iz različnih razlogov ne poročajo dovolj natančno in zanesljivo, npr. zaradi slabe motiviranosti (npr. ne vidijo uporabnosti v FADN, povratne informacije jim ne koristijo, FADN jim je nujno zlo pri razpisih), zaradi »prikrivanja« prihodkov-ne strani (nenamerno ali namerno; če npr. kmet ne ve, zakaj se ti podatki uporabljajo in se morda boji davčnih posledic) ali zaradi kampanjskega izpolnjevanja poročil FADN. Bolj izkušene države odgovornost za natančnost in zanesljivost (oziroma kakovost na splošno) polagajo predvsem na zbiralce podatkov (kmetijske svetovalce), npr. na Irskem, Poljskem, Madžarskem, itd., zato so njihova motiviranost, specializiranost, strokovnost in (mehke) veščine ključnega pomena tudi iz vidika zagotavljanja zadostne natančnosti in zanesljivosti podatkov FADN. Dobra praksa iz tujine, pa tudi izkušnje v okviru testnih delavnic DS3, kažejo, da so kmetje za izboljšanje natančnosti in zanesljivosti podatkov za svojo kmetijo bolj motivirani šele, ko vidijo neposredne učinke napačnih podatkov ter ko vidijo, zakaj se ti podatki sploh zbirajo (dovolj kakovostne in zanimive povratne informacije ali svetovanje). Nekatere države to rešujejo z zmanjševanjem bremena poročanja in sicer preko uporabe načel »samo enkrat«, »digitalni - privzeti način« (npr. ponovna raba že obstoječih podatkov, tudi komercialnih npr. bančnih; to primer na Nizozemskem ali v Avstriji). Predpogoj je pravna ureditev in pridobitev informirane privolitve dajalcev podatkov. 97 To eksplicitno navede tudi predstavnica EK: FADN je osredotočen na večje, tržno-usmerjene kmetije (Ierugan, 2017). Drugi, še pomembnejši razlog je implementacija vzorčenja, najverjetneje pa tudi sam načrt vzorčenja, za katerega se zdi, da ni povsem v skladu s ciljno populacijo FADN za Slovenijo. Tozadevno bi bilo koristno, da bi ključni uporabniki (predvsem MKGP) natančneje definirali tržno-usmerjena kmetijska gospodarstva za Slovenijo (razmislek o dodatnih kriterijih), nato pa v dogovoru z EK ustrezno prilagoditi temu vzorec (možnost določene prilagoditve vsekakor obstaja; Kožar, 2013c). Prenovo vzorca je potrebno izvesti tudi na podlagi analize vzorčnih (težava bi lahko bila pristranskost zaradi zajema) in nevzorčnih napak (podatki za le-te se ne beležijo), pri katerem pa je zaradi zahtevnosti analize nujno vključiti strokovnjake iz področja statistike (npr. iz SURS). Dodatno motnjo v vzorcu predstavlja vključevanje obveznikov v vzorec »po potrebi«; le-ti vodijo FADN kot obveznost pri pridobitvi sredstev PRP (sodelovanje v FADN naj bi bilo prostovoljno98), poleg tega pa se zdi, da v praksi navodila za vnos in pa kontrole niso povsem poenoteni s tistimi za »čiste« vzorčnike. Zaradi tega lahko prihaja do manjše natančnosti in zanesljivosti podatkov, še posebej v primeru, ko so obvezniki v vzorec vključeni že v prvih letih vodenja knjigovodstva po FADN. Zaradi že omenjenega »agregatnega« pristopa EK pri kontrolah kakovosti in čiščenju podatkov (podpoglavje 3.2.3.1) ter načina uteževanja lahko posamezna večja odstopanja ali napake (tudi »ekstrem-ne«)99 močno vplivajo na agregatna povprečja (glej npr. Kožar, 2013b), posledično pa tudi na ugotovitve na podlagi rezultatov FADN za Slovenijo. Ustrezna identifikacija in tretiranje (estremnih) osamel-cev bosta možna predvsem ob večji rabi podatkov FADN za analitične in raziskovalne namene. V okviru posebne metodološke skupine pa se lahko določi ustrezne metode ravnanja z (ekstremnimi) osa-melci. 98 http://ec.europa.eu/agriculture/rica/methodology2 en.cfm (2. okt. 2017). 99 Nekaj primerov ekstremnih osamelcev: 18-kratno povečanje vrednosti mehanizacije glede na predhodno leto pri približno enaki proizvodnji, večdesetmiljonska vrednost osnovnih sredstev v EUR, večmilijonska bilanca tekočih subvencij in davkov v EUR pri 13 ha KZU, 2 PDM in 1 GVŽ (Kožar in sod., 2013). Prav tako je v vzorcu FADN za leta 2012-2015 mogoče zaslediti osamelce z manj kot 1 ha KZU,enega celo z 0 ha KZU v enem od omenjenih let (FADN RICA, 2017). Ključna priporočila za izboljševanje kakovosti po komponenti natančnost in zanesljivost (navedena hierarhično): 4. Po zgledu bolj izkušenih držav (npr. Nizozemska, Madžarska, Poljska, Irska) je priporočljivo odgovornost za natančnost in zanesljivost izvornih podatkov FADN prenesti iz sodelujočih kmetijskih gospodarstev na sistem, tj. mrežo FADN. To v praksi pomeni predvsem zmanjševanje bremena poročanja (uporaba podatkov iz drugih podatkovnih baz, pridobitev podatkov z informirano privolitvijo). 1. Preveritev načrta in implementacije vzorčenja, prilagoditev nacionalnemu konsenzu glede ključnih uporabnikov in njihovih prednostnih podatkovnih potreb. Potrebno je poiskati ustrezno rešitev za obravnavo obveznikov v implementiranem vzorcu FADN. V morebitno prenovo načrta vzorčenja in njegove implementacije je nujno vključiti strokovnjake s področja statistike. 2. V praksi je potrebno poenotiti navodila, vnos, kontrolo in obdelavo podatkov za vsa kmetijska gospodarstva, ki vodijo FADN knjigovodstvo, torej tudi za prejemnike sredstev PRP, ki vstopajo v vzorec FADN (t.i. obvezniki). Zahteve razpisov za PRP morajo biti, kjer relevantno (npr. delovna sila), povsem usklajene z navodili za vodenje FADN knjigovodstva. 3. Spodbujati uporabo podatkov in rezultatov FADN; raba podatkov in rezultatov FADN za različne namene bo lahko pripomogla k identifikaciji in ustrezne obravnave (ekstremnih) osamelcev. 3.4. SKLEPNE UGOTOVITVE IN KLJUČNA SREDNJEROČNA PRIPOROČILA 3.4.1. Sklepne ugotovitve Ob zaključku konference ob petdeseti obletnici FADN v EU je bila FADN podatkovna zbirka označena za »podatkovni rudnik zlata in neprecenljiv podatkovni input za EU, ki ga je potrebno bolj agresivno tržiti« (glej v Kožar, 2015). S tem se gre strinjati tudi v kontekstu FADN v Sloveniji; FADN je za Slovenijo obsežen in dragocen vir mikroekonomskih podatkov o kmetijskih gospodarstvih in to zavedanje raste pri vseh ključnih členih slovenske mreže FADN. V nasprotju s široko rabo podatkov FADN na ravni celotne EU in v mnogih drugih državah članicah (glej npr. Kleinhanss in Offerman, 2015; Bajek, 2015; Plees, 2015), pa podatki FADN še niso v zadostnem razponu in obsegu uporabljeni tudi v slovenskem prostoru. Po nastopu trenutne sestave NOE FADN na MKGP je prišlo do konkretnega napredka v mreži FADN v smislu izboljšanega interinstitucionalnega sodelovanja, strateškega načrtovanja in proaktivnosti na več komponentah kakovosti. Na podlagi pregleda stanja izbranih komponent kakovosti kljub odsotnosti eksplicitno opredeljene politike celovitega upravljanja s kakovostjo podatkov FADN le-to v praksi ni več omejeno zgolj na komponenti pravočasnost in točnost za namene izpolnjevanja zahtev do EK. V ospredje prihaja skrb za druge komponente: ustreznost virov, dostopnost in jasnost, natančnost in zanesljivost. Kot že omenjeno, so bile na evropski ravni kot ključni izzivi za FADN sistem v prihodnje ocenjene komponente kakovosti točnost, natančnost in zanesljivost ter uporabnost. S podobnimi izzivi se bo najverjetneje v naslednjih letih soočala tudi slovenska mreža FADN: - Ključni uporabniki podatkov FADN za Slovenijo in njihove podatkovne potrebe niso eksplicitno opredeljeni, zato se zdi, da potna odvisnost (predvsem pri implementaciji vzorčenja) pomembno usmerja ustreznost rezultatov in razpon njihove uporabe; poseben problem pri tem je (v praksi) »vzporedni« sistem FADN za obveznike.100 - Podatki in informacije FADN so za ključne uporabnike še vedno preslabo dostopni in jasni. Za namene načrtovanja kmetijske proizvodnje, presoje/načrtovanja politike, za raziskovalne in svetovalne namene pa prepozni in premalo zanesljivi in posledično manj ustrezni; neposredna uporaba je mogoča že v obstoječem stanju, vendar z določeno mero kritičnosti. - Zatečeno stanje obsega in razpršenosti (nespecializiranosti) virov ter nesorazmerno veliko breme odgovornosti za kakovost podatkov na dajalcih podatkov onemogoča konkretno izboljšanje kakovosti podatkov FADN za Slovenijo. 3.4.2. Ključna srednjeročna priporočila Ključna priporočila za izboljševanje kakovosti, katerih dosledno izvajanje bi po našem mnenju že na srednji rok lahko pripomoglo k izrazitemu izboljšanju kakovosti po več različnih analiziranih komponentah, k večji uporabnosti in uporabi podatkov FADN za Slovenijo ter h krepitvi in večji stroškovni učinkovitosti slovenske mreže FADN, so naslednja (navedena hierarhično): 100 Podobno ugotavlja tudi Poročilo o sprotnem ... (2013b). 1. Oblikovati je potrebno nacionalni konsenz o ključnih uporabnikih podatkov FADN za Slovenijo in njihovih prednostnih podatkovnih potrebah (rabah). Podatkovne potrebe ključnih uporabnikov morajo postati izhodišče pri iskanju usklajenih rešitev za posamezne komponente kakovosti in pri usmerjanju ključnih aktivnosti v mreži FADN, predvsem priprave in implementacije vzorca FADN. Vodilno vlogo pri oblikovanju konsenza bi kot glavni uporabnik podatkov FADN moralo prevzeti MKGP. 2. Temeljita reorganizacja ključnih institucij' v slovenski mreži FADN v smeri večj'e specializacije zaposlenih, ki delaj'o na FADN. Preveriti je potrebno možnost prerazporeditve ali združevanja nekaterih nalog med institucijami (npr. vzorčenje, analitika, diseminacija, svetovanje) ter v največji možni meri izkoristiti že obstoječo infrastrukturo in notranje vire (npr. nacionalna komisija FADN, skupina FADN koordinatorjev pri KGZS). 3. Ključno priporočilo za zmanjševanje finančnih in delovnih virov: upoštevati načelo »digitalni -privzeti način« (Study on eGovernment ...; 2014); elektronski in spletni načini naj postanejo privzeti za vnos, kontrolo ter diseminacijo podatkov in informacij FADN. Okrepiti oziroma začeti je potrebno povezovanje podatkovne baze FADN z drugimi podatkovnimi bazami (statističnimi, administrativnimi, specializiranimi, benchmarking, itd.), po možnosti v celovitejši podatkovni sistem slovenskega kmetijstva. Preveriti je potrebno, ali je možno morebitne administrativne ovire odpraviti, postopke pa skrajšati (npr. dostop do podatkov s t.i. informirano privolitvijo dajalcev podatkov, seveda ob ustrezni zaščiti zasebnih podatkov). 4. Ključno priporočilo za povečanje koristi: okrepiti in izboljšati kakovost diseminacje rezultatov FADN in izobraževanj v zvezi s FADN za ključne člene v slovenski mreži FADN. Pri diseminaciji podatkov FADN je priporočljivo upoštevati načelo »poenostavitev in personalizacija« (Study on eGovernment ...; 2014) za različne vrste uporabnikov. Povratne informacije za kmetijska gospodarstva naj bodo čim bolj enostavne, hitre in učinkovite. Kmetje se učinkoviteje učijo v »omrežju enakovrednih« (ang. peer-to-peer; SCAR, 2017; pozitivni odzivi udeležencev delavnic v okviru DS3), zato velja krepiti diseminacijo, svetovanje in izobraževanje v zvezi s FADN v obliki skupin/krožkov. 5. Okrepiti je potrebno kmetjsko svetovalno službo kot ključni vezni člen do kmetjskih gospodarstev, tako glede rekrutiranja in motiviranja, zbiranja in kontrole podatkov, posredovanja podatkov in informacij FADN, svetovanja, pa tudi glede pridobivanja odzivov s kmetijskih gospodarstev. Prihodnost kmetijskega svetovanja bo še bolj poudarjeno v osebnem svetovanju na kmetiji; za to se bo morala vloga svetovalca prilagoditi iz t.i. linearne (»enosmerne«) v bolj »poslušajočo« in inštruktorsko. Za dosego tega je seveda potrebno stabilno financiranje in krepitev vseživljenjskega izobraževanja svetovalcev, tako tehnološkega kot tudi na področju mehkih veščin (prirejeno po SCAR, 2017). 6. Ključno priporočilo glede komponent dobra metodologija in ustrezni postopki ter natančnost in zanesljivost: Po zgledu bolj izkušenih držav (npr. Nizozemska, Madžarska, Poljska, Irska) je v prvi vrsti priporočjivo odgovornost za natančnost in zanesjivost izvornih podatkov FADN prenesti iz sodelujočih kmetijskih gospodarstev na mrežo FADN. Naslednje priporočilo je uvedba stalne interdisciplinarne skupine (po švedskem zgledu), ki bo v sodelovanju z dajalci in zbiralci podatkov na letni ravni preverjala ter optimizirala postopke (še posebej implementacijo vzorčenja), metode in navodila (obrazce). Nadalje je v praksi potrebno poenotiti navodila, vnos, kontrolo in obdelavo podatkov za vsa kmetijska gospodarstva, ki vodijo FADN knjigovodstvo, torej tudi za prejemnike sredstev PRP, ki vstopajo v vzorec FADN (t.i. obvezniki). Zahteve razpisov za PRP morajo biti, kjer relevantno (npr. delovna sila), povsem usklajene z navodili za vodenje FADN knjigovodstva. Ustrezna kakovost podatkov FADN je premikajoča se tarča, nikoli dokončano delo, h doseganju katere se morajo zavezati vse ključne institucije v slovenski mreži FADN. Potreben je miselni preskok v smislu fokusa na ključne uporabnike podatkov in daj'alce podatkov: pri uporabnikih v smislu usklajenega delovanja za približevanje njihovim prednostnim podatkovnim potrebam, pri dajalcih podatkov pa na zmanjševanje bremena poročanja, predvsem preko krepitve vloge kmetijske svetovalne službe in razvoja celovitega podatkovnega sistema za slovensko kmetijstvo (več predpripravljenih podatkov, učinkovitejša kontrola problematičnih področij, itd.). Miselni preskok je potreben tudi za aktivnejše iskanje sinergij na različnih področjih. Le-te bodo po našem mnenju še posebej močne v primeru razvoja celovitega podatkovnega sistema za slovensko kmetijstvo; na to nakazujejo tudi izsledki in priporočila drugih delovnih svežnjev, konkretno DS1, DS3. Povezovanje podatkovnih baz (statističnih, administrativnih, specializiranih, FADN, benchmarking, itd.) v celovit podatkovni sistem za slovensko kmetijstvo bi po našem mnenju na daljši časovni rok lahko posredno izrazito prispevalo k izboljšanju več komponent kakovosti podatkov FADN hkrati: npr. k večji stroškovni učinkovitosti, zmanjšanju bremena poročanja, k večji pravočasnosti, natančnosti in zanesljivosti, pa tudi k večji dostopnosti in jasnosti podatkov. Tovrstna miselnost in proaktivnost pri iskanju sinergij za večjo učinkovitost, zmanjševanje stroškov in bremen ter hkratno povečanje uporabnosti za ključne uporabnike je že dlje časa prisotna v naprednejših državah članicah, npr. na Nizozemskem (Vrolijk in Poppe, 2016), Švedskem in Danskem (Agriculture and Danish ..., 2017), spodbuja pa jo tudi sama EK preko aktualnih aktivnosti na področju povečanja dostopnosti in ponovne rabe javnih podatkov ali podatkov, financiranih z javnimi sredstvi.101 Kot večkrat poudarjeno v tem poročilu, je potrebno še naprej spodbujati uporabo podatkov in rezultatov FADN za različne namene (analitične potrebe, presoja učinkov kmetijske politike, raziskovalno in strokovno delo, kmetijsko svetovanje, itd.). Le uporaba podatkov FADN za različne namene na različnih ravneh bo lahko pripomogla h krepitvi njihove kakovosti na daljši rok. Predlagana priporočila po posameznih komponentah kakovosti lahko služijo tudi kot izhodišča za javno razpravo o prednostnem namenu rezultatov FADN za Slovenijo, o ključnih (prednostnih) uporabnikih in njihovih prednostnih podatkovnih potrebah (rabah). 3.4.3. Priporočila za nadaljnje raziskovalno delo Omejitev opravljenih intervjujev in ankete je majhnost in nereprezentativnost obeh vzorcev, kar onemogoča posploševanje ugotovitev na celotno populacijo FADN ali neposredno primerjavo rezultatov. Tudi uporabljeni polstrukturirani vprašalnik (vodila za intervjuje) bi veljalo nadgraditi v boljši inštrument (anketo), ki bi ob reprezentativnem vzorcu lahko dal tudi statistično preverljive rezultate. Jasnost in razumljivost predlaganih oblik povratnih informacij (Priloga 8) bi bilo potrebno preveriti na vzorcu uporabnikov (kmetije, drugi uporabniki, npr. zaposleni na pristojnem ministrstvu, kmetijski svetovalci, raziskovalci) in jih ustrezno prilagoditi oziroma nadgraditi glede na njihove prednostne interese. Glede komponent natančnost in zanesljivost ter dobra metodologija bi bilo priporočljivo podatke FADN še bolj poglobljeno in na širšem vzorcu kmetijskih gospodarstev navzkrižno testirati z rezultati kompleksnega dinamičnega modelnega orodja na ravni kmetijskih gospodarstev, razvitega v okviru DS5 (prvi testi že opravljeni; izsledki DS5). 101 Npr. Building a European data economy (https://ec.europa.eu/digital-single-market/en/policies/building-european-data-economy; 2. okt. 2017). 3.5. VIRI 3.5.1. Citirani viri Abitabile C., Beers G., Bonati G., de Bont C., Del'homme B., Larsson G., Linden H. Poppe K.J. 1999. RICASTINGS - implimenta-tions of a new farm return on a renewed FADN. Report 99.06, Agricultural Economics Research Institute (LEI), The Hague, Netherlands: 105 str. http://edepot.wur.nl/292671 (1. dec. 2015) Agriculture and Danish farm returns through 100 years 1916-2015. 2017. Copenhagen, Statistics Denmark: 59 str. www.dst.dk/publ/Agri100years (2. okt. 2017) Bajek P. 2015. Impact assessment, budget, trade: overview of uses in DG AGRI. Conference »EU-FADN - 50 years of providing essential information for the CAP«. Brussels, 11 June 2015: 10 str. http://ec.europa.eu/agriculture/rica/pdf/50th Anniversary 20150612/05 IMPACT%20ASSESSMENT FADN 50 PB.pdf (30. nov. 2015) Baškarada S., Koronios A. 2014. A Critical Success Factor Framework for Information Quality. Management, Information Systems Management, 31, 4: 276-295. http://dx.doi.org/10.1080/10580530.2014.958023 (27. nov. 2015) Beldman A., Klopčič M. (ur.) [in sod.] 2013. Supporting farmers in making strategic choices: the method and implementation of interactive strategic management in Lithuania, Poland and Slovenia. The Hague, LEI Wageningen UR; Domžale, Biotechnical Faculty, Department of Animal Science; Warsaw, University of Life Sciences - SGGW; Vilnius, The Lithuanian Institute of Agrarian Economic; Domžale : 97 str. https://rodica.bf.uni-lj.si/web/gov/pub/2013 Beldman et al Supporting farmers.pdf (1. dec. 2015) Bergen D., Tacquenier B. 2010. Comparing economic performance indicators for agricultural holdings between member states - interpreting differences and policy aspects. V: PACIOLI 18; Proceedings of the 18th international workshop on micro-economic databases in agriculture. LEI-report 2010-075. Boone K., Teeuwen C. (ur.). Den Haag, LEI Wageningen UR: 160-170. http://edepot.wur.nl/157732 (1. dec. 2015) Bojnec Š. 2016. Uporaba sekundarnih podatkov o kmetijstvu in podeželju za raziskovalne in odločitvene namene. V: Analitične podlage za načrtovanje razvoja kmetijstva. 7. konferenca DAES, Ljubljana, 8.-9. december 2016. Kožar m., Cunder T. (ur.). Ljubljana, Društvo agrarnih ekonomistov Slovenije - DAES: 13-23 Bradley B. D., Hill B. 2015. Cost of and Good Practice in FADN Data Collection. Luxembourg, Publications Office of the European Union: 161 str. http://ec.europa.eu/agriculture/external-studies/2015/cost-good-practices-FADN/final-report en.pdf (12. feb. 2016) Conclusions. 2015. Conference "EU-FADN - 50 years of providing essential information for the CAP". Brussels, Charlemagne, Sicco Mansholt room, 11 June 2015: 3 str. http://ec.europa.eu/agriculture/rica/pdf/FADN 50th anniversary conclusions.pdf (30. nov. 2015) Control programme for the EU FADN farm return: Description of tests implemented in RICA-1 (Version 28) Accounting year 2012. 2013. RI/CC 1350 v. 28. User manual for Liaison Agencies, May 2013. Brussels, Belgium, European Commission: 97 str. Cör T. 2009. Slovenian Agriculture 5 Years after EU Accession. The International Conference "Farm Situation Changes after Accession to the EU in 2004 on the Base of the FADN Data", Puttusk, September 7-8th 2009. Cunder T., Rednak M., Volk T. 2016. Analitične podlage Kmetijskega inštituta Slovenije za načrtovanje kmetijske politike v Sloveniji. Uvodno predavanje na 7. konferenci DAES (Društvo agrarnih ekonomistov Slovenije), Analitične podlage za načrtovanje razvoja kmetijstva, Ljubljana, 8. december 2016. Ljubljana, Kmetijski inštitut Slovenije: 14 str. http://www.daes.si/Splet/Cunder.pdf (9. sept. 2017) Data collection. 2013. 18.12.2013. Brussels, European Commission. http://ec.europa.eu/agriculture/rica/collect en.cfm#tnfqc (1. dec. 2015) Documentation of statistics for Accounts Statistics for Agriculture 2016. 2017. K0benhavn, Statistics Denmark: 13 str. http://www.dst.dk/en/Statistik/dokumentation/documentationofstatistics/accounts-statistics-for-agriculture (2. okt. 2017) EU Farm Economics Overview based on 2013 FADN data. 2016. Brussels, European Commission, European Union: 79 str. https://ec.europa.eu/agriculture/sites/agriculture/files/fadn/documents/feo-report-2015 en.pdf (2. okt. 2017) European Commission. 2009. ESS Handbook for Quality Reports. Luxembourg, Office for Official Publications of the European Communities: 135 str. http://epp.eurostat.ec.europa.eu/portal/page/portal/ver-1/quality/documents/EHQR FINAL.pdf (2. apr. 2014) European Union. 2015. ESS Handbook for Quality Reports. 2014 Edition. Luxembourg, Publications Office of the European Union: 162 str. http://ec.europa.eu/eurostat/documents/3859598/6651706/KS-GQ-15-003-EN-N.pdf/18dd4bf0-8de6-4f3f-9adb-fab92db1a568 (14. sep. 2015) Evropsko računsko sodišče. 2016. Ali je sistem Komisije za merjenje smotrnosti poslovanja v zvezi z dohodki kmetov dobro zasnovan in temelji na zanesljivih podatkih? Posebno poročilo št. 1/2016. Luxembourg, Urad za publikacije Evropske unije: 70 str. http://www.eca.europa.eu/sl/Pages/DocItem.aspx?did=35782 (15. apr. 2016) Farm Economy Focus - Slovenia. 2017. Farm Economy Focus. Information based on 2014 FADN data. Brussels, DG Agriculture and Rural Development, European Commission: 2 str. https://ec.europa.eu/agriculture/sites/agriculture/files/statistics/factsheets/pdf/fadn-fef-svn-2014 en.pdf (2. okt. 2017) Heinrich B., Kaiser M., Klier M. 2007. How to measure data quality? - a metric based approach. Discussion Paper WI-205. V: Proceedings of the 28th International Conference on Information Systems (ICIS), Montreal, Canada, December 2007. Rivard S., Webster J. (ur.). Montreal, Canada: 15 str. http://www.fim-rc.de/Paperbibliothek/Veroeffentlicht/205/wi-205.pdf (1. dec. 2015) Hill B. 2016. Obsolescence and Innovation in Economic Statistics on Agriculture. EuroChoices, 15(3): 20-24. doi:10.1111/1746-692X.12140 (2. okt. 2017) Hill B., Bradley D., Vrolijk H. 2016. Uses and Benefits of FADN Information in the EU-28. EuroChoices, 15(3): 11-16. doi:10.1111/1746-692X.12138 (2. okt. 2017) Hlouskova Z. 2015. Estimation of economic results based on Czech FADN. 23rd PACIOLI workshop, 28th September 2015, Belgrade, Serbia: 13 str. http://www.pacioli.org/23/session4paper1.pdf (2. okt. 2017) Ierugan A. 2017. FADN and AIDSK: analytical tools to support the CAP policy. 25th PACIOLI workshop, 1-4th October, 2017. Helsing0r, Danska: št. str. http://www.pacioli.org/Workshops.aspx (2. okt. 2017) Izjava Statističnega urada RS o kakovosti. 2014. Ljubljana, Statistični urad RS: 1 str. http://www.stat.si/doc/drzstat/kakovost/izjava o kakovosti.pdf (25. nov. 2015) Izvedbena uredba Komisije (EU) 2015/220 z dne 3. februarja 2015 o določitvi pravil za uporabo Uredbe Sveta (ES) št. 1217/2009 o vzpostavitvi mreže za zbiranje računovodskih podatkov o dohodkih in poslovanju kmetijskih gospodarstev v Evropski uniji. 2015. Uradni list Evropske unije, L 46(58): 1-106. http://eur-lex.europa.eu/legal-content/SL/TXT/PDF/?uri=CELEX:32015R0220&from=SL (1. dec. 2015) Karlsson A.-M. 2013. Farm Economic Survey (FADN) in Sweden 1914/15 - ? 21st PACIOLI Workshop, Orenas Slott, Sweden, 22-25th September 2013: 9 str. http://www.pacioli.org/21/session1paper1.pdf (1. dec. 2015) Kasnakoglu H., Mayo R. 2004. FAO Statistical Data Quality Framework: A multi-layered approach to monitoring and assessment. Conference on Data Quality for International Organizations, Wiesbaden, Germany, 27 and 28 May 2004: 15. str. http://unstats.un.org/unsd/accsub/2004docs-CDQIO/1-FAO.pdf (1. dec. 2015) Kleinhanss W., Offermann F. 2015. Outstanding results from modelling the CAP. Conference »EU-FADN - 50 years of providing essential information for the CAP«. Brussels, 11 June 2015: 16 str. http://ec.europa.eu/agriculture/rica/pdf/50th Anniversary 20150612/04 Kleinhanss Outstanding Modelling Results CAP 1062015 revised.pdf (30. nov. 2015) Kmetijsko knjigovodstvo po metodologiji FADN. 2017. V: Poročilo o stanju kmetijstva, živilstva, gozdarstva in ribištva v letu 2016. Pintar M. (ur.). Ljubljana, Kmetijski inštitut Slovenije: 122-127. http://www.kis.si/f/docs/Porocila o stanju v kmetijstvu OEK/ZP 2016 splosno priloge-pop.pdf (2. okt. 2017) Kodeks ravnanja evropske statistike. 2011. Statistični urad Republike Slovenije v soglasju z Eurostatom, statističnim uradom Evropske unije, Ljubljana: 8 str. http://www.stat.si/dokument/5179/Kodeks zlozenka 2012.pdf (10. sep. 2015) Kožar M, Rednak M., Volk T., Erjavec E. 2013. Kakovost podatkov mreže računovodskih podatkov s kmetijskih gospodarstev (FADN) za Slovenijo. Predavanje na 6. konferenci DAES »Orodja za podporo odločanju v kmetijstvu in razvoju podeželja«, Krško, 18. in 19. apr. 2013: 19 str. Kožar M. 2013a. FADN-računovodstvo za Slovenijo in razmislek o izboljšanju kakovosti podatkov (1). Kmečki glas 70(44): 10 Kožar M. 2013b. Razmislek o kakovosti rezultatov FADN za Slovenijo in možnostih za izboljšavo (2). Kmečki glas 70(45): 8 Kranjc A. 2015. Standardno poročilo o kakovosti za raziskovanje o strukturi kmetijskih gospodarstev (KME-JUNSTRK) za leto 2013. Ljubljana, Statistični urad RS: 22 str. http://www.stat.si/statweb/Common/PrikaziDokument.ashx?IdDatoteke=8508 (26. nov. 2015) Larsson G. 1996. Integrated quality program for FADN. V: PACIOLI 3. Need for change. Workshop report. Mededeling 536. Beers G., Poppe K.J., Pruis H.C. (ur.). Agricultural Economics Research Institute (LEI-DLO). The Hague, Nizozemska: 134138. http://edepot.wur.nl/266510 (1. dec. 2015) Larsson G. 1999. Quality management. V: PACIOLI 6 - Models for data and data for models. Workshop report, Report 6.99.01. Beers G., Poppe K.J., Pruis H.C. (ur.). The Hague, Nizozemska, Agricultural Economics Research Institute (LEI): 141-146. http://edepot.wur.nl/40619 (1. dec. 2015) OECD. 2011. Quality Framework and Guidelines for OECD Statistical Activities. Version 2011/1. OECD, Statistics Directorate, Pariz, Francija: 69 str. http://search.oecd.org/officialdocuments/displaydocumentpdf/?cote=std/qfs%282011%291&doclanguage=en (2. apr. 2014) Other relevant information for Member States. 2013. RI/CC 1689, 188th FADN Committee Meeting, 8 November 2013. Brussels, Belgium, European Commission: 19 str. Plees. Y. 2015. FADN data and Evaluations. Conference »EU-FADN - 50 years of providing essential information for the CAP«. Brussels, 11 June 2015: 19 str. http://ec.europa.eu/agriculture/rica/pdf/50th Anniversary 20150612/11 FADN%20data%20and%20evaluation%20Yv es%20Plees%2020150508FADN%20and%20evaluation.pdf (30. nov. 2015) Poppe K. J., Beers G., Pruis H. C. 1996. PACIOLI 3; RICA: Reform Issues Change The Agenda; Reflection paper. Mededeling 537. The Hague, Agricultural Economics Research Institute (LEI-DLO): 38 str. http://edepot.wur.nl/266040 (1. dec. 2015) Poppe K. J., Beers G., van Rijswijk M. M. (ur.). 1997. PACIOLI 4 : proposals for innovation of farm accountancy data networks: final reflection paper. Mededeling 539. The Hague (Netherlands), Agricultural Economics Research Institute (LEI-DLO): 113 str. http://edepot.wur.nl/266187 (1. dec. 2015) Poročila o stanju v kmetijstvu. 2017. Poročila o stanju kmetijstva, živilstva, gozdarstva in ribištva za leta 2010-2016. Ljubljana, Kmetijski inštitut Slovenije. http://www.kis.si/Porocila o stanju v kmetijstvu OEK/ (2. okt. 2017) Poročilo o sprotnem vrednotenju Programa razvoja podeželja 2007-2013 v letu 2013. 2013a. Izvajanje PRP 2007-2013 v odvisnosti od kakovosti storitev javne službe kmetijskega svetovanja, Dopolnjeno končno poročilo. Kamnik, OIKOS, svetovanje za razvoj, d. o. o., PRAC Partnership Co.: 31 str. Poročilo o sprotnem vrednotenju Programa razvoja podeželja 2007-2013 v letu 2013. 2013b. Analiza FADN standardnih rezultatov prejemnikov sredstev PRP 2007-2013. Dopolnjeno končno poročilo. Kamnik, OIKOS, svetovanje za razvoj, d. o. o., PRAC Partnership Co.: 69 str. Pravilnik o delovanju mreže za zbiranje računovodskih podatkov o dohodkih in poslovanju kmetijskih gospodarstev, ki vodijo kmetijsko knjigovodstvo po metodologiji FADN. 2014. Uradni list RS, št. 76/14. Quality Assurance Framework of the European Statistical System. 2015. Version 1.2, May 2015, Luxembourg, Eurostat, European Commission: 52 str. http://ec.europa.eu/eurostat/documents/64157/4392716/ESS-QAF-V1-2final.pdf/bbf5970c-1adf-46c8-afc3-58ce177a0646 (1. dec. 2015) Quality control procedures implemented by the Commission. 2010. Annex : Quality control procedures. 25.1.2010. Brussels, European Commission. http://ec.europa.eu/agriculture/rica/annex001 en.cfm (1. dec. 2015) Revizijsko poročilo: Informacijski sistem za podporo zbiranja računovodskih podatkov o dohodkih in poslovanju kmetijskih gospodarstev. 2014. Revizijsko poročilo, številka: 320-13/2011/86, Ljubljana, 27. januar 2014. Ljubljana, Računsko sodišče Republike Slovenije: 73 str. http://www.rs-rs.si/rsrs/rsrs.nsf/I/6A8D7209705D93F0C1257C690048EFB1 (25. nov. 2015) Rossi R. 2015. Which agriculture do we represent and how to ensure a good picture? Conference "EU-FADN - 50 years of providing essential information for the CAP". 11 June 2015: 15 str. http://ec.europa.eu/agriculture/rica/pdf/50th Anniversary 20150612/07 Which%20agriculture%20do%20we%20rep resent%20FADN 50 RR.pdf (1. dec. 2015) SCAR. 2017. SWG SCAR-AKIS Policy Brief on the Future of Advisory Services: 13 str. https://ec.europa.eu/eip/agriculture/sites/agri- eip/files/policy brief on the future of advisory services scar akis 06102017.pdf (14. nov. 2017) Snijkers G., Haraldsen G., Luppes M., Daas P., Erikson J., Zhang L.-C. 2014. Quality Challenges in Modernising Official Business Statistics. Paper presented at Q2014, the European Conference on Quality in Official Statistics, 2-5 June 2014, Vienna, Austria: 10 str. http://www.pietdaas.nl/beta/pubs/pubs/Q2014 session 18 paper.pdf (1. dec. 2015) Special Report No 14/2003 on the measurement of farm incomes by the Commission Article 33(1)(b) of the EC Treaty, together with the Commission's replies. 2004. Official Journal of the European Union, C 045, 20/02/2004: 1-26. http://www.eca.europa.eu/Lists/ECADocuments/SR03 14/SR03 14 EN.PDF (1. dec. 2015) Standards Results Focus '2015. 2017. Warsaw, Institute of Agricultural and Food Economics - National Research Institute, Agricultural Accountancy Department: 4 str. http://fadn.pl/wp-content/uploads/2017/01/WS-R2015-WS en.pdf (2. okt. 2017) Statistics Canada's Quality Assurance Framework, 2002. Ottawa, Minister of Industry: 28 str. http://unstats.un.org/unsd/industry/meetings/eg2008/AC158-11.PDF (1. dec. 2015) St-Germain C. 2015. Changes in Collecting Canadian Agricultural Data. 23rd PACIOLI Workshop, 27-30 September 2015, Belgrade, Serbia: 29 str. http://www.pacioli.org/23/session8paper3.pdf (1. dec. 2015) Study on eGovernment and the Reduction of Administrative Burden. 2014. Luxembourg, Publications Office of the European Union: 128 str. http://ec.europa.eu/newsroom/dae/document.cfmPdoc id=5155 (26. jan. 2016) Trpin Švikart D. 2016. FADN: mreža knjigovodskih podatkov s kmetijskih gospodarstev. Ljubljana, Ministrstvo za kmetijstvo, gozdarstvo in prehrano: 46 str. http://www.program-podezelia.si/sl/kniiznica/108-FADN-mreza-kniigovodskih-podatkov-s-kmetiiskih-gospodarstev/file (20. okt. 2016) Uredba (ES) št. 223/2009 Evropskega parlamenta in sveta z dne 11. marca 2009 o evropski statistiki ter razveljavitvi Uredbe (ES, Euratom) št. 1101/2008 Evropskega parlamenta in Sveta o prenosu zaupnih podatkov na Statistični urad Evropskih skupnosti, Uredbe Sveta (ES) št. 322/97 o statističnih podatkih Skupnosti in Sklepa Sveta 89/382/EGS, Euratom, o ustanovitvi Odbora za statistične programe Evropskih skupnosti (Besedilo velja za EGP in Švico). 2009. Uradni list Evropske unije, L 87(52): 164-173. http://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri=OJ:L:2009:087:0164:0173:sl:PDF (1. dec. 2015) Uredba Sveta (ES) št. 1217/2009 z dne 30. novembra 2009 o vzpostavitvi mreže za zbiranje računovodskih podatkov o dohodkih in poslovanju kmetijskih gospodarstev v Evropski skupnosti. 2009. Kodificirana različica. Uradni list Evropske unije, L 328(52): 27-38. http://eur-lex.europa.eu/legal-content/SL/TXT/PDF/?uri=CELEX:32009R1217&from=en (1. dec. 2015) Vrolijk H. C. J. 2005. Non-response in the Dutch FADN: Qualitative reasons and quantitative impacts. V: PACIOLI 13; Microe-conomic Data on Farm Diversification, Rural Businesses and the Intra-generational Transfer. Poppe, K. J. (ur.). The Hague, LEI: 130-139 http://www.pacioli.org/1-20/pacioli13.pdf (2. okt. 2017) Vrolijk H.C.J.; Poppe K.J. 2016. Structural change in Dutch agriculture; impact on farm level statistics: 12 str. http://edepot.wur.nl/404114 (2. okt.2017) Wesseler G. 2015. EU-FADN - 50 years of measuring farm income. Conference »EU-FADN - 50 years of providing essential information for the CAP«. Brussels, 11 June 2015: 14 str. http://ec.europa.eu/agriculture/rica/pdf/50th Anniversary 20150612/01 FOCUS%20ON%20INCQME%20FADN 50 G W.pdf (1. dec. 2015) Westerhof E. 2015. Performance of Dutch agro sector; AgroFoodPortal.com. 23rd PACIOLI Workshop, 27-30 September 2015, Belgrade, Serbia: 18 str. http://www.pacioli.org/23/session6paper4.pdf (1. dec. 2015) Zakon o kmetijstvu. 2015. Uradni list RS, št. 45/08, 57/12, 90/12 - ZdZPVHVVR, 26/14 in 32/15 Zupanc J. 2011. Analiza FADN-metodologije z vidika enostavnega in dvostavnega računovodenja na slovenskih kmetijah. Diplomsko delo. Maribor, Univerza v Mariboru, Ekonomsko poslovna fakulteta Maribor: 55 str. https://dk.um.si/IzpisGradiva.php?id=21919 (14. sep. 2015) 3.5.2. Drugi viri Alič M. 2016. Poročilo o opravljeni službeni poti 14.11. 2016 - Bruselj. 199. seja FADN odbora, Evropska komisija, Bruselj, 23.11. 2016 (interno gradivo MKGP) Anketa udeležencev delavnic o gospodarnosti kmetij, usmerjenih v prirejo mleka. 2017. Telefonska anketa opravljena: 13. okt. 2017, 14. okt. 2017, 20. okt. 2017 (interno gradivo) Delavnice PACIOLI. 2013, 2015-2017. Predstavitve različnih prispevkov, objavljenih na spletni strani (http://www.pacioli.org/) in razgovori z udeleženci delavnice (osebni vir; PACIOLI 21: Orenas Castle, Lund Area (Švedska), 22.-25. sept. 2013; PACIOLI 23: Beograd (Srbija), 27.-30. sept. 2015; PACIOLI 24: Priština (Kosovo), 25.-28. sept. 2016; PACIOLI 25: Helsing0r (Danska), 1.-4. okt. 2017). Directorate for Agriculture. 2013. Organisation of Farm Accountancy Data Network in Slovenia. Ljubljana, 1 October 2013. Ministrstvo za kmetijstvo in okolje RS: 54 str. (interno gradivo) FADN RICA. 2017. Individualni standardni rezultati FADN za Slovenijo na podlagi SO za obračunska leta 2012-2015 (podatki Evropske komisije, oktober 2017, interno gradivo) Gostiša S. 2017. Poročilo o opravljeni službeni poti 11. 5. 2017 - Bruselj. 200. seja FADN odbora, Evropska komisija, Bruselj, 15. 5. 2017 (interno gradivo MKGP) Jerič D., Rednak M., Erjavec E., Volk T. 2017. S podatki podprto odločanje in svetovanje s pomočjo krožkov. Predstavitev delnih rezultatov CRP projekta (V4-1423) Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu. KGZS, Ljubljana, 12. julij 2017: 82 str. (interno gradivo) Jesih R. in sod. 2017. Analiza anketnega vprašalnika 3% kmetijskih gospodarstev v vzorcu za leto 2016. Ptuj, Kmetijsko gozdarski zavod Ptuj: 15. str. (interno gradivo, posredovano Komisiji FADN) Kožar M. 2013c. Možnosti za posodobitev vzorca FADN za Slovenijo: predavanje na 9. seji Komisije za spremljanje in izvajanje kmetijskega knjigovodstva FADN. MKGP, Ljubljana, 16. okt. 2013: 11 str. (interno gradivo) Kožar M. 2015. Poročilo o opravljeni službeni poti 11.-12.06.2015, Bruselj, Belgija (jubilejna konferenca ob petdeseti obletnici FADN in 195. seja Upravljalnega odbora FADN), 17.6.2015: 8 str. (interno gradivo, posredovano MKGP) Mnenja vzorca kmetijskih gospodarstev, kmetijskih svetovalcev, fokusne skupine in računovodskih pisarn o FADN v Sloveniji. 2015. Intervjuji opravljeni: 23. jan. 2015, 26. jan. 2015, 10. mar. 2015, 15. jun. 2015, 30. jul. 2015, 21. avg. 2015, 24. avg. 2015 (zvočni posnetki intervjujev in fokusne skupine, interno gradivo) Pipan D. 2015. Analiza izvedbe kontrol na kmetijskih gospodarstvih, ki so bile vključene v vzorec FADN 2014, v obsegu 3 % vzorčnih kmetij. Ljubljana, KGZS, Sektor za kmetijstvo in gozdarstvo, Oddelek za razvoj podeželja: 11. str. (interno gradivo, posredovano Komisiji FADN) Šenk D., Jesih R. 2017. Poročilo o realizaciji sklenjenih pogodb o vnosu, obdelavi in arhiviranju knjigovodskih podatkov FADN v obdobju od 01.10.2016 do 30.09.2017 z dne 9.10.2017. Kranj, KGZS - Zavod Kranj: 8 str. (interno gradivo MKGP) Štebe T., Rednak M. 2007. Standardni rezultati FADN 2004. Poročilo po pogodbi št. 2311-06-000095, z dne 04.05.2006, naročnik Ministrstvo za kmetijstvo, gozdarstvo in prehrano. Ljubljana, Kmetijski inštitut Slovenije: 39 str. (neobjavljeno, interno gradivo) Zapisnik 11. seje Komisije FADN, z dne 20. 10. 2015. 2015. Dokument MKGP št. 024-35/2008/55, 21. 10. 2015. Ljubljana, Sektor za podnebne spremembe, NVO, šolstvo in knjigovodstvo, MKGP: 5 str. (interno gradivo MKGP) 3.6. PRILOGE Priloga 4: Opravljeni intervjuji Polstrukturirani intervjuji so bili opravljeni leta 2015102 z vzorcem intervjuvancev iz štirih kategorij intervjuvancev: - kmetijska gospodarstva (vzorčniki, čisti obvezniki) iz širše okolice Škofje Loke in širše okolice Murske Sobote, - kmetijski svetovalci, - FADN koordinatorji (v okviru kmetijske svetovalne službe) - zaposleni na računovodskih pisarnah Kranj in Ptuj. Skupno je bilo opravljenih 24 intervjujev, 2 osebi sta bili izločeni iz obdelave (ena oseba ni podala odgovorov, eno kmetijsko gospodarstvo je v FADN vključeno manj kot eno leto). S 14 intervjuvanci so bili opravljeni osebni polstrukturirani intervjuji (1 oseba izločena iz obdelave), z 2 intervjuvancema telefonski polstrukturirani intervju, z 8 FADN koordinatorji (1 oseba izločena iz obdelave) pa skupinski intervju v obliki fokusne skupine. Kot že omenjeno v podpoglavju 3.3.1., vzorec ni reprezentativen, zato posploševanje ugotovitev na podlagi rezultatov intervjujev na celotno populacijo ni primerno. Kmetijska gospodarstva so bila izbrana kvotno iz različnih skupin103, predvsem zaradi omejenega časa in virov. Skupine za izbor so bile: vzorčniki/obvezniki, večja/manjša izkušenost s FADN, po proizvodnih virih večja/manjša kmetijska gospodarstva. Kmetijski svetovalci so bili v vzorec izbrani priložnostno (glavni razlogi: omejen čas), FADN koordinatorji pa namensko (izbor na podlagi poznavanja tematike, omejeno število intervjuvancev iz te skupine)104. Izbor kmetijskih gospodarstev so pripravili kolegi iz Kmetijsko gozdarskih zavodov Murska Sobota in Kranj, izbor kmetijskih svetovalcev pa kolegi iz Kmetijsko gozdarskega zavoda Murska Sobota. Za namene tega poročila je prikazan del rezultatov intervjujev. Rezultati so večinoma prikazani kot frekvence. Zaradi premajhnega vzorca po posameznih kategorijah intervjuvancev so rezultati večinoma prikazani ločeno za kmetijska gospodarstva in za ostale intervjuvance, podrobneje pa ne. Skupina »ostali intervjuvanci« zajema intervjuvance iz vrst svetovalcev, FADN koordinatorjev in zaposlenih na intervjuvanih računovodskih pisarnah. Za skupino intervjuvanih FADN koordinatorjev se pri prikazu rezultatov uporablja tudi izraz »fokusna skupina«. Ocene zaprtih vprašanj po Likertovi lestvici od 1 do 5 (Priloga 5) so bile pri obdelavi rezultatov smiselno prekodirane glede na tip odgovorov (strinjanje, pogostost, pomembnost, verjetnost, ...). Priloga 5: Polstrukturirani vprašalniki - vodila za intervjuje Polstrukturirani intervjuji so bili opravljeni s pomočjo dveh verzij polstrukturiranega vprašalnika oziroma vodil za intervjuje; ena za kmetijska gospodarstva (Vodila za intervjuje - kmetijska gospodarstva), ena za kmetijske svetovalce (Vodila za intervjuje - kmetijski svetovalci). Za računovodski pisarni in fokusno skupino je bil uporabljen vprašalnik za kmetijske svetovalce, ki pa je bil v nekaterih vprašanjih nekoliko prilagojen intervjuvancem. 102 Intervjuji so bili opravljeni: 23. jan. 2015, 26. jan. 2015, 10. mar. 2015, 15. jun. 2015, 30. jul. 2015 (skupinski intervju s FADN koordinatorji - fokusna skupina), 21. avg. 2015, 24. avg. 2015. 103 Vir: https://en.wikipedia.org/wiki/Quota sampling (1. mar. 2016). 104 Vir: https://en.wikipedia.org/wiki/Nonprobability sampling (1. mar. 2016). Večina vprašanj pri obeh vprašalnikih je odprtega tipa, nekatera so zaprtega tipa. Če je bilo potrebno, so bila intervjuvancem zastavljena dodatna podvprašanja. Teme, ki jih obe zgoraj omenjeni verziji vprašalnikov pokrivata, so naslednje: - osnovni podatki o intervjuvancu, - sodelovanje v mreži FADN, - kakovost podatkov FADN, - zbiranje podatkov FADN (poročila za zbiranje podatkov), - povratne informacije FADN (diseminacija rezultatov FADN), - izobraževanje (v zvezi s FADN), - sodelovanje v mreži FADN, - razno (predlogi). Kot poenostavitev so pri vprašanjih z ocenjevanjem po Likertovi lestvici pripisane ocene od 1 do 5, ki so bile intervjuvancem ustrezno predstavljene (1 pomeni ..., 5 pomeni ...), pri obdelavi rezultatov pa smiselno prekodirane (Priloga 4). Ocena 1 je običajno pomenila najbolj negativno oceno (»najmanj«, ...), ocena 5 pa najbolj pozitivno oceno (»največ«, ...). Vodila za intervjuje - kmetijska gospodarstva Podatki o projektu: Ime projekta: Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (projekt v okviru Ciljnega raziskovalnega programa "Zagotovimo.si hrano za jutri" v letu 2014; št. projekta: V4-1423) Vodja projekta: dr. Tinca Volk, Kmetijski inštitut Slovenije (sodeluje tudi KGZ MS) Namen projekta: - Povečanje analitične vrednosti podatkovnih baz kazalcev uspešnosti poslovanja v slovenskem kmetijstvu (obstoječe in nove baze) - Razvita modelna orodja kot podpora pri sistematičnem načrtovanju, vodenju in preverjanju uspešnosti poslovanja na ravni posameznih kmet. gospodarstev in sprejemanju agrarnopolitičnih odločitev na ravni države - Poseben fokus na podatkih FADN za Slovenijo: i) preučiti kakovost standardnih rezultatov FADN, ii) oblikovati priporočila za izboljšanje kakovosti s ciljem povečanja uporabnosti in relevantnosti teh podatkov z vidika ključnih koristnikov ter iii) neposredno ekonomsko svetovanje kmet. gospodarstvom na podlagi podatkov FADN. Podatki o intervjuju: Sprašujem: dr. Maja Kožar (tel.: 01-280-5225; e-mail: maja.kozar@kis.si); Delovni sveženj 2 (Analiza kakovosti rezultatov FADN za Slovenijo) Zahvala za sodelovanje. Pomen njihovega mnenja, izkušenj, predlogov. Kako bili izbrani za intervju. Namen intervjuja: pridobiti neposreden vpogled v beleženje podatkov FADN na kmetijskih gospodarstvih, njihove izkušnje in predloge glede FADN (zbiranje, vnos, uporaba končnih rezultatov, ipd.); glavni namen: pridobiti neposredne informacije za analizo (dimenzij) kakovosti podatkov FADN in učinkovitosti delovanja mreže FADN Opis intervjuja: polstrukturiran intervju (odprta, zaprta vprašanja); približno trajanje: cca. 1 uro. Soglasje za snemanje in uporabo zbranih podatkov - zaupnost podatkov zagotovljena (shranjeni in obdelovani za potrebe projekta); zbrani podatki predstavljeni v anonimizirani obliki za potrebe projektnega poročanja in objav, izhajajočih iz projekta. Podatki o intervjuvancu (KMETIJSKA GOSPODARSTVA): Kontakt (za dodatna pojasnila): _ Kraj: _ Datum, ura (trajanje): _ Vzorčnik/obveznik: _ Število let v FADN (našteti obr. leta):__ Druge vrste knjigovodstva (zavezanec za DDV): _ Proizvodni tip, velikost (ha, LU, PDM, »velik/majhen«): _ Dopolnilna dejavnost (da/ne; delež prihodka): _ Intervjuvanec (lastnik, mladi prevzemnik, starost, izobrazba...):_ Vprašanja: 1. Sodelovanje kmetije v mreži FADN: - Ali lahko na kratko opiše, koliko časa že sodelujejo v FADN; kakšne so njihove izkušnje s FADN? - V čem vidijo vrednost (uporabno) zbranih podatkov FADN: zase, državo, EU? V čem pomen računovodstva za njih? - Uporabnost, »koristnost« podatkov FADN za kmetijo (1-5), za državo (1-5), za EU (1-5)? 2. Kakovost podatkov: - Kaj je za njih kakovost podatkov/kakovost sistema FADN? Ključni faktorji, ki nanjo vplivajo? - Ali je za njih kakovost še kaj drugega kot »pravilnost« (ustrezanje realnosti) podatkov za njihovo kmet i-jo? - Ali bili kdaj v »kontroli«? Dodatno preverjanje? - Kako bi na splošno ocenili kakovost podatkov za svojo kmetijo (kritična presoja na podlagi poznavanja svojega dejanskega ekonomskega položaja)? (1-5) Ali poročajo vse (glede prihodkov)? 3. Zbiranje podatkov FADN (poročila za zbiranje podatkov): - Razumljiva poročila? (1-5) Kaj najbolj »problematična« področja? Lahko opišejo postopek zbiranja podatkov FADN na njihovi kmetiji (kdo, pogostost, ipd.)? - Možnost konzultacije s svetovalcem? Ali gredo oni k svetovalcu ali obratno? - Kako bi izboljšali poročila /proces zbiranja podatkov? - Koliko časa jim vzame zbiranje podatkov FADN (na teden, na mesec, na leto)? - Kako vnašajo podatke? Kje težave? Ali imajo drugo vrsto knjigovodstva in lahko del podatkov uporabijo od tam? - Kako ocenijo delovne ure, stroške (shranjujejo račune?), kako ločijo stroške/prihodke gospodinjstva od stroškov/prihodkov kmetije? Kako beležijo stroške? Ali so zavezanec za DDV? - Kako zbirajo podatke o pridelkih (na podlagi dobavnic, računov, št. bal, ocena.)? - Ko zberejo in oddajo podatke - kdaj kaki popravki? Ali lahko opišejo postopek? Ali so potem pri sebi popravljali? Po temah - kako se stanje ujema (1-5): delovna sila, popis osnovnih sredstev, zaloge? Ali kdaj gredo gledat nazaj (npr. na podlagi končnih rezultatov)? - Ali izpolnjujejo na papirju ali elektronsko? Njihovo mnenje glede vpisovanja podatkov po spletu? - Ali veliko sprememb v zbiranju podatkov (poročila za zbiranje podatkov, načinu)? 4. Povratne informacije (diseminacija rezultatov FADN za njihovo kmetijo): - Njihovo mnenje? - Pravočasnost (1-5), razumljivost (1-5), uporabnost (1-5), zanimivost (1-5); možnost konzultacije glede interpretacije rezultatov? - Kako in koliko (1-5) ga uporabljajo? Praktična vrednost feedbacka? Ali delajo scenarijsko analizo (npr. za poslovne načrte, ipd.)? So jim rezultati v pomoč pri odločanju glede kmetovanja/poslovanja? Če ne, kaj bi se moralo spremeniti, da bi uporabljali te podatke bolj pogosto za svoje odločitve glede kmetova n-ja/svetovanja? - Kaj ključni problem? - Njihovi predlogi? Kaj bi si želeli na tem področju od FADN sistema? - Spletna stran, spletni kalkulatorji? - Svetovalne delavnice? 5. Izobraževanje: - Kdo iz kmetije se ga udeležuje? Opis (kje, organizator, opis, št. ur na leto)? - Mnenje? Predlogi? - V okviru krožkov? Izmenjava znanja, izkušenj z drugimi kmetijami? - Spletno izobraževanje? Samoiniciativno izobraževanje? - Se jim to zdi pomembno, nagnjenost pripravljenost (četudi ni v neposredni povezavi s FADN)? (1-5) 6. Sodelovanje z drugimi členi v mreži FADN: - Sodelovanje s svetovalci/drugimi (kolikokrat letno neposreden kontakt)? Ali lahko opišejo pomen svetovalcev za njih (v zvezi s FADN)? Ali delajo vedno z istimi svetovalci? (1-5) - Ali za kakovost podatkov FADN bolj pomemben kmet ali svetovalec? razmerje (50:50, 80:20, 30:70?) - Njihova ocena sodelovanja, komunikacije v mreži FADN? Sodelovanje, povezovanje z drugimi kmetijami (v obliki ekonomskih krožkov)? (1-5) - Napredek v zadnjih letih? (1-5) - Bi bili zainteresirani za sodelovanje (npr. v obliki krožkov, dodatna izobraževanja, ...)? (1-5) 7. Razno: - Njihovi predlogi za izboljšanje uporabnosti rezultatov FADN, povečanje učinkovitosti mreže FADN (povezovanje administrativnih zbirk)? - Bi še kaj dodali? - So kdaj oddali predlog / pobudo glede FADN in kako bilo to sprejeto? Odziv? Vodila za intervjuje - kmetijski svetovalci Podatki o projektu: Ime projekta: Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (projekt v okviru Ciljnega raziskovalnega programa "Zagotovimo.si hrano za jutri" v letu 2014; št. projekta: V4-1423) Vodja projekta: dr. Tinca Volk, Kmetijski inštitut Slovenije (sodeluje tudi KGZ MS) Namen projekta: - Povečanje analitične vrednosti podatkovnih baz kazalcev uspešnosti poslovanja v slovenskem kmetijstvu (obstoječe in nove baze) - Razvita modelna orodja kot podpora pri sistematičnem načrtovanju, vodenju in preverjanju uspešnosti poslovanja na ravni posameznih kmet. gospodarstev in sprejemanju agrarnopolitičnih odločitev na ravni države - Poseben fokus na podatkih FADN za Slovenijo: i) preučiti kakovost standardnih rezultatov FADN, ii) oblikovati priporočila za izboljšanje kakovosti s ciljem povečanja uporabnosti in relevantnosti teh podatkov z vidika ključnih koristnikov ter iii) neposredno ekonomsko svetovanje kmet. gospodarstvom na podlagi podatkov FADN. Podatki o intervjuju: Sprašujem: dr. Maja Kožar (tel.: 01-280-5225; e-mail: maja.kozar@kis.si); Delovni sveženj 2 (Analiza kakovosti rezultatov FADN za Slovenijo) Zahvala za sodelovanje. Pomen njihovega mnenja, izkušenj, predlogov. Kako bili izbrani za intervju. Namen intervjuja: pridobiti neposreden vpogled v delo svetovalcev v zvezi s FADN, njihove izkušnje in predloge glede FADN (za vse faze ravnanja s podatki: zbiranje, vnos, uporaba končnih rezultatov, identifikacija ozkih grl, optimizacija sistema, ipd.); glavni namen: pridobiti neposredne informacije za analizo (dimenzij) kakovosti podatkov FADN in učinkovitosti delovanja mreže FADN Opis intervjuja: polstrukturiran intervju (odprta, zaprta vprašanja); približno trajanje: cca. 1 uro. Soglasje za snemanje in uporabo zbranih podatkov - zaupnost podatkov zagotovljena (shranjeni in obdelovani za potrebe projekta); zbrani podatki predstavljeni v anonimizirani obliki za potrebe projektnega poročanja in objav, izhajajočih iz projekta. Podatki o intervjuvancu (SVETOVALCI): Kontakt (za dodatna pojasnila): _ Kraj: _ Datum, ura (trajanje): _ Št. vzorčnikov/obveznikov na leto (povprečje za njihovo KSS): _ Št. letnih kontaktov s FADN kmetijami: _ Število let v FADN: _ Izkušnje z drugimi vrstami knjigovodstva: _ Povpr. delež, koliko intervjuvančevih delovnih aktivnosti zavzema FADN (%): _ Intervjuvanec (KSS, ...): _ Vprašanja: 1. Sodelovanje svetovalca v mreži FADN: - Ali lahko na kratko opiše, koliko časa že sodeluje v FADN; kakšne so njihove izkušnje s FADN? - V čem vidijo vrednost (uporabno) zbranih podatkov FADN: zase, državo, EU? V čem pomen računovodstva za njih? - Kdo »ključni uporabnik« podatkov FADN? - Uporabnost, »koristnost« podatkov FADN za kmetijo (1-5), za svetovalce (1-5), za državo (1-5), za EU (15)? 2. Kakovost podatkov: - Kaj je za njih kakovost podatkov/kakovost sistema FADN? Ključni faktorji, ki nanjo vplivajo? - Ali je za njih kakovost še kaj drugega kot »pravilnost« (ustrezanje realnosti) podatkov? - Ali kdaj izvajali »kontrole«? Dodatna preverjanja (bili sami deležni kontrol, dodatnih preverjanj)? Postopek popravljanja »surovih« podatkov«? - Kako bi na splošno ocenili kakovost podatkov za kmetije FADN, ki jih imajo oni čez (kritična presoja na podlagi poznavanja njihovega ekonomskega položaja); po področjih: delovna sila, osnovna sredstva, zaloge? (1-5) Ali poročajo vse (glede prihodkov)? 3. Zbiranje podatkov FADN (poročila za zbiranje podatkov): - Razumljiva poročila? (1-5) - Kaj najbolj »problematična« področja? Lahko opišejo postopek zbiranja podatkov FADN na »njihovih« kmetijah (kdo, pogostost, delajo vedno z istimi osebami na kmetijah, ipd.)? - Možnost konzultacije glede FADN? Z MKO, sodelavci? - Kako bi izboljšali poročila /proces zbiranja podatkov? Ali se jim zdi sistem fleksibilen za spremembe (postopek: časovno, stroškovno, npr. koliko časa, da se neka metodologija »popravi«)? (1-5) - Koliko časa jim vzame zbiranje podatkov FADN (na teden, na mesec, na leto) za eno FADN kmetijo? - Kako vnašajo podatke? Kje težave? - Ko zberejo in oddajo podatke - kdaj kaki popravki? Ali lahko opišejo postopek? Ali so potem pri sebi popravljali? Delajo sami, se posvetujejo s sodelavci? Po temah - kako se stanje ujema (1-5): delovna sila, popis osnovnih sredstev, zaloge? Ali kdaj gredo gledat nazaj podatke (npr. na podlagi končnih rezultatov)? - Izpolnjevanje: na papirju ali elektronsko? Njihovo mnenje glede vpisovanja podatkov po spletu? Kakšne so trenutno izkušnje, pripravljenost njih in »njihovih« kmetij za elektronsko izpolnjevanje, oddajo po spletu? - Ali veliko sprememb v zbiranju podatkov v zadnjem obdobju (poročila za zbiranje podatkov, načinu)? 4. Povratne informacije (diseminacija rezultatov FADN za »njihove« kmetije): - Njihovo mnenje? - Različno za obveznike/vzorčnike: Pravočasnost (1-5), razumljivost (1-5), uporabnost (1-5), zanimivost (15); možnost kakovostne, celovite konzultacije glede interpretacije rezultatov? - Kako in koliko (1-5) ga uporabljajo za ekonomsko svetovanje kmetijam (npr. za poslovne načrte, kot referenčne vrednosti)? Praktična vrednost feedbacka? Ali delajo scenarijsko analizo (npr. za poslovne načrte, ipd.)? Če ne, kaj bi se moralo spremeniti, da bi uporabljali te podatke bolj pogosto za ekonomsko svetovanje? - Kaj ključni problem? - Njihovi predlogi? Kaj bi si želeli na tem področju od FADN sistema? - Spletna stran, spletni kalkulatorji? - Delavnice za svetovalce, delavnice s kmeti? 5. Izobraževanje svetovalcev: - Se ga udeležujejo? Opis (kje, organizator, opis, št. ur na leto)? - Mnenje? Predlogi? - Spletno izobraževanje? Samoiniciativno izobraževanje? - Se jim to zdi pomembno, nagnjenost pripravljenost (četudi ni v neposredni povezavi s FADN)? (1-5) 6. Sodelovanje z drugimi členi v mreži FADN: - Sodelovanje z drugimi svetovalci/drugimi inštitucijami v mreži FADN (kolikokrat letno neposreden kontakt; način)? Ali lahko opišejo pomen sodelovanja z drugimi svetovalci in inštitucijami za njih (v zvezi s FADN)? (1-5) Ali delajo vedno z istimi osebami? - Ali za kakovost podatkov FADN bolj pomemben kmet ali svetovalec? razmerje (50:50, 80:20, 30:70?) - Njihova ocena sodelovanja, komunikacije v mreži FADN? Sodelovanje, povezovanje z drugimi svetovalci, inštitucijami, povezovanje kmetij med sabo (v obliki ekonomskih krožkov)? (1-5) Fleksibilnost? (1-5) - Napredek v zadnjih letih - če da, kje? (1-5) - Bi bili zainteresirani za dodatno sodelovanje (npr. krožki, dodatna izobraževanja, ...)? (1-5) - Mreža FADN - ohlapnost? 7. Razno: - Njihovi predlogi za izboljšanje uporabnosti rezultatov FADN, povečanje učinkovitosti mreže FADN (povezovanje administrativnih zbirk)? Če bi imeli +-20 % več budgeta za svoje aktivnosti v zvezi s FADN? Vse faze ravnanja s podatki? - Bi še kaj dodali? - So kdaj oddali predlog / pobudo glede FADN in kako bilo to sprejeto? Odziv? Priloga 6: Anketa udeležencev delavnic o gospodarnosti kmetij, usmerjenih v prirejo mleka V aprilu 2017 so bile izvedene štiri delavnice na temo gospodarnosti kmetij, usmerjenih v prirejo mleka. Delavnice je organiziral KGZ Murska Sobota s pomočjo KGZ Kranj v okviru DS3 (Ekonomsko svetovanje kmetijskim gospodarstvom na podlagi ekonomskih kazalcev FADN), prav tako pa sta omenjena zavoda pripravila izbor vabljenih kmetij (priložnostno vzorčenje). Dve zaporedni delavnici sta bili organizirani na Gorenjskem, dve pa v Prekmurju. Na delavnicah so bili poleg udeležencev iz anketiranih kmetij prisotni tudi moderator iz KGZ Murska Sobota (g. Damjan Jerič, koordinator DS3), kmetijski svetovalci iz omenjenih KGZ ter raziskovalci iz raziskovalne skupine projekta CRP V4-1423 (Univerza v Ljubljani, KIS) ter mag. Janez Jeretina (KIS), ki dela na informacijskem sistemu CPZ Govedo. V oktobru 2017 je bila izvedena telefonska anketa udeležencev (anketarka: Maja Kožar, KIS), ki so se udeležili zgoraj omenjenih delavnic, in katerih kmetije so bile v tekočem ali preteklih letih vključene v FADN knjigovodstvo. Skupno je na vseh štirih delavnicah sodelovalo 14 kmetij (4 v Prekmurju, 10 na Gorenjskem). Namen ankete je bil pridobiti mnenja udeležencev glede različnih vidikov dostopnosti in jasnosti podatkov FADN po udeležbi na omenjenih delavnicah, predloge za prihodnost, njihova mnenja o vzdušju na delavnicah in o pripravljenosti za nadaljnje sodelovanje na tovrstnih oblikah neposrednega (ekonomskega) svetovanja kmetijam. Anketni vprašalnik je bil enak za vse anketirance, prav tako izvedba ankete; telefonsko smo jim postavili 8 enakih vprašanj (in eno dodatno podvprašanje): 6 vprašanj je bilo zaprtih in 3 odprta (2 vprašanji in 1 podvprašanje). Ocene zaprtih vprašanj so bile za 4 vprašanja oblikovane po ustrezni Likerto-vi lestvici od 1 do 5, za dve vprašanji pa je bil na voljo odgovor da/ne. Anketni vprašalnik je naveden v nadaljevanju (Priloga 7: Anketni vprašalnik za udeležence delavnic o gospodarnosti kmetij, usmerjenih v prirejo mleka). Ker se ena od anketiranih oseb ni udeležila druge delavnice v svoji regiji (razlog: niso v kontroli mlečnosti, vodijo pa FADN knjigovodstvo), so bili odgovori te osebe izločeni iz obdelave rezultatov ankete. V obdelavo rezultatov ankete je bilo tako zajetih 13 anketirancev, pri čemer pa je potrebno opozoriti, da rezultati ene kmetije na drugi delavnici niso bili prikazani v okviru rezultatov celotne skupine udeležencev v njeni regiji (razlog majhnost kmetije, tako po resursih kot tudi po obsegu proizvodnje). Ker je ta kmetija vseeno sodelovala na obeh delavnicah v svoji regiji in prejela obdelavo individualnih rezultatov, je bila vključena v obdelavo rezultatov ankete. Rezultati ankete so grafično prikazani kot frekvence, odprta vprašanja pa tudi opisno. Kot že omenjeno v podpoglavju 3.3.6.3, vzorec anketirancev ni reprezentativen, zato posploševanje ugotovitev na podlagi rezultatov ankete na celotno populacijo ni priporočljivo. Priloga 7: Anketni vprašalnik za udeležence delavnic o gospodarnosti kmetij, usmerjenih v prirejo mleka Vpr. Vprašanja (vsebinska podvprašanja po potrebi?) Ocene/Odgovori 1. Kako koristna je bila vaša udeležba na delavnicah o gospodarnosti kmetij usmerjenih v prirejo mleka (npr. pridobitev znanja, poslovno odločanje/gospodarjenje/vodenje vaše kmetije, izmenjava izkušenj z ostalimi kmetijami ...)? 1 (povsem nekoristna)-2 (nekoristna)-3 (niti koristna, niti nekoristna)-4 (koristna)-5 (zelo koristna) 2. Kako razumljivi se vam zdijo knjigovodski podatki FADN za vašo kmetijo, ki ste jih analizirali na delavnicah o gospodarnosti kmetij usmerjenih v prirejo mleka, po udeležbi na teh delavnicah? 1 (povsem nerazumljivi)-2 (nerazumljivi)-3 (niti razumljivi, niti nerazumljivi)-4 (razum-ljivi)—5 (enostavno razumljivi) 3. Kako uporabni (za namene poslovnega odločanja, gospodarjenja, vodenja kmetije) se vam zdijo knjigovodski podatki FADN za vašo kmetijo, ki ste jih analizirali na delavnicah o gospodarnosti kmetij usmerjenih v prirejo mleka, po udeležbi na teh delavnicah? 1 (povsem neuporabni)-2 (neuporabni)-3 (niti uporabni, niti neuporabni)-4 (uporab-ni)-5 (zelo uporabni) 4. Kako zanimiv se vam zdi način prikaza rezultatov za vašo kmetijo na delavnicah (npr. interaktivnost, sprotni delni rezultati, tabelarični in grafični prikazi, primerjava z rezultati drugih udeležencev na delavnicah ...)? 1 (povsem nezanimiv)-2 (nezanimiv)-3 (niti zanimiv, niti nezanimiv)-4 (zanimiv)-5 (zelo zanimiv) 4. a Kateri od prikazov rezultatov se vam je zdel najbolj zanimiv (npr. tabele, grafi)? Odprto vprašanje 5. Ali se vam zdijo skupinske delavnice oziroma t.i. podjetniški ali panož-ni krožki na podlagi dejanskih podatkov vključenih kmetij ustrezen in učinkovit način (ekonomskega/tehnološkega) svetovanja kmetijam? Da/ne 6. Bi bili v prihodnje pripravljeni sodelovati na podobnih podjetniških ali panožnih delavnicah ali krožkih? Da/ne 7. Kaj vam je bilo na delavnicah najbolj všeč ali zanimivo/uporabno? Odprto vprašanje 8. Kaj bi na delavnicah ni bilo všeč; predlogi za prihodnje? (npr. organizacija delavnice, bolj specifične teme, še več grafičnih prikazov rezultatov, spletni dostop do rezultatov, analiz po meri, redne publikacije ...) Odprto vprašanje Standardni rezultati FADN knjigovodstva za Slovenijo: obračunsko leto 2015 Mreža računovodskih podatkovs kmetijskih gospodarstev(ang. Farm Accountancy Data Network ali FADN) je sistem poenostavljenega kmetijskega knjigovodstva, ki temelji na spoštovanju enakih računovodskih načel vvseh državah članicah EU. Izvaja se na vzorcu tržnih kmetijskih gospodarstev, namenjen pa je predvsem spremljanju dohodkovin analizam na ravni kmetijskega gospodarstva za podporo kmetijski politiki. V Sloveniji segajo začetki FADN vleto 1994, od leta 2004 pa je knjigovodstvo FADN usklajeno s predpisi na ravrtii EU. Rezultati, predstavljeni na tem inform atiwiem pregledu, se redno zbirajo in objavljajo na podlagi vsakoletne raziskave FADN na vzorcu tržno usmeijenih kmetijskih gospodarstev v Sloveniji, ki je reprezentativen po (FADN) regiji, tipih kmetovanja in ekonomski velikosti. V Sloveniji je od leta 2010 prag ekonomske velikosti kmetijskega gospodarstva za vključitevv vzorec FADN enak 4.000 EUR SO. Standardni rezultati FADN so predstavljeni s povprečnimi (utež enim i) vednostmi na kmetijsko gospodarstvo in podajajo dragocen vpogled v ekonomsko uspešnost in učinkovitost tržnih kmetijskih gospodarstev v Sloveniji. Vzorec in populacija FADN; obračunsko leto 2015 Št. kmetijskih gospodarstev v vzorcu FADN Št. kmetijskih gospodarstev v populaciji FADN 2012 1.143 43.343 2013 945 43.397 2014 904 43.465 2015 895 43.929 Struktura FADN vzorca po tipu kmetovanja (TF8);2015 _Poljščine Mešano 18% Prašiči/perutnina. FADN populacija; 2015 Popis kmet. 2013 (SURS) Delež FADN populacije v celotni populaciji (Popis kmet. 2013=100) SY302 Št. kmet. gospodarstev 43.929 44.790 98 SE025 Skupaj KZU (v ha) 429.235 431.340 100 SE080 Skupaj število (Ш. (v GVŽ) 437.518 467.700 94 SE010 Skupaj vložek dela (v PDM) 58.110 64.390 90 SE005 Ekonomska velikost (vOOO EUR SO) 888.042.878 949.327.150 94 Dohodki na enoto dela - primerjava med leti (EUR/kmetijsko gospodarstvo); 2012-2015 Proizvodna zmogljivost - primerjava med leti; 2012-2015 20.000 18.000 16.000 14.000 12.000 10.000 8.000 6.000 4.000 2.000 0 EU27/EU28 -Ж EU27/EU28 —m 3 822 3.691 3.810 3.767 ^^■Neto dodana vrednost kmetije/PDM ■ Ж -EU27/EU28: Neto dod.vred. kmetije/PDM 3.572 3.531 Dohodek kmečke družine/PDMd -EU27/28: Dohodek krneč. druž./PDMd I ■ 2012 2013 2014 2015 ■ Skupaj KZU (ha/kmet. gospodarstvo) Skupaj število GVŽ (GVŽ/kmet. gospodarstvo) Ekonomska velikost (000 EUR SO/kmet. gospodarstvo) —•— Skupaj vložek dela (PDM/kmet. gospodarstvo) ■o S o. o «a ■o 0 C s 3 3= 1 S Q >5: 2 0 1 3 Q n O" 3 Q S" Q 5 C TO 3 o Q. o N C o 2 Osnovna proizvodna zmogljivost kmetijskih gospodarstev po tipih kmetovanja; 2015 Šifra Opis spremenljivke Poljščine SE025 Skupaj KZU (ha/kmet. gospodarstvo) 8,7 SE080 Skupaj število G\Ž (GVŽ/kmet. gospodarstvo) 1,3 SE010 Skupaj vložek dela (PDMkmet. gospodarstvo) 0,9 SE005 Ekonom ska vel i kost (000 EUR SO/kmet. gospodarstvo) 13,3 irstvo Vinogradništvo Trajni nasadi Mleko Pašna živina Prašiči/perutnina Mešano Skupaj 10,5 4,4 4,9 16,1 10,2 20,7 7,9 9,8 1,1 0,2 0,6 25,8 9,4 92,3 8,8 10,0 5,9 1,4 1,4 1,8 1,2 1,6 1,3 1,3 66,9 11,4 22,1 49,9 12,7 114,6 16,1 20,2 Pregled ekonomskih in finančnih rezultatov po tipih kmetovanja; 2015 Šifra Opis spremenljivke Poljščine Vrtnarstvo Vinogradništvo Trajni nasadi Mleko Pašna živina Prašiči/perutnina Mešano Skupaj SE131 Skupaj vrednostproiarodnje 15.681 123.118 31.028 26.812 50 171 16.378 86.703 18.310 23.752 SE135 Skupaj vrednost rastlinske pridelave 11.485 96.907 28.010 24.797 15.149 5.294 23.986 8.441 11.150 SE206 Skupaj vrednost živali in žvalskih proizvodov 918 454 76 253 30.929 5.184 57.404 6.748 8.181 SE256 Ostali prihodki 3.278 25.757 2.941 1.763 4.092 5.900 5.313 3.121 4.422 SE270 Skupaj stroški 17.797 120.224 26.191 24.951 50 797 19.786 85.734 20.807 25.690 SE275 Skupaj vmesna poraba 11.000 71.147 13.694 11.866 37.091 12.383 62.525 14.264 16.797 SE360 Amortizacija 6.159 14.054 11.364 10.016 12.449 7.042 19.210 6.058 7.849 SE365 Stroški z zunanjimi dejavniki 638 35.023 1.134 3.069 1.258 361 3.999 485 1.044 SE132 Skupni prihodki (output)/Skupni vložki (input) 88% 114% 118% 103% 100% 83% 103% 82% 89% SE131+SE600 Skupni prihodek 20.475 130.649 33.480 28.960 59 146 21.401 102.072 22.610 28.952 SE600 Bilanca tekočih subvencij in davkov 4 794 7.531 2.452 2.147 8.975 5.023 15.369 4.300 5.199 SE605 Skupne subvencije, brez investicij 5.461 7.814 4.014 2.938 9.422 5.653 16.691 4.980 5.873 SE630 Proizvodno nevezana plačila 2.410 2.861 346 907 4.698 2.486 5.904 2.223 2.569 SE624 Skupna podpora iznaslova razvoja podeželja 1.952 841 694 1.209 2.374 2.396 8.015 1.834 2.098 Ostale subvencije 1.099 4.112 2.973 822 2.349 771 2.771 923 1.206 SE410 Bruto dodana vrednost kmetije 9.474 59.502 19.786 17.094 22.055 9.019 39.547 8.346 12.154 SE415 Neto dodana vrednost kmetije 3.315 45.448 8.422 7.078 9.606 1.976 20.337 2.288 4.305 SE420 Dohodek kmečke družine 2.510 11.728 7.713 6.864 10.088 3.556 26.273 2.607 4.606 SE425 Neto dodana vrednost kmetije/PDM 3.543 7.722 5.930 4.910 5.460 1.631 12.439 1.756 3.255 SE430 Dohodek kmečke družine/PDMd 2.778 7.012 5.804 5.990 5 771 2.946 16.974 2.036 3.673 SE436 Skupaj sredstva 150.783 230.923 268.696 202.233 343.058 216.897 500.689 166.360 214401 SE4B5 Skupaj obveznosti do virovsredstev 4.911 43.666 9.471 8.563 12.772 6.179 58.608 3.409 7.213 SE501 Lastni kapital 145.871 187.257 259.225 193.670 330.286 210.719 442.081 162.951 207.188 SE510 Povprečna vrednostkapitala vobračunskem letu 73.080 194.588 212.442 141.154 181.584 102.110 342.212 92.193 114.610 SE516 Bruto investicije 4.924 3.252 6.546 11.953 11.262 6.914 30.852 4.725 7.032 SE521 Neto investicije -1.235 -10.802 -4.817 1.937 -1,187 -129 11.642 -1.333 -817 Pomen neto tekočih subvencij (SE600); 2015 Vrednost proizvodnje (SE131) po tipih kmetovanja; 2015 Poljščine Vrtnarstvo Vinogradništvo Trajni nasadi Mleko Pašna živina Prašiči/perutnina Mešano Skupaj ■ 15% ™ 23% ■ 15% ■ 19% ■ 18% ■ Delež neto tek. subv. (SE600) v skupnem prihodku (SE131+SE600) Delež neto tek. subv. (SE600) v netodod. vrednosti kmetije (SE415) 140.000 120.000 100.000 80.000 60.000 40.000 20.000 Poljščine Vrtnarstvo Vinograd- Trajni nasadi ništvo Vrednost proizvodnje (EUR/kmet. go s p.) Ključni ekonomski in finančni rezultati knjigovodstva po metodologiji FADN - primerjava med leti (EUR/kmetijsko gospodarstvo); 2012-2015 Šifra Opis spremenljivke 2012 2013 2014 2015 SE131 Skupaj vrednost proizvodnje 24.893 22.839 22.280 23.752 30.000 SE270 Skupaj stroški 27.130 25.749 24.261 25.690 25.000 SE275 Skupaj vmesna poraba 18.681 17.204 15.641 16.797 SE600 Bilanca tekočih subvencij in davkov 6.649 7.089 5.905 5.199 20.000 SE131+SE600 Skupni prihodek 31.542 29.928 28.185 28.952 15.000 SE410 Bruto dodana vrednost kmetije 12.862 12.724 12.544 12.154 10.000 SE415 Neto dodana vrednost kmetije 5.413 5.243 4.752 4.305 SE605 Skupne subvencije, brez investicij 6.943 7.544 6.562 5.873 5.000 SE630 Proizvodno nevezana plačila 3.050 3.083 2.675 2.569 SE436 Skupaj sredstva 186.580 188.106 213.016 214.401 0 SE485 Skupaj obveznosti do virovsredstev 4.730 3.752 6.271 7.213 SE501 Lastni kapital 181.850 184.354 206.746 207.188 SE510 Povprečna vrednost kapitala vobračunskem letu 103.574 101.921 112.128 114.610 i I__5243 TFT Vrednost proizvodnje (SE131) Neto tekoče subvencije (SE600) 18.000 16.000 14.000 12.000 10.000 8.000 6.000 4.000 2.000 Mleko Pašna živina Prašiči/ Mešano perutnina ■ Št. kmet. gos p. v FADN populaciji I Skupaj stroški (SE270) -Neto dodana vrednost kmetije(SE415) Pripravil: Kmetijski inštitut Slovenije; Ljubljana, november 2017 http://www.kis.si Vir podatkov: FADN RICA (individualni podatki za Slovenijo za 2012-2015, oktober 2017), FADN Public database (podatki za EU27/EU28; http://ec.europa.eu/agriculture/rica/database/database_en.c1m, november 2017) Več informacij: Ministrstvo za kmetijstvo, gozdarstvo in prehrano Republike Slovenije: h ttp ://www.m kg p .g ov.s i/s i/d el o vn a po dro cj a/km eti j s tvo/fa dn / Kmetijsko gozdarska zbornica Slovenije: httD:/AAAAW.kazs.si/gv/razvoi-Dodezelia/fadn.aspx Evropska komisija, spletna stran o FADN (metodološka pojasnila in javno dostopna baza podatkov): h ttp://ec.e u ro pa .eu /aa ricu Itu re/riсаЛл/еI co m e en .cfrn Definicije: Šifra Spremenljivka Enota Opis TF8 Tip kmetovanja / Tip kmetovanja je opredeljen na podlagi deleža, ki ga posamezna kmetijska aktivnost prispeva k skupni vrednosti ekonomskega merila (standardnega prihodka ali SO) na kmetijskem gospodarstvu. V prikazih standardnih rezultatovso poročevalska kmetijska gospodarstva razporejena v osem splošnih tipov kmetovanja. SE005 Ekonomska velikost 000 EUR SO Ekonomska velikost, izražena v tisoč EUR standardiziranega prihodka (ang. Standard CXitput ali SO). SO je standardna vrednost bruto kmetijske proizvodnje po cenah na kmetiji (v EUR), in sicer brez DDV, davkov na proizvode in subvencij, izračunava pa se kot petletno povprečje. SE010 Skupaj vložek dela PDM Skupni vložek dela, izražen v ekvivalentu polnovrednih delovnih moči (PDM). SE015 Vložek neplačanega dela PDMd Nanaša se vglavnem na delo družinskih članov, izraženo v ekvivalentu polnovrednih delovnih moči (kmečke) družne (PDMd). SE131 Skupaj vrednost proizvodnje EU R/kmet. gos p. Seštevek vrednosti rastlinske pridelave, ž val i in živalskih pro izvod o v ter ostalih prihodkov, tudi od dopolnilnih dejavnosti (brez subvencij) = Prodaja in poraba rastlinskih in živalskih proizvodov ter živine + spremembe v zalogah rastlinskih in živalskih proizvodov + sprememba v vrednosti živine - nakupi živine + različni drugi proiz vodi. SE270 Skupaj stroški EU R/kmet. gos p. Stroški, ki se nanašajo na opravljanje kmetijske in dopolnilne dejavnosti lastnika kmetijskega gospodarstva vtekočem letu (vključeni so aieski,ki se nanašajo na proizvedene in porabljene pridelke za reprodukcijo na kmetijskem gospodarstvu; vrednost hlevskega gnoja ni vključena) = Posebni stroški + splošni stroški + amortizacija + stroški z zunanjimi dejavniki. Kmetijski davki in druge dajatve niso všteti v skupni seštevek stroškov. Osebni davki imetnika se ne beležijo v računih FADN. SE415 Neto dodana vrednost kmetije EUR/kmet. gos p. Nadomestila za stalne proizvodne dejavnike ne glede na izvor (delo: domače in najeto, zemlja in kapital: najeto in v lasti kmetijskega gospodarstva). SE425 Neto dodana vrednost kmetije/P DM EUR/kmet. gos p. Neto dodana vrednost kmetije na enoto kmetijskega dela, plačanega in neplačanega. SE600 Bilanca tekočih subvencij in davkov EU R/kmet. gos p. Subvencije in davki, ki izhajajo iztekoče proizvodnje v obračunskem letu (brez investicij) = kmetijske subvencije + bilanca DDV na tekoče poslovanje - kmetijski davki. U) oo Standardni rezultati FADN knjigovodstva za kmetijo: Pri veselem Janezu (obračunsko leto 2015) Mreža racunowdskih podatkovs kmetijskih gospodarstev (ang. Farm Accountancy Data Network ali FADN) je sistem poenostavljenega kmetijskega knjigovodstva, ki temelji na spoštovanju enakih racunowdskih načel vvseh državah članicah EU. Izvaja se na \£orcu tržnih kmetijskih gospodarstev, namenjen pa je predvsem spremljanju dohodkov in analizam na rauii kmetijskega gospodarst va za podporo kmetijski politiki. V Slousniji segajo začetki FADN v leto 1994, od leta 2004 pa je knjigowdstw FADN usklajeno s predpisi na rauii EU. V -zoreč FADN so Mjučena kmetijska gospodarst va ki dosegajo vsaj 4.000 EUR standardnega prihodka (SO). Na tem informativnem pregledu so predstavljeni standardni rezultati FADN za vašo kmetijo za leto 2015, ki podajajo dragocen vpogled v ekonomsko uspešnost in učinkovitost vaše kmetije vtem letu. Rezultati FADN so predstavljeni s povprečnimi vrednostmi na kmetijsko gospodarstvo, za nekatere je narejena tudi primerjava z rezultati vseh FADN kmetij v Sloveniji in vseh kmetij enakega tipa kmetovanja (Pašna živina), kot je vaša Vzorec in populacija FADN; obračunsko leto 2015 Št. kmetijskih gospodarstev vvzorcu FADN Št. kmetijskih gospodarstevvpopulaciji FADN 2012 1.143 43.343 2013 945 43.397 2014 904 43.465 2015 895 43.929 Proizvodni tip vaše kmetije: Pašna živina Struktura FADN vzorca po tipu kmetovanja (TFS); 2015 Prašiči/perutnina. .Vinogradništvo FADN populacija; 2015 Popis kmet. 2013 (SURS) Delež FADN populacije v celotni populaciji (Popis kmet. 2013=100) SYS02 Št. kmet. gospodarstev 43.929 44.790 98 SE025 Skupaj KZU (vha) 429.235 431.340 100 SE080 Skupaj število GVŽ (vGVŽ) 437.518 467.700 94 SE010 Skupaj vložek dela (v PDM) 58.110 64.390 90 SE005 Ekonomska velikost (v000 EUR SO) 888.042.878 949.327.150 94 Mleko 16% Dohodki vaše kmetije na enoto dela - primerjava med leti (EUR/kmetijsko gospodarstvo); 2015 Proizvodna zmogljivost vaše kmetije - primerjava med leti; 2012-2015 EU 27/EU28 i i i i 2013 2014 2013 2014 Vaša kmetija: Neto dod.vred. kmetije/PDM —•— SLO: Neto dod. vred. kmetije/PDM - Ж -EU27/EU28: Neto dod.vred. kmetije/PDM ■ Skupaj KZU {ha/kmet. gospodarstvo) ■ Skupaj število GVŽ {GVŽ/kmet. gospodarstvo) Ekonomska velikost {000 EUR SO/km et. gospodarstvo) - Skupaj vložek dela {PDM/kmet. gospodarstvo) ■o S o. o «a ■o 0 C s 3 3= 1 § Q >5: 2 0 1 N Q S" O. c" s C Q S" o r TO (л g" «a o £ o & S § Osnovna proizvodna zmogljivost vaše kmetije in po tipih kmetovanja; 2015 Šifra Opis spremenljivke Vaša kmetija Pašna živina (SLO) Skupaj (SLO) Pašna živina (EU) Skupaj (EU) SE025 Skupaj KZU (ha/kmet. gospodarstvo) 25,1 10,2 9,8 43,0 34,1 SE080 Skupaj število GVŽ (G\ß/kmet. gospodarstvo) 18,6 9,4 10,0 40,1 27,2 SE010 Skupaj vložek dela (PDM/kmet. gospodarstvo) 1,2 1,2 1,3 1,4 1,5 SE005 Ekonomska velikost (000 EUR SO/kmet. gospodarstvo) 36,7 12,7 20,2 42,2 68,0 Pregled ekonomskih in finančnih rezultatov za vašo kmetijo in po tipih kmetovanja; 2015 Šifra Opis spremenljivke Vaša kmetija Pašna živina Skupaj 1 f on SE131 Skupaj vrednost proia/odnje 16.561 16.378 23.752 1.400 SE135 Skupaj vrednost rastlinske pridelave 9.267 5.294 11.150 1.200 SE206 Skupaj vrednostävali in živalskih proizvodov 6.719 5.184 8.181 1.000 SE256 Ostali prihodki 575 5.900 4.422 800 SE270 Skupaj stroški 39.005 19.786 25.690 600 SE275 Skupaj vmesna poraba 22.015 12.383 16.797 400 SE360 Amortizacija 14.566 7.042 7.849 200 SE365 Stroški zzunanjimi dejavniki 2.424 361 1.044 0 SE132 Skupni prihodki (output) / Skupni vložki (input) 42% 83% 89% SE131+SE600 Skupni prihodek 34.136 21.401 28.952 SE600 Bilanca tekočih subvencij in davkov 17.575 5.023 5.199 SE605 Skupne subvencije, brez investicij 17.575 5.653 5.873 SE630 Proizvodno nevezana plačila 10.282 2.486 2.569 SE624 Skupna podpora iznaslova razvoja podeželja 3.938 2.396 2.098 250 Ostale subvencije 3.355 771 1.206 SE410 Bruto dodana vrednost kmetije 12.121 9.019 12.154 200 SE415 Neto dodana vrednost kmetije -2.445 1.976 4.305 SE420 Dohodek kmečke družne -4.869 3.556 4.606 150 SE425 Neto dodana vrednost kmetije/PDM -1.972 1.631 3.255 SE430 Dohodek kmečke družne/PDMd -3.927 2.946 3.673 100 SE436 Skupaj sredstva 234.761 216.897 214.401 SE485 Skupaj obveznosti do virovsredstev 3.262 6.179 7.213 50 SE501 Lastni kapital 231.499 210.719 207.188 SE510 Povprečna vrednost kapitala vobračunskem letu 168.223 102.110 114.610 SE516 Bruto investicije 3.073 6.914 7.032 SE521 Neto investicije -11.493 -129 -817 369 361 1.361 I Pašna živina (SLO) Skupaj (SLO) ■ Skupni prihodek rasti. pridelave (v EUR/ha) Skupni pri h ode k iz živi no reje (v EUR/GVŽ) Pomen neto tekočih subvencij (SE600) za vašo kmetijo in po tipih kmetovanja; 2015 0% 50% 100% 150% 200% 250% Pašna živina (SLO) Skupaj (SLO) Vaša kmetija Pašna živina (SLO) Skupaj (SLO) ■ Koliko skupnih stroškov (SE270) za ustvarjenih 100 EUR iz kmet. proizvodnje (SE131)? Primerjava ekonomskih rezultatov vaše kmetije (EUR/kmet. gos p.); 2015 45.000 40.000 35.000 30.000 25.000 20.000 15.000 10.000 5.000 0 6.000 4.000 2.000 0 -2.000 -4.000 -6.000 ■ Delež neto tek. subv. (SE600) v skupnem prihodku (SE131+SE600) Delež neto tek. subv. (SE600) v neto dod. vrednosti kmetije (SE415) Ključni ekonomski rezultati FADN za vašo kmetijo - primerjava med leti (EUR/kmetijsko gospodarstvo); 2012-2015 Vaša kmetija ■ Vrednost proizvodnje {SEl31) Neto tekoče subvencije (SE600) Pašna živina (SLO) Skupaj (SLO) I Skupaj stroški (SE270) I Neto dod. vrednost kmetije (SE415) Šifra 2012 2013 2014 2015 50.000 SE131 Skupaj vrednost proizvodnje 33.220 18.965 16.431 16.561 SE270 Skupaj stroški 38.481 42.753 39.598 39.005 40.000 SE275 Skupaj vmesna poraba 25.005 30.274 21.347 22.015 SE600 Bilanca tekočih subvencij in davkov 17.146 20.596 19.666 17.575 30.000 SE131+SE600 Skupni prihodek 50.366 39.561 36.097 34.136 SE410 Bruto dodana vrednost kmetije 25.361 9.287 14.750 12.121 20.000 SE415 Neto dodana vrednost kmetije 14.621 -277 -268 -2.445 SE605 Skupne subvencije, brez investicij 17.146 20.596 19.666 17.575 10.000 SE630 Proizvodno nevezana plačila 11.831 11.711 11.550 10.282 0 SE436 Skupaj sredstva 233.923 213.648 244.877 234.761 SE485 Skupaj obveznosti do virovsredstev 12.640 9.480 6.320 3.262 SE501 Lastni kapital 221.283 204 168 238.557 231.499 SE510 Povprečna vrednost kapitala vobračunskem letu 165.139 159.110 178.793 168.223 Pripravil: 14.621 I J J J ■ Vrednost proizvodnje (SE131) Neto tekoče subvencije (SE600) ■ Skupaj stroški (SE270) - Neto dod. vrednost kmetije (SE415) Kmetijski inštitut Slovenije; Ljubljana, november 2017 http ://www.kis .si Vir podatkov: FADN RICA (individualni podatki za Slovenijo z 2012-2015, oktober2017), FADN Public database (podatki za EU27/EU28; http://ec.europa.eu/agriculture/rica/database/database_en.cftn, november 2017) Več informacij: Ministrstvo za kmetijstvo, gozdarstvo in prehrano Republike Slovenije: http:/AAAAM.mkqp.qov.si/si/delovna podrocia/kmetiistvo/fadn/ Kmetijsko gozdarska zbornica Slovenije: http:/AAAAW.kazs.si/gv/razvoi-podezelia/fadn.aspx Evropska komisija, spletna stran o FADN (metodološka pojasnila in javno dostopna baza podatkov): http://ec.europa.eu/aariculture/ricaAwelcome en.cfrn Definicije: Šifra Spremenljivka Enota Opis TF8 Tip kmetovanja / Tip kmetovanja je opredeljen na podlagi deleža, ki ga posameaia kmetijska aktivno st pri speva k skupni vrednosti ekonomskega merila (standardnega prihodka ali SO) na kmetijskem gospodarstvu. V prikazih standardnih rezultatov s o poročevalska kmetijska gospodarstva razporejena v osem splošnih tipov kmetovanja. SE005 Ekonomska velikost 000 EUR SO Ekonomska velikost, izražena v tisoč EUR standardiziranega prihodka (ang. Standard Output ali SO). SO je standardna vrednost bruto kmetijske proizvodnje po cenah na kmetiji (v EUR), in sicer brez D DV, davkov na proizvode in subvencij, izračunava pa se kot petletno povprečje. SE010 Skupaj vložek dela PDM Skupni vložek dela, izražen vekvivalentu polnovrednih delovnih moči (PDM). SE015 Vložek neplačanega dela PDMd Nanaša se vglavnem na delo družnskih članov, izraženo vekvivalentu polnovrednih delovnih moči (kmečke) družine (PDMd). SE131 Skupaj vrednost proizvodnje EU R/kmet. gos p. Seštevek vrednosti rastlinske pridelave, žvali in žvalskih proizvodov ter ostalih prihodkov, tudi od dopolnilnih dejavno s ti (brez subvencij) = Prodaja in poraba rastlinskih in živalskih proizvodov ter živine + spremembe v zaloga h rastlinskih in živalskih proizvodov + sprememba v vrednosti živine - nakupi živine + različni drugi proiz vodi. SE136 Skupni prihodek rasti, pridelave / ha EUR/ha Skupaj vrednost rastlinske pridelave [Prodaja + uporaba na kmetiji + Poraba vgospodinjtvu + (vrednost na koncu obračunskega - začetna vrednost)]/ha (izvzeta območja, dana v zakup za krajši čas, in površine, izključene iz proizvodnje). SE207 Skupni prihodek iz živinoreje /GVZ EUR/GVZ Skupaj vrednost živali in živalskih proizvodov [Živinoreja + sprememba v vrednosti ž ivine + živalskih proiz vodov.] /GVZ Živinoreja = prodaja + poraba v gospodinjstvu - nakupi (Izračuna se za kopitarje, govedo, ovce, koze, prašiče, perutnino in druge živali.) Sprememba v vrednosti ž ivine = vrednost pri zaključnem vrednotenju - vrednost pri začetnem vrednotenju. (Za živali, ki so prisotne na gospodarstvu za več kot eno leto, je ocenjena vrednost, kije sorazmerna s p tira sto m.) Živalski izdelki = prodaja + poraba v gospodinjstvu + poraba na kmetiji + (zaključno vrednotenje - začetno vrednotenje). SE270 Skupaj stroški EU R/kmet. gos p. Stroški, ki se nanašajo na opravljanje kmetijske in dopolnilne dejavnosti lastnika kmetijskega gospodarstva v tekočem letu (vključeni so zneski, ki se nanašajo na proizvedene in porabljene pridelke za reprodukcijo na kmetijskem gospodarstvu; vrednost hlevskega gnoja ni vključena) = Posebni stroški + splošni stroški + amortizacija + stroški z zunanjimi dejavniki. Kmetijski davki in druge dajatve niso všteti v skupni seštevek stroškov. Osebni davki imetnika se ne beležijo v računih FADN. SE415 Neto dodana vrednost kmetije EUR/kmet. gosp. Nadomestila za stalne proizvodne dejavnike ne glede na izvor (delo: domače in najeto, zemlja in kapital: najeto in v lasti kmetijskega gospodarstva). SE425 Neto dodana vrednost kmetije/PDM EU R/kmet. gosp. Neto dodana vrednost kmetije na enoto kmetijskega dela, plačanega in neplačanega. SE600 Bilanca tekočih subvencij in davkov EU R/kmet. gosp. Subvencije in davki, ki izhajajo iztekoče proizvodnje v obračunskem letu (brez investicij) = kmetijske subvencije + bilanca DDV na tekoče poslovanje - kmetijski davki. Priloga 9: Nabor kazalcev za hitro verifikacijo agregatnih rezultatov FADN Spremenljivka Oznaka SE005 Ekonomska velikost SE010 Skupaj vložek dela (PDM) SE015 Vložek neplačanega dela (PDMd) SE020 Vložek plačanega dela (PDM) SE025 Skupaj KZU SE030 Najeta KZU SE131 Skupaj vrednost proizvodnje SE131+SE600 Skupni prihodek SE135 Skupaj vrednost rastlinske pridelave SE206 Skupaj vrednost živali in živalskih proizvodov SE256 Ostali prihodki SE270 Skupaj stroški SE275 Skupaj vmesna poraba SE281 Skupaj posebni stroški SE336 Skupaj splošni stroški SE360 Amortizacija SE365 Stroški z zunanjimi dejavniki SE390 Davki SE395 Bilanca DDV,brez investicij SE405 Bilanca subvencij in davkov na investicije SE406 Subvencije za investicije SE407 Plačila za opustitev mlečne proizvodnje SE408 DDV na investicije SE410 Bruto dodana vrednost kmetije SE415 Neto dodana vrednost kmetije SE420 Dohodek kmečke družine SE425 Neto dodana vrednost kmetije/PDM SE430 Dohodek kmečke družine/PDMd SE436 Skupaj sredstva SE441 Skupaj osnovna sredstva SE446 Zemljišča, trajni nasadi in kvote SE450 Zgradbe SE455 Mehanizacija SE460 Osnovna čreda SE465 Skupaj obratna sredstva SE501 Lastni kapital SE510 Povprečna vrednost kapitala v obračunskem letu SE516 Bruto investicije SE521 Neto investicije SE600 Bilanca tekočih subvencij in davkov SE605 Skupne subvencije, brez investicij SE606 Skupaj neposredne podpore SE610 Skupaj subvencije za rastlinsko pridelavo SE615 Skupaj subvencije za živali SE624 Skupna podpora iz naslova razvoja podeželja SE625 Subvencije za proizvode vmesne porabe SE626 Subvencije za zunanje dejavnike SE630 Proizvodno nevezana plačila SE650 Skupna pomoč v okviru člena 68 SE699 Druge subvencije UTEŽ Utež 4. EKONOMSKO SVETOVANJE KMETIJSKIM GOSPODARSTVOM NA PODLAGI EKONOMSKIH KAZALCEV FADN Damjan Jerič, Emil Erjavec, Miroslav Rednak, Tina Volk Končno poročilo o izvedbi nalog tretjega delovnega svežnja (DS3) v okviru CRP: Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423) Ljubljana, november 2017 4. EKONOMSKO SVETOVANJE KMETIJSKIM GOSPODARSTVOM NA PODLAGI EKONOMSKIH KAZALCEV FADN......................................................................................143 4.1. Namen in cilji raziskave..................................................................................................147 4.2. Izhodišča........................................................................................................................148 4.2.1. Panožni krožki v Avstriji - model za Slovenijo.................................................................148 4.2.2. Pregled podatkovnih virov .............................................................................................. 149 4.2.3. Koncipiranje empiričnega orodja - SEZAM......................................................................150 4.2.4. Izbor podatkov in kazalnikov za izdelavo orodja.............................................................151 4.3. Programsko orodje za vnos in analizo podatkov..............................................................153 4.3.1. Osnovna datoteka...........................................................................................................154 4.3.2. Obdelava podatkov ......................................................................................................... 156 4.3.3. Sistem predstavitve zbirnih rezultatov ............................................................................ 156 4.4. Organizacija dela analitičnega panožnega krožka............................................................161 4.4.1. Izvedba testnih delavnic in ključne ugotovitve...............................................................161 4.4.2. Priporočila za organizacijo analitičnih panožnih krožkov v prihodnje............................163 4.5. Sklepne ugotovitve in priporočila....................................................................................166 4.5.1. Sklepne ugotovitve..........................................................................................................166 4.5.2. Priporočila ....................................................................................................................... 166 4.6. Priloge...........................................................................................................................169 KAZALO PREGLEDNIC Preglednica 31: Prikaz izračuna pokritja in korigiranega pokritja na primeru različnih......................... letnih ravni obnove črede (hipotetično).................................................................153 Preglednica 32: Primer prikaza primerjave rezultatov posamezne kmetije med leti.......................158 Preglednica 33: Primer prikaza primerjave rezultatov skupin kmetij za posamezno leto................159 Preglednica 34: Primer prikaza primerjave rezultatov posamezne kmetije s skupino........................... boljših za posamezno leto ....................................................................................... 160 Preglednica 35: Primer prikaza izbranih kazalcev za vse kmetije za leto 2016................................161 KAZALO SLIK Slika 24: Sistem povezovanja datotek...........................................................................................154 Slika 25: Osnovna datoteka; list: opis kmetije..............................................................................155 KAZALO PRILOG Priloga 10: Osnovna datoteka - primer izpolnjenega lista »opis kmetije«.......................................169 Priloga 11: Osnovna datoteka - primer izpolnjenega lista »proizvodnja«........................................170 Priloga 12: Osnovna datoteka - primer izpolnjenega lista »krma«...................................................171 Priloga 13: Osnovna datoteka - primer izpolnjenega lista »kalkulacija«..........................................172 Priloga 14: Osnovna datoteka - primer izpolnjenega lista »izbor«...................................................173 Analitično spremljanje in preverjanje uspešnosti poslovanja kmetijskih gospodarstev je eden ključnih pogojev za učinkovito upravljanje in načrtovanje nadaljnje rasti in razvoja posameznega kmetijskega gospodarstva. Pri nas je spremljanje poslovanja s pomočjo knjigovodskih podatkov in računovodskih izkazov je za kmetijska podjetja obvezno, medtem ko kmetje kot fizične osebe niso obvezani voditi poslovnih knjig. Ne dovolj razviti poslovni podatkovni sistemi na kmetijah in njihova omejena uporaba so prepoznani kot ena od najšibkejših točk slovenskega kmetijstva. V zadnjem desetletju se razmere na tem področju izboljšujejo. Nabor knjigovodskih in drugih poslovnih podatkov se širi. Zaradi obveze do pravnega reda Evropske unije je bilo tudi v Sloveniji uvedeno knjigovodstvo na kmetijskih gospodarstvih po sistemu FADN (glej 4.3). Večje kmetije, ki so obdavčene na podlagi dohodka iz dejavnosti, vodijo dvostavno knjigovodstvo, vodijo pa se tudi evidence za potrebe obračunavanja davka na dodano vrednost (DDV). Žal pa je uporaba tovrstnih evidenc za namene poslovnega odločanja zelo omejena. Ugotovitve v okviru tega projekta in tudi širše namreč kažejo, da je spremljanje in načrtovanje gospodarjenja na slovenskih kmetijah na podlagi poslovnih in drugih evidenc še vedno prej izjema kot pravilo. Razloge za takšno stanje lahko iščemo v nizki ozaveščenost o pomenu poslovnih evidenc in podatkovnih sistemov za sprejemanje proizvodnih in ekonomskih odločitev na kmetijah, kakor tudi v pomanjkanju ustreznih pristopov k svetovanju. Eden od novih pristopov k svetovanju, ki se je uveljavil v razvitih evropskih državah (Avstrija, Nizozemska, Danska, ...) in sloni na knjigovodskih in drugih podatkovnih virih, je delo v okviru panožnih krožkov. Poudarek je dan analizi proizvodnih podatkov v povezavi z ekonomiko poslovanja, na podlagi katere se potem po metodi medsebojnih primerjav vključenih kmetij iščejo vzroki za slabše ekonomske rezultate na posamezni kmetiji. Za spremljanje, analizo in primerjavo so izdelana posebna računalniška orodja, ki dajejo široko paleto rezultatov in vpogled v vplive proizvodnih in ekonomskih dejavnikov na poslovni izid posamezne kmetije, skupin kmetij in celotnega vzorca. Tovrstne krožke bi lahko, ker temeljijo na analizi empiričnih podatkov, imenovali analitični panožni krožki. Po vzoru evropskih držav smo pred leti začeli ustanavljati panožne krožke tudi v Sloveniji. Začetki panožnih krožkov segajo v leto 2005, ko je Biotehniška fakulteta v sodelovanju z Javno službo kmetijskega svetovanja (JSKS) v okviru Twinning projekta začela vzpostavljati krožke za strateško načrtovanje na kmetijah, v katerih je sodelovalo okrog 500 kmetij. V Sloveniji je trenutno vzpostavljenih 64 panožnih krožkov, v katerih sodeluje nekaj čez 1.600 članov. Panožni krožki pri nas delujejo predvsem v smeri iskanja tehnoloških rešitev in izboljšav ter izmenjave znanj in novosti na posameznih kmetijskih področjih, medtem ko so ekonomske vsebine bolj redko zastopane. Poleg tega delo praviloma ne sloni na empiričnih podatkih s kmetij, ki so vključene v krožke. Eden izmed razlogov za takšno stanje je pomanjkanje orodij, ki bi omogočala uporabo obstoječih podatkovnih virov za namene ekonomskega svetovanja v okviru krožkov. Raziskava zato zasleduje naslednje cilje: - na podlagi primerov dobrih praks pri delu v krožkih in obstoječih podatkovnih virov, zlasti individualnih podatkov FADN knjigovodstva, izdelati orodje za ugotavljanje ekonomske učinkovitosti in strateško načrtovanje kmetijske proizvodnje na kmetijah, - s pomočjo orodja nato razviti nov (analitični) pristop k svetovanju v okviru panožnih krožkov, - orodje in pristop preveriti z vodenimi delavnicami; - na podlagi pridobljenih izkušenj izdelati priporočila za nadaljnji razvoj analitičnih panožnih krožkov in novih oblik svetovanja z uporabo empiričnih podatkovnih podlag. Orodje in celotni model svetovanja je izdelan na primeru panožnega krožka proizvajalcev mleka. Proizvodnjo mleka smo izbrali, ker je to najbolj razširjena kmetijska panoga v Sloveniji in je podatkovno tudi najbolj podprta. Pri razvoju celotnega sistema svetovanja preko panožnih krožkov za proizvajalce mleka smo se zgledovali po modelu, ki ga uporablja v krožkih za rejce krav molznic kmetijska svetovalna služba v Avstriji, zato v nadaljevanju najprej podrobneje predstavljamo delovanje panožnih krožkov v Avstriji. Sledi predstavitev najpomembnejših podatkovnih virov, kot podlage za izbor kazalnikov za ugotavljanje uspešnosti poslovanja in predstavitev izhodišč pristopa pri izgradnji podatkovnega sistema. Osrednji del poročila je namenjen predstavitvi programskega orodje z datoteko za vnos in obdelavo podatkov in sistemom za predstavitev zbirnih rezultatov. V nadaljevanju predstavljamo nov pristop k svetovanju v okviru panožnega krožka, ki smo ga preizkusili z izvedbo dveh delavnic na dveh območjih Slovenije. Prispevek končujemo s sklepnimi ugotovitvami in priporočili za nadaljnje delo na oblikovanju in vodenju analitičnih panožnih krožkov za potrebe kmetijskega svetovanja v Sloveniji. 4.2. IZHODIŠČA 4.2.1. Panožni krožki v Avstriji - model za Slovenijo V Avstriji panožni krožki predstavljajo posebno obliko dodatnega kolektivnega svetovanja, ki ga avstrijska kmetijska zbornica preko deželnih zbornic nudi svojim članom - kmetovalcem v glavnih panogah kmetijstva. Namen organiziranja panožnih krožkov je omogočiti kmetijam napredek, jim pomagati pri povečanju storilnosti in jih motivirati za izboljšanje gospodarnosti pridelave. Manjši del sredstev za delovanje krožkov prispevajo člani krožkov sami, ostala sredstva pa se pridobijo iz avstrijskega Programa razvoja podeželja v okviru ukrepa, namenjenega poklicnemu izobraževanju in informiranju. Krožki se izvajajo za 11 proizvodnih področij: poljedelstvo, prireja mleka, pitanje prašičev, pitanje govedi, vzreja pujskov, vzreja jagnjet, prireja ovčjega in kozjega mleka, proizvodnja bioplina, reja krav dojilj, vzreja volov in podjetništvo (celovito upravljanje financ v gospodinjstvu, ki presega ozke okvire kmetijske proizvodnje). V nekaterih avstrijskih deželah oblikujejo krožke tudi za druge prevladujoče panoge na svojem območju, kot so gozdarstvo, vinogradništvo, perutninarstvo in podobno. Najbolj razširjeni so krožki v panogah prireje mleka, poljedelstvu in prašičereji. V letu 2016 je bilo organiziranih 293 panožnih krožkov, v katerih je sodelovalo 4.738 kmetij. V posameznem panožnem krožku sodeluje od 15 do 30 članov, ki zasledujejo skupen cilj, to je uspešno upravljati s primarno dejavnostjo na svoji kmetiji. Za vsako proizvodno področje je izdelano računalniško orodje za spremljanje rezultatov gospodarjenja na kmetijah. Nekateri podatki se za kmetije zberejo avtomatsko iz različnih poslovnih evidenc (npr. nakupni podatki v zadružnem sistemu, prodaja proizvodov, nakupi surovin, izdatki za storitve), oz. se ocenijo skupaj s člani krožkov. Bistvo dela panožnih krožkov je sodelovanje v delavnicah. Člani krožkov s pomočjo svetovalca sami vnesejo in preverijo podatke in potem skupno v skupini analizirajo rezultate. Medsebojno, torej s kmeti v krožku, iščejo vzroke zakaj nekatere kmetije gospodarijo bolje in zakaj druge slabše. Svetovalec moderira razpravo in po potrebi podaja strokovno mnenje. V interaktivnem okolju člani krožka tako pridobijo informacijo kaj delajo dobro in kje so še možnosti za izboljšanje. Panožni krožki nudijo svojim članom kakovostno strokovno svetovanje in usposabljanje (predavanja, delavnice, hlevski seminarji, ogled njiv, strokovne ekskurzije), ki ga izvajajo usposobljeni svetovalci. Gre za usposabljanje v skladu s potrebami in željami članov. Običajno se člani krožka srečajo najmanj štirikrat, včasih tudi šest do osemkrat letno. Vsak član krožka podpiše pristopno izjavo in plača članarino, ki znaša od 100 do 300 eurov letno. Srečanja temeljijo predvsem na izmenjavi mnenj in ne na podajanju strokovnega znanja s strani svetovalca. Svetovalec ima ta pri vodenju panožnih krožkov predvsem vlogo moderatorja. Poleg tega je njegova naloga izdelava letnega programa za posamezno skupino, organizacija in vodenje izobraževanj, nudenje podpore pri vnosu podatkov za ovrednotenje panoge, prezentacija in analiza ovrednotene panoge, analiza prednosti in pomanjkljivosti posamezne kmetije ter nudenje pomoči pri izdelavi in uresničevanju ciljev ter ukrepov za izboljšanje proizvodnje. Delo v panožnih krožkih temelji predvsem na izmenjavi izkušenj in mnenj med člani, ki stremijo k istemu cilju. Gre za zaprte skupine, kar zaradi zaupanja in prijateljstva med člani zagotavlja boljši delovni učinek. Zato so nujni medsebojno zaupanje in spoštovanje članov v skupini, enotnost in diskretnost navzven ter odgovornost za redno sodelovanje in aktivno udeležbo v krožkih. Delo panožnih krožkov kmetom zagotavlja podporo pri iskanju najboljših strategij za razvoj kmetije, svetovanje pri optimizaciji proizvodnje, možnost izboljšanja gospodarnosti in zagotavljanje uspešne poslovne rasti. Izkušnje avstrijskih krožkov kažejo, da so kmetije, ki sodelujejo v krožkih, uspešnejše od ostalih kmetij, saj imajo več znanja in informacij, večje možnosti izmenjave izkušenj s poklicnimi kolegi, poznajo stanje na svoji kmetiji in delajo za konkretne cilje. 4.2.2. Pregled podatkovnih virov Kot možne vire ekonomskih in tehnoloških podatkov za oblikovanje podatkovne baze pri proizvodnji mleka smo proučili naslednje: — FADN knjigovodstvo, — davčno knjigovodstvo (dvostavno knjigovodstvo), — evidence za namene obračuna DDV, — portal CPZ Govedo (KIS). FADN knjigovodstvo Pri vodenju FADN knjigovodstva ločimo dve skupini kmetij: vzorčne kmetije (t. i. »vzorčniki«), ki sodelujejo v reprezentativnem vzorcu ter kmetije, ki so to obveznost prevzele kot prejemnice sredstev po investicijskih razpisih Programa razvoja podeželja (t. i. »obvezniki«). Obračunsko obdobje FADN knjigovodstva zajema koledarsko leto. V tekočem letu kmetje vodijo različne evidence in jih oddajajo pristojnim službam, ki te podatke obdelajo. Obdelava podatkov mora biti pri obveznikih zaključena do 31.3. naslednjega leta, pri vzorčnikih pa do konca naslednjega leta. Kmetje po opravljeni obdelavi podatkov prejmejo zbir knjigovodskih podatkov t.i. »Podatkovni model in rezultati obdelave knjigovodskih podatkov za leto ...«. V njem so podatki prikazani večinoma vrednostno, nekateri pa tudi količinsko. Podatki o poslovanju kmetijskih gospodarstev, zbrani v okviru FADN knjigovodstva, so precej podrobni in nudijo dober vpogled v dohodke in poslovanje kmetijskih gospodarstev. Problem je v tem, da se predvsem podatki na strani stroškov nanašajo na kmetijo kot celoto in le izjemoma je mogoče razbrati podatke, ki se nanašajo smo na izbrano panogo, ki je predmet panožnega krožka. Pri visoko specializiranih kmetijah je to manjši problem, pri kmetijah z bolj raznoliko proizvodnjo pa je treba delež stroškov (in potroškov), ki se nanaša na obravnavano panogo oceniti. Davčno knjigovodstvo Kmetije, ki so obdavčene na podlagi dohodka iz dejavnosti, vodijo dvostavno knjigovodstvo. Gre za natančno in z listinami podprto knjigovodstvo, ki je opredeljeno z davčnimi predpisi in računovodskimi standardi. Zaradi zahtevnosti takega knjigovodstva, ga za kmetije običajno opravljajo računovodski servisi na podlagi listin in evidenc, ki jih dostavijo kmetovalci. Davčno knjigovodstvo zajema obdobje koledarskega leta. Podatke je potrebno obdelati do 31. marca naslednjega leta zaradi poročanja na FURS. Kot osnovni vir računovodskih podatkov služi bruto bilanca, v kateri je zajet promet in saldo vseh knjigovodskih postavk (kontov). Prednost davčnega knjigovodstva je točnost in zanesljivost podatkov, saj le ti temeljijo na verodostojnih knjigovodskih listinah. Po drugi strani pa je to dokaj pomanjkljiv vir, saj večinoma vsebuje le vrednostne podatke, ki zadostujejo za namene obdavčitve, ne daje pa količinskih podatkov, saj se večinoma količine ne vnašajo. Količinski podatki so sicer navedeni na listinah in bi se lahko tudi raču- novodsko obravnavali, vendar bi takšno knjigovodstvo zahtevalo dodatno vnašanje, kar bi precej podražilo stroške računovodskih storitev za kmete. Poleg tega je pri računovodskih servisih praksa razčlenjevanja (kontiranja) posameznih knjigovodskih postavk različna. Nekateri servisi stroške in prihodke razčlenjujejo podrobneje, drugi pa manj podrobno, čeprav velja načelno priporočilo, da se pri kmetijah uporablja 7-mestni kontni plan, ki je usklajen z razčlenjevanjem računovodskih kategorij v FADN knjigovodstvu. Pri davčnem knjigovodstvu torej razpolagamo z zelo točnimi podatki, ki pa so predvsem vrednostni. Količinski podatki se ne evidentirajo, so pa razvidni iz računov, ki so arhivirani. Do teh podatkov sicer lahko pridemo, vendar z dodatnim zbiranjem podatkov, kar zahteva več časa in je lahko povezano z dodatnimi stroški za kmeta. DDV evidence Kmetije, ki so samo v sistemu obračunavanja DDV, vodijo knjigo prejetih in izdanih računov. Njihova naloga je, da zbirajo račune, vnesejo ključne podatke za obračun DDV v ustrezne knjige in ob zaključku obdobja oddajo obračun DDV. Evidence se vodijo za tekoče koledarsko leto. Osnovni vir podatkov predstavljajo računi. DDV knjige vodi večina večjih kmetij. Prednost teh evidenc je, da so računi shranjeni in omogočajo stalni vpogled, slabost pa, da so kot vir podatkov za spremljanje ekonomskih kazalcev skoraj neuporabne. Uporabijo se lahko samo računi, iz katerih bi bilo potrebno dodatno zapisovati in beležiti podatke o stroških in prihodkih. Torej bi bile v tem primeru potrebne dodatne evidence, da bi jih lahko potem uporabili za spremljanje gospodarjenja na kmetiji. Centralna podatkovna zbirka (CPZ) Govedo CPZ Govedo omogoča rejcem goved spremljanje proizvodnih lastnosti, reprodukcije in kakovosti mleka za posamezno molznico ter na ravni kmetije. Drugi uporabniki (svetovalci, načrtovalci politike, lokalne skupnosti, rejske organizacije, raziskovalci, študentje, dijaki, živilskopredelovalna industrija ...) lahko dostopajo do podatkov o stanju in trendih pri prireji mleka na ravni različnih agregatov. Portal Govedo prikazuje podatke za obdobje od 1.11. predhodnega leta do 31.10. tekočega leta, zbirni rezultati pa so na voljo do konca tekočega leta. Portal obsega podatke več kot 4.000 kmetij, ki se ukvarjajo s prirejo mleka. Gre za internetno aplikacijo, do katere kmetovalci lahko dostopajo s pomočjo prijavnega gesla in uporabniškega imena ter si ogledajo tehnološke podatke o prireji mleka na svoji kmetiji. Zbir najpomembnejših tehnoloških podatkov o prireji mleka za posamezno kmetijo je predstavljen v t.i. sumarniku. Problem podatkov CPZ Govedo je, da je zbir najpomembnejših tehnoloških podatkov o prireji mleka izdelan za drugačno obračunsko obdobje kot so na voljo knjigovodski podatki. Pri stabilni proizvodnji na kmetiji različna obdobja zajema podatkov ne vplivajo pomembneje na rezultate, pri večjih spremembah v proizvodnji na posamezni kmetiji pa to lahko predstavlja problem. 4.2.3. Koncipiranje empiričnega orodja - SEZAM Celoten koncept pristopa pri izgradnji podatkovnega sistema smo poimenovali s kratico SEZAM -Svetovalno Empirično orodje Za podporo izboljšanju ekonomske učinkovitosti na kmetijah s pomočjo Analitičnih panožnih svetovalnih krožkov na primeru prireje Mleka. Pri koncipiranju empiričnega orodja SEZAM smo zasledovali naslednja načela oziroma cilje: — zbrati čim več ekonomskih in tehnoloških podatkov za panogo na kmetiji; — v čim večji meri uporabiti obstoječe vire podatkov; — preveriti podatke na podlagi razprave s kmeti in dopolniti manjkajoče podatke z informacijami kmetov; — na tej podlagi oceniti ekonomski rezultat panoge na ravni pokritja; — pripraviti izbor kazalnikov za analizo in primerjavo; — nazorno predstaviti rezultate, ki omogočajo primerjavo med kmetijami; — pripraviti orodje za vnos in obdelavo podatkov ter predstavitev rezultatov s pomočjo elektronskih preglednic. 4.2.4. Izbor podatkov in kazalnikov za izdelavo orodja Izbor podatkov in kazalnikov za izdelavo orodja in izvedbo celotnega sistema svetovanja preko pano-žnih krožkov za proizvajalce mleka sloni na obstoječih evidencah, ki pri kmetovalcih že ostajajo. Osnovni vir podatkov predstavlja zbir rezultatov FADN knjigovodstva, kot vir vrednostnih in nekaterih količinskih podatkov ter sumarnik CPZ Govedo, kot vir tehnoloških podatkov. Za kmetije, ki ne vodijo FADN knjigovodstva se podatki lahko črpajo iz davčnega knjigovodstva ali DDV evidenca. V teh primerih je potrebno del podatkov zbirati iz drugih virov, kot so računi, ki jih imajo kmetje, podatki mlekarn in tudi zadrug. Del podatkov, ki jih ni mogoče dobiti iz raznih evidenc, morajo kmetje oceniti sami. Izbor finančnih kazalnikov v osnovi sledi FADN konceptu. Ključni ekonomski kazalnik, ki opredeljuje ekonomsko učinkovitost proizvodnje je pokritje. Po definiciji je pokritje razlika med skupnimi prihodki in skupnimi variabilnimi stroški. To je količina denarja, ki je razpoložljiva za pokrivanje stroškov dela, amortizacije, pripadajočih splošnih stroškov in davkov ter akumulacijo. Finančni podatki v okviru FADN omogočajo izračun pokritja na ravni kmetije kot celote, ne pa tudi na ravni posamezne panoge oziroma pridelka. Zato je potrebno tako pri prihodkih kot tudi stroških izbrati ali oceniti le tisti del, ki se nanaša na izbrano panogo. Te ocene večinoma temeljijo na količinskih podatkih, zato podatkovni okvir poleg izvirnih vrednostnih kazalcev vključuje tudi vrsto količinskih podatkov in podatkov o cenah. Na strani prihodkov so tako upoštevani podatki o količini in ceni prodanega mleka, količini mleka porabljenega v gospodinjstvu in količini mleka za teleta, številu in ceni zrejenih telet v starosti 10 dni, ter številu in ceni izločenih krav. Na strani stroškov so na podlagi količin in cene ocenjeni stroški kupljene krme (ločeno za voluminozno krmo in močno krmo) ter vrednost prevedenih telic za obnovo črede, preostali stroški pa so upoštevani z ocenjenim deležem, ki pripada reji mlečnih krav. Po klasičnih računovodskih standardih se stroški obnove osnovne črede obračunavajo v okviru amortizacije (stroški obnove se v tem primeru porazdelijo med leti glede na dobo koriščenja krav). Po FADN metodologiji se vrednost izločenih krav prišteva k letnim prihodkom, vrednost prevedenih telic pa k spremenljivim stroškom tekočega leta. Ta metoda lahko v primeru, da je na kmetiji v posameznem letu prišlo do večjega odstopanja obnove črede glede na večletno povprečje, pomembno vpliva na končni finančni rezultat (pokritje). V primeru pospešene obnove ali ob povečevanju staleža je tako izračunano pokritje podcenjeno in obratno. Ker se pri analizi rezultatov osredotočamo na učinkovitost tekočega poslovanja v posameznem letu, smo poleg pokritja izračunanega po FADN pristopu, izračunali še t.i. »korigirano pokritje«, pri čemer je pri stroških obnove črede upoštevana povprečna petletna stopnja zamenjave krav. Kot končni kriterij ekonomske uspešnosti posamezne kmetije smo uporabili korigirano pokritje. Podrobneje je postopek izračuna obeh oblik pokritja in razlik, ki lahko nastopijo zaradi različnega obsega obnove črede v posameznem letu, prikazan v Preglednica 31: Prikaz izračuna pokritja in korigiranega pokritja na primeru različnih letnih ravni obnove črede (hipotetično) VEČJE MANJŠE prevedbe NA prevedbe prevedbe RAVNI od izloči- od izloči- VEČLETNEGA tev tev POVPREČJA (1) število krav na začetku leta podatek 27 33 30 (2) število krav na koncu leta podatek 33 27 30 (3) povprečno število krav v tekočem letu podatek 30 30 30 (4) prihodki od mleka in telet brez izločenih krav podatek 45000 45000 45000 (5) število izločenih krav v letu podatek 7 10 9 (6) vrednost izločene krave (eur/kravo) podatek 500 500 500 (7) prihodki izločenih krav =(5)*(6) 3500 5000 4500 (8) SKUPAJ PRIHODKI FADN =(4)+(7) 48500 50000 49500 (9) variabilni stroški podatek 20000 20000 20000 (10) št prevedenih telic v letu podatek 10 7 9 (11) vrednost prevedene telice (eur/telico) podatek 1100 1100 1100 (12) stroški prevedenih telic = (10)*(11) 11000 7700 9900 (13) SKUPAJ STROŠKI (FADN) =(9)+(12) 31000 27700 29900 (14) POKRITJE FADN skupaj = (8)-(13) 17500 22300 19600 (15) POKRITJE FADN na kravo = (14)/(3) 583 743 653 IZRAČUN KORIGIRANEGA POKRITJA (16) SKUPAJ KORIGIRANI PRIHODKI = (4) 45000 45000 45000 (17) Plemenska vrednost krave (eur/kravo) = (11)-(6) 600 600 600 (18) Povprečni delež izločenih krav v petletnem obdobju (%) podatek 30 30 30 (19) Povprečni neto strošek remonta skupaj = [(17)*(18)/100]*(3) 5400 5400 5400 (20) SKUPAJ KORIGIRANI STROŠKI = (9)+(19) 25400 25400 25400 (21) KORIGIRANO POKRITJE skupaj = (16)-(20) 19600 19600 19600 (22) KORIGIRANO POKRITJE na kravo = (21)/(3) 653 653 653 (23) Korigirano pokritje v primerjavi s FADN pokritjem (%) = (22)/(15)*100 112 88 100 Količinski podatki in podatki o cenah niso namenjeni le oceni vrednostnih kazalcev na ravni panoge, pač pa so ti podatki koristni tudi kot kazalci, ki podrobneje pojasnjujejo vrednostne kazalce. Izbor količinskih kazalnikov je seveda pri različnih proizvodnih usmeritvah različen. Pri mlečni proizvodnji so za analizo učinkovitosti še posebej pomembni količinski podatki o porabi krme, zato je bilo naboru teh podatkov posvečena posebna pozornost. Vnos podatkov poteka v okviru celovitega programskega orodja, ki ga predstavljamo v nadaljevanju. 4.3. PROGRAMSKO ORODJE ZA VNOS IN ANALIZO PODATKOV Uvodoma smo predstavili, da smo si v okviru projekta zastavili cilj izdelave orodja v funkciji pripomočka za interaktivno svetovanje v okviru panožnih krožkov. Oblikovati smo želeli enotno računalniško orodje, ki bi omogočalo zbiranje (vnos) podatkov, obdelavo podatkov in različne prikaze oziroma predstavitve podatkov in rezultatov. Orodje smo izdelali v obliki elektronskih preglednic (Excel). Pri tem smo izhajali iz predpostavke, da imajo kmetje vsaj neko začetniško znanje uporabe računalnika, predvsem pa, da so svetovalci v večji meri usposobljeni za delo z elektronskimi preglednicami. — podatki posameznih kmetij (osnovna datoteka); — zbirnik podatkov vseh kmetij in analitični prikazi (obdelava). V okviru prvega sklopa se za vsako sodelujočo kmetijo zberejo podatki za posamezno leto, izdela se kalkulacija pokritja ter pripravi izbor podatkov, ki so podlaga za obdelavo v okviru drugega sklopa. V okviru drugega sklopa se podatki vseh kmetij združijo v datoteki za obdelavo podatkov. Namenjena je medsebojni primerjavi in analizi podatkov. Sistem povezovanja datotek je prikazan na Slika 24. Slika 24: Sistem povezovanja datotek Obdelava podatkov 4.3.1. Osnovna datoteka Osnovna datoteka je namenjena vnosu podatkov in izračunu izvedenih tehnoloških in ekonomskih kazalcev posamezne kmetije. Podatki se za vsako posamezno leto vnašajo ločeno. Vnosna shema je narejena tako, da se uporabnik čim lažje znajde in da za vnos podatkov ne potrebuje posebnega znanja za delo z računalnikom. Pri vseh podatkih, ki jih je potrebno vnesti, so vnosne celice obarvane rumeno, v ločenem stolpcu pa je naveden vir (npr. FADN - Živinorejska proizvodnja, Govedo -sumarnik), ki pomaga vnašalcu pri iskanju ustreznega podatka za vnos. Pri izvedenih podatkih, ki so izračunani iz osnovnih podatkov, je v tem stolpcu vpisano opozorilo »Preračun - NE VPISUJ!«. Datoteka je sestavljena iz petih delovnih listov: opis kmetije, proizvodnja, krma, kalkulacija in izbor. Primeri izpolnjenih listov osnovne datoteke so prikazani v prilogi. LIST: Opis kmetije List »Opis kmetije« služi vnosu osnovnih podatkov o kmetiji (leto obdelave podatkov, vrsta knjigovodstva, kmetijska zemljišča v uporabi, stalež živali, način reje krav, obseg delovne sile, datum vnosa podatkov). Ti podatki so namenjeni predstavitvi kmetije, nekateri med njimi pa se uporabljajo tudi pri določenih izračunih v naslednjih listih. Vrednost Vir podatkov Kmetijsko gospodarstvo xxx Regija xxx Leto obdelave podatkov 2016 Vrsta knjigovodstva FADN Kmetijsko zemljišče v uporabi (lastno in najeto) (ha) 30,15 FADN - Lastništvo kmetijskih zemljišč v uporabi - od tega njive v uporabi (ha) Ocena kmetije - od tega travinje v uporabi (ha) Ocena kmetije Povprečno število košenj na travinju 4 Ocena kmetije Skupno število GVŽ na kmetiji 57,8 FADN - zbir najpomembnejših rezultatov Število GVŽ pašne živine na kmetiji 57,8 FADN - zbir najpomembnejših rezultatov Število GVŽ krav molznic na kmetiji 36,38 FADN - zbir najpomembnejših rezultatov Prevladujoče pasma krav na kmetiji LS,ČB, LSX Ocena kmetije Povprečna teža krav 650 Ocena kmetije Starost moških telet pri prodaji (dni) 10 Ocena kmetije Starost ženskih telet pri prodaji (dni) ostanejo na kmetiji Ocena kmetije Število PDM na kmetijo za leto 1,59 FADN - zbir najpomembnejših rezultatov Datum vnosa: 11.04.2017 LIST: Proizvodnja List »Proizvodnja« je namenjen vnosu osnovnih podatkov o reji krav na kmetiji. V ta list se vnašajo podatki, ki so potrebni za izračun pokritja (prihodki in stroški po vrstah), poleg tega pa še nekateri tehnološki podatki, ki sicer niso neposredno uporabljeni v izračunu finančnih rezultatov, vendar pomembno vplivajo na ekonomiko reje krav (plodnost krav, kakovost mleka). Pri vnosu podatkov se lahko v primeru, če je vneseni podatek izven postavljenih omejitev, pojavi opozorilo »OPOZORILO - vrednost nad« oziroma »OPOZORILO - vrednost pod« določenim številom, ki se ob tem opozorilu tudi izpiše. To ne pomeni nujno, da je podatek napačen, opozori pa nas, da podatek izstopa iz običajnih okvirjev. Prvi sklop v tem listu je namenjen vnosu podatkov, ki so osnova za oceno prihodka. V ta del se vnašajo podatki o številu krav, količinski in vrednostni podatki o letni proizvodnji, prodaji in porabi mleka, podatki o številu in ceni vzrejenih telet ter podatki o številu in vrednosti izločenih krav. Končni rezultat vnosa teh podatkov je izračun prihodka skupaj in prihodka na kravo. V sklop, namenjen izračunu stroškov, se vnašajo podatki o številu in ceni prevedenih telic ter veterinarski stroški, ostali posebni stroški živine in drugi stroški (elektrika, voda, tekoče vzdrževanje) glede na delež, ki pripada reji krav. Vnos podatkov za izračun stroškov krme se zaradi kompleksnosti vrši na posebnem listu »Krma«, zbirni izračuni stroškov krme po tipu pa se prenašajo v list »Proizvodnja«. Rezultat vnosa podatkov o stroških je ocena skupnih spremenljivih stroškov in spremenljivih stroškov na kravo. Na koncu lista »Proizvodnja« se po vnosu vseh podatkov izračuna pokritje. LIST: Krma Na listu »Krma« so pripravljene ločene sheme za vnos podatkov o doma pridelani voluminozni krmi, doma pridelani koncentrirani krmi, kupljeni voluminozni krmi in kupljeni koncentrirani krmi. Pri doma pridelani krmi je vnosni podatek vrednost porabljene krme na kmetiji po vrstah krme, pri kupljeni krmi pa količina in cena kupljene krme po vrstah krme. Povsod je poleg tega potrebno vnesti še podatek o deležu krme, ki je bila porabljena samo za krave. LIST: Kalkulacija List »Kalkulacija« vsebuje zbirni prikaz prihodkov in stroškov po vrstah ter pokritje pri proizvodnji mleka za določeno leto. Rezultati so predstavljeni za celotno čredo krav, na kravo, na liter mleka in kot delež posameznega prihodka oziroma stroška glede na celotne prihodke in stroške. Ta list ne vsebuje vnosnih celic. LIST: Izbor Zadnji list v osnovni vnosni datoteki je namenjen prenosu in povezovanju podatkov. Na tem listu je pripravljen izbor podatkov, ki jih potrebujemo za nadaljnjo obdelavo in primerjavo med kmetijami. Sistem povezovanja podatkov je zasnovan tako, da se v vsaki osnovni vnosni datoteki v isti celici lista »Izbor« nahaja istovrstni podatek. Edina vnosna celica na tem listu je šifra kmetije. Na osnovi te šifre se prepoznavajo kmetije pri nadaljnji obdelavi. 4.3.2. Obdelava podatkov Podatki posameznih kmetij, ki so v osnovni datoteki za posamezno leto zbrani v listu »Izbor« se v celoti prenesejo v datoteko za obdelavo podatkov. Zbirna tabela se v datoteko Obdelava nalaga za vsako leto na svoj list (npr. list »Podatki_2015«, list »Podatki_2016«). Nabor podatkov oziroma kazalcev v zbirni tabeli za posamezno leto (čelo tabele) je enak kot v listu »Izbor« v osnovni datoteki, podatki posameznih kmetij pa so nanizani v stolpcih tabele. Tako pripravljeni podatki so podlaga za nadaljnje analitične prikaze. Datoteka »Obdelava« vsebuje več različnih oblik analitičnega prikaza podatkov: - primerjava kalkulacije proizvodnje mleka za kmetijo za dve leti (list »Kalkulacija«); - primerjava rezultatov posamezne kmetije med leti (list »Primerjava«); - primerjava rezultatov skupin kmetij za posamezno leto (list »Primerjava«); - primerjava rezultatov posamezne kmetije s skupino najboljših za posamezno leto (list »Primerjava«); - pregled izbranih kazalcev za vse kmetije za posamezno leto (list »Medsebojna«). Skupine kmetij so opredeljene po kriteriju višine korigiranega pokritja. Izračunani so kvartili in prikazani rezultati za skupino 25% kmetij z najvišjim pokritjem, 25% kmetij z najnižjim pokritjem, izračunano pa je tudi aritmetično povprečje vseh kmetij. V primeru, da podatki posamezne kmetije močno odstopajo od preostalih kmetij v skupini (je netipična), podatke take kmetije lahko izločimo iz izračuna kvartilov in povprečja. Po kriteriju korigiranega pokritja so razvrščene tudi kmetije v pregledu izbranih kazalcev za vse kmetije in sicer od najslabše do najboljše. Analitični prikazi so v prvi vrsti namenjeni kot podlaga za delo v skupini. Pripravljeni so v obliki, ki naj bi čim bolj nazorno prikazala odstopanja podatkov posamezne kmetije od primerjalne skupine. Pri vsakem podatku je bodisi grafično ali pa z barvno shemo ponazorjeno odstopanje od primerjalne skupine. Praviloma rdeča barva označuje slabši rezultat od primerjalnega, zelena barva pa boljši. 4.3.3. Sistem predstavitve zbirnih rezultatov Samo orodje omogoča nekaj standardnih obdelav podatkov in primerjav rezultatov. Prvi rezultat obdelave podatkov je izdelana kalkulacija reje krav na kmetiji za izbrano leto. To kalkulacijo vidi kmet že po končanem vnosu podatkov za posamezno leto, prikazuje pa ekonomske rezultate proizvodnje mleka v določenem letu skupaj ter preračunano na kravo in na liter mleka (priloga..). Dodatne informacije o uspešnosti gospodarjenja na kmetiji dobimo, ko izdelamo kalkulacijo proizvodnje mleka za več let in jih med seboj primerjamo. Po obdelavi zbirnih podatkov se za vsako kmetijo izdela tudi primerjava vseh izbranih podatkov in kazalnikov med leti. Pri tem pregledu je pri vsakem kazalcu prikazano tudi grafično odstopanje podatkov med leti. Namen takega prikaza je seveda prikazati razlike v poslovanju med leti, in pa (ali predvsem) analizirati vzroke in ključne dejavnike, ki so vplivali na spremembe v finančnem rezultatu. Primer analitičnega prikaza primerjave rezultatov posamezne kmetije med leti je predstavljen v Preglednica 32. Ob podobnem številu krav na kmetiji so v letu 2016 dosegli bistveno višjo mlečnost na kravo (skoraj za 1.000 l). Očitna je tudi razlika v prodajni ceni mleka. Pri prihodku od prodaje telet in prodaje izločenih krav ni bistvene razlike med leti. Ugotovimo lahko, da je kmetija kljub pomembno nižji prodajni ceni mleka v letu 2016 zaradi višje mlečnosti ohranila prihodek na ravni predhodnega leta. Na drugi strani se je pomembno večja mlečnost na kravo v letu 2016 odrazila v pomembno višjih stroških krme (predvsem močne krme). Kmetija je v letu 2016 povečala delež obnove črede, zato je bil tudi strošek prevedenih telic višji kot v letu 2015. Ostali stroški reje krav, ki sicer predstavljajo razmeroma majhen delež v skupnih stroških, so se v letu 2016 znižali. Skupni stroški so v letu 2016 v primerjavi z letom 2015 porasli bolj kot prihodki, zato se je pokritje kar pomembno zmanjšalo, za skoraj 20%. Ker se je kmetija v letu 2016 odločila za večji delež obnove črede kot je znašalo njeno povprečje v zadnjih petih letih, je ob upoštevanju povprečnih stroškov obnove črede razlika med letoma 2015 in 2016 v končnem finančnem rezultatu manjša. V letu 2016 je bilo korigirano pokritje le manj kot 3% nižje kot v letu 2015. Kratek naslov kmetije Leto G11 G11 Odstoopanje med leti 2015 2016 PRIHODEK Povprečno število krav na kmetiji v letu kos 42,00 41,60 Prirejeno mleko na kravo, na leto (podatek iz kontrole mlečnosti krav) kg/kravo 6.747 7.865 ■ Povprečni delež maščobe v mleku % 4,20 4,20 Povprečni delež beljakovin v mleku % 3,50 3,50 Prodano in porabljeno mleko na kravo, na leto (s porabo mleka za teleta) kg/kravo 6.123 7.114 Razlika med selekcijskim podatkom in ocenjenim podatkom o proizvodnji mleka na kravo, na leto % 90,74 90,45 Vrednost prodanega in porabljenega mleko na kravo, na leto (s porabo mleka za teleta) EUR 1.813 1.858 Cena prodanega mleka na kg EUR/kg 0,30 0,26 Število vzrejenih telet na kravo kos/kravo 1,12 1,18 Vrednost rojenih telet na kravo na leto EUR 280 294 Delež krav, ki zapusti čredo (prodaje, poraba in pogin) % 45,24 36,06 Cena izločenih krav EUR/kos 751 870 Vrednost krav, ki zapustijo čredo (prodaja, poraba in pogin) preračunano na kravo na leto EUR 304 272 PRIHODEK NA KRAVO s prodajo izločenih krav EUR 2.397 2.425 OCENA STROŠKOV 2015 2016 Kupljena koncentrirana krma za krave na kravo EUR 449 558 Kupljena voluminozna krma za krave na kravo EUR 0 27 Doma pridelana koncentrirana krma za krave na kravo EUR 10 23 1 Doma pridelana voluminozna krma za krave na kravo EUR 422 454 Skupaj stroški krme na kravo EUR 882 1.061 Veterinarski stroški za rejo krav na kravo EUR 19 14 Vrednost ostalih posebnih stroškov za rejo krav na kravo EUR 108 1 Vrednost ostalih stroškov za rejo krav na kravo EUR 59 67 Obnova črede % 35,71 40,87 Vrednost telice (nakup) EUR/kos 1.300 1.300 Stroški obnove črede na kravo EUR 464 531 SPREMENLJIVI STROŠKI NA KRAVO z obnovo črede EUR 1.532 1.718 POKRITJE NA KRAVO FADN EUR 865 707 Prihodki brez izločenih krav EUR 2.093 2.153 Stroški brez vrednosti telic EUR 1.068 1.187 Obnova črede (5 letno povprečje) % 33,56 33,56 Neto stroški obnove črede EUR 184 144 H ^^ KORIGIRANO POKRITJE NA KRAVO EUR 841 822 PLODNOST IN KAKOVOST MLEKA 2.015 2.016 Doba med telitvami (DMT) - letno povprečje dni 361 361 Delež krav z DMT večjo od 420 dni % 5,88 0.0^H 1 Starost ob prvi telitvi dni 717 686 Starost ob izločitvi dni 1.697 1.682 Življenska pri reja izločeni h živali kg 18.956 18.446 Pet letno povprečje števila let koriščenja krave let 3,0 3,0 Število somatskih celic (ŠSC) - letno povprečje število 184 177 Delež krav, ki so imele dve ali več kontroli s ŠSC > 200.000 % 17 34 1 KRMA Poraba voluminozne krme na kravo kg SS 3.920 4.371 Poraba koncentrirane krme na kravo kg SS 1.394 1.804 ш Poraba krme v primerjavi z normativom - konzumacija NEL % 104 109 Poraba krme v primerjavi z normativom - konzumacija beljakovine % 98 103 Prikazani primer dobro kaže, da take primerjave, če se obravnavajo v skupini, lahko spodbudijo tudi razpravo o strategijah prilagajanja poslovanja v kriznih razmerah. Prikazan primer dobro kaže, da se je kmetija ob znižanju cene mleka odzvala z ukrepi za povečanje mlečnosti (povečana poraba koncentratov, izločitve krav z nižjo proizvodnjo) in na ta način, kljub nižji ceni, dosegla s predhodnim letom primerljiv finančni rezultat. Naslednji analitični prikaz vsebuje primerjavo izbranih kazalnikov za 25 % boljših kmetij v skupini s povprečjem celotne skupine in s 25 % slabših kmetij v skupini. Tak prikaz omogoča primerjavo tehnoloških in ekonomskih kazalnikov med skupinami kmetij, ki dosegajo boljši ali slabši finančni rezultat. Ta primerjava tudi pokaže, da je na podobnem proizvodnem območju in ob podobni proizvodni usmeritvi možno dosegati zelo različne finančne rezultate. Izpostaviti kaže tiste kazalce, kjer so odstopanja največja, in tiste, ki na končni rezultat najmočneje vplivajo. Primer analitičnega prikaza primerjave rezultatov skupin kmetij za posamezno leto je prikazan v Preglednica 33. Preglednica 33: Primer prikaza primerjave rezultatov skupin kmetij za posamezno leto Leto 25% slabši Povprečje 25% boljši 2016 2016 2016 PRIHODEK Povprečno število krav na kmetiji v letu kos 34,15 28,99 28,25 Prirejeno mleko na kravo, na leto (podatek iz kontrole mlečnosti krav) kg/kravo 7.035 7.319 7.090 Povprečni delež maščobe v mleku % 4,10 4,13 4,25 Povprečni delež beljakovin v mleku % 3,30 3,33 3,45 Prodano in porabljeno mleko na kravo, na leto (s porabo mleka za teleta) kg/kravo 6.358 6.754 6.297 Razlika med selekcijskim podatkom in ocenjenim podatkom o proizvodnji mleka na kravo, na leto % 90,30 92,25 88,61 Vrednost prodanega in porabljenega mleko na kravo, na leto (s porabo mleka za teleta) EUR 1.546 1.684 1.661 Cena prodanega mleka na kg EUR/kg 0,24 0,25 0,26 Število vzrejenih telet na kravo kos/kravo 0,96 1,15 1,29 Vrednost rojenih telet na kravo na leto EUR 192 236 323 Delež krav, ki zapusti čredo (prodaje, poraba in pogin) % 27,45 31,54 41,52 Vrednost krav, ki zapustijo čredo (prodaja, poraba in pogin) na kravo na leto EUR 138 149 203 PRIHODEK NA KRAVO s prodajo izločenih krav EUR 1.876 2.069 2.188 OCENA STROŠKOV Kupljena koncentrirana krma za krave na kravo EUR 437 474 389 Kupljena voluminozna krma za krave na kravo EUR 17 8 14 Doma pridelana koncentrirana krma za krave na kravo EUR 50 29 11 Doma pridelana voluminozna krma za krave na kravo EUR 514 460 444 Skupaj stroški krme na kravo EUR 1.019 970 858 Veterinarski stroški za rejo krav na kravo EUR 94 58 26 Vrednost ostalih posebnih stroškov za rejo krav na kravo EUR 101 88 66 Vrednost ostalih stroškov za rejo krav na kravo EUR 98 90 59 Obnova črede % 30,50 35,51 40,57 Vrednost telice (nakup) EUR/kos 1.250 1.238 1.250 Stroški obnove črede na kravo EUR 377 437 507 SPREMENLJIVI STROŠKI NA KRAVO z obnovo črede EUR 1.689 1.643 1.516 POKRITJE NA KRAVO FADN EUR 188 426 672 Prihodki brez izločenih krav EUR 1.738 1.920 1.985 Stroški brez vrednosti telic EUR 1.312 1.206 1.009 Obnova črede (5 letno povprečje) % 33,61 29,27 28,04 Neto stroški obnove črede EUR 284 220 162 KORIGIRANO POKRITJE NA KRAVO EUR 142 495 814 PLODNOST IN KAKOVOST MLEKA Doba med telitvami (DMT) - letno povprečje dni 441 427 393 Delež krav z DMT večjo od 420 dni % 39,74 35,14 13,16 Starost ob prvi telitvi dni 907 861 753 Starost ob izločitvi dni 2.103 2.103 2.094 Življenska prireja izločenih živali kg 26.172 23.528 22.968 Pet letno povprečje števila let koriščenja krave let 3,0 3,6 3,7 Število somatskih celic (ŠSC) - letno povprečje število 242 256 242 Delež krav, ki so imele dve ali več kontroli s ŠSC > 200.000 % 34 45 40 KRMA Poraba voluminozne krme na kravo kg SS 4.777 4.197 4.565 Poraba koncentrirane krme na kravo kg SS 1.672 1.620 1.237 Poraba krme v primerjavi z normativom - konzumacija NEL % 120 106 105 Poraba krme v primerjavi z normativom - konzumacija beljakovine % 114 107 102 Analitični prikaz, ki je v osnovi namenjen presoji učinkovitosti gospodarjenja posamezne kmetije, je primerjava rezultatov kmetije z rezultati skupine boljših kmetij. Za vsak kazalec so vzporedno prikazani rezultati skupine in kmetije, grafično pa so prikazana tudi odstopanja. Ob tovrstnem prikazu pričakujemo, da kmet sam ali pa s pomočjo svetovalca ugotovi, kje so prednosti in slabosti njegovega poslovanja. Iz prikazanega primera vidimo, da na strani prihodkov kmetija nima večjih težav. Ustvari prihodek na kravo, ki je podoben prihodku skupine najboljših kmetij, ustvari pa kar pomembno nižje pokritje na kravo. Jasno se izkaže, da so problemi na strani stroškov. Višji so stroški krme, veterinarskih storitev, posebni in ostali stroški. Še podrobnejši pregled pokaže, da je verjetno glavni razlog za nizko pokritje, visoka poraba koncentrirane krme v obroku. Preglednica 34: Primer prikaza primerjave rezultatov posamezne kmetije s skupino boljših za posamezno leto Kratek naslov kmetije Leto G7 25% boljši Odstopanje od 25% boljših 2016 2016 PRIHODEK Povprečno število krav na kmetiji v letu kos 36,40 25,83 Prirejeno mleko na kravo, na leto (podatek iz kontrole mlečnosti krav) kg/kravo 7.375 7.246 Povprečni delež maščobe v mleku % 4,10 4,23 Povprečni delež beljakovin v mleku % 3,20 3,43 Prodano in porabljeno mleko na kravo, na leto (s porabo mleka za teleta) kg/kravo 7.433 6.728 Razlika med selekcijskim podatkom in ocenjenim podatkom o proizvodnji mleka na kravo, na leto % 100,78 92,54 Vrednost prodanega in porabljenega mleko na kravo, na leto (s porabo mleka za teleta) EUR 1.862 1.737 Cena prodanega mleka na kg EUR/kg 0,25 0,26 Število vzrejenih telet na kravo kos/kravo 1,35 1,18 Vrednost rojenih telet na kravo na leto EUR 269 263 Delež krav, ki zapusti čredo (prodaje, poraba in pogin) % 30,22 35,62 Vrednost krav, ki zapustijo čredo (prodaja, poraba in pogin) na kravo na leto EUR 123 189 ■ ^^т PRIHODEK NA KRAVO s prodajo izločenih krav EUR 2.255 2.189 OCENA STROŠKOV Kupljena koncentrirana krma za krave na kravo EUR 654 415 Kupljena voluminozna krma za krave na kravo EUR 2 1 Doma pridelana koncentrirana krma za krave na kravo EUR 18 1 Doma pridelana voluminozna krma za krave na kravo EUR 366 432 Skupaj stroški krme na kravo EUR 1.041 895 Veterinarski stroški za rejo krav na kravo EUR 60 33 Vrednost ostalih posebnih stroškov za rejo krav na kravo EUR 101 64 Vrednost ostalih stroškov za rejo krav na kravo EUR 82 73 Obnova črede % 49,45 34,98 Vrednost telice (nakup) EUR/kos 1.200 1.267 Stroški obnove črede na kravo EUR 593 441 SPREMENLJIVI STROŠKI NA KRAVO z obnovo črede EUR 1.877 1.506 POKRITJE NA KRAVO FADN EUR 378 683 Prihodki brez izločenih krav EUR 2.131 2.000 Stroški brez vrednosti telic EUR 1.283 1.065 Obnova črede (5 letno povprečje) % 33,33 27,33 Neto stroški obnove črede EUR 234 172 KORIGIRANO POKRITJE NA KRAVO EUR 614 763 PLODNOST IN KAKOVOST MLEKA Doba med telitvami (DMT) - letno povprečje dni 409 431 Delež krav z DMT večjo od 420 dni % 41,38 30,20 Starost ob prvi telitvi dni 875 788 Starost ob izločitvi dni 1.632 2.080 Življenska prireja izločenih živali kg 14.361 22.207 ■ ^^т Pet letno povprečje števila let koriščenja krave let 3,0 3,8 Število somatskih celic (ŠSC) - letno povprečje število 215 245 Delež krav, ki so imele dve ali več kontroli s ŠSC > 200.000 % 33 49 rn ^^rn KRMA Poraba voluminozne krme na kravo kg SS 3.094 4.381 Poraba koncentrirane krme na kravo kg SS 2.062 1.518 Poraba krme v primerjavi z normativom - konzumacija NEL % 96 107 Poraba krme v primerjavi z normativom - konzumacija beljakovine % 106 101 V primeru, da so kmetije pripravljene razkriti svojo identiteto in so pripravljeni tudi v skupini prikazati in komentirati svoje rezultate, je uporaba takih prikazov zelo učinkovita tudi pri skupinskem delu. Težava pri takem pristopu je v tem, da prav lahko zmanjka časa, da bi lahko v skupini tako podrobno analizirali rezultate vseh kmetij. Zato smo dodatno pripravili še eno obliko analitičnega prikaza, ki je namenjena predvsem za delo v skupini in je uporabna tudi v primeru, ko kmetije niso pripravljene izdati svoje identitete (jo pa poznajo). Pripravljen je izbor ključnih kazalcev, ki pojasnjujejo končni rezultat, to je višino korigiranega pokritja na kravo. Vse kmetije so prikazane hkrati, razvrščene pa so od najmanj do najbolj učinkovite po kriteriju korigiranega pokritja. Podatki so prikazani vrednostno in grafično, podatkovne celice pa so označene z barvno skalo, ki ponazarja odstopanje podatka od povprečja vseh. Rdeča barva pomeni slabši rezultat od povprečja, zelena boljši, intenzivnost barvnega odtenka pa nakazuje na velikost odstopanja (bledo ali ne obarvana celica pomeni, da je podatek na ravni ali blizu povprečja cele skupine). KAZALEC Povprečje skupine Individualni podatki (razvrščeno po pokritju G6 G2 G9 G4 G8 G7 G1 G3 G11 KORIGIRANO POKRITJE EUR/kravo 458 _____■■■! 97 170 187 349 419 614 662 806 822 Delež variabilnih stroškov v prohodkih % 65 ___ 82 80 70 70 66 60 58 46 55 Prirejeno mleko (podatek iz kontrole mlečnosti) kg/kravo 6865 ■ ■■!■■■■ 6826 3237 7244 6080 9285 7375 7559 6315 7865 Prihodki brez izločenih krav EUR/kravo 1825 1677 1065 1800 1621 2133 2131 2031 1817 2153 Vrednost proizvodnje mleka EUR/kravo 1579 1439 739 1653 1351 1961 1862 1888 1464 1858 Prodano in porabljeno mleko kg/kravo 6348 6002 3098 6714 5538 8161 7433 7590 5480 7114 Prodano in porabljeno/Prirejeno(kontrola mleč % 93 _____II - 88 96 93 91 88 101 100 87 90 Cena prodanega mleka na kg EUR/kg 0,25 _____--■■ 0,24 0,24 0,25 0,24 0,24 0,25 0,25 0,27 0,26 Vrednost rojenih telet EUR/kravo 246 238 326 146 270 172 269 143 352 294 Število vzrejenih telet na kravo glav/kravo 1,17 ■ ..I 1. 0,95 1,30 0,98 1,23 1,15 1,35 0,95 1,41 1,18 Cena telet EUR/tele 208 II ■ . II 250 250 150 220 150 200 150 250 250 Stroški skupaj (korigirano pokritje) EUR/kravo 1166 !_■■!■■_■ 1369 850 1255 1140 1405 1283 1177 831 1187 Stroški skupaj (korigirano pokritje) EUR/kg 0,19 ■ 1 _ ______ 0,23 0,27 0,19 0,21 0,17 0,17 0,16 0,15 0,17 Stroški krme na kg mleka EUR/kg 0,15 0,17 0,16 0,15 0,17 0,13 0,14 0,13 0,12 0,15 Delež stroškov krme v skupnih stroških % 78 74 57 81 83 75 81 82 79 89 Delež stroškov močne krme v stroških krme % 46 46 6 50 45 56 65 58 34 55 Poraba krme v primerjavi z normativom - NEL % 106 129 100 111 110 83 96 113 100 109 Poraba krme v primerjavi z normativom - BELJ. % 110 117 137 111 118 101 106 97 102 103 Stroški krme na kravo EUR/kravo 916 ■■■Ila.l r 1019 r 485 r 1018 r 945 r 1054 r 1041 r 968 655 r 1061 Veterinarski stroški za rejo krav EUR/kravo 58 ___ 116 58 73 42 76 60 46 37 14 Skupaj vrednost ostalih stroškov za rejo krav EUR/kravo 192 ■ 1__■ ____ 234 307 163 153 275 183 162 138 111 Neto stroški obnove črede EUR/kravo 201 210 46 358 132 308 234 192 180 144 Obnova črede (5 letno povprečje) % 28,6 31 24 36 18 33 33 26 23 34 Vrednost prevedene telice EUR/glavo 1222 I ....I.I 1300 1100 1200 1200 1200 1200 1300 1200 1300 Vrednost izločene krave EUR/glavo 536 ■■_.__ 806 904 239 480 275 409 670 287 754 Pri taki obliki prikaza je moč hitreje identificirati prednosti in slabosti posamezne kmetije. Kot vidimo iz primera je večina podatkov na levi (slabše kmetije) obarvano rdeče, na desni pa zeleno. So pa tudi izjeme, kar kaže na to, da pri slabih ni vse slabo in da so tudi pri najboljših možne še izboljšave. Moderator lahko izzove diskusijo tudi tako, da pri posameznem kazalcu izpostavi najboljši in (ali) najslabši rezultat ter išče vzroke za to. Še bolje je, če izzvani kmet sam (če želi) komentira izpostavljeni podatek. Ta oblika prikaza omogoča tudi analizo po posameznih sklopih. Tako lahko najprej prikažemo samo najbolj agregatne kazalce, v naslednjem koraku pa se lahko osredotočimo na podrobnejšo analizo prihodkov in stroškov. S postopno obliko prikazov se tako lahko bolj ciljno osredotočimo na določene probleme. Pričakujemo lahko, da ne bo vedno dovolj časa, da bi lahko podrobno analizirali vse v naprej pripravljene analitične preglede. Kateri in v kakšnem vrstnem redu bodo predstavljeni, je najprej odvisno od pripravljenosti kmetov, da razkrijejo svoje podatke, pa tudi od zastavljenega programa dela v okviru krožka. Izkušnje bodo pokazale, kaj je bolj primerno, pa tudi kaj bi kazalo še dopolniti ali spremeniti. 4.4. ORGANIZACIJA DELA ANALITIČNEGA PANOŽNEGA KROŽKA 4.4.1. Izvedba testnih delavnic in ključne ugotovitve Posebno pozornost smo namenili pripravi same izvedbe aktivnosti in uporabi empiričnega orodja za delo v okviru panožnih krožkov. Želeli smo pripraviti grobi protokol, ki lahko služi nadaljnjemu razvoju tega in podobnih analitičnih panožnih krožkov. Vidimo ga kot proces, ki smo ga izvedli v petih korakih: i. izbor kmetij s prirejo mleka in oblikovanje testnih krožkov; ii. zbiranje in priprava podatkov za sodelujoče kmetije; iii. vnos podatkov v podatkovno bazo - prva delavnica (vnašajo kmetje v sodelovanju s pomočniki); iv. preverjanje in obdelava vnesenih podatkov; v. pregled in analiza rezultatov, razprava in izmenjava mnenj - druga delavnica (vodeno interaktivno delo v skupini). V okviru projekta sta bili izvedeni dve testni delavnici na dveh različnih območjih Slovenije, in sicer v Pomurju in na Gorenjskem. Na obeh območjih je bil za izvedbo delavnic organiziran krožek proizvajalcev mleka na novo. Namen izvedbe testnih delavnic je bil v prvi vrsti preizkusiti uporabnost izdelanega empiričnega orodja za obdelavo in prikaz rezultatov na podlagi podatkov, ki so jih kmetije zajemale predvsem iz FADN knjigovodstva in podatkov CPZ Govedo. Ob tem smo z delavnicami želeli preizkusiti tudi sam način svetovanja v okviru panožnih krožkov, ki temelji na empiričnih podatkih. Pri tem smo opazovali odziv kmetij, njihovo pripravljenost za sodelovanje, sprejemanje rezultatov, odprtost za nasvete, zainteresiranost in podobno. Organizacije panožnega krožka za proizvajalce mleka v Pomurju smo se lotili z izborom kmetij, ki smo jih želeli povabiti k sodelovanju. Izbirali smo med kmetijami s prirejo mleka, ki imajo od 15 do 100 krav, vodijo določeno vrsto knjigovodstva oziroma evidenc in so vključene v kontrolo mlečnosti. Izbrane kmetije smo povabili na uvodno srečanje, ki se je odvijalo januarja 2016. Srečanja se je udeležilo 25 kmetov. Na tem srečanju smo predstavili smisel organiziranja krožkov in vsebino dela ter jih pozvali k sodelovanju. Kmetovalci so se nato po lastni presoji odločili ali želijo sodelovati v krožku. Tisti, ki so se odločili za sodelovanje, so podpisali pristopno izjavo, s katero so dovolili uporabo podatkov o svoji kmetiji. Povabilu k sodelovanju v delavnicah se je odzvalo osem kmetij. Med njimi so štiri kmetije vodile FADN knjigovodstvo, tri davčno knjigovodstvo in ena kmetija DDV evidence, vse pa so bile vključene v kontrolo proizvodnosti krav. Po izboru kmetij smo se lotili zbiranja podatkov o proizvodnji in gospodarjenju na teh kmetijah za leti 2015 in 2016. Vse pridobljene podatke smo podrobno pregledali in po potrebi preverili v računovodskih pisarnah ali pri kmetih. Na osnovi tako pridobljenih podatkov smo organizirali prvo delavnico, ki smo jo izvedli v računalniški učilnici na Biotehniški šoli v Rakičanu, dne 6. marca 2017. Poleg modera-torja so bili prisotni še trije pomočniki, ki so kmetom pomagali pri iskanju in vnašanju podatkov. Po izvedeni delavnici smo vnesene podatke še enkrat pregledali ter preverili dobljene rezultate. Pri tem smo zasledili nekatere pomanjkljivosti vnosnega modela, zato smo ga pred izvedbo prve delavnice na Gorenjskem nekoliko dodelali. V nekaj dneh po izvedbi prve delavnice v Pomurju, smo podobno delavnico organizirali tudi na Gorenjskem (11. marca 2017). Povabilu na prvo delavnico na Gorenjskem se je odzvalo 10 kmetij s prevladujočo mlečno proizvodnjo. Delavnica se je odvijala v računalniški učilnici v Laborjah (Kranj), poleg vodje delavnice pa je bilo na delavnici prisotnih še pet pomočnikov. Vse sodelujoče kmetije so vodile FADN knjigovodstvo, z izjemo ene pa so bile vse vključeno tudi v kontrolo proizvodnosti krav. Vsebina delavnice je bila enaka prvi delavnici v Pomurju. Uvodoma je bil predstavljen potek dela na delavnici, empirično orodje, v katero se bodo vnašali podatki ter posamezni viri podatkov, s katerih bodo kmetje podatke prepisovali. Sledilo je skupinsko vnašanje podatkov za leto 2016, nato pa so kmetje sami vnesli podatke še za leto 2015. Po končanem vnosu podatkov smo za vsako kmetijo dobili izdelano kalkulacijo prireje mleka za obe leti. Gorenjske kmete so dobljeni rezultati precej zanimali, zato smo o njih na kratko razpravljali že na prvi delavnici. Po izvedeni prvi delavnici na Gorenjskem smo datoteke z vnosnimi podatki še enkrat pregledali ter popravili napačne vnose ter vse skupaj prenesli v datoteko za obdelavo podatkov. Po izpeljanih prvih delavnicah na obeh območjih, je sledila obdelava podatkov in analiza dobljenih rezultatov. Pri analizi rezultatov so sodelovali strokovnjaki s področij agrarne ekonomike in živinoreje iz Kmetijsko gozdarskega zavoda Murska Sobota, Kmetijskega inštituta Slovenije in Biotehniške fakultete v Ljubljani. V prvi vrsti smo analizirali sam računalniški model v smislu, ali so zajeti vsi relevantni podatki za izračun temeljnih kazalnikov proizvodnosti in gospodarnosti ter na kakšen način posamezni parametri vplivajo na končni rezultat kmetije. V drugi fazi smo analizirali dobljene rezultate po izbranih kazalnikih ter izdelali različne analitične prikaze, ki omogočajo primerjave in presojo učinkovitosti posameznih kmetij. Drugi delavnici sta bili na obeh območjih izvedeni v razmiku enega tedna od izvedbe prve delavnice. V Pomurju je bila delavnica izvedena 11. aprila 2017, na Gorenjskem pa 18. aprila 2017. Na drugo delavnico, ki smo jo v obeh regijah organizirali na kmečkem turizmu, smo povabili iste kmetije, ki so sodelovale na prvi delavnici, specialiste in svetovalce kmetijskih zavodov z obeh območij, ki so pomagali pri prvi delavnici ter strokovnjake, ki so pomagali pri analizi modela ter dobljenih rezultatov in so sodelovali pri izdelavi predstavitve. Za predstavitev smo potrebovali računalnik, projektor ter platno. Vsaka kmetija je dobila izpis najpomembnejših kazalnikov svoje kmetije ter primerjavo s povprečjem 25 % boljših kmetij. Vsi podatki so bili prikazani po šifrah. Uvodoma je vodja delavnice predstavil sistem obdelave podatkov, torej na kakšen način so se podatki obravnavali, kateri kazalniki so bili uporabljeni za primerjavo, kako so bile izdelane primerjave. Sledila je predstavitev skupnih rezultatov kmetij po posameznih kazalnikih. Pri tem se je opozorilo na kmetije, ki so po posameznih kazalnikih izstopale bodisi v pozitivnem ali negativnem smislu, pri čemer smo že iskali določene povezave med podatki in s tem vzroke za takšno stanje. V nadaljevanju smo predstavili še primerjave podatkov posameznih kmetij s podatki skupine 25 % boljših kmetij. Pri tem smo izzvali tudi kmete, da so sami komentirali svoje podatke. Tako se je med udeleženci razvila razprava o dobrih in slabih izkušnjah v proizvodnji na kmetijah, o vzrokih za slabše rezultate in možnih rešitvah. Predvsem smo spodbujali kmete, da so podali svoje mnenje, pobude, svoje izkušnje, svetovali drug drugemu ter jih tako pripravili do tega, da so na podlagi konkretnih lastnih podatkov začeli razmišljati v smeri izboljševanja učinkovitosti in proizvodnosti na svojih kmetijah. Pokazalo se je, da je razvito empirično orodje dodelano do stopnje, da nudi dobro osnovo za analizo rezultatov obdelanih podatkov in svetovanje na osnovi tega. Kmetje so naklonjeni delu v skupini, predvsem če lahko razpravljajo s strokovnjaki za posamezna vprašanja in med seboj. Glede izvedbe delavnic se je izkazalo, da morajo le te biti dobro organizirane, in da je pomembna vloga moderator-ja, ki jim mora prisluhniti in obenem biti dovolj sproščen, da sproži njihov odziv ter vzpostavi zaupanje v skupini. V pogovoru z rejci je bilo jasno, da kmete tovrstni pristop lahko pritegne, da pa bi bilo koristno takšne »ekonomske« delavnice dopolniti z bolj specializiranimi delavnicami, ki bi bile bolj prilagojene specifičnim interesom kmetov ter posameznim problematičnim področjem na kmetijah (npr. optimizacija stroškov krme, izboljšanje zdravstvenega stanja črede). Na podlagi izkušenj testne izvedbe analitičnih panožnih krožkov v Pomurju in na Gorenjskem smo izdelali priporočila, kako organizirati analitične panožne krožke v prihodnje in to predvsem v smislu organizacije dela in procesa. V nadaljevanju povzemamo temeljne elemente tega pristopa. 4.4.2. Priporočila za organizacijo analitičnih panožnih krožkov v prihodnje Razvito empirično orodje in model svetovanja je mogoče uporabiti v okviru obstoječih krožkov proizvajalcev mleka, ki že delujejo po Sloveniji ali pa se ustanovi popolnoma nov krožek. Ključno vprašanje pri oblikovanju je pripravljenost za sodelovanje in razpoložljivost podatkov pri zainteresiranih rejcih. Rejci morajo biti vključeni v podatkovne sisteme in razpolagati z evidencami (FADN knjigovodstvo, druge oblike poslovnih podatkov, vključenost v kontrolo proizvodnosti krav). Naslednji pogoj je seveda, da so pripravljeni svoje podatke tudi posredovati v nadaljnjo obdelavo in potem sodelovati pri delu panožnih krožkov in razpravljati o rezultatih. Pri obstoječih krožkih je potrebno preveriti, ali obstaja kritična masa tistih rejcev (vsaj 10), ki so se pripravljeni vključiti v to obliko dela. Lahko se ustanovi posebna podskupina kmetij znotraj obstoječega krožka. Pri organizaciji novih krožkov je potrebno predvideti tudi druge aktivnosti krožka. Zbiranje podatkov o kmetiji in priprava na izvedbo prve delavnice Za kmetije, ki so vključene v krožek, je potrebno pred izvedbo delavnic pridobiti podatke, ki so podlaga za izvedbo delavnic. Empirično orodje za zbiranje in obdelavo podatkov je zasnovano na letnih rezultatih FADN knjigovodstva in letnih podatkih CPZ Govedo. Če je kmetija vključena v oba sistema zbiranja podatkov, lahko izpise obdelanih podatkov za posamezno leto (»Podatkovni model in rezultati obdelave knjigovodskih podatkov za leto ....« in »Sumarnik - povprečna prireja v čredi za leto ....«) pridobimo neposredno od kmetije, ali pa potrebne podatke v soglasju s kmetom pridobimo sami. Problem se pojavi, če podatki, ki so potrebni za izvedbo delavnic, še niso obdelani. V takem primeru se skušamo dogovoriti za predhodno obdelavo podatkov za sodelujoče kmetije. Prav tako pri skrbnikih sistemov zaprosimo za podatke, ki niso vključeni v standardne izpise, so pa vključeni v podatkovni model. V primeru, da kmetija ne vodi FADN knjigovodstva, je potrebno podatke pridobiti iz drugih evidenc. Kmetije, ki vodijo davčno knjigovodstvo ali DDV evidence, razpolagajo samo z vrednostnimi podatki, zato je potrebno količinske podatke pridobiti neposredno iz računov ali drugih virov. Če kmetija ni vključena v mlečno kontrolo, nima podatkov o povprečni prireji v čredi. V takih primerih je potrebno določene tehnološke podatke oceniti. Pripravi podatkov sledi priprava delavnic. Optimalni čas izvedbe delavnic je obdobje od februarja do marca. V tem času imajo kmetje še čas za izobraževanje in je že možno dobiti obdelane podatke za predhodno leto. Za sodelovanje na delavnicah se je potrebno s kmeti dogovoriti vsaj mesec dni prej, da je dovolj časa za pripravo potrebnih podatkov za izvedbo prve delavnice. Pred izvedbo delavnic moramo pregledati zbirne rezultate obdelav. Če ugotovimo kakršnekoli nejasnosti, jih moramo preveriti v računovodski pisarni. Pomembno je, da vse dileme o obdelanih podatkih rešimo pred prvo delavnico. Ker se na prvi delavnici vnašajo podatki v elektronski obliki, je potrebno za izvedbo prve delavnice najti prostor, kjer so na razpolago računalniki. Vsak udeleženec potrebuje svoj računalnik. Dodatno je potreben tudi računalnik in LCD prikazovalnik za moderatorja. Za vse kmetije, ki se udeležijo prve delavnice, se pripravijo mape z izpisi obdelanih podatkov o njegovi kmetiji. Iz teh izpisov bodo kmetje na delavnici vnašali podatke v empirični model. Predvideno je, da imajo udeleženci vsaj osnovno znanje o delu z računalnikom. Kljub temu jim je potrebno zagotoviti pomoč pri vnašanju podatkov. To pomeni, da so na delavnici poleg moderatorja prisotni vsaj še dva ali trije pomočniki, ki se spoznajo na živinorejo, agrarno ekonomiko, knjigovodstvo in delo z elektronskimi preglednicami. Potek prve delavnice Prva delavnica se začne s predstavitvijo poteka dela delavnice. Moderator v nagovoru predstavi kaj se bo delalo na delavnici, predstavi empirično orodje, v katerega se bodo vnašali podatki ter opiše posamezne vire podatkov, ki jih bodo kmetje uporabljali pri delu (izpis podatkov FADN knjigovodstva, davčnega knjigovodstva, sumarnik iz CPZ govedo, . ). Sledi vnašanje podatkov v model. Na vsakem računalniku je že nastavljena datoteka z imenom za posamezno kmetijo. Če se na delavnici vnašajo podatki za dve leti, morata biti za vsako kmetijo pripravljeni dve datoteki. Moderator vodi vnašanje podatkov v model po korakih, tako da predstavi, kateri podatek se vnaša in kje se najde. Vnašanje podatkov je skupinsko, tako da vse kmetije hkrati vnašajo istovrstni podatek. Kmetom pri vnašanju pomagajo pomočniki. Največ težav lahko pričakujemo pri kmetijah, ki podatke črpajo iz davčnega knjigovodstva, saj tam podatki niso dostopni na enak način kot pri FADN knjigovodstvu. Pri takih kmetijah je potrebno dodatno iskanje podatkov po računih ali raznih izpisih. Prav tako je potrebno pomagati pri morebitnih napačnih vnosih podatkov, pri podatkih, ki jih morajo kmetje oceniti sami ter vnosih, pri katerih program javlja kakšno napako. Če se podatki vnašajo za dve leti, kmetje ob pomoči vodje delavnice najprej skupinsko vnašajo podatke za zadnje leto (npr. 2016), nato pa morajo postopek vnosa za leto pred tem (npr. 2015) ponoviti sami, pri čemer jim pomagajo pomočniki. Delavnica se zaključi z vnosom vseh podatkov v model za vsako kmetijo in traja od 3 do 4 ure. Rezultat prve delavnice so zbrani podatki in izdelana kalkulacija proizvodnje mleka za posamezno vneseno leto za vse sodelujoče kmetije. Po prvi delavnici se vsi podatki shranijo in zberejo na skupnem direktoriju. Tako zbrani podatki so pripravljeni za dodatno analizo, korekcije in obdelavo za potrebe izvedbe druge delavnice. Obdelava podatkov Po izvedbi prve delavnice, ki služi vnosu podatkov s kmetij, sledi obdelava podatkov. Najprej se preveri pravilnost vnesenih podatkov posamezne kmetije. Tako se vsako datoteko s podatki določene kmetije še enkrat pregleda in popravi morebitne napačne in nelogične vnose. Nato se podatke posameznih kmetij poveže v enovit model za obdelavo in prikaz rezultatov. Obdelane podatke za posamezno kmetijo je potrebno ponovno pregledati ter podatke primerjati z drugimi kmetijami v skupini. V primeru ugotovljenih nelogičnih rezultatov, ponovno preverimo tudi vnosne podatke (datoteko ali natisnjen podatek) in jih po potrebi popravimo. Podatke v osnovni datoteki lahko popravljamo le, če smo prepričani, da je prišlo do napake pri vnosu podatkov. Popravljanje podatkov je smiselno v začetni fazi obdelave, saj vsako spreminjanje podatkov vpliva tudi na končne rezultate obdelav za vse kmetije. Prav tako se moramo v začetni fazi obdelave odločiti tudi za morebitno izločitev posamezne kmetije iz izračuna povprečja opredeljenih skupin. Obdelani podatki in primerjave predstavljajo podlago za delo na drugi delavnici. Priporočljivo je, da se druga delavnica izvede v manj kot enem tednu po prvi delavnici, ko so vtisi še sveži. Potek druge delavnice Druga delavnica je namenjena predstavitvi rezultatov gospodarjenja posamezne kmetije, razpravi o dobljenih rezultatih, izmenjavi mnenj, svetovanju kmetom in podobno. Primerno je, da se za izvedbo druge delavnice izbere lokacija z bolj sproščenim okoljem (kmečki turizem, kmetija,.), da so udeleženci bolj odprti za pogovor o svojih rezultatih. Za izvedbo druge delavnice je potreben le računalnik in LCD projektor. Kmetije so predstavljene s šiframi, da se zagotovi določena anonimnost. Vsaka kmetija na začetku druge delavnice prejme izpis obdelanih podatkov svoje kmetije in primerjavo s povprečjem 25 % boljših kmetij, tako da lahko sproti spremlja predstavitev rezultatov in jo tudi komentira. Tudi drugo delavnico vodi moderator, dodatno pa sodelujejo strokovnjaki, ki so pomagali pri obdelavi podatkov in izdelavi analize dobljenih rezultatov. V začetku delavnice se kmetom predstavi sistem obdelave podatkov. Sledi predstavitev skupnih rezultatov in rezultatov po posameznih sklopih. Vsak strokovnjak predstavi svoje ugotovitve za določen sklop rezultatov. Drugi del delavnice je namenjen obravnavi rezultatov posamezne kmetije. Medtem ko kmetje komentirajo svoje rezultate, preko LCD projektorja prikažemo podatke njihove kmetije v primerjavi s povprečjem 25% boljših kmetij iz skupine. V tem delu je ključna vloga moderatorja, da spodbuja rejce k aktivnemu sodelovanju, tako da začno razmišljati o prikazanih rezultatih svojih kmetij in drugih kmetij v skupini. Pomembno je, da začno iskati vzroke za slabše rezultate, da delijo dobre izkušnje z drugimi, da drugim svetujejo glede reševanja problemov, skratka, da se med kmeti in strokovnjaki izmenjajo mnenja in izkušnje ter razvije razprava v smeri izboljševanja proizvodnje in ekonomskih rezultatov. Na koncu druge delavnice se naredijo zaključki in se dogovori o nadaljnjem delu v okviru krožka. Sklepne ugotovitve in priporočila 4.5.1. Sklepne ugotovitve Na podlagi analize podatkov FADN knjigovodstva in drugih virov smo izbrali tehnološke in ekonomske kazalnike in izdelali orodje za ugotavljanje ekonomske učinkovitosti in strateško načrtovanje kmetijske proizvodnje na kmetijah. Orodje smo poimenovali SEZAM (Svetovalno Empirično orodje Za podporo izboljšanju ekonomske učinkovitosti na kmetijah s pomočjo Analitičnih panožnih svetovalnih krožkov na primeru prireje Mleka) in ob njem razvili nov pristop k organizaciji analitičnih panožnih krožkov, primeren za uporabo pri svetovalnem delu. Razvito orodje sloni na že obstoječih proizvodnih in poslovnih podatkovnih virih, med katerimi so najpomembnejši podatki FADN knjigovodstva in CPZ Govedo. Izdelano je v obliki elektronskih preglednic (Excel), ki omogočajo vnos in obdelavo podatkov ter analizo ekonomske učinkovitosti posameznih kmetijskih gospodarstev na podlagi v naprej pripravljenih analitičnih pregledov, ki jih pri delu v krožkih lahko uporabljamo v poljubnem obsegu in vrstnem redu. Z uspešno izvedbo testnih delavnic smo pokazali, da je razvito empirično orodje SEZAM primerno za delo v okviru panožnih krožkov proizvajalcev mleka in nudi dobro osnovo za ugotavljanje proizvodnih in ekonomskih izzivov kmetij v prireji mleka ter svetovanje na osnovi tega. Podatkovno podprte delavnice omogočajo medsebojno komunikacijo kmetov in strokovnjakov, ki ob dobrem vodenju lahko pomembno prispeva k iskanju rešitev v smeri izboljšanja gospodarnosti na kmetijah. S postavitvijo orodja SEZAM in izvedbo testnih delavnic na dveh območjih v Sloveniji smo postavili strokovne podlage za nadaljnje delo panožnih krožkov, podprto z empiričnimi podatki. Na podlagi ugotovitev v okviru projekta in izkušenj pri organizaciji in izvedbi empirično podprtih krožkov proizvajalcev mleka lahko sistem širimo tudi na druge proizvodne sektorje. Vsekakor je pri tem potrebno sistem, predvsem vire podatkov in kazalnike, prilagoditi proizvodnemu sektorju. 4.5.2. Priporočila Nadaljevanje dela v okviru testnih krožkov in vzpostavitev novih empirično podprtih krožkov proizvajalcev mleka Izvedene testne delavnice so se pokazale kot primerna oblika dela, zato je smiselno, da se aktivnosti v empirično podprtih panožnih krožkih nadaljujejo tudi v prihodnje. Potrebno je nadaljnje delo v obeh testnih krožkih (v Pomurju in na Gorenjskem), ki smo jih oblikovali v okviru projekta. Smiselno je ponoviti delavnice na novih podatkih (novo proizvodno leto) ter širiti delovanje krožka z drugimi aktivnostmi. Smiselno je tudi razširiti vzpostavitev empirično podprtih krožkov proizvajalcev mleka na druga območja po Sloveniji. Pri tem lahko nadgradimo obstoječe krožke proizvajalcev mleka z empiričnimi delavnicami ali pa vzpostavimo nove empirično podprte krožke proizvajalcev mleka. S širitvijo takih krožkov bomo dodelali sistem zbiranja in obdelave podatkov ter predstavitve rezultatov. Dodatno bo možno tudi delati primerjave med posameznimi krožki in primerjave podatkov posameznih kmetij s povprečjem določenih skupin krožkov ali povprečjem vseh krožkov v Sloveniji. Cilj je, pridobiti zadostno velik vzorec za primerjave v dejavnosti. Srednjeročni cilj je vključiti 100 kmetij, kar bi že pomenilo pomembno pridobitev za vključene rejce krav molznic, pa tudi za samo delo svetovalne službe na tem področju in na sploh za poznavanje izzivov prireje na ravni države. Tovrstna znanja so pomembna tudi za odločanje v kmetijski politiki. Izboljšanje kakovosti in dostopnosti vhodnih podatkov Med izvajanem projekta (priprava kazalnikov, preverjanje virov podatkov, organizacija in izvedba delavnic) smo ugotovili določene napake in pomanjkljivosti v obstoječih virih podatkov. Največ smo se ukvarjali s FADN knjigovodstvom, ki je najbolj razširjeno. Pomanjkljivosti FADN knjigovodstva smo ugotavljali na različnih ravneh: pri kmetih, vnašalcih podatkov v računalniški program in svetovalcih, ki izvajajo vsakoletni popis kmetij. Ugotovili smo, da so na nekaterih kmetijah površno ocenjeni pridelki in poraba doma pridelane krme, površno je ocenjena poraba krme za določene kategorije živali, niso evidentirani vsi stroški, pojavljajo se napake pri vnašanju podatkov, neusklajenost podatkov med različnimi viri, različno kontiranje stroškov pri vnosu podatkov in podobno. Zato predlagamo, da se začne izvajati sistematično delo v smeri izboljšanja kakovosti podatkov z vsemi, ki sodelujejo pri zbiranju in obdelavi podatkov FADN knjigovodstva. Predlagamo naslednje ukrepe: — Priprava dodatnih navodil za vodenje FADN knjigovodstva, ločeno za kmete in svetovalce, ki bodo vsebovala tudi pripomočke za ocenjevanje pridelkov in porabe doma pridelane krme. — Dodelati računalniški program za obdelavo FADN knjigovodstva z dodatnimi obdelavami in različnimi predstavitvami podatkov. Tako bodo uporabniki lažje pregledovali vnesene in obdelane podatke. — Dodatno izobraževanje kmetov, ki so vključeni v sistem FADN knjigovodstva (katere prihodke in stroške je potrebno evidentirati, napake, ki se delajo pri evidentiranju, ocenjevanje količin pridelka in porabe krme, ...). — Dodatno izobraževanje svetovalcev in vnašalcev podatkov v računalniški program (kako pripraviti vsakoletni popis podatkov na kmetiji, kateri stroški se vnašajo pod katere konte, razumevanje podatkov in logično preverjanje rezultatov obdelave podatkov, ...). — Priprava dodatnih obdelav podatkov za lažje kontrolo vnesenih podatkov, lažji dostop do osnovnih zapisov, priprava različnih izpisov po kontih, obdelava podatkov po skupinah, ki jih potrebujemo v okviru krožkov, primerjava podatkov med kmetijami. — Širitev FADN knjigovodstva. Ocenjujemo, da bi lahko z malimi korekcijami dodatnega vnosa podatkov prišli do dodatnih podatkov, ki jih potrebujemo pri organizaciji panožnih krožkov, pomembni pa so tudi za rejce krav molznic: i) dodatni vnosi količinskih podatkov (vnos količin kupljene krme); ii) podrobnejša delitev stroškov (že pri vnosu podatkov in tudi pri kontiranju podatkov); iii) dodatna analitična evidenca, ki bi služila za dodatne obdelave podatkov za potrebe organizacije krožkov in tudi širše. — Potrebno bi se bilo dogovoriti tudi za predčasno obdelavo podatkov za potrebe izvajanja krožkov (optimalni čas za izvedbo delavnic v okviru krožkov je februar in marec, ko obdelave še niso v celoti dostopne). Vsi ti koraki bi ne le omogočili lažjo vključitev FADN podatkov v delo analitičnih panožnih krožkov, ampak tudi povečali njihovo vrednost in uporabo za kmete in kmetijsko politiko. Pri izvajanju projekta smo pri zbiranju podatkov uporabljali različne vire, znotraj katerih smo uporabljali različne podatke, od katerih so nekateri dostopni preko standardnih izpisov, nekateri pa ne. Za dodatne obdelave in izpise, ki smo jih potrebovali pri izvedbi projekta, smo zaprosili skrbnike informacijskih sistemov. Pri širitvi delovanja krožkov bo nastala potreba po pripravi standardnih obdelav in izpisov, ki bi bili dostopni kmetom in organizatorjem za potrebe dela v krožkih. V okviru CPZ Govedo smo se za pripravo podatkov pri izvedbi testnih krožkov posluževali dodatnih obdelav, ki so jih po naročilu izvedli skrbniki podatkovne zbirke. Pri večji uporabi takih podatkov je smiselno, da se pripravijo standardne obdelave in izpisi za podatke, ki jih potrebujemo v okviru panožnih krožkov. Za potrebe izvajanja krožkov bi bilo potrebno pripraviti obdelave podatkov »Sumarnik« na obdobje koledarskega leta. Za potrebe vključevanja kmetij v krožke, ki vodijo davčno knjigovodstvo, je potrebno pripraviti sistem zbiranja dodatnih podatkov. Tako zbiranje je možno v okviru računovodskih programov ali kot popolnoma ločene dodatne evidence. Nadgradnja empiričnega orodja Ob širitvi uporabe empirično podprtih krožkov proizvajalcev mleka je smiselno razmisliti o nadgradnji modela, tako da se bodo obravnavali tudi stalni stroški reje krav. S tem bi se pridobile dodatne informacije o ekonomičnosti reje krav na kmetijah. Predstavljeno empirično orodje je izdelano do take mere, da je možno izvajati panožne krožke proizvajalcev mleka tudi v bodoče. Vendar pa pričakujemo, da bo občasno potrebno orodje dodelati in prilagoditi. Vnos podatkov bo potrebno prilagoditi spremembam, ki se bodo pojavile pri podatkovnih virih. Pri izvajanju krožkov bomo prišli do novih ugotovitev in bo smiselno dodelati orodje v smeri večje uporabnosti in natančnosti izračunov. Z izvajanjem krožkov bo prišlo do večjega števila obdelanih podatkov s kmetij, kar bo tudi osnova za dodatne primerjave podatkov (med krožki, s povprečjem vseh krožkov). S povečevanjem števila izvajanj krožkov proizvajalcev mleka bi bilo smiselno izdelati empirični model v novem programskem orodju, ki bo dostopno preko interneta »v oblakih«. S tem bi poenostavili delo moderatorjev in svetovalcev pri organizaciji krožkov. Dosegli bi avtomatično združevanje podatkov posameznih kmetij in s tem tudi avtomatizirali obdelavo podatkov. Izdelal bi se uporabniku prijaznejši vnosni ekran, način obdelave, način primerjave in način prikazovanja podatkov. Z izdelavo empiričnega orodja v novem programskem orodju bi tudi preprečili možnost, da pride do določenih napak (spreminjanje ali brisanje enačb, brisanje podatkov, zamenjava podatkov). Izdelava empiričnega orodja v novem programskem orodju zahteva storitve programerja, kar je povezano z dodatnimi stroški. S širitvijo panožnih krožkov na druge proizvodne usmeritve bo potrebno izdelati prilagojeno empirično orodje novi dejavnosti. Podpore delovanju analitičnih panožnih krožkov v okviru JSKS in ukrepov kmetijske politike Organizacija krožkov z upoštevanjem empiričnih podatkov zahteva dodatna znanja, pristop k delu in aktivnosti svetovalcev ter nadgraditev organiziranosti JSKS. Zato predlagamo nov pristop pri organizaciji in vodenju krožkov. Predlagamo, da se za delo s krožki usposobi nekaj svetovalcev, ki bodo za delo s krožki zadolženi za polni delovni čas. Na ravni celotne Slovenije naj se ti svetovalci organizirajo v strokovno skupino, ki skrbi za strokovno vodenje, izobraževanje in usposabljanje svetovalcev za delo v krožkih. Za to je potrebno urediti finance in prilagoditi organiziranost JSKS. Okrepiti je potrebno skupino za ekonomiko kmetijstva in tudi koordinacijo aktivnosti na nacionalni in območni ravni. Svetovalce je potrebno tudi primerno usposobiti za moderiranje delavnic in učinkovito komunikacijo s kmeti. Predvidevamo, da bo ozko grlo pri oblikovanju analitičnih panožnih krožkov strokovna podpora pri izgradnji empiričnih orodij. Zato se je temu izzivu potrebno posebej posvetiti. Brez učinkovitih orodij delo analitičnih panožnih krožkov ni mogoče. Svetovalna služba ima pri tem trenutno omejene kapacitete. Oblikovanje analitičnih krožkov je potrebno podpreti tudi s Ciljnimi raziskovalnimi programi in v luči ukrepov prihodnjega Programa razvoja podeželja (PRP). Oblikovanje empiričnih orodij za posamezne dejavnosti in mreženje akterjev je mogoče podpreti skozi ukrep Sodelovanje in raziskave CRP. Podpora za izvedbo analitičnih panožnih krožkov lahko postane, po zgledu Avstrije, tudi samostojni ukrep v novem PRP - plačilo strokovnega vodje in dejavnosti krožkov. Zelo pomembno je, da vse podpore krepijo oblikovanje sodobnega sistema znanja in inovacij v kmetijstvu (AKIS), ki povezuje vse člene v verigi znanja, od raziskovalcev, preko svetovalcev do kmetov, v katerega dvig znanja in gospodarske uspešnosti sistem tudi deluje. Projekt kaže, kakšne rezultate lahko prinese tudi ustrezna krepitev sodelovanja med institucijami. 4.6. PRILOGE Priloga 10: Osnovna datoteka - primer izpolnjenega lista »opis kmetije« Vrednost Vir podatkov Kmetijsko gospodarstvo xxx Regija xxx Leto obdelave podatkov 2016 Vrsta knjigovodstva FADN Kmetijsko zemljišče v uporabi (lastno in najeto) (ha) 30,15 FADN - Lastništvo kmetijskih zemljišč v uporabi - od tega njive v uporabi (ha) Ocena kmetije - od tega travinje v uporabi (ha) Ocena kmetije Povprečno število košenj na travinju 4 Ocena kmetije Skupno število GVŽ na kmetiji 57,8 FADN - zbir najpomembnejših rezultatov Število GVŽ pašne živine na kmetiji 57,8 FADN - zbir najpomembnejših rezultatov Število GVŽ krav molznic na kmetiji 36,38 FADN - zbir najpomembnejših rezultatov Prevladujoče pasma krav na kmetiji LS,ČB, LSX Ocena kmetije Povprečna teža krav 650 Ocena kmetije Starost moških telet pri prodaji (dni) 10 Ocena kmetije Starost ženskih telet pri prodaji (dni) ostanejo na kmetiji Ocena kmetije Število PDM na kmetijo za leto 1,59 FADN - zbir najpomembnejših rezultatov Datum vnosa: 11.04.2017 Kmetijsko gospodarstvo: xxx; Leto: 2016 Enota Vrednost Vir podatkov Opozorilo OCENA PRIHODKA Število krav konec leta kos 35,0 FADN - živinorejska proizvodnja Povprečno število krav v letu kos 36,4 Govedo - sumarnik Prirejeno mleko na leto (podatek iz kontrole mlečnosti krav) kg 268.465 Govedo - sumarnik Prirejeno mleko na kravo, na leto (podatek iz kontrole mlečnosti krav) kg/kravo 7.375 Preračun - NE VPISUJ! Povprečni delež maščobe v mleku % 4,1 Govedo - sumarnik Povprečni delež beljakovin v mleku % 3,2 Govedo - sumarnik Prodano mleko na leto (prodano mleko v mlekarno in domača prodaja) kg 255.377 FADN - živalski proizvodi in storitve Poraba mleka na kmečkem gospodinjstvu na leto (lastna poraba v gospodinjstvu) kg 493 FADN - živalski proizvodi in storitve ali ocena kmetije Povprečna poraba mleka za teleta (koliko eno tele spije mleka) kg/tele 300 Ocena kmetije Skupna poraba mleka za teleta na leto kg 14.700 Preračun - NE VPISUJ! Razlika med selekcijsko proizvodnjo mleka ter prodanim in porabljenim mlekom (izgube in drugo) kg -2.105 Preračun - NE VPISUJ! Prodano in porabljeno mleko na kravo, na leto (dejanska proizvodnja mleka na kravo, tudi s porabo za teleta) kg/kravo 7.433 Preračun - NE VPISUJ! Delež prodanega in porabljenega mleka glede na skupno prirejo mleka % 100,8 Preračun - NE VPISUJ! OPOZORILO -vrednost nad 100 Vrednost prodanega mleka na leto (prodano mleko v mlekarno in domača prodaja) EUR 63.971 FADN - živalski proizvodi in storitve Vrednost porabljenega mleka na kmečkem gospodinjstvu na leto (lastna poraba v gospodinjstvu) EUR 123 Preračun - NE VPISUJ! Vrednost porabljenega mleka za teleta na leto EUR 3.682 Preračun - NE VPISUJ! Cena prodanega mleka na kg EUR/kg 0,250 Preračun - NE VPISUJ! Skupna vrednost proizvedenega mleka na leto EUR 67.777 Preračun - NE VPISUJ! Število rojenih telet v letu kos/kmetijo 49 Govedo - sumarnik Število rojenih telet na kravo kos/kravo 1,35 Preračun - NE VPISUJ! OPOZORILO -vrednost nad 1,05 Število telet, ki je poginilo do 60 dni starosti kos/kmetijo Govedo - sumarnik Vrednost teličk pri starosti 10 dni EUR/kos 200 Ocena kmetije Vrednost bikcev pri starosti 10 dni EUR/kos 200 Ocena kmetije Vrednost rojenih telet EUR 9.800 Preračun - NE VPISUJ! Število izločenih krav (prodaja, zakol in pogin) kos 11 Govedo - sumarnik Delež izločenih krav (prodaje, zakol in pogin) % 30,22 Preračun - NE VPISUJ! Število izločenih krav (prodaja, zakol in pogin) kos 9 FADN - živinorejska proizvodnja Vrednost izločenih krav (prodaja, zakol in pogin) na leto EUR 4.495 FADN - živinorejska proizvodnja PRIHODEK SKUPAJ EUR 82.072 Preračun - NE VPISUJ! PRIHODEK NA KRAVO EUR 2.255 Preračun - NE VPISUJ! PLODNOST IN KAKOVOST MLEKA Enota Vrednost Vir podatkov Opozorilo Doba med telitvami (DMT) - letno povprečje dni 409 Govedo - sumarnik Število krav za katere imamo podatek o DMT kos 29 Govedo - sumarnik Število krav z DMT večjo od 420 dni kos 12 Govedo - sumarnik Delež krav z DMT večjo od 420 dni % 41 Preračun - NE VPISUJ! Starost ob prvi telitvi dni 875 Govedo - sumarnik Starost ob izločitvi dni 1.632 Govedo - obdelava Življenjska prireja izločenih živali kg 14.361 Govedo - obdelava Pet letno povprečje števila let koriščenja krave let 3,0 Govedo - sumarnik Število somatskih celic (ŠSC) - letno povprečje število 215 Govedo - obdelava Število krav, ki so imele dve ali več kontrol s ŠSC > 200.000 kos 12 Govedo - sumarnik Delež krav, ki so imele dve ali več kontrol s ŠSC > 200.000 % 33 Preračun - NE VPISUJ! OCENA STROŠKOV Enota Vrednost Vir podatkov Opozorilo Število prevedenih telic na leto kos 18,0 Govedo - sumarnik Delež prevedenih telic % 49,5 Preračun - NE VPISUJ! Cena prevedenih telice EUR/kos 1.200,0 Ocena kmetije Vrednost prevedenih telic na leto EUR 21.600 Preračun - NE VPISUJ! Vrednost prevedenih telic na kravo, letno EUR 593 Preračun - NE VPISUJ! Neto strošek remonta na kravo (vrednost telice - vrednost izločene krave) EUR 470 Preračun - NE VPISUJ! Vrednost kupljene koncentrirane krme za rejo krav EUR 23.806 Preračun - NE VPISUJ! Vrednost kupljene voluminozne krme za rejo krav EUR 84 Preračun - NE VPISUJ! Vrednost doma pridelane koncentrirane krme za rejo krav EUR 665 Preračun - NE VPISUJ! Vrednost doma pridelane voluminozne krme za rejo krav EUR 13.332 Preračun - NE VPISUJ! Skupaj vrednost krme za rejo krav EUR 37.886 Preračun - NE VPISUJ! Prireja mleka iz voluminozne krme kg Preračun - NE VPISUJ! Poraba koncentrirane krme na en kilogram mleka kg 0,32 Preračun - NE VPISUJ! Cena kupljene močne krme EUR/kg 0,29 Preračun - NE VPISUJ! Veterinarski stroški na kmetiji EUR 2.429,5 FADN - tabela posebni stroški živine Delež veterinarskih stroškov za rejo krav % 90,0 Ocena kmetije Veterinarski stroški za rejo krav EUR 2.187 Preračun - NE VPISUJ! Ostali posebni stroški živine EUR 4.085,0 FADN - tabela posebni stroški živine Delež ostalih posebnih stroškov za rejo krav % 90,0 Ocena kmetije Ostali posebni stroški za rejo krav EUR 3.677 Preračun - NE VPISUJ! Drugi stroški (elektrika, voda, tekoče vzdrževanje) EUR 3.296,7 FADN - splošni stroški kmetovanja Delež drugih stroškov za rejo krav % 90,0 Ocena kmetije Drugi stroški za rejo krav EUR 2.967 Preračun - NE VPISUJ! SKUPAJ SPREMENLJIVI STROŠKI EUR 68.316 Preračun - NE VPISUJ! SKUPAJ SPREMENLJIVI STROŠKI NA KRAVO EUR 1.877 Preračun - NE VPISUJ! POKRITJE NA KRAVO EUR 378 Preračun - NE VPISUJ! Prihodki na kravo brez izločenih krav EUR 2.131 Preračun - NE VPISUJ! Stroški na kravo brez vrednosti telic EUR 1.283 Preračun - NE VPISUJ! Povprečni odstotek obnove črede (5 letno povprečje) % 33 Preračun - NE VPISUJ! Neto stroški obnove črede na kravo EUR 234 Preračun - NE VPISUJ! KORIGIRANO POKRITJE NA KRAVO EUR 614 Preračun - NE VPISUJ! Priloga 12: Osnovna datoteka - primer izpolnjenega lista »krma« KRMA ZA KRAVE PROIZVODNJA/ NAKUP SKUPAJ PROIZVODNJA/ NAKUP ZA KRAVE PRERAČUN Kmetijsko gospodarstvo: xxx; Leto: 2016 Količina Cena Vrednost Delež za krave Količina Vrednost Količina kg/kravo/dan (kg) (EUR/ kg) (EUR) (%) (kg) (EUR) kg 1 kg SS DOMA PRIDELANA VOLUMINOZNA KRMA Paša Zelena krma Travna silaža 250.200 0,05 12.510 70 175.140 8.757 13,2 4,6 Mrva 11.950 0,10 1.195 70 8.365 837 0,6 0,5 Koruzna silaža 178.000 0,03 5.340 70 124.600 3.738 9,4 3,3 Silirano koruzno zrno Ostalo SKUPAJ doma pridelana voluminozna krma 19.045 70 13.332 8,4 DOMA PRIDELANA KONCENTRIRANA KRMA Koruza - zrno Ječmen 1.000 0,11 110 70 700 77 0,1 0,0 Ostala žita 7.636 0,11 840 70 5.345 588 0,4 0,3 Ostalo SKUPAJ doma pridelana koncentrirana krma 950 70 6.045 665 0,4 SKUPAJ DOMA PRIDELANA KRMA 19.995 13.997 8,8 Vnos kontrolnega podatka - Krmila za pašno živino, proizvedena na kmetiji 20.313 0,63 KUPLJENA VOLUMINOZNA KRMA Zelena krma Travna silaža Mrva 700 0,12 84 100 700 84 0,1 0,0 Koruzna silaža Ostalo SKUPAJ kupjena voluminozna krma 84 100 84 0,0 Vnos kontrolnega podatka - Kupljena sveža krma za pašno živino 82 0,63 KUPLJENA KONCENTRIRANA KRMA Koruza 4.800 0,17 816 90 4.320 734 0,3 0,3 Pšenica 0,18 Ječmen, tritikala 0,18 Ostala žita 0,18 Otrobi 0,16 Krmilna moka 0,18 Repične tropine 0,28 Sončnične tropine 0,29 Sojine tropine 0,44 Krmilo za krave 18 % SB 85.450 0,30 25.635 90 76.905 23.072 5,8 5,0 Krmilo za krave 19 % SB 0,26 Beljakovinski koncentrat 35 % SB 0,30 Beljakovinski koncentrat 40 % SB 0,36 Mineralno vitaminska mešanica 0,30 Ostalo 0,42 SKUPAJ kupjena koncentrirana krma 0,29 26.451 90 81.225 23.806 5,3 Vnos kontrolnega podatka - Kupljena koncentrirana krma za pašno živino 26.453 0,63 SKUPAJ KRMA NA KRAVO NA DAN SS (kg) NEL (MJ) Surove bejakovine (g) Porabljena voluminozna krma 8,5 56 1.164 Porabljena koncentrirana krma 5,6 43 1.120 Porabljena krma skupaj 14,1 98 2.283 Normativ 103 2.157 Porabjeno / normativ 1,0 1,1 Kmetijsko gospodarstvo: xxx Podatki za leto: 2016 Vrednost Vrednost Vrednost na kg mleka (EUR cent) Delež % na kmeti- na kravo jo (EUR) (EUR) PRIHODEK Povprečno število krav v letu 36,4 Prodano in porabljeno mleko - količina (kg) 270.570 7.433 Prodajna cena mleka (EUR/kg) 0,250 Vrednost prodanega in porabljenega mleka 67.777 1.862 25,05 82,6 Vrednost telet 9.800 269 3,62 11,9 Vrednost izločenih živali 4.495 123 1,66 5,5 PRIHODEK SKUPAJ 82.072 2.255 30,33 100,0 SPREMENLJIVI STROŠKI Vrednost prevedenih telic 21.600 593 7,98 31,6 Kupljena koncentrirana krma 23.806 654 8,80 34,8 Kupljena voluminozna krma 84 2 0,03 0,1 Doma pridelana koncentrirana krma 665 18 0,25 1,0 Doma pridelana voluminozna krma 13.332 366 4,93 19,5 Skupaj stroški krme 37.886 1.041 14,00 55,5 Veterinarski stroški 2.187 60 0,81 3,2 Ostali posebni stroški živinoreje 3.677 101 1,36 5,4 Drugi stroški 2.967 82 1,10 4,3 SPREMENLJIVI STROŠKI SKUPAJ 68.316 1.877 25,25 100,0 POKRITJE 13.755 378 5,08 Prihodki brez izločenih krav 77.577 2.131 28,67 Stroški brez vrednosti telic 46.716 1.283 17,27 Neto stroški obnove črede 8.500 234 3,14 KORIGIRANO POKRITJE 22.360 614 8,26 Kratek naslov kmetije - dodatni vnos Leto xx 2016 PRIHODEK Povprečno število krav na kmetiji v letu kos 36,40 Prirejeno mleko na kravo, na leto (podatek iz kontrole mlečnosti krav) kg/kravo 7.375 Povprečni delež maščobe v mleku % 4,10 Povprečni delež beljakovin v mleku % 3,20 Prodano in porabljeno mleko na kravo, na leto (s porabo mleka za teleta) kg/kravo 7.433 Razlika med selekcijskim podatkom in ocenjenim podatkom o proizvodnji mleka na kravo, na leto % 100,78 Vrednost prodanega in porabljenega mleko na kravo, na leto (s porabo mleka za teleta) EUR 1.862 Cena prodanega mleka na kg EUR/kg 0,25 Število vzrejenih telet na kravo kos/kravo 1,35 Vrednost rojenih telet na kravo na leto EUR 269 Delež krav, ki zapusti čredo (prodaje, poraba in pogin) % 30,22 Vrednost krav, ki zapustijo čredo (prodaja, poraba in pogin) na kravo na leto EUR 123 PRIHODEK NA KRAVO s prodajo izločenih krav EUR 2.255 OCENA STROŠKOV Kupljena koncentrirana krma za krave na kravo EUR 654 Kupljena voluminozna krma za krave na kravo EUR 2 Doma pridelana koncentrirana krma za krave na kravo EUR 18 Doma pridelana voluminozna krma za krave na kravo EUR 366 Skupaj stroški krme na kravo EUR 1.041 Veterinarski stroški za rejo krav na kravo EUR 60 Vrednost ostalih posebnih stroškov za rejo krav na kravo EUR 101 Vrednost ostalih stroškov za rejo krav na kravo EUR 82 Obnova črede % 49,45 Vrednost telice (nakup) EUR/kos 1.200 Stroški obnove črede na kravo EUR 593 SPREMENLJIVI STROŠKI NA KRAVO z obnovo črede EUR 1.877 POKRITJE NA KRAVO EUR 378 Prihodki brez izločenih krav EUR 2.131 Stroški brez vrednosti telic EUR 1.283 Obnova črede (5 letno povprečje) % 33,33 Neto stroški obnove črede EUR 234 KORIGIRANO POKRITJE NA KRAVO EUR 614 PLODNOST IN KAKOVOST MLEKA Doba med telitvami (DMT) - letno povprečje dni 409 Delež krav z DMT večjo od 420 dni % 41,38 Starost ob prvi telitvi dni 875 Starost ob izločitvi dni 1.632 Življenjska prireja izločenih živali kg 14.361 Pet letno povprečje števila let koriščenja krave let 3,0 Število somatskih celic (ŠSC) - letno povprečje število 215 Delež krav, ki so imele dve ali več kontroli s ŠSC > 200.000 % 33 KRMA Poraba voluminozne krme na kravo kg SS 3.094 Poraba koncentrirane krme na kravo kg SS 2.062 Poraba krme v primerjavi z normativom - konzumacija NEL % 96 Poraba krme v primerjavi z normativom - konzumacija beljakovine % 106 5. NADGRADNJA IN ŠIRITEV NABORA MODELNIH KALKULACIJ Zagorc Barbara, Miroslav Rednak, Ben Moljk, Jure Brečko Končno poročilo o izvedbi nalog četrtega delovnega svežnja (DS4) v okviru CRP: Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423) Ljubljana, 7. december 2017 KAZALO VSEBINE 5. NADGRADNJA IN ŠIRITEV NABORA MODELNIH KALKULACIJ.....................................175 5.1. Uvod..............................................................................................................................179 5.2. Primerjalni pregled in kritična presoja obstoječih modelnih kalkulacij KIS........................180 5.2.1. Metodologija in osnovne značilnosti obstoječih modelnih kalkulacij.............................180 5.2.1.1. Splošna izhodišča.........................................................................................................180 5.2.1.2. Koncept in zgradba sistema modelnih kalkulacij.........................................................181 5.2.1.3. Standardni prikaz rezultatov modelnih kalkulacij.......................................................182 5.2.1.4. Nabor in posodabljanje modelnih kalkulacij...............................................................183 5.2.2. Kritična presoja obstoječih modelnih kalkulacij..............................................................184 5.3. Prilagoditev in dopolnitev modelnih kalkulacij................................................................185 5.3.1. Opredelitev novih ravni intenzivnosti.............................................................................186 5.3.2. Tehnološki in drugi parametri modelnih kalkulacij.........................................................187 5.3.2.1. Poraba krme................................................................................................................187 5.3.2.2. Gnojenje ...................................................................................................................... 188 5.3.2.3. Posodobitev specifičnih tehnoloških in drugih parametrov modelnih kalkulacij.......190 5.3.3. Produktivnosti ročnega in strojnega dela........................................................................ 190 5.4. Razširitev nabora modelnih kalkulacij z novimi proizvodi in tehnologijami.......................194 5.5. Tehnična prilagoditev in posodobitev.............................................................................195 5.6. Sklepne ugotovitve in priporočila....................................................................................196 5.7. Viri.................................................................................................................................198 5.7.1. Citirani viri ....................................................................................................................... 198 5.7.2. Drugi viri .......................................................................................................................... 199 Preglednica 36: Spremembe parametrov intenzivnosti v modelih za rastlinsko pridelavo..............186 Preglednica 37: Spremembe parametrov intenzivnosti v modelih za živinorejo.............................187 Preglednica 38: Hranilne vrednosti krme s travinja in koruzne silaže..............................................187 Preglednica 39: Hranilne vrednosti druge krme...............................................................................187 Preglednica 40: Seznam gnojil z vsebnostjo glavnih rastlinskih hranil.............................................189 Preglednica 41: Vsebnost hranil v živinskih gnojilih in dolgoletni izkoristek dušika.........................189 Preglednica 42: Sprememba najpomembnejših tehnoloških parametrov v posodobljenih................. modelnih kalkulacijah iz standardnega nabora......................................................190 Preglednica 43: Poraba ročnega in strojnega dela v obstoječih in posodobljenih................................. modelnih kalkulacijah za rastlinske pridelke iz standardnega nabora....................192 Preglednica 44: Ekonomski rezultati posodobljenih modelnih kalkulacij za rastlinske.......................... pridelke iz standardnega nabora (prva ocena za leto 2017)...................................192 Preglednica 45: Ekonomski rezultati posodobljenih modelnih kalkulacij za živinorejo......................... iz standardnega nabora (prva ocena za leto 2017).................................................193 Preglednica 46: Modelne kalkulacije za ekološko pridelavo............................................................195 Preglednica 47: Modelne kalkulacije za nove tehnologije in proizvode...........................................195 Preglednica 48: Modelne kalkulacije za zelenjadnice.......................................................................196 KAZALO SLIK Slika 26: Shematski prikaz zbirk podatkov (datotek) sistema modelnih kalkulacij.......................181 Slika 27: Spremembe stroškov zmanjšanih za subvencije v referenčnih kalkulacijah........................ za rastlinsko pridelavo (obstoječe kalkulacije = 100).....................................................193 Slika 28: Spremembe stroškov zmanjšanih za subvencije v referenčnih kalkulacijah........................ za živinorejo (obstoječe kalkulacije = 100).....................................................................194 Kmetijski inštitut Slovenije ima pri izdelavi modelnih kalkulacij in modelov kmetijskih gospodarstev že dolgo tradicijo; začetki segajo že v 90-ta leta prejšnjega stoletja (Volk in sod., 1987, Rednak in sod. v Kovačič in sod. 1995; Volk in sod., 1996; Rednak, 1998). Temeljni razlog za razvoj simulacijskih modelov v kmetijstvu je bil pomanjkanje zanesljivih empiričnih podatkov o ekonomskih kazalcih poslovanja kmetijskih gospodarstev, ta temeljni razlog pa med drugimi velja še danes (Žgajnar in sod., 2011). Različni simulacijski modeli omogočajo ocenjevanje ekonomskih rezultatov na ravni kmetijskih gospodarstev in njihovo oceno tudi na ravni posameznih kmetijskih proizvodov. Različni simulacijski modeli imajo v primerjavi z empiričnimi podatki številne prednosti pa tudi slabosti, saj so rezultati na podlagi simulacijskih modelov še vedno le ocene in ne posnetek stanja. Modelne kalkulacije so ocene stroškov, izdelane s pomočjo simulacijskega modela na ravni posamezne kulture, v katerega so vgrajena vnaprej opredeljena izhodišča (Rednak in sod. 1995). Modelne kalkulacije Kmetijskega inštituta Slovenije (modelne kalkulacije KIS) sodijo med referenčne vire v povezavi z ugotavljanjem uspešnosti gospodarjenja na mikro ravni, ki z uporabo modelnih orodij dajejo informacije o stroških in ekonomskih rezultatih na ravni posameznega kmetijskega proizvoda (Modelne kalkulacije ..., 2017) in so najstarejši simulacijski model za ekonomsko proučevanje kmetijske panoge v Sloveniji. Področje uporabe modelnih kalkulacij lahko v grobem razdelimo v dva dela. Prvo področje uporabe so modelne kalkulacije kot podlaga za redno periodično oceno stroškov in drugih ekonomskih kazalcev pri najpomembnejših kmetijskih pridelkih. To delo teče v okviru strokovne naloge »Spremljanje razvoja kmetijstva v Sloveniji«, katere naročnik je ministrstvo pristojno za kmetijstvo (Modelne kalkulacije..., 2017). To so tako imenovane »referenčne modelne kalkulacije«, ki so izdelane za standardni nabor pridelkov. Referenčne modelne kalkulacije so namenjene oceni sprememb stroškov in prihodkov, ki so izključno rezultat sprememb cen in proračunskih podpor v določenem časovnem obdobju. Izdelane so ob predpostavki nespremenjenih vhodnih in drugih količinskih parametrov, pri čemer naj ti vhodni parametri odražajo pridelovalne razmere pri vnaprej določeni ciljni skupini pridelovalcev. Drugo pomembno področje je uporaba sistema modelnih kalkulacij kot simulacijskega modelnega orodja. Simulacijski model modelnih kalkulacij zelo pogosto uporabljamo pri mnogih drugih nalogah in projektih (Cunder in sod., 2016). Rezultati pa so bili uporabljeni kot podatkovni input za modele slovenskega kmetijstva na različnih ravneh (sektorski, mikroekonomski, ipd.) (npr. Kavčič, 2000). Med drugim so bile modelne kalkulacije kot orodje uporabljene za izračun podlag za določitev plačila ukrepov kmetijske politike (območja z naravnimi ali drugimi posebnimi omejitvami, kmetijsko-okoljska-podnebna plačila, ekološko kmetovanje in dobrobit živali) (Program razvoja podeželja (PRP) ... , 2017) in v številnih projektih z ekonomskimi, tehnološkimi in naravovarstvenimi vsebinami (npr. Rednak in sod. 2003; Cunder in sod., 2007; Rednak in sod., 2009; Kajfež-Bogataj in sod.; 2016; Jerina in sod., 2017). V zadnjih letih smo simulacijski sistem modelnih kalkulacij in referenčne modelne kalkulacije iz standardnega nabora zaradi različnih področij uporabe sicer občasno sproti dograjevali in prilagajali, osnovnih izhodišč pa v zadnjem desetletju nismo pomembneje spreminjali. Strukturne spremembe, napredek v tehnologiji, rast povprečnih pridelkov, vključevanje novih kmetijskih proizvodov, ki v preteklosti niso imeli pomembnega mesta v kmetijski proizvodnji, pa vodi v potrebo po celoviti posodobitvi sistema modelnih kalkulacij in razširitvi nabora modelnih kalkulacij z novimi tehnologijami in pridelki. Temeljni cilj četrtega delovnega svežnja (DS4) je zato nadgradnja in razširitev sistema modelnih kalkulacij KIS kot orodja za presojo ekonomske uspešnosti gospodarjenja na ravni posameznih kmetijskih proizvodov (izraz se uporablja za rastlinske pridelke in živinorejske proizvode) ter njihova prilagoditev za uporabo v modelu za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev (model KMG), razvitega v okviru delovnega svežnja 5 (DS5) tega projekta. Cilje DS4 smo zasledovali v okviru naslednjih treh nalog: 1. Primerjalni pregled in kritična presoja obstoječih modelnih kalkulacij 2. Izbor najpomembnejših spremenljivk ter preveritev in prilagoditev izbranih funkcijskih razmerij v posameznih kalkulacijah 3. Razširitev standardnega nabora modelnih kalkulacij z novimi proizvodi in tehnologijami Prva naloga je namenjena pregledu in analizi obstoječega sistema modelnih kalkulacij in nabora modelnih kalkulacij, ki v okviru rastlinske pridelave vključuje osnovne vrste poljščin, zelenjadnic in sadja, grozdje ter krmo s travinja, v okviru živinoreje pa mleko, pitano govedo, rejo prašičev, pitana jagnjeta in rejo perutnine. Na podlagi ugotovitev prve naloge je sistem modelnih kalkulacij prilagojen in dopolnjen na različnih ravneh. V referenčnih kalkulacijah iz standardnega nabora modelnih kalkulacij so opredeljene nove ravni in intervali intenzivnosti in novim ravnem prilagojeni tehnološki ukrepi. Ker imata krma v živinoreji in gnojila v rastlinski pridelavi pomemben vpliv na stroške pridelave, je poseben poudarek v raziskavi namenjen tema dvema tehnološkima parametroma, niso pa zanemarjeni tudi drugi parametri pridelave. V kalkulacijah so posodobljene funkcijske odvisnosti porabe ročnega in strojnega dela in s tem izboljšana produktivnost dela. V sistem modelnih kalkulacij so vključene nove tehnologije pridelave in novi kmetijski proizvodi, ki so postali ali postajo pomembni v slovenski kmetijski pridelavi. Poleg vsebinskih posodobitev so v vseh zbirkah podatkov (datotekah) sistema modelnih kalkulacij izvedene tudi nekatere tehnične in organizacijske posodobitve, ki omogočajo večjo dinamičnost in fleksibilnost modelnih kalkulacij in s tem povečajo njihovo uporabnost. Vse posodobitve in novosti so v modelnih kalkulacijah izdelane na način, ki omogoča povezavo in vstop posamezne modelne kalkulacije v model kmetijskih gospodarstev (model KMG) izdelan v DS5. Na koncu so podane sklepne ugotovitve in načrti za nadaljnje delo. 5.2. PRIMERJALNI PREGLED IN KRITIČNA PRESOJA OBSTOJEČIH MODELNIH KALKULACIJ KIS Modelne kalkulacije KIS (modelne kalkulacije) lahko opredelimo kot matematični statično deterministični model. To pomeni, da so povezave med elementi modela podane v enačbah, kar omogoča matematično reševanje simuliranja; da so analizirani pojavi omejeni s fiksnimi časovnimi intervali in da so vse povezave v modelu enoznačne. Iz tega sledi, da ponovitev enakovrstne simulacije da vedno enak rezultat (Rednak in sod., v Kovačič in sod., 1995). Modelne kalkulacije KIS so simulacijski modeli z vgrajenimi funkcijskimi odvisnostmi, ki na podlagi opredeljenih (izbranih) vhodnih tehnoloških parametrov omogočajo oceniti porabo inputov in stroške proizvodnje pri posameznem kmetijskem proizvodu, v povezavi z vrednostjo proizvodnje pa tudi različne kazalce ekonomske uspešnosti. Modelne kalkulacije neposredno vključujejo vse stroške, ki so povezani s proizvodnjo (Rednak, 1998). V nadaljevanju tega podpoglavja je v začetku, za boljše razumevanje nadaljnje raziskave, naveden krajši povzetek metodologije obstoječih modelnih kalkulacij KIS, v drugem delu pa je predstavljen pregled in ugotovitve presoje ključnih predpostavk modelnih kalkulacij in temeljnih točk sistema modelnih kalkulacij. 5.2.1. Metodologija in osnovne značilnosti obstoječih modelnih kalkulacij 5.2.1.1. Splošna izhodišča Splošna raven produktivnosti je opredeljena z velikostjo obrata. Predpostavljena velikost in tip kmetijskega obrata je pri različnih pridelkih različen, osnovni kriterij pri teh opredelitvah pa je bil, da obrat zagotavlja polno zaposlenost za vsaj eno delovno moč. Izhodišče za izračun paritetnega oziroma primerljivega dohodka je opredelitev, da je delovno mesto v kmetijstvu po opremljenosti in zahtevnosti (glede na predpostavljeno produktivnost dela in intenzivnost), primerljivo z drugimi dejavnostmi v Sloveniji. Stroški dela (skupaj z obveznostmi) in kapitala so zato obračunani kot oportunitetni stroški na ravni neto dodane vrednosti, primerljive z drugimi deja- Izhodiščna intenzivnost v referenčnih modelnih kalkulacijah je bila ob zadnji temeljiti prenovi modelnih kalkulacij (Rednak, 1998) opredeljena kot nadpovprečna za slovenske razmere in praviloma nižja kot jo dosegajo primerljive države EU. Opredeljeni intenzivnosti so smiselno prilagojeni tehnološki parametri, kot so npr. gnojenje, varstvo rastlin, krmni obrok, ki temeljijo na priporočilih stroke, pri tem pa so upoštevane tudi okoljske in eto-loške zahteve. Tehnologije so izdelane ob predpostavki ugodnih pridelovalnih razmer (ne veljajo za območja s težjimi pridelovalnimi razmerami) in »normalne« letine (ne upoštevajo izpada pridelka zaradi suše, toče, pozebe ipd.). Pri izdelavi tehnoloških kart velja splošno načelo tehnološke usklajenosti in doslednosti ob predpostavki dobre opremljenosti. 5.2.1.2. Koncept in zgradba sistema modelnih kalkulacij Sistem (model) modelnih kalkulacij je sestavljen iz več med seboj dinamično povezanih zbirk podatkov (datotek), izdelanih v programu Excel. Slika 26: Shematski prikaz zbirk podatkov (datotek) sistema modelnih kalkulacij Datoteka s cenami, »CENE«, omogoča redno posodabljanje in dopolnjevanje cenika s tekočimi cenami. V datoteki so cene osnovnih sredstev, kupljenega reprodukcijskega materiala in storitev, strojev, priključkov, opreme, čistih hranil, domačih živinskih gnojil, odkupne cene in druge cenovne podlage zapisane pod enovitimi šiframi, kar omogoča enostavno povezovanje v druge aktivne datoteke modelnih kalkulacij. V sistemu modelnih kalkulacij so trenutno zbrane cene na letni ravni za obdobje 1992-2016 in prve ocene za leto 2017 ter na mesečni ravni od januarja 2008 naprej, z možnostjo naknadne rekonstrukcije mesečnih cenikov do leta 1995. V datoteki »Z« (Zbir normativov porabe dela po fazah proizvodnega procesa) je opredeljena produktivnost ročnega in strojnega dela po posameznih delovnih fazah in posameznih priključkih oziroma strojih. Za vsako fazo oziroma stroj ali priključek so opredeljene funkcije porabe dela v odvisnosti od velikosti parcele, porabljenega materiala in velikosti pridelka. Proizvodne funkcije za izračun porabe časa pri posamezni fazi glede na velikost parcele so bile večinoma opredeljene s pomočjo podatkov tujih normativov iz različnih publikacij založnika KTBL in regresijske analize. Odvisnosti porabe časa od količine porabljenega materiala in velikosti pridelka so opredeljene s koeficienti zmogljivosti delavca in stroja. Za določene delovne faze, odvisno od razpoložljivih podatkov iz preteklih raziskav, so porabe časa opredeljene tudi v odvisnosti od nagiba. V datoteki »STROJI« so na podlagi cen strojev in priključkov iz cenika ter podatkov o stopnjah vzdrževanja in amortizacije izračunani stroški domačih strojnih storitev. Datoteko »MODELNA KALKULACIJA« za posamezen kmetijski proizvod v grobem sestavljajo trije deli, to so vnosni del, tehnološka karta in rezultati. V vnosni del (standardizirana vhodna maska) se poleg opredelitve vrste pridelka in nekaterih parametrov tipičnih za posamezni kmetijski pridelek, vnesejo vhodni podatki (intenzivnost, velikost parcele...), ki jih lahko pri simulacijah spreminjamo in s tem povzročimo spremembe končnih rezultatov. Pri t. i. referenčnih modelnih kalkulacijah ostajajo ti podatki v celotnem obdobju opazovanja nespremenjeni. V tehnološki karti se opredeli vse faze dela in poraba specifičnega materiala in storitev. Izbor nekaterih tehnoloških faz ter izračun porabe dela in materiala je v tem delu že opredeljen v odvisnosti od podatkov opredeljenih v vnosnem delu in opredeljenih normativov oziroma funkcijskih odvisnosti v datoteki »Z«. Standardni rezultati modelne kalkulacije so prikazani v treh oblikah, kot analitična kalkulacija, elementarna kalkulacija in kot zbirni kazalci uspeha. V datoteki »ZBIR« so za vse kmetijske pridelke vključene v sistem zbrani osnovni vhodni parametri in ekonomski kazalci na ravni skupnih stroškov in po skupinah stroškov. Na ta način zbrani podatki so lahko namenjeni bodisi kot vhodni podatki (vmesna poraba) za kalkulacije drugih kmetijskih pridelkov, bodisi kot podlaga za prikaz rezultatov modelnih kalkulacij po posameznih kmetijskih pridelkih. 5.2.1.3. Standardni prikaz rezultatov modelnih kalkulacij Modelni izračuni so za vsak tržni pridelek izdelani v treh oziroma pri pridelkih za reprodukcijo v dveh oblikah in sicer kot analitična kalkulacija, elementarna kalkulacija in kot zbirni kazalci uspeha (vrednost pridelave, izračun pokritja, dodane vrednosti in drugih kazalcev dohodka). Analitična in elementarna kalkulacija sta obliki izračuna, ki prikazujeta višino in strukturo stroškov in se nanašata na iste stroške. Razlika med njima je v načinu združevanja (agregiranja) posameznih stroškov. Posebno močno se ta razlika odrazi pri tistih kmetijskih pridelkih, pri katerih je proizvodni proces sestavljen iz več časovno ali tehnološko ločenih procesov (npr. pridelovanje krme, pitanje). Pri izdelavi analitične kalkulacije je vsak od procesov obravnavan ločeno kot samostojni stroškovni nosilec. Za vsak domač pridelek ali storitev (čeprav je namenjen izključno nadaljnji reprodukciji) je izdelana samostojna analitična kalkulacija. V naslednjo fazo proizvodnega procesa vstopa tak pridelek (npr. krma) ali storitev (npr. domače strojne storitve) kot materialni strošek, vrednoten po polni lastni ceni. Pri izdelavi elementarne kalkulacije je celotni proizvodni proces obravnavan kot en sam stroškovni nosilec. Stroški niso združeni po fazah proizvodnega procesa, pač pa v vsebinsko podobne, enotno opredeljene skupine stroškov (npr. energija, amortizacija, delo). Tako so npr. stroški pridelovanja sena za krmo v analitični kalkulaciji živinoreje prikazani kot enoten strošek (stroški sena), v elementarni kalkulaciji pa so ti isti stroški razporejeni po skupinah (elementih) kot stroški energije, mineralnih gnojil, amortizacije, dela, itd. Zbirni kazalci uspeha - vrednost pridelave, izračun pokritja, dodane vrednosti in drugih kazalcev dohodka je zadnji del standardnih rezultatov modelnih kalkulacij. Predstavlja oceno ekonomske uspešnosti pridelave. Pri vrednosti pridelave je upoštevana finalna pridelava na ravni stroškovnega nosilca105 (skupna proizvodnja, zmanjšana za interno realizacijo), stroški pa so povzeti iz elementarne kalkulacije. Vrednost pridelave je sestavljena iz vrednosti glavnega pridelka (skupni pridelek zmanjšan za interno realizacijo, vrednoten po prodajni ceni; praviloma upoštevane cene iz statistike odkupa); vrednosti stranskih pridelkov (skupna vrednost zmanjšana za morebitno interno realizacijo) in subvencij. Med subvencije uvrščamo morebitne dodatke k ceni, neposredna plačila, regrese, ki so neposredno izplačani kmetijskim proizvajalcem, morebitne druge oblike subvencij, ki imajo splošen značaj in jih lahko pripišemo neposredno stroškovnemu nosilcu. V kalkulacijah upoštevane subvencije so določene na podlagi v posameznih letih veljavnih zakonskih predpisov o ukrepih kmetijske politike. Ker je v živinoreji domača krma (npr. koruzna silaža) na stroškovni strani vrednotena po polni lastni ceni (brez upoštevanja morebitnih subvencij), so morebitne subvencije za pridelavo krme (npr. za koruzno silažo), prištete k subvencijam pri končnem proizvodu (npr. mleku). Pripadajoči delež subvencij vmesnega proizvoda, ki je pripisan končnemu proizvodu, je izračunan na podlagi količin vmesnega proizvoda v krmnem obroku. Bruto dodana vrednost je izračunana kot razlika med vrednostjo pridelave in stroški kupljenega materiala in storitev iz elementarne kalkulacije. Neto dodana vrednost je bruto dodana vrednost, zmanjšana za stroške amortizacije iz elementarne kalkulacije. Paritetni dohodek oziroma primerljiv dohodek ni absolutna kategorija. Dohodek, ki je v izhodiščnih modelih opredeljen kot paritetni dohodek odgovarja predpostavki, da gre za poklicno kmetijo, katere dohodek naj bi bil v čim večji meri primerljiv z zaposlenimi v Sloveniji. Predstavljajo ga stroški dela (skupaj z obveznostmi) in kapitala, obračunani kot oportunitetni stroški, na ravni neto dodane vrednosti, primerljive z drugimi dejavnostmi v Sloveniji. Strošek dela je obračunan na ravni povprečne neto plače zaposlenih v Sloveniji ob hkratnem upoštevanju vseh tistih stroškov, ki zagotavljajo enako socialno varnost in pravice iz dela, kot jih imajo drugi delavci. 5.2.1.4. Nabor in posodabljanje modelnih kalkulacij Že obstoječ nabor modelnih kalkulacij je razmeroma obsežen in zajema večino ključnih kmetijskih pridelkov. Trenutno se kalkulacije izdelujejo v okviru dveh ne povsem povezanih sistemov. To so kalkulacije iz standardnega nabora referenčnih kalkulacij in sistem modelnih kalkulacij za zelenjadnice, ki so bile po naročilu MKGP v nabor dodane v letu 2013. Kalkulacije iz standardnega nabora in kalkulacije za zelenjadnice redno posodabljamo in njihove rezultate objavljamo na spletni strani KIS (Modelne ..., 2017). Dinamika objavljanja rezultatov je pri referenčnih kalkulacijah iz standardnega nabora za rastlinske pridelke in živinorejo ter zelenjadnice različna. Rezultati za rastlinske pridelke so objavljeni na ravni letine s prvimi ocenami stroškov konec maja in prvimi ocenami tudi drugih ekonomskih kazalcev konec oktobra za ozimnine in konec novembra za druge rastlinske pridelke. Rezultati za živinorejo so objavljeni praviloma mesečno in na letni ravni. Končne ocene tako za rastlinske pridelke kot za živinorejo so za preteklo leto objavljene konec februarja. Rezultati modelnih kalkulacij za zelenjadnice so objavljeni enkrat letno, praviloma konec februarja, z napovedjo stroškov tekoče letine in s končnimi rezultati za preteklo leto. Standardni nabor referenčnih kalkulacij vključuje: 105 Finalne pridelave na ravni stroškovnega nosilca ne smemo enačiti s pojmom finalne pridelave na ravni kmetije. Na ravni stroškovnega nosilca razumemo kot finalno pridelavo vse, kar ni porabljeno kot interna realizacija znotraj istega stroškovnega nosilca. Del ali celotna finalna pridelava na ravni stroškovnega nosilca se lahko na ravni kmetije zopet uporabi za nadaljnjo reprodukcijo. > Rastlinski pridelki: pšenica, ječmen (tržna pridelava, krmni), oljna ogrščica, ajda, koruza za zrnje, pozni krompir, silažna koruza, stoječa silažna koruza, silirano koruzno zrnje, krma s trajnega tra-vinja (seno, silaža, paša), namizno sadje (jabolka, hruške, breskve), grozdje za predelavo (Podrav-je in Primorska). > Živalski pridelki in proizvodi: mleko, mlado pitano govedo, pitana jagnjeta, prašiči (kombinirana reja, reja z močno krmo), piščanci, purice, jajca. Nabor modelnih kalkulacij' za zelenj'adnice vključuje: > Solatnice: solata (spomladanska, poletna, jesenska), endivija, radič. > Kapusnice: pozno zelje za predelavo, zelje za presno porabo, cvetača. > Čebulnice: čebula - hibrid (pridelava iz semena, pridelava iz čebulčka), česen . > Plodovke: solatne kumare (v zavarovanem prostoru), paradižnik, paprika (na prostem, v zavarovanem prostoru). > Korenovke in gomoljnice: korenček, zgodnji krompir. > Stročnice: stročji fižol (nizek in visok). 5.2.2. Kritična presoja obstoječih modelnih kalkulacij Sistem modelnih kalkulacij je bil preverjen na vseh ključnih točkah, tako na ravni splošnih kot tudi specifičnih izhodišč, zgradbe modela, nabora modelnih kalkulacij, prikaza rezultatov kot tudi primernosti modelnih kalkulacij za vstop v model kmetijskih gospodarstev. Splošna izhodišča modelnih kalkulacij so večinoma še vedno ustrezna. Osnovni kriterij, da mora obrat zagotavljati polno zaposlenost za vsaj eno delovno moč, ob predpostavki različne velikosti in tipa kmetijskega obrata pri različnih pridelkih, je še vedno ustrezen. Tudi vkalkulirana raven paritetnega dohodka, ocenjena na podlagi povprečnih plač v RS, se nam zdi ustrezna. Razmisliti pa velja o variantnih izračunih skupnih stroškov ob upoštevanju tudi drugačne ravni paritetnega dohodka (npr. podlaga povprečne plače v kmetijski dejavnosti ali minimalne plače). Tudi načelo, da je intenzivnost pridelave v referenčnih kalkulacijah opredeljena na višji ravni od povprečne v Sloveniji, je glede na opredeljeno raven paritetnega dohodka, ustrezno. Absolutno raven intenzivnosti pri posameznih proizvodih pa je treba prilagoditi zdajšnjim razmeram. Koncept in zgradba sistema modelnih kalkulacij je s svojimi dinamičnimi povezavami med datotekami še vedno ustrezen in lahko z majhnimi posodobitvami tudi z razširjenim naborom modelnih kalkulacij dobro deluje v obstoječih okvirih. Manjše posodobitve so potrebne v datoteki »CENE«. Ugotovili smo, da je potrebno izboljšati organizacijo in združevanje posameznih cen potroškov in drugih parametrov v bolj smiselno zaokrožene celote, nekoliko prilagoditi šifriranje in dopolniti cenike s cenami potroškov, ki bodo potrebni v kalkulacijah za nove proizvode in pri novih tehnologijah. Zgradba datoteke »ZBIR« ne zahteva velikih posodobitev, potrebne pa so manjše vsebinske in organizacije spremembe zaradi povezave z dinamičnim orodjem za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev. Skladno s pričakovanji so se zaradi naglega razvoja in dostopnosti mehanizacije, kljub počasnejši rasti produktivnosti v Sloveniji (Productivity in EU ..., 2016), največje potrebe po posodobitvah pokazale v datotekah »STROJI« in »Z«. Potrebna je dopolnitev, posodobitev in razširitev nabora strojev po zmogljivosti in moči. Vzporedno s tem je potrebna tudi posodobitev datoteke »Z« z novimi parametri funkcij za oceno porabe ročnega in strojnega dela za posamezne delovne faze. Kalkulacije za nekatere kmetijske proizvode in tehnologije niso v celoti integrirane v sistem modelnih kalkulacij, nimajo npr. enotnih datotek »STROJI« in »Z«, zato smo opravili tudi pregled teh modelnih kalkulacij, izdelanih v različnih raziskavah in nalogah in proučili možnosti za njihovo popolno vključitev. Take so npr. modelne kalkulacije za ekološko kmetovanje, ki so bile izdelane v okviru naloge za oceno plačil za ekološko kmetovanje v PRP 2014-2020. Rezultati modelnih kalkulacij so prikazani na različnih ravneh in pri različnih načinih agregiranja stroškov in kazalcev uspeha, ki so dovolj natančni in pregledni za različne namene in načine prikazovanja rezultatov. Ustreznost tehnologij, normativov in oblik proizvodnih funkcij, predvsem pri porabi krme, gnojenju ter produktivnosti ročnega in strojnega dela, pri predvidenih spremembah ravni intenzivnosti smo v obstoječih modelnih kalkulacijah preverili s pomočjo različnih domačih in tujih virov, SURS (2017) in EUROSTAT (2017), katalogov (npr. različne publikacije založnika Kuratorium für Technik und Bauwesen in der Landwirtschaft (KTBL); Jerič in sod., 2011), tehnoloških priporočil (npr. Tehnološka navodila za integrirano ..., 2012-2017; Tehnološka navodila za ekološko ..., 2016 in 2017), raznih tehnoloških raziskav, različnih baz podatkov strokovnih in raziskovalnih institucij (npr. Centralna podatkovna zbirka Govedo, Spletni program za vodenje prehrane molznic KOKRA, Preizkušanje sort poljščin in zelenjadnic v Sloveniji) ter tudi namenskih priporočil strokovnjakov, ki so povezana s konkretnimi tehnološkimi fazami kot so npr. gnojenje, varstvo rastlin, prehrana živali ipd. Navedeni viri so bili v nadaljevanju tudi najpomembnejša podlaga za spremembe in dopolnitve v modelnih kalkulacijah. Povečanje intenzivnosti in razširitev intervalov intenzivnosti, pri katerih referenčne modelne kalkulacije iz standardnega nabora še dajejo zanesljive rezultate, zahteva temeljite posodobitve tehnologij. Na ravni posameznih kmetijskih proizvodov smo zato preverili tehnološka izhodišča. Še poseben poudarek je bil na preverjanju parametrov krme in gnojenja ter njihovi odvisnosti od različnih ravni intenzivnosti. Najpomembnejše ugotovitve so, da je vključenost nabora gnojil in krme preskromna, da so se parametri s katerimi se izraža hranilna vrednost krme in potrebe živali spremenili, in da gnojilne funkcije v odvisnosti od pričakovanih pridelkov niso v celoti ustrezne. Natančno smo preverili tudi druge proizvodne in ekonomske parametre kot so setvene norme, varstvo rastlin, vključenost delovnih faz, obdobja pitanja, plodnostni parametri, gostota naselitve, število živali v turnusu, izgube, obdobje reje, vrednotenje vmesne porabe, itd. Po pregledu seznama in proučitvi tehnologij kalkulacij v okviru standardnega nabora in nabora zelenjadnic, smo ugotovili, da je nabor kmetijskih proizvodov preozek in pestrost vključenih tehnologij ni zadostna glede na stanje kmetijske proizvodnje v Sloveniji. Na podlagi preveritve se izkazujejo potrebe po novih tehnologijah pri že vključenih kmetijskih pridelkih in kalkulacijah za nove proizvode. Pri razširitvi nabora proizvodov in tehnologij bomo uporabili dva pristopa, prvi je preveritev, dopolnitev in vključitev kalkulacij, ki so bile izdelane v okviru drugih nalog in raziskav v enotno voden in delujoč sistem modelnih kalkulacij, drugi pa je povsem nova izdelava modelnih kalkulacij za manjkajoče kmetijske proizvode. Ugotovili smo tudi, da bo z vključitvijo novih tehnologij (npr. ekološka pridelava) in novih kmetijskih proizvodov potrebno razširiti nabor strojev in delovnih faz, če so specifični za nove tehnologije (npr. priključki za mehansko zatiranje plevelov) ali nove kmetijske proizvode ter vključitev drugih specifičnih proizvodnih in ekonomskih parametrov. V okviru posameznih kalkulacij so zaradi lažje organizacije sistema modelnih kalkulacij in njegove povezave z dinamičnim orodjem za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev (model KMG) potrebne tudi tehnične spremembe, ki se nanašajo predvsem na vnosni del in tehnološke karte »modelnih kalkulacij«. 5.3. PRILAGODITEV IN DOPOLNITEV MODELNIH KALKULACIJ Na podlagi natančnega pregleda in kritične presoje najpomembnejših točk obstoječega sistema modelnih kalkulacij, smo v nadaljevanju pristopili k prilagoditvam in dopolnitvam ključnih elementov modelnih kalkulacij. 5.3.1. Opredelitev novih ravni intenzivnosti Pri spremembah intenzivnosti pri pridelkih in proizvodih iz standardnega nabora še vedno velja splošno načelo, da naj bi bila le-ta reprezentativna za večje tržne pridelovalce ob upoštevanju tehnologij, ki so skladne z načeli dobre kmetijske prakse in varovanja okolja. Zaradi tehnološkega napredka in drugih dejavnikov smo intenzivnost pridelave povečati pri večini kmetijskih proizvodov iz standardnega nabora, pri čemer pa so po proizvodih spremembe različne. Trendi in spremembe v intenzivnosti in tehnologiji v zadnjih letih namreč niso bile pri vseh kmetijskih pridelkih enake, razlike pa so tudi v času od zadnje posodobitve intenzivnosti oziroma vključitve kmetijskega pridelka v sistem. Preglednica 36: Spremembe parametrov intenzivnosti v modelih za rastlinsko pridelavo Neto pridelek Obstoječe kalkulacije Posodobljene kalkulacije Interval intenzivnosti Pšenica (kg/ha) 5.300 6.000 4.000-9.000 Ječmen (kg/ha) 4.900 5.500 4.000-9.000 Koruza za zrnje (kg/ha) 9.000 10.000 7.000-15.000 Koruzna silaža (neto) (kg/ha) 47.000 50.000 30.000-60.000 Koruzna silaža (neto) - stoječa (kg/ha) 47.000 50.000 30.000-60.000 Silirano koruzno zrnje (neto) (kg/ha) 10.142 11.210 9.000-20.000 Ajda (kg/ha) - - 1.000-1.500 Oljna ogrščica (kg/ha) 3.500 3.500 2.000-4.000 Krompir (kg/ha) 30.000 40.000 30.000-60.000 Seno (v kg SS/ha) 6.800 6.800 5.000-15.000 Travna silaža (v kg SS/ha) 6.800 6.800 5.000-15.000 Paša (v kg SS/ha) 8.325 8.325 5.000-15.000 Namizna jabolka (kg/ha) 30.000 40.000 30.000-60.000 Namizne hruške (kg/ha) 22.000 22.000 20.000-25.000 Namizne breskve (kg/ha) 15.000 20.000 15.000-30.000 Grozdje - Podravje (kg/ha); 4.000 trsov/ha 7.000 8.000 7.000-10.500 Grozdje - Primorska (kg/ha); 3500 trsov/ha 9.000 8.750 8.000-10.500 Opredelitev ravni in sprememb ravni intenzivnosti sloni predvsem na novejših podatkih rezultatov kontrole proizvodnje in poskusov različnih raziskovalnih in strokovnih inštitucij, ocen strokovnjakov in informacij s terena, kakor tudi doseženi ravni intenzivnosti v drugih primerljivih državah EU in spremembah pridelkov v Sloveniji v zadnjem desetletnem obdobju. Prav tako pomembna kot opredelitev izhodiščne intenzivnosti je tudi določitev intervala intenzivnosti, pri katerih posamezne modelne kalkulacije še dajejo zanesljive in ustrezne rezultate. Zaradi procesa koncentracije, specializacije in tehnološkega napredka so razlike v intenzivnosti pridelave med posameznimi pridelovalci zelo velike in jih je mnogokrat nemogoče posplošiti na eno raven. Spremenljive podnebne razmere pa imajo v rastlinski pridelavi tudi vse pomembnejši vpliv na velika nihanja pridelkov tako med leti kot regionalno. Obstoječe kalkulacije Posodobljene kalkulacije Interval intenzivnosti Pitano govedo (biki in telice) (prirast kg/dan) 0,90 1,00 (1,10) 0,60-1,40 Mlečne krave (mlečnost - l/kravo) 4.500; 6.500 6.500; 7.500 4.500-9.500 Plemenske svinje (plodnost - število zrejenih tekačev/svinjo) 17,4 21,4 15-24 Pitani prašiči - močna krma (prirast kg/dan) 0,61 0,79 0,60-0,85 Pitani prašiči - kombinirana krma (prirast kg/dan) 0,61 0,75 0,60-0,85 Ovce (število zrejenih jagnjet/ovco); Jagnjeta (prirast jagnjet v kg/dan) 1,50; 0,20 1,70; 0,22 1,30-1,80; 0,18-0,24 Brojlerji (kg/kljun) 2,25 2,35 1,80-2,50 Purice (kg/kljun)* 8,8 - - Jajca (število znesenih/nesnico) 290 310 290-330 *zaradi kontinuiranega zmanjševanja in majhnega obsega reje v Sloveniji, kalkulacija za rejo puric in puranov ni več zanimiva 5.3.2. Tehnološki in drugi parametri modelnih kalkulacij Krma v živinoreji in gnojenje pri pridelavi večine poljščin in krme s travinja imata velik delež v strukturi stroškov pridelave in zato zelo pomembno vplivata na višino stroškov. To je bil tudi glavni razlog za posebej temeljito analizo v modelnih kalkulacijah upoštevane porabe krme in gnojil. 5.3.2.1. Poraba krme V živinoreji predstavlja krma najpomembnejši strošek, zato sta sestava in vrednost krmnega obroka ocenjena samostojno znotraj vsake živinorejske kalkulacije. Do zdaj so bile v živinorejskih kalkulacijah iz standardnega nabora potrebe živali po krmi določene na podlagi hranilnih vrednosti krme, opredeljenih z vsebnostjo suhe snovi (SS), škrobne vrednosti (ŠV) in surovih beljakovin (SB). Po novem je hranilna vrednost krme opredeljena po Futterwerttabelen (DLG, 1997) ter Verbič in Babnik (1998) z vsebnostjo suhe snovi (SS), neto energije laktacije (NEL; pri prireji mleka) oziroma presnovljive (metabolne) energiji (ME; pitovne živali), surovih beljakovin (SB) in vsebnosti surove vlaknine (SVl), ki jih lahko opredelimo kot ključne parametre za določitev porabe krme. Prvi korak pri posodobitvi krmnih obrokov je bila zato vzpostavitev razširjene baze različnih vrst krme z novimi parametri hranilnih vrednosti, ki jo prikazujemo v naslednjih preglednicah. Preglednica 38: Hranilne vrednosti krme s travinja in koruzne silaže Parameter na kg SS NEL ME SB Parameter na kg SS NEL ME SB MJ MJ g MJ MJ g KRMA S TRAVINJA travna silaža - zelo dobra 6,1 10,2 172,5 paša - odlična 6,5 10,8 182,0 travna silaža - dobra 6,0 10,0 163,0 paša - zelo dobra 6,4 10,6 173,5 travna silaža - slaba 5,5 9,4 146,0 paša - dobra 6,1 10,2 160,0 TDM 6,3 10,5 182,0 paša - slaba 5,6 9,5 140,0 lucerna 5,7 9,7 210,0 seno - odlično 5,6 9,6 150,0 detelje 6,0 10,1 182,0 seno - zelo dobro 5,3 9,1 130,5 KORUZNA SILAŽA seno - dobro 5,1 8,8 118,0 silažna koruza - odlična 6,9 11,4 73,0 seno - slabo 4,7 8,2 90,5 silažna koruza - zelo dobra 6,7 11,1 73,0 travna silaža - odlična 6,4 10,6 186,5 silažna koruza - dobra 6,6 10,9 73,0 Parameter NEL ME SB Parameter NEL ME SB na kg SS MJ MJ g na kg SS MJ MJ g MOČNA KRMA DRUGA KRMA K18 7,7 204,5 ječmen 8,0 12,8 124,0 K19 7,4 215,9 koruza 8,4 13,3 106,0 K pašni 7,7 159,1 oves 7,0 11,5 121,0 K19 brik 7,4 215,9 pšenica 8,6 13,4 138,0 K22 brik 7,5 255,7 rž 8,5 13,4 108,0 K TOP brik 40 8,0 215,9 tritikala 8,5 13,3 131,0 K TOP brik 60 9,0 233,0 bob 8,4 13,4 304,0 tlpiti 11,9 170,5 grah 8,5 13,4 250,0 tlpit2 11,4 284,1 ogrščica 9,1 15,1 199,0 krmilo za teleta štarter 12,5 204,5 soja 9,7 15,6 397,0 bek1 14,8 170,0 sončnice 10,2 16,8 197,0 bek2 14,8 160,0 sojine tropine 8,5 13,7 507,0 PUst 15,9 180,0 sončnične tropine 5,8 9,9 355,0 PUgr 15,9 170,0 sončnične pogače 6,4 10,9 345,0 Sbre 14,8 170,0 repične tropine 7,1 11,7 389,0 Sdoj 14,8 170,0 repične pogače 7,7 12,6 311,0 SUPERKONCENTRATI PIT 45 SUPER 9,8 500,0 K 34 SUPER 7,1 377,8 dop. koncentrat-P 13,1 365,0 dop. koncentrat-S 12,7 375,0 V naslednjih korakih so bili na ravni posameznih vrst in kategorij rejnih živali na novo opredeljeni krmni obroki. Krmni obroki oziroma poraba krme so bili zaradi novega načina opredelitve hranilnih vrednosti krme, pa tudi novih smernic pri krmljenju oziroma sodobnejših podatkov o konzumacijski sposobnosti živali in spremenjenih intenzivnosti proizvodnje posodobljeni v vseh referenčnih živinorejskih kalkulacijah standardnega nabora. V kalkulacijah za govedo je sestava in vrednost krmnih obrokov ocenjena s pomočjo na novo razvitega modula z linearnim programom (Žgajnar, 2011). Orodje linearnega programiranja je klasično orodje za reševanje najrazličnejših prehranskih problemov pri načrtovanju krmnih obrokov vseh vrst domačih živali (Darmon in sod., 2002). Pri tem je ciljna funkcija definirana z minimalnimi stroški krmnega obroka ob izpolnjevanju prehranskih potreb živali ob upoštevanju hranilne vrednosti nabora razpoložljive krme. 5.3.2.2. Gnojenje Gnojilna norma, izražena v obliki čistih hranil (N, P2O5, K2O), je že v obstoječih modelnih kalkulacijah opredeljena kot funkcija odvzema hranil v odvisnosti od bruto pričakovanega pridelka na podlagi domačih in tujih tehnoloških normativov ob predpostavki srednje dobre založenosti tal. Cena čistih hranil je izračunana po metodi najmanjših kvadratov na podlagi nabavnih cen različnih vrst mineralnih gnojil. Pri posodobitvi in opredelitvi novih funkcijskih odvisnosti pri gnojenju smo se oprli na različne starejše in novejše, domače in tuje vire (Leskošek, 1993; Mihelič in sod., 2010; Achilles, 2002; Tehnološka navodila ..., 2016; Deckungsbeiträge und Daten ..., 2008). Pristop izračuna porabe gnojil ostaja enak, medtem ko so bile posodobitve gnojilnih funkcij izvedene pri vseh rastlinskih pridelkih iz standardnega nabora in na enak način ocenjene tudi za novo vključene kmetijske kulture. V sklopu posodobitve gnojenja je bil pripravljen tudi enoten razširjen nabor organskih in mineralnih gnojil z navedenimi vsebnostmi glavnih rastlinskih hranil in dopolnjen seznam gnojil za gnojenje z različnimi mikrohranili. Mineralna gnojila in kupljena organska gnojila Vsebnost hranil (%) Mineralna gnojila in kupljena organska gnojila Vsebnost hranil (%) N P2O K2O N P2O K2O NPK 15-15-15 15 15 15 Organo quick 5 0,3 5 NPK 7-20-30 7 20 30 Bioilsa 11 1,2 0 NPK 6-12-24 6 12 24 Agrosol 7 3 1 NPK 8-26-26 8 26 26 Organo 3 3 3 Kan 27 0 0 Fertildung 4 4 4 Urea 46 0 0 Azocor105 10,5 1,5 1 PK 0-10-30 0 10 30 Dung 5 12 3 Superfosfat 0-26-0 0 26 0 Organik 5 3 2 Hyperkorn 0 26 0 Bioorganik 5 3 2 Patent K 0 0 30 Peletiran gnoj 3 3 2 Kalijev klorid 0 0 60 Protifert LMW 8,5 0 0 Kalijev sulfat 0 0 50 Azos300 15,2 0 0 Kristalon beli 15 5 30 LastN 25 0 0 Apneni dusik 19,8 0 0 Azofol 20 0 0 Ca-nitrat 15 0 0 Foliar 15 15 15 Basfoliar 3 27 18 Upoštevana vsebnost hranil v živinskih gnojilih in njihov dolgoletni izkoristek je ocenjena na podlagi smernic za strokovno utemeljeno gnojenje (Mihelič in sod., 2010) in nitratne direktive106. Preglednica 41: Vsebnost hranil v živinskih gnojilih in dolgoletni izkoristek dušika Živinska gnojila Vsebnost hranil (kg/ tono ali kg/ m3) Dolgoletni izkoristek N (delež) N P2O5 K2O Gnojevka (2/3 goveja, 1/3 prašičja) 4,33 2,88 5,25 0,75 Goveji hlevski gnoj 4,00 2,50 6,00 0,6 (0,7 njiva; 0,5 travnik) Gnoj drobnice 5,00 3,00 7,00 Konjski gnoj 4,30 3,00 6,00 Piščančji gnoj 18,00 20,00 16,00 Kurji gnoj 18,00 24,00 14,00 Goveja gnojevka 4,00 2,20 6,00 0,75 Prašičja gnojevka 5,00 4,25 3,75 0,75 Goveja gnojnica 2,00 0,20 3,90 0,85 Vzpostavljen je bil tudi sistem za letno preverjanje cen gnojil za razširjen nabor gnojil. V sklepni fazi vzpostavitve ustreznih funkcijskih odvisnosti pri gnojenju kmetijskih rastlin je bil obstoječ modul gnojenja v modelnih kalkulacijah posodobljen na način, da poleg pokrivanja potreb po hranilih na podlagi cen čistih hranil, omogoča tudi izbor posameznih želenih gnojil, s tem pa je zagotovljena večja fleksibilnost pri izboru mineralnih in organskih gnojil. Gnojilne norme so se pri večini kmetijskih pridelkov iz standardnega nabora zaradi spremenjenih predvidenih odvzemov hranil kot tudi višje referenčne intenzivnosti spremenile. Največja rast porabe dušika na enoto pridelka je pri strnem žitu, največje zmanjšanje pa pri koruzi za zrnje, krompirju in 106 Uredba o varstvu voda pred onesnaževanjem z nitrati iz kmetijskih virov. 2009. (Uradni list RS, št. 113/09, 5/13, 22/15 in 12/17) jabolkih. Razmeroma nespremenjena je poraba dušika pri oljni ogrščici, grozdju in koruzi za zeleno krmo. Obojesmerne so spremembe tudi pri gnojenju s fosforjem in kalijem, generalno so se zmanjšale gnojilne norme fosforja pri večini kmetijskih pridelkov (razen pri travniški krmi in sadju) ter povečale gnojilne norme za kalij (razen pri travniški krmi in sadju). 5.3.2.3. Posodobitev specifičnih tehnoloških in drugih parametrov modelnih kalkulacij Poleg krme in gnojil smo na podlagi preveritev posodobili uporabo in normative porabe različnega materiala in storitev v odvisnosti od intenzivnosti pridelave in drugih dejavnikov pridelave (npr. sredstva za varstvo rastlin (FFS), setvene norme, poraba embalaže v odvisnosti od načina spravila pri jabolkih, strošek sušenja v odvisnosti od vsebnosti vlage ob žetvi pri strnem žitu, koruzi ...). Posodobili smo tudi druge pomembnejše parametre pridelave in proizvodnje kot so npr. obdobja pitanja, izgube, plodnostni parametri. Preglednica 42: Spremembe najpomembnejših tehnoloških parametrov v posodobljenih modelnih kalkulacijah iz standardnega nabora Rastlinski pridelki Intenzivnost (pridelek/ha) Tehnološki parametri Pšenica t gnojenje, FFS, setvena norma Ječmen t gnojenje, FFS, setvena norma Koruza za zrnje t gnojenje, FFS, setvena norma Koruzna silaža (neto) t gnojenje, FFS, setvena norma Koruzna silaža (neto) - stoječa t gnojenje, FFS, setvena norma Silirano koruzno zrnje (neto) t gnojenje, FFS, setvena norma Ajda = vključena v sistem modelnih kalkulacij v letu 2013, tehnološki parametri še vedno ustrezni Oljna ogrščica = gnojenje, FFS Krompir t gnojenje, FFS, setev samo originalnega semena Seno t gnojenje Travna silaža t gnojenje, vsebnost SS Paša t gnojenje Namizna jabolka t gnojenje, FFS, vključitev kemičnega redčenja Namizne hruške t gnojenje, FFS Namizne breskve t gnojenje, FFS Grozdje - Podravje ; 4.000 trsov/ha t gnojenje, FFS Grozdje - Primorska ; 3.500 trsov/ha i gnojenje, FFS, povečanje št. trsov z 2.500 na 3.500 trsov/ ha Živinoreja Intenzivnost Tehnološki parametri Mleko mlečnost t prehranske potrebe; število krav Mlado pitano govedo prirast t prehranske potrebe, končna masa, obdobje pitanja, posodobitev porabe materiala Ovce plodnost t Pitana jagnjeta prirast t dolžina obdobja dojenja ovc in vzreje jagnjet Plemenske svinje plodnost t število plemenskih svinj, izgube pujskov do odstavitve, število gnezd/svinjo/letno Prašiči prirast t prehranske potrebe, število pitancev v turnusu, Brojlerji prirast t poraba krme, dolžina turnusa, končna masa, gostota naselitve, izgube, poraba vode, kuriva za gretje ipd. Jajca nesnost t poraba krme, dolžina sanitarnega premora, masa izločene kokoši, kalo jajc, izgube v jati, poraba elektrike, vode ipd. 5.3.3. Produktivnosti ročnega in strojnega dela Eden izmed najpomembnejših dejavnikov, ki vpliva na stroške v rastlinski pridelavi, je produktivnost ročnega in strojnega dela. V modelnih kalkulacijah za rastlinske pridelke je poraba časa po delovnih fazah opredeljena s parametri proizvodnih funkcij v odvisnosti od velikosti parcele, porabljenega materiala in pridelka, pri nekaterih delovnih fazah pa tudi od nagiba zemljišč (npr. priprava tal, linija za spravilo krme s travinja, varstvo rastlin, gnojenje, prevozi). Odvisnost porabe časa od količine porabljenega materiala in pridelka je opredeljena s koeficienti zmogljivosti delavca in stroja. Vsaka strojna delovna faza je glede na svoje značilnosti opredeljena s pogonskim strojem (moč) in priključkom (zahtevana moč, delovna širina). Proizvodne funkcije za izračun porabe časa glede na velikost parcele v rastlinski pridelavi so v modelnih kalkulacijah opredeljene z regresijsko analizo na podlagi večinoma tujih normativov iz različnih publikacij založnika KTBL. Zaradi tehnološkega napredka in razvoja so parametri proizvodnih funkcij po delovnih fazah na podlagi v literaturi navedenih virov v celoti na novo ocenjeni. Pri oceni in določitvi funkcij porabe ročnega in strojnega dela smo se oprli na nekoliko starejše publikacije založnika KTBL, večinoma iz obdobja 2000-2005, ker ocenjujemo, da so ti podatki ustreznejši za naše pridelovalne razmere s še vedno veliko razdrobljenostjo parcel. Novejši katalogi (po letu 2010) namreč večinoma nimajo več podatkov o porabi ročnega in strojnega dela na 1 ha parcelah, zato bi bile funkcijske ocene porabe dela za parcele manjše od 1 ha veliko manj zanesljive. Poleg na novo ocenjenih parametrov funkcij porabe ročnega in strojnega dela smo spremenili tudi hitrost vožnje na razdalji med parcelo in kmetijskim gospodarstvom ter med parcelami. Zaradi pomembnega povečanja hitrosti sodobnejših traktorjev smo povprečno hitrost na teh razdaljah povečali z 10 na 25 km/ha. Ta sprememba npr. pri pridelavi na parceli velikosti 1 ha v oddaljenosti 1 km od KMG pri pšenici vpliva na 3-odstotno znižanje stroškov pridelave na enoto proizvoda, pri pridelavi sena (trikosna raba, prevetrovano, 8 t/ha SS bruto), kjer je potrebno pomembno več prevozov, pa kar za 15 %. Pri delu na parceli se večje hitrosti traktorjev kažejo v boljši produktivnosti ročnega in strojnega dela. V odvisnosti porabe časa od količine porabljenega materiala in pridelka so bili na novo opredeljeni tudi koeficienti zmogljivosti delavca in stroja. Tako kot v obstoječih modelnih kalkulacijah, so parametri funkcij za oceno porabe dela sistematično zbrani v datoteki »Z«, ki je bila organizacijsko nekoliko preurejena na način, ki omogoča bolj pregledno in natančnejše dodajanje novih delovnih faz. V raziskavi smo strojno linijo (nabor strojev in priključkov je zbran v datoteki »STROJI«) vsaj pri osnovnem naboru strojev in priključkov (traktorji, priprava tal, linija za spravilo krme s travinja, prevozi, varstvo rastlin, trošenje gnojil, setev, saditev in spravilo krompirja) razširili do take mere, da omogoča izbor vsaj dveh (večinoma treh) ravni opremljenosti s stroji. Pri rastlinskih pridelkih je zaradi rasti intenzivnosti spremenjen pridelek pri večini referenčnih kalkulacij iz standardnega nabora, posodobljene so strojne in tudi ročne delovne faze v vseh kalkulacijah ter izbrani intenzivnosti prilagojeni tehnološki parametri. Pridelek ni spremenjen pri oljni ogrščici, kjer je bila pri zadnji posodobitvi (leta 2000) intenzivnost pridelave postavljena na zelo visoki ravni in je pridelek še vedno reprezentativen, ter pri ajdi, ki je bila v sistem kalkulacij vključena leta 2013, in so bili stroški ocenjeni pri različnih ravneh intenzivnosti. Pri pridelavi grozdja smo v obstoječih kalkulacijah nekoliko prilagodili pričakovane pridelke, tako da je raven intenzivnosti med obema modeloma bolj primerljiva. Pri grozdju v vertikali, ki je predstavnik za Podravje in Posavje, smo intenzivnost povečali, pri grozdju na terasah, predstavniku za Primorsko, pa smo intenzivnost nekoliko zmanjšali. Pri strnem žitu, koruzi in krompirju so bile ustrezno korigirane setvene norme. Posodobljeni so bili tudi seznami FFS. Skladno z njihovo uporabo in predvideno intenzivnostjo pridelave je bilo prilagojeno tudi število škropljenj. Pri sadju in grozdju smo prav tako preverili gnojilne norme, varstvo rastlin, še večji poudarek pa je bil na posodobitvi produktivnosti ročnih in strojnih delovnih faz. Pri sadju in grozdju smo pri rezi vključili tudi najeto delo, še posebej pri jabolkih pa smo povečali tudi delež najetega dela pri obiranju. Pri jabolkih je pomembna sprememba tudi v načinu obiranja jabolk. Vključili smo pobiranje v box palete in prodajo jabolk v zabojčkih, medtem ko je v obstoječih kalkulacijah predvideno pobiranje neposredno v zabojčke. Pri grozdju na terasah smo predvideli večje število trsov na hektar (z 2.500 na 3.500 kos/ha). Preglednica 43: Poraba ročnega in strojnega dela v obstoječih in posodobljenih modelnih kalkulacijah za rastlinske pridelke iz standardnega nabora Obstoječe modelne kalkulacije Posodobljene modelne kalkulacije Poraba domačega dela (ur/ tono) Poraba domačega dela (ur/ tono) ročno strojno ročno strojno Pšenica 5,0 3,3 4,0 2,5 Ječmen 5,6 3,9 4,3 2,8 Koruza za zrnje 2,8 2,2 2,1 1,7 Koruzna silaža 1,0 0,7 0,8 0,7 Koruzna silaža - stoječa 0,4 0,3 0,3 0,2 Silirano koruzno zrnje 2,4 1,8 1,8 1,3 Ajda (1.000 kg/ha) 13,6 11,4 9,0 7,6 Oljna ogrščica 6,4 5,3 4,9 4,1 Krompir 8,0 2,5 6,1 1,9 Seno 5,8 3,9 4,4 2,7 Travna silaža 1,9 1,5 1,5 1,1 Paša 0,3 0,2 0,2 0,1 Jabolka - namizna 18,8 2,3 11,6 1,4 Grozdje - Podravje 36,2 6,7 34,1 6,8 Grozdje - Primorska 55,6 8,5 41,3 8,1 Produktivnost dela se je v posodobljenih kalkulacijah pri vseh rastlinskih pridelkih izboljšala, saj je poraba ročnega in strojnega dela na enoto pridelka pri vseh kulturah manjša. Zanimiva je primerjava zmanjšanja porabe ročnega in strojnega dela pri oljni ogrščici in senu, kjer je pridelek ostal nespremenjen. Poraba ročnega in strojnega dela je pri oljni ogrščici manjša za skoraj četrtino, pri senu pa je poraba strojnega dela manjša za 30 %. Preglednica 44: Ekonomski rezultati posodobljenih modelnih kalkulacij za rastlinske pridelke iz standardnega nabora (prva ocena za leto 2017) Pridelek kg/ha Stroški (EUR/ha) LC* EUR/kg Gnojila Seme Drugi mat. in stor. Dom. strojne storitve Domače delo in obveznosti Stroški sku paj Pšenica 6.000 301 94 594 258 280 1.547 0,145 Ječmen 5.500 249 106 541 266 276 1.428 0,140 Koruza za zrnje 10.000 272 170 869 294 224 1.767 0,147 Koruzna silaža 50.000 433 190 476 621 393 2.089 0,035 Koruzna silaža - stoječa 50.000 433 190 295 209 177 1.198 0,018 Silirano koruzno zrnje 11.210 402 182 367 251 220 1.408 0,100 Ajda 1.000 53 177 291 129 121 717 0,491 Oljna ogrščica 3.500 363 67 460 251 192 1.363 0,306 Krompir 40.000 428 2.112 1.097 1.038 2.451 7.258 0,168 Seno 7.907 245 0 292 438 328 1.223 0,134 Travna silaža 17.000 245 0 228 420 229 1.035 0,051 Paša 48.971 229 0 75 132 129 524 0,008 Jabolka - namizna 40.000 159 0 5.990 904 4.788 16.310 0,399 Grozdje - Podravje 8.750 120 0 1.672 998 3.410 7.787 0,867 Grozdje - Primorska 8.000 125 0 1.777 1.068 3.357 8.105 0,987 * stroški na enoto, zmanjšani za subvencije Navedene ključne spremembe intenzivnosti pridelave, produktivnosti ročnega in stojnega dela in tehnoloških parametrov v referenčnih kalkulacijah za rastlinske pridelke iz standardnega nabora so večinoma vplivale na znižanje stroškov pridelave na enoto proizvoda. Izjema je pridelava grozdja na terasah, predstavnik Primorske vinorodne dežele, kjer se je zaradi pomembne spremembe v tehnologiji (povečanje števila trsov/ ha) in manjšem pričakovanem pridelku lastna cena zvišala. Slika 27: Spremembe stroškov zmanjšanih za subvencije v referenčnih kalkulacijah za rastlinsko pridelavo (obstoječe kalkulacije = 100) Tudi v živinorejskih kalkulacijah iz standardnega nabora je zaradi tehnološkega napredka pri vseh proizvodih intenzivnost pridelave povečana. Pomembne posodobitve so tudi v oceni porabe krme in tudi drugih tehnoloških parametrih. Med drugimi tehnološkimi parametri smo se osredotočili predvsem na število živali, na obdobja reje (pitovne živali), plodnostne parametre (plemenske živali), pa tudi izgube, racionalno porabo raznega materiala (voda, elektrika, ...) ter druge parametre in dejavnike (npr. dolžina sanitarnih premorov, gostota naselitve pri brojlerjih itd.). Preglednica 45: Ekonomski rezultati posodobljenih modelnih kalkulacij za živinorejo iz standardnega nabora (prva ocena za leto 2017) Pridelek (kg, l, kos) Stroški (EUR/žival) LC* EUR/ kg, l, kos Krma Od tega domača Živina Domače delo in obveznosti Stroški skupaj Mleko 6.500 719,1 531,1 256,1 947,7 2.605,4 0,284 Mlado pitano govedo 620 541,8 281,8 324,8 232,0 1.365,9 1,699 Pitana jagnjeta 45 110,6 57,4 3,8 74,0 221,5 3,919 Prašiči - kombinirana reja 120 75,2 38,3 61,6 9,1 171,2 1,258 Prašiči - močna krma 110 63,0 0,0 61,6 5,9 153,3 1,356 Brojlerji 2 1,3 0,0 0,4 0,1 2,1 0,857 Jajca 288 12,4 0,0 4,9 4,8 27,7 0,087 * stroški na enoto, zmanjšani za subvencije Posodobitve referenčnih kalkulacij za živinorejo se kažejo predvsem v večji količini proizvoda na žival (izjema pri mleku) in v nižjih stroških na enoto proizvoda. Po posameznih skupinah stroškov so se ti spremenili v obe smeri, razloge za spremembe pri najpomembnejših skupinah stroškov pa navajamo v nadaljevanju. Slika 28: Spremembe stroškov zmanjšanih za subvencije v referenčnih kalkulacijah za živinorejo (obstoječe kalkulacije = 100) 120 110 100 90 80 70 60 50 40 1 1 1 1 1 1 1 O O ro (D (D (D Ш "S £ E £■ « S 5 o S »S 2 00 Д S? лј m d J- o C £ J§ E S 11 s: . ' E o >" ° fU [0 " ^ Ol >Ü ro Q_ S posodobitvijo referenčnih kalkulacij za živinorejo se je strošek krme na enoto pridelka znižal pri vseh, najbolj pa pri kalkulacijah za mleko in pitano govedo. K nižjim stroškom krme so najbolj prispevale nižje lastne cene doma pridelane krme (boljša produktivnost strojev, večji pridelek ...), deloma pa tudi boljši izkoristek krme (konverzija) in s tem manjša poraba. Z izjemo kalkulacije za mleko so se stroški vhlevljenih živali spremenili pri vseh živinorejskih kalkulacijah. Zvišali so se pri kalkulacijah za prašiče, kar je posledica večje mase vhlevljenih pujskov. Zaradi večjega pridelka na glavo (pri perutnini tudi zaradi manjših izgub v jati) so se ob nespremenjenih masah vhlevljenih živali stroški na enoto pridelka znižali pri kalkulacijah za pitano govedo, vzrejo jag-njet, pitanje brojlerjev in prirejo jajc. Zaradi večje intenzivnosti reje, pri perutnini pa zaradi večje gostote naselitve, so se znižali tudi stroški amortizacije. 5.4. RAZŠIRITEV NABORA MODELNIH KALKULACIJ Z NOVIMI PROIZVODI IN TEHNOLOGIJAMI Standardni nabor modelnih kalkulacij smo dopolnili z novimi proizvodi in tehnologijami, s katerimi smo skušali v sistem modelnih kalkulacij vključiti spremembe, ki zaradi spreminjajočih ekonomskih, okoljskih in podnebnih razmer, potekajo v slovenskem kmetijstvu. Pri razširitvi nabora proizvodov in tehnologij sta uporabljena dva pristopa. Prvi je preveritev, dopolnitev in vključitev kalkulacij, ki so bile izdelane v okviru drugih nalog in raziskav, v enotno voden in delujoč sistem modelnih kalkulacij, drugi pa je izdelava povsem novih modelnih kalkulacij za manjkajoče kmetijske proizvode. V sistem so bile vključene in v celoti integrirane modelne kalkulacije za ekološko pridelavo, ki smo jih na KIS prvotno izdelali v okviru naloge za določitev plačil za ukrep ekološko kmetovanje v okviru PRP 2014-2020. Modelne kalkulacije za ekološke pridelke so bile v tej raziskavi posodobljene na ravni osnovnih strojev in priključkov, velik poudarek pa smo posvetili tudi posodobitvi produktivnosti ročnega in strojnega dela in intervalu možnih intenzivnosti pridelave. Ekološka pridelava Spremembe Poljščine: pšenica, ječmen, oves, ajda, pira, koruza za zrnje, silažna koruza, krompir - pozni, Sadje in grozdje: namizna jabolka, travniški sadovnjak, grozdje za predelavo Krma s trajnega travinja (bale) Travniška krma z njiv: lucerna in deteljno travne mešanice, Zelenjadnice na prostem: zelje, solata, korenček, zgodnji krompir, čebula in paprika Zelenjadnice v zaščitenem prostoru: paradižnik, paprika, solatne kumare in solata • določitev intervalov intenzivnosti • posodobitev osnovnih strojev in priključkov • posodobitev produktivnosti ročnega in strojnega dela Nekatere že vključene kmetijske proizvode smo dopolnili z novimi tehnologijami kot so baliranje krme s trajnega travinja, pridelava krmne pšenice, prireja mleka v prosti reji, reja mladega pitanega goveda s strojnim krmljenjem (krmilno-mešalni voz). Vključeni so bili tudi nekateri novi proizvodi, kot so različne vrste travniške krme z njiv (trave, travno deteljne in deteljno travne mešanice, lucerna) z različnimi načini spravila (seno, silaža; senik, silos, bale), soja, oljne buče, tritikala, krave dojilje, kozje mleko. Preglednica 47: Modelne kalkulacije za nove tehnologije in proizvode Nove tehnologije Krmna pšenica Višji pridelek kot pri merkantilni pšenici, sušenje na KMG Seno Travna silaža Spravilo z baliranjem Mleko Prosta reja Mlado pitano govedo Strojno krmljenje Med Prodaja v maloprodaji, načini zdravljenja Novi proizvodi Tritikala 4.000-9.000 kg/ha, sušenje na KMG Soja 1.500-4.000 kg/ha, 17 % vlage ob spravilu Oljne buče 500-1.700 kg/ha, 30 % vlaga ob spravilu, strojno pobiranje Trave z njiv različne oblike pridelka (seno, silaža) in načini spravila (senik oz. silos; bale) Travno-deteljne in deteljno-travne mešanice z njiv Lucerna Krave dojilje konvencionalna in ekološka pridelava Kozje mleko konvencionalna in ekološka pridelava 5.5. TEHNIČNA PRILAGODITEV IN POSODOBITEV Poleg vsebinskih smo izvedli tudi nekatere tehnične in organizacijske posodobitve v vseh zbirkah podatkov (datotekah) sistema modelnih kalkulacij. Večje tehnične posodobitve so izvedene na vnosnem delu in tehnoloških kartah modelnih kalkulacij. Ena od tehničnih posodobitev je povezna s popolno integracijo modelnih kalkulacij za zelenjadnice, ki smo jih vključil v sistem z enotnimi osnovnimi zbirkami (»Z« in »STROJI«). Sočasno z vključitvijo so bile posodobljene tudi strojne faze, ki se izvajajo z osnovnimi stroji (osnovna priprava tal, gnojenje, varstvo rastlin, prevozi) in določeni intervali, v katerih dajejo kalkulacije še zanesljive rezultate. Kalkulacje za zelenj'adnice Spremembe Solatnice: solata (spomladanska, poletna, jesenska), endivija, radič Kapusnice: pozno zelje za predelavo, zelje za presno porabo, cvetača Čebulnice: čebula-hibrid (pridelava iz semena, pridelava iz čebulčka), česen Plodovke: solatne kumare (v zavarovanem prostoru), paradižnik, paprika (na prostem, v zavarovanem prostoru) Korenovke in gomoljnice: korenček, zgodnji krompir Stročnice: stročji fižol (nizek in visok) • določitev intervalov intenzivnosti • posodobitev osnovnih strojev in priključkov • posodobitev produktivnosti strojnega dela Vse izdelane modelne kalkulacije so prilagojene za vstop in povezavo v model KMG, ki je bil razvit v okviru DS5 tega projekta. Prilagoditve so bile izvedene na način, ki omogoča obojestransko povezavo modelnih kalkulacij in modela KMG in njuno samostojno delovanje. Večina prilagoditev v modelnih kalkulacijah je bila izvedena v delu vhodne maske modelnih kalkulacij, ki je bila v celoti posodobljena. Pomembna tehnična prilagoditev v modelnih kalkulacijah je možnost opcijske izbire različne ravni opremljenosti s stroji, ki jo opredelimo v vnosni maski in se potem funkcijsko odrazi pri izboru delovnih faz v tehnološki karti. Poseben poudarek je bil dan tudi poenotenju izhodišč z modelom KMG pri gnojenju v kalkulacijah za rastlinsko pridelavo in krmi v živinorejskih kalkulacijah. Usklajen je bil razširjen nabor organskih in mineralnih gnojil, vhodna maska za vnos najpomembnejših parametrov modelnih kalkulacij (bruto pridelek, neto pridelek, izgube, vsebnost SS ob spravilu, vsebnost SS v skladišču, parametri gnojilnih funkcij, ...) in tehnološka karta pa sta bili prilagojeni na način, ki omogoča tudi uporabo optimizacij-skega modula bilance hranil, ki je sestavni del modela KMG. Podobno kot pri gnojilih, je bil tudi nabor krme usklajen z modelom KMG, tako da se v obeh sistemih za enako vrsto krme upoštevajo enake hranilne vrednosti krme. Prilagoditev v vhodni maski in tehnološki karti omogoča tudi opcijsko uporabo optimizacijskega modula bilance krme pri živinorejskih aktivnostih razvitega v okviru DS5. V sistem modelnih kalkulacij je vključenih 96 modelnih kalkulacij. Število izdelanih kalkulacij je lahko mnogo večje, saj je s pomočjo vgrajenih funkcijskih odvisnosti možno z eno modelno kalkulacijo (datoteko) oceniti ekonomske kazalce tudi za zelo različne tehnologije (npr. trajno travinje in sejano travinje; bale in silos oz. senik; sušenje na tleh in sušenje s prevetrovanjem ipd.). 5.6. SKLEPNE UGOTOVITVE IN PRIPOROČILA Ugotavljamo, da je nadgradnja in širitev nabora modelnih kalkulacij KIS uspešno izpeljana, ostajajo pa številni izzivi za nadaljnje delo in raziskave. Pri kalkulacijah iz standardnega nabora so bile večje ali manjše tehnološke posodobitve potrebne pri večini kalkulacij za rastlinske pridelke in živinorejo, saj je od zadnje celovite in sistemske posodobitve modelnih kalkulacij preteklo že dve desetletji. V slovenskem kmetijstvu potekajo intenzivne spremembe, ki smo jih skušali vsaj delno vključiti v model z izdelavo modelnih kalkulacij za nove kmetijske proizvode, vključitvijo novih tehnologij in razširitvijo intervalov intenzivnosti, pri katerih modelne kalkulacije še dajejo zanesljive rezultate. Slednje je še posebej pomembno pri vključevanju kmetijskih proizvodov v model kmetijskih gospodarstev (DS5) pri analiziranju konkretnih kmetijskih gospodarstev s specifičnimi proizvodnimi aktivnostmi in ravnmi intenzivnosti proizvodnje. Tudi v okviru tega delovnega svežnja se je pokazalo, da je zahtevnost in obsežnost tovrstnih raziskav odvisna predvsem od razpoložljivosti in kakovosti vhodnih podatkov. Raziskave v tem delovnem svežnju so potekale z manjšo dinamiko od pričakovane in so bile zaključene v daljšem roku od načrtovanega. Priprava in usklajevanje empiričnih podatkovnih zbirk za posodobitev in postavitev funkcijskih odvisnosti pri krmnih obrokih, produktivnosti ročnega in strojnega dela ter gnojenju je bila dolgotrajna, zamudna in je zahtevala usklajevanje mnogih domačih in tujih virov podatkov ter njihovo kritično presojo za uporabo v slovenskih okoljskih, podnebnih in proizvodnih razmerah. Dograjen, kompleksen sistem modelnih kalkulacij omogoča dokaj enostavno dopolnjevanje nabora kalkulacij in vključevanje novih aktivnosti. Eden od ciljev raziskave tega delovnega svežnja je bila tudi prilagoditev modelnih kalkulacij za vstop v model za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev. Ta korak nam je sočasno z razvojem modela v okviru DS5 tudi uspel, bodo pa nadaljnji razvoj in posodobitve bodisi sistema modelnih kalkulacij, bodisi modela KMG zahtevale nadaljnje vzporedne medsebojne prilagoditve. Ugotavljamo, da so modelne kalkulacije zelo kompleksen, dinamičen simulacijski model, ki zahteva nenehno redno posodabljanje in ažuriranje, saj lahko le na ta način ocene na njihovi podlagi sledijo hitremu družbenemu in gospodarskemu razvoju in kot take služijo kot podlaga za spremljanje, vodenje in načrtovanje razvoja kmetijstva v Sloveniji. Načrtujemo, da bodo vsakoletno ažuriranje cenikov in sprotna manjša posodabljanja tehnoloških in ekonomskih parametrov za standardni nabor modelnih kalkulacij in nabor zelenjadnic tako kot do sedaj potekala v okviru vsakoletne strokovne naloge Spremljanje razvoja kmetijstva v Sloveniji (MKGP), za večje razširitve sistema pa bodo potrebne nove raziskave in projekti. Za nadaljnjo uporabo modelnih kalkulacij v modelu KMG bodo raziskave usmerjene v razvoj še večje dinamičnosti obojestranskih povezav. Izzivov za nadaljnji razvoj modelnih kalkulacij ostaja še mnogo in so povezani tako z vključevanjem novih kmetijskih proizvodov in tehnologij, kot tudi z vključevanjem različnih drugih dejavnosti, ki potekajo na KMG. Velik izziv ostaja prilagoditev sistema modelnih kalkulacij za širši krog uporabnikov, saj je po naših ocenah celoten sistem modelnih kalkulacij tehnično prezapleten za operativno uporabo izven raziskovalnih inštitucij. Potrebne so aktivnosti v smeri učinkovitejše diseminacije, kar bi omogočilo lažjo uporabo tudi pri svetovalnem delu in pri poslovnem načrtovanju. 5.7.1. Citirani viri Achilles W. 2002. Betriebsplanung Landwirtschaft 2002/2003: Daten für die Betriebsplanung in der Landwirtschaft. 18. Auflage. KTBL - Datensammlung, 9. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 379 str. Babnik D. Spletna programa za računanje krmnih obrokov za krave molznice (KOKRA) in goveje pitance (KOPIT). https://www.govedo.si/pls/govedo/!ko pkg.ko kazalo (7. nov. 2017) Centralna podatkovna zbirka Govedo. 2017. KIS. Ljubljana https://www.govedo.si/pls/gss/toortal pkg.startup (1. jul. 2017) Cunder T., Rednak M., Zagorc B. 2007. Metodologija za izdelavo registra kmetij in modelni izračun višine izravnalnih plačil za OMD: poročilo o delu. KIS - Poročila o raziskovalnih nalogah, 320. Ljubljana, Kmetijski inštitut Slovenije: 62 str. Cunder T., Rednak M., Volk T. 2016. Analitične podlage Kmetijskega inštituta Slovenije za načrtovanje kmetijske politike v Sloveniji. 7. konferenca Društva agrarnih ekonomistov Slovenije: Analitične podlage za načrtovanje razvoja kmetijstva, Ljubljana, Kmetijski inštitut Slovenije. http://www.daes.si/Splet/Cunder.pdf (15. maj 2017) Darmon N., Ferguson E.L., Briend A. 2002. A cost constraint alone has adverse effects on food selection and nutrient density: an analysis of human diets by linear programming. J Nutr 132. 3.764-3.771. Deckungsbeiträge und Daten für die Betriebsplanung. 2. Auflage. 2008. Wien, Bundesministerium für Land- und Forstwirtschaft, Umwelt und Wasserwirtschaft, Ländliches Fortbildungsinstitut: 450 str. http://www.agraroekonomik.at/fileadmin/download/Deckungsbeitraege und Daten 2008 2. Auflage.pdf (10. jan 2017) EUROSTAT. 2017. Agriculture. Data. Database. Farm structure, Agriculture production Organic farming. http://ec.europa.eu/eurostat/web/agriculture/data/database (zadnji dostop 1. okt. 2017) Futterwerttabelen. 1997. Wiederkäuer, DLG Verlag, Frankfurt: 212 str. Jerič D., Caf A., Demšar-Benedičič A., Leskovar S., Oblak O., Soršak A., Sotlar M., Trpin Švikart D., Velikonja V., Vrtin D., Zajc M. Pajntar N. 2011. Katalog kalkulacij za načrtovanje gospodarjenja na kmetijah v Sloveniji. Ljubljana, Kmetijsko gozdarska zbornica Slovenije: 267 str. Jerina K., Verbič J., Zagorc B., Babnik D., Jelenko Turinek I., Al Sayegh-Petkovšek S., Pokorny B., Majić Skrbinšek A., Baloh T., Pucelj Vidović T. 2017. Škode na travinju zaradi paše velike rastlinojede divjadi (CRP V4-1432): ciljni raziskovalni program "Zagotovimo.si hrano za jutri" 2011-2020 : zaključno poročilo. Ljubljana, Biotehniška fakulteta: 94 str. Kajfež-Bogataj L., Črepinšek Z., Pogačar T., Cunder T., Rednak M., Zagorc B. 2016. Vključitev klimatskih podatkov med kriterije za določitev območij z omejenimi možnostmi za kmetijsko dejavnost (OMD): zaključno poročilo o rezultatih opravljenega raziskovalnega dela na projektu v okviru Ciljnega raziskovalnega programa "Zagotovimo.si hrano za jutri" 20112020. Ljubljana, Biotehniška fakulteta, Kmetijski inštitut Slovenije: 62 str. Kavčič, S. 2000. Ocena ekonomskih učinkov možnih agrarnopolitičnih razmer v slovenskem kmetijstvu. Doktorska disertacija. Domžale. 344 str. Kovačič M., Rednak M., Žibrik N., Volk T., Golež M., Cunder T. 1995. Ekonomsko vrednotenje dejavnikov razvoja slovenskega kmetijstva: Tema 1: Mikroekonomski simulacijski modeli v kmetijstvu: Tema 2: Socio-ekonomska in velikostna struktura kmetij v Sloveniji v obdobju l981-l99l. KIS - Poročila o raziskovalnih nalogah, 115. Ljubljana, Kmetijski inštitut Slovenije: 114 str. Leskošek M. 1993. Gnojenje: za velik in kakovosten pridelek, za zboljšanje rodovitnosti tal, za varovanje narave. Ljubljana, Kmečki glas: 197 str. Mihelič R., Čop J., Jakše M., Štampar F., Majer D., Tojnko S., Vršič S. 2010. Smernice za strokovno utemeljeno gnojenje. Ljubljana, Ministrstvo za kmetijstvo, gozdarstvo in prehrano: 182 str. Modelne kalkulacije. Ljubljana, Kmetijski inštitut Slovenije. http://www.kis.si/Modelne kalkulacije OEK Productivity in EU agriculture - slowly but steadily growing. 2016. EU Agricultural Markets Briefs. European Commission. https://ec.europa.eu/agriculture/sites/agriculture/files/mp-mb-010 en.pdf Program razvoja podeželja RS za obdobje 2014-2020. 2017. The European Agricultural Fund for Rural Development: Europe investing in rural areas: 914 str. https://www.program-podezelja.si/images/Programme 2014SI06RDNP001 4 0 sl.pdf (15. sep. 2017) Rednak M., Volk T., Žibrik N., Golež M. 1995. Modelne kalkulacije kot podlaga za cenovno politiko (Predlog izhodišč); Strokovna naloga: Modelne kalkulacije proizvodnih stroškov kmetijskih pridelkov. Ljubljana, Kmetijski inštitut Slovenije (interno gradivo). Rednak M. 1998. Modelne kalkulacije 1997: splošna izhodišča in metodologija izdelave modelnih kalkulacij za potrebe kmetijske politike. Prikazi in informacije/Kmetijski inštitut Slovenije, 189. Ljubljana, Kmetijski inštitut Slovenije: 15 str. Rednak M., Zagorc B., Cunder T., Golež M., Volk T., Jejčič V., Verbič J. 2003. Stroški kmetijske pridelave v različnih območjih z omejenimi možnostmi za kmetijsko dejavnost: zaključno poročilo o rezultatih opravljenega raziskovalnega dela na projektu ciljnega raziskovalnega programa (CRP): Zemlja (kmetijstvo in podeželje). KIS - Poročila o raziskovalnih nalogah, 290. Ljubljana, Kmetijski inštitut Slovenije: 1 zv. (loč. pag.). Rednak M., Erjavec E., Volk T., Zagorc B., Moljk B., Kavčič S., Kožar M., Turk J., Rozman Č., Vučko I. 2009. Analiza učinkov kmetijske politike z modelom tipičnih kmetijskih gospodarstev: zaključno poročilo CRP projekta V4-0361. KIS - Poročila o raziskovalnih nalogah, 339. Ljubljana, Kmetijski inštitut Slovenije: 69 str. Rezultati sortnih poskusov. 2017. KIS. Ljubljana. http://www.kis.si/Rezultati sortnih poskusov PSGZ (20. sept. 2017) SURS. 2017. SI-STAT: Podatkovni portal, podrobne tabele: Kmetijska gospodarstva, Rastlinska pridelava, Živinoreja, Mleko in mlečni izdelki, Cene v kmetijstvu, Ekonomski računi za kmetijstvo. Ljubljana, Statistični urad RS. http://pxweb.stat.si/pxweb/Database/Okolje/Okolje.asp#15 (zadnji dostop 1. okt. 2017) Tehnološka navodila za integrirano pridelavo. 2012-2017. Ministrstvo za kmetijstvo, gozdarstvo in prehrano. http://www.mkgp.gov.si/si/delovna podrocja/kmetijstvo/integrirana pridelava/tehnoloska navodila/ (različni datumi 2014-2017) Tehnološka navodila za ekološko pridelavo sadja. 2016. Ljubljana, Ministrstvo za kmetijstvo, gozdarstvo in prehrano: 82 str. https://www.program-podezelja.si/sl/knjiznica/99-tehnoloska-navodila-za-ekolosko-pridelavo-sadja/file (20. okt. 2017) Tehnološka navodila za ekološko pridelavo poljščin. 2017. Ljubljana, MKGP: 107 str. https://www.program-podezelja.si/sl/knjiznica/157-tehnoloskih-navodila-za-ekolosko-pridelavo-poljscin/file (20. okt. 2017) Volk T., Rednak M., Golež M., Žibrik N. 1987. Metodologija izdelave modelnih kalkulacij za oceno tekočih stroškov pridelovanja pomembnejših kmetijskih pridelkov na družbenih in zasebnih gospodarstvih. KIS - Študije po naročilu, 202. Ljubljana, Kmetijski inštitut Slovenije: 53 str. Volk T., Rednak M., Žibrik N., Golež M., Cunder T., Gliha S. 1996. Priprava strokovnih podlag za vodenje tržnocenovne in strukturne politike v kmetijstvu : zaključno poročilo o rezultatih opravljenega raziskovalnega dela razvojnega raziskovanja. KIS - Poročila o raziskovalnih nalogah, 140. Ljubljana, Kmetijski inštitut Slovenije: 5 str. Verbič J., Babnik D. 1998. Vrednotenje oskrbljenosti prežvekovalcev z beljakovinami. (Prikazi in informacije, 195). Ljubljana. Kmetijski inštitut Slovenije: 51 str Žgajnar J. 2011. Večkriterijsko optimiranje odločitev na kmetijskih gospodarstvih v razmerah tveganja. Doktorska disertacija. Domžale. 194 str. 5.7.2. Drugi viri Ackermann I. 1993. Spezielle Betriebszweige in der Tierhaltung: Datensammlung: Pferde, Mutterkühe, Koppelschafe, Ziegen, Damwild, Gänse, Puten, Masthähnchen, Flugenten, Kaninchen, Karpfen, Forellen, Bienen. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 143 str. Ackermann I. 1995. Datensammlung: Obstbau. 2. Auflage. KTBL - Datensammlung, 7. Darmstadt, Kuratorium für Technik und Bauwesen: 157 str. Achilles A. 2002. Datensammlung Obstbau: Betriebswirtschaftliche und produktionstechnische Kalkulationsdaten. 3. Auflage. KTBL - Datensammlung. Darmstadt, Kuratorium für Technik und Bauwesen: 138 str. Achilles A. 2010. Weinbau und Kellerwirtschaft. 14. überarbeitete Auflage. KTBL - Datensammlung. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 119 str. Achilles W. 2010b. Ökologischer Landbau: Daten für die Betriebsplanung. KTBL - Datensammlung. Bonn, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 824 str. Achilles W. 2016. Betriebsplanung Landwirtschaft 2016/17: Daten für die Betriebsplanung in der Landwirtschaft. 25. Auflage. KTBL - Datensammlung. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 768 str. Back W. 2001. Weinbau und Kellerwirtschaft: Daten für die Betriebsplanung. 11. Auflage. KTBL - Datensammlung. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 84 str. Balmer M. 2010. Obstbau: Betriebswirtschaftliche und produktionstechnische Kalkulationen. 4. überarbeitete Auflage. KTBL - Datensammlung. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 268 str. Fröba N. 2013. Weinbau und Kellerwirtschaft. 15. überarbeitete Auflage. KTBL - Datensammlung. Darmstadt, KTBL: 124 str. Futterberechnung für Schweine. 2014. 21. Auflage. LfL-Infotmationen. Freising, Bayerische Landesanstalt für Landwirtschaft: 120 str. Govaerts W., van Eekeren N. 2008. Berechnung der Produktionskosten von biologischer Ziegenmilch. Bericht, 15. Louis Bolk Instituut: 21 str. http://orgprints.org/14999/1/2088.pdf (16. sept. 2016) Gruber Tabelle zur Fütterung der Milchkühe, Zuchtrinder, Schafe, Ziegen. 2013. 36. Auflage. Bayerische Landesanstalt für Landwirtschaft: 94 str. http://docplayer.org/29683916-Gruber-tabelle-zur-fuetterung-der-milchkuehe-zuchtrinder-schafe-ziegen 36-auflage-lfl-information.html (16. sept. 2016) Gruber Tabelle zur Fütterung der Milchkühe, Zuchtrinder, Schafe, Ziegen. 2017. 41. unveränderte Auflage. Freising, Bayerische Landesanstalt für Landwirtschaft: 98 str. Gruber Tabelle zur Fütterung in der Rindermast. Fresser, Bullen, Ochsen, Mastfärsen, Mastkühe. 2014. 19. Auflage. Bayerische Landesanstalt für Landwirtschaft: 90 str. Henning E. 2014. Energiebedarf in der Schweine- und Hühnerhaltung. KTBL - Heft, 105. Darmstadt, KTBL: 52 str. Imhof U. 1988. Haltung von Milchziegen und Milchschafen. KTBL - Schrift, 330. Münster-Hiltrup: KTLB-Schriften-Vertrieb im Landwirtschaftsverlag: 180 str. Imhof U. 1988. Haltung von Milchziegen und Milchschafen. KTBL - Schrift, 330. Münster-Hiltrup: KTLB-Schriften-Vertrieb im Landwirtschaftsverlag: 180 str. Jürgen F. 2012. Betriebsplanung Landwirtschaft 2012/13: Daten für die Betriebsplanung in der Landwirtschaft. 23. Auflage. KTBL - Datensammlung. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 824 str. Milchziegenhaltung im Biobetrieb, Ein Managementleitfaden für Einsteiger und Ziegenprofis. 2013. 2. Auflage. Mainz, Bioland Beratung: 36 str. https://www.naturland.de/images/Erzeuger/Betriebszweige/Schaf Ziege/1512-milchziegenhaltung.pdf (16. sept. 2016) Pravilnik o katalogu stroškov in najvišjih priznanih vrednosti. 2016. Ur. l. RS, št. 7/16 Rahmann G. 2007. Ökologische Schaf- un Ziegenhaltung - 100 Fragen und Antworten für die Praxis. 3. überarbeitete Auflage. Institut für Ökologischen Landbau: 266 str. https://www.uni-kassel.de/fb11agrar/fileadmin/datas/fb11/Dekanat/HonProf Rahmann/Schafe-Ziegen-Skript.pdf (16. sept. 2016) Taschenbuch Gartenbau: Daten für die Betriebskalkulation im Gartenbau. 1999. 5. Auflage. KTBL - Taschenbuch Gartenbau. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 255 str. Taschenbuch Landwirtschaft: Daten für die betriebliche Kalkulation in der Landwirtschaft. 2000. 20. Auflage. KTBL - Tac-henbuch. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 269 str. Till B. 2013. Ökologischer Feldgemüsebau: Betriebswirtschaftliche und produktionstechnische Kalkulationen. KTBL - Datensammlung. Darmstadt, Kuratorium für Technik und Bauwesen in der Landwirtschaft: 376 str. 6. RAZVOJ DINAMIČNEGA ORODJA ZA PRESOJO EKONOMSKE UČINKOVITOSTI GOSPODARJENJA NA RAVNI KMETIJSKIH GOSPODARSTEV Jaka Žgajnar Končno poročilo o izvedbi nalog petega delovnega svežnja (DS5) v okviru CRP: Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423) Ljubljana, november 2017 KAZALO VSEBINE 6. RAZVOJ DINAMIČNEGA ORODJA ZA PRESOJO EKONOMSKE UČINKOVITOSTI GOSPODARJENJA NA RAVNI KMETIJSKIH GOSPODARSTEV.............................................201 6.1. Namen in cilji delovnega svežnja.....................................................................................209 6.2. Modul za analitično spremljanje ekonomske učinkovitosti poslovanja kmetijskega gospodarstva............................................................................................................................209 6.2.1. Modularna zasnova modela kmetijskih gospodarstev....................................................209 6.2.2. Pod-modul za popis kmetijskega gospodarstva..............................................................210 6.2.2.1. Opis in namen pod-modula za popis kmetijskega gospodarstva................................210 6.2.2.2. Delitev na področja in kategorije pod-modula za lažje delo.......................................211 6.2.2.3. Zapis izhodiščnih vrednosti in pred-nastavljene vrednosti.........................................212 6.2.2.4. Prilagajanje modelnih kalkulacij značilnostim analiziranega primera.........................213 6.2.2.5. Arhiviranje in uvažanje podatkov iz arhivske baze......................................................215 6.2.2.6. Struktura in zasnova pod-modula za popis kmetijskih gospodarstev.........................216 6.2.3. Pod-modul za pripravo matrike proizvodnih možnosti...................................................219 6.2.3.1. Opis in namen pod-modula za pripravo matrike proizvodnih možnosti.....................219 6.2.3.2. Struktura in zasnova pod-modula za pripravo matrike proizvodnih možnosti...........220 6.2.3.3. Nabor aktivnosti, omejitev in zbirnikov.......................................................................225 6.2.3.4. Širjenje univerzalne matrike proizvodnih možnosti....................................................227 6.2.3.5. Metodološke podlage in matematično programiranje...............................................228 6.2.3.6. Arhiviranje rezultatov že opravljenih analiz................................................................229 6.2.4. Nadgradnja podpornega dokumenta ZBIR......................................................................231 6.2.5. Povezovalni in podporni modul - »MODUL1«................................................................234 6.2.5.1. Opis in namen povezovalnega modula.......................................................................234 6.2.5.2. Struktura in zasnova modula.......................................................................................235 6.2.5.3. Uvoz izbranih modelnih kalkulacij v »MODUL1« in povezava na »ZBIR«...................237 6.2.5.4. Izračun krmnih potreb za domače živali preko povezovalnega........................................ modula(»MODUL1«) ................................................................................................................... 239 6.2.5.5. Izračun krmnih obrokov za domače živali preko povezovalnega...................................... modula (»MODUL1«) .................................................................................................................. 240 6.2.5.6. Priprava gnojilnih načrtov za izbrane modelne kalkulacije preko..................................... povezovalnega modula (»MODUL1«).........................................................................................241 6.2.6. Nabor proizvodnih aktivnosti v trenutni različici modula...............................................243 6.2.7. Metodološka osnova in tip analiz....................................................................................246 6.2.8. Širjenje modula in dodajanje novih vnosnih polj............................................................246 6.2.8.1. Osnovna izhodišča širjenja..........................................................................................246 6.2.8.2. Postopek dodajanja nove proizvodne aktivnosti........................................................247 6.2.8.3. Spreminjanje in dodajanje tržnih aktivnosti................................................................248 6.2.9. Postopek priprave podatkov za analizo ter delo z makri................................................249 6.2.10. Opis analiziranih kmetijskih gospodarstev......................................................................251 6.2.11. Rezultati rekonstruiranja proizvodnih načrtov z modelom kmetijskih gospodarstev.....258 6.2.11.1. Proizvodni načrti za analizirana kmetijska gospodarstva........................................258 6.2.11.2. Nekatere ugotovitve v fazi testiranja modela kmetijskih gospodarstev.................266 6.3. Optimizacjski modul bilance hranil za pripravo letnih gnoj'ilnih načrtov..........................267 6.3.1. Opis delovanja in pomen v danem sistemu....................................................................267 6.3.2. Zasnova in reševanje gnojilnih načrtov...........................................................................267 6.3.3. Upoštevanje izračunanega gnojilnega načrta in njegovo prilagajanje posameznim izhodiščem.......................................................................................................................................270 6.4. Modul za sestavo krmnih obrokov..................................................................................272 6.4.1. Namen modula za sestavo krmnih obrokov....................................................................272 6.4.2. Simulacijski pod-modul za izračun krmnih potreb domačih živali..................................273 6.4.2.1. Opis in namen .............................................................................................................. 273 6.4.2.2. Opis zasnove simulacijskega modela...........................................................................274 6.4.3. Pod-modul hranilna vrednost krme ................................................................................ 276 6.4.4. Zasnova modula za optimizacijo in sestavo krmnega obroka.........................................277 6.4.4.1. Priprava podatkov o krmi in prehranskih normativih.................................................277 6.4.4.2. Možnost dvostopenjske optimizacije..........................................................................278 6.4.4.3. Postopek izračuna krmnega obroka s pomočjo prvega modela (LP)..........................279 6.4.4.4. Postopek izračuna krmnega obroka s pomočjo WGP+PF in osnovne zakonitosti drugega modela........................................................................................................................... 280 6.5. Zaključki.........................................................................................................................283 6.6. Priloge...........................................................................................................................285 Preglednica 49: Pomen barve posameznih celic v stolpcu »K«........................................................217 Preglednica 50: Pomen šifer posameznih relacij, s katerimi označimo tip podatka.............................. v posamezni vrstici na listu »NABOR_MATRIKA«...................................................222 Preglednica 51: Živinorejske proizvodne aktivnosti v trenutni različici.................................................. modularnega orodja kmetijskega gospodarstva.....................................................244 Preglednica 52: Nabor proizvodnih aktivnosti na njivah, travnikih, vinogradih in sadovnjakih.......245 Preglednica 53: Nabor proizvodnih aktivnosti na posameznem kmetijskem gospodarstvu,................. ki lahko vstopa v rekonstruiran proizvodni načrt...................................................252 Preglednica 54: Ključni proizvodni atributi analiziranih kmetijskih gospodarstev...........................253 Preglednica 55: Ključni atributi živinorejskih proizvodnih aktivnosti na analiziranih............................. kmetijskih gospodarstvih........................................................................................254 Preglednica 56: Ključni atributi rastlinskih proizvodnih aktivnosti na analiziranih................................ kmetijskih gospodarstvih........................................................................................256 Preglednica 57: Predvideni deleži spravila in deleži posameznih kultur oziroma.................................. skupin kultur v kolobarju.........................................................................................258 Preglednica 58: Povzetek ključnih rezultatov rekonstruiranja proizvodnje v letu 2016 za KMG 1 .. 260 Preglednica 59: Povzetek ključnih rezultatov rekonstruiranja proizvodnje v letu 2016 za KMG 2 .. 262 Preglednica 60: Povzetek ključnih rezultatov rekonstruiranja proizvodnje v letu 2016 za KMG 3 .. 264 Preglednica 61: Povzetek ključnih rezultatov rekonstruiranja proizvodnje v letu 2016 za KMG 4 .. 265 Slika 29: Shema modularne zasnove sistema modela kmetijskih gospodarstev................................ in povezovanja s sistemom modelnih kalkulacij.............................................................211 Slika 30: Kontrolnik za izpis izhodiščnih vrednosti modelnih kalkulacij in.......................................... prilagajanje modelnih kalkulacij analiziranemu primeru................................................213 Slika 31: Delovni list »Nabor_aktivnosti« in seznam podpornih modelnih kalkulacij...................214 Slika 32: Potek branja podatkov, pri prilagajanju posamezne modelne kalkulacije.....................215 Slika 33: Ukazna gumba za arhiviranje oziroma uvoz podatkov...................................................216 Slika 34: Ključni vnosni deli pod-modula od stolpca »A« do »U«.................................................216 Slika 35: Shema pod-modula za popis kmetijskega gospodarstva in povezovanje............................. z ostalimi moduli, pod-moduli in dokumenti..................................................................220 Slika 36: Struktura pod-modula za pripravo univerzalne matrike................................................221 Slika 37: Ukazni gumbi vezani na pod-modul za pripravo matrike proizvodnih možnosti...........223 Slika 38: Primer zapisa tehnoloških koeficientov, ki se prepišejo neposredno.................................. iz posamezne modelne kalkulacije.................................................................................223 Slika 39: Primer zapisa tehničnih koeficientov v matriki »NABOR_MATRIKA«,.................................. kot primer množenja......................................................................................................224 Slika 40: Prikaz izračunavanja tehničnih koeficientov, kot primer 'sumarnika' potreb...................... po določeni krmi.............................................................................................................224 Slika 41: Primer zapisa tehničnih koeficientov za neproizvodne aktivnosti....................................... na listu »NABOR_MATRIKA«...........................................................................................225 Slika 42: Primer seznama arhiviranih proizvodnih načrtov in hiperpovezav v arhivu rezultatov . 230 Slika 43: Ukazni gumb za arhiviranje proizvodnih načrtov in poročilo.........................................230 Slika 44: Pod-modul za pripravo navzkrižnih analiz znotraj ARHIVA REZULTATOV......................231 Slika 45: Ukazni gumbi za nadgradnjo in prilagajanje datoteke »ZBIR«.......................................233 Slika 46: Shema pod-modula za pripravo matrike proizvodnih možnosti in povezovanje................. z ostalimi moduli, pod-moduli in dokumenti..................................................................235 Slika 47: Definiranje poti za posamezne module, pod-module in podporne dokumente.................. na listu »NABOR«............................................................................................................236 Slika 48: Ukazni gum za definiranje poti za posamezen modul, pod-modul...................................... oziroma podporni dokument .......................................................................................... 236 Slika 49: Ukazni gumb za odpiranje posameznega modula, pod-modula.......................................... oziroma podpornega dokumenta iz »MODULI«............................................................236 Slika 50: Hiperpovezave na delovne liste za lažje delo na listu »Pregledovanje_listov«..............237 Slika 51: Nabor modelnih kalkulacij za uvoz iz sistema modelnih kalkulacij v MODUL1 (.xlsx) .... 238 Slika 52: Nabor modelnih kalkulacij za uvoz iz sistema modelnih kalkulacij v MODUL1 (.xlsm) .. 238 Slika 53: Primer zapisa na listu modelne kalkulacije za krave molznice............................................. iz pod-modula za izračun krmnih potreb.......................................................................239 Slika 54: Ukazni gumb za izračun krmnih potreb za različne kategorije in vrste domačih živali .. 239 Slika 55: Nabor modelnih kalkulacij za izračun krmnih potreb in krmnih obrokov............................ za različne vrste in kategorije domačih živali in ukazni gumbi za zaganjanje ukazov.....240 Slika 56: Primer zapisa krmnega obroka v modelno kalkulacijo...................................................240 Slika 57: Shema modula za pripravo krmnih obrokov in povezovanje............................................... z ostalimi moduli, pod-moduli in dokumenti..................................................................241 Slika 58: Priprava gnojilnih načrtov za izbran nabor modelnih kalkulacij preko................................. podpornega modula (»MODULI«).................................................................................242 Slika 59: Shema modula za pripravo gnojilnih načrtov in povezovanje.............................................. z ostalimi moduli, pod-moduli in dokumenti..................................................................243 Slika 60: Začetek vnosnega dela posamezne proizvodne aktivnosti, primer koruzna silaža ........ 247 Slika 61: Konec vnosnega dela posamezne proizvodne aktivnosti, primer koruzna silaža...........248 Slika 62: Nabor aktivnosti in vpis podatkov za novo aktivnost.....................................................248 Slika 63: Združeni ukazi za lažje delo z modulom kmetijskih gospodarstev.................................250 Slika 64: Aktivno poročilo dela z makri v pod-modulu kmetijskih gospodarstev..........................251 Slika 65: Nabor mineralnih gnojil, ki lahko vstopajo v reševanje gnojilnega načrta.....................268 Slika 66: Nabor organskih gnojil, ki lahko vstopajo v reševanje gnojilnega načrta.......................269 Slika 67: Primer zapisa gnojilnega načrta pri modelni kalkulaciji pšenice,......................................... s pomočjo makra 3.2 v modulu (»MODUL1«)...............................................................269 Slika 68: Gnojilni načrt na letni ravni za modelno kalkulacijo pšenice ob višjem pridelku...........270 Slika 69: Gnojilni načrt na letni ravni za modelno kalkulacijo koruze za zrnje pri.............................. neto pridelku 10 ton.......................................................................................................271 Slika 70: Gnojilni načrt na letni ravni za modelno kalkulacijo koruze za zrnje.................................... če je strošek hlevskega gnoja enak nič...........................................................................271 Slika 71: Gnojilni načrt na letni ravni za modelno kalkulacijo koruze za zrnje.................................... če je strošek hlevskega gnoja enak nič - kompromisna rešitev, ki izravna.......................... potrebe po P in K............................................................................................................272 Slika 72: Izsek simulacijske modula za izračun krmnih potreb pri vzreji telic..................................... in uporaba 'DSUM' pristopa....................................................................................275 Slika 73: Prikaz rezultatov simulacijskega modela za izračun krmnih potreb..................................... na primeru krav molznic in plemenskih telic..................................................................276 Slika 74: Ukazni gumbi na listu »LP« znotraj modula za sestavo krmnih obrokov.......................278 Slika 75: Struktura linearnega programa za sestavo krmnega obroka.........................................280 Slika 76: Ukazni gumb za zapis pogojnih stavkov za sistem enačb vezanih........................................ na kazenske funkcije.......................................................................................................281 Slika 77: Izsek tehtanega ciljnega programa nadgrajenega s kazenskimi funkcijami......................... za izračun krmnih obrokov..............................................................................................281 Slika 78: Izsek dela modela WGP+PF, ki se nanaša na omejitve povezane......................................... s pravilnim delovanjem sistema kazenskih funkcij.........................................................282 Slika 79: Kontrolniki za prepis krmnih obrokov izračunanih s pomočjo WGP+PF na zbirnik........282 Slika 80: Primer izpisa zbirnika za letni in zimski krmni obrok......................................................283 KAZALO PRILOG Priloga 15: VBA koda za zapis hiperpovezav v delovnem zvezku za vse dodane delovne liste..........285 Priloga 16: Posamezni kazalniki po proizvodnih aktivnostih za KMG1...............................................286 Priloga 17: Posamezni kazalniki po proizvodnih aktivnostih za KMG2...............................................287 Priloga 18: Posamezni kazalniki po proizvodnih aktivnostih za KMG3...............................................288 Priloga 19: Posamezni kazalniki po proizvodnih aktivnostih za KMG4...............................................289 Namen tega delovnega svežnja je bil razviti kompleksno dinamično orodje, ki omogoča prilagajanje modelnih kalkulacij na različnih ravneh analiziranemu kmetijskemu gospodarstvu. S tem postanejo z ekonomskega vidika sicer »normativne« kalkulacije bolj oziroma kolikor se le da, »pozitivne«. To omogoča poleg simuliranja razmer na konkretnem kmetijskem gospodarstvu tudi analize na različnih ravneh dejavnosti kmetijskega gospodarstva, kot tudi za posamezne proizvodne aktivnosti, ki se na danem kmetijskem gospodarstvu izvajajo. Razvito orodje je zasnovano na modularnem pristopu, kar pri analizi omogoča uporabo posameznega modula, kot tudi njihovo kombinacijo. Slednje je seveda odvisno od tipa in namena izvedene analize. Dinamično orodje je bilo razvito v obliki elektronskih preglednic v MS Excelovem delovnem okolju in je v večjem delu podprto z ukazi, zapisanimi v VBA. Slednje omogoča, da posamezno modelno kalkulacijo na sorazmerno enostaven način prilagodimo analiziranemu primeru in jo v nadaljnjem postopku tako lahko tudi vključimo v pripravo in podrobno analizo proizvodnega načrta analiziranega kmetijskega gospodarstva. Prilagajanje in uporaba modelnih kalkulacij se izvaja na dveh ravneh. Na prvi ravni nas tako zanima predvsem, kakšni so ekonomski kazalniki na ravni posamezne modelne kalkulacije - torej struktura lastne cene konkretne aktivnosti, ki se izvaja na analiziranem gospodarstvu. V tem delu modelne kalkulacije ostajajo kot jih poznamo in se uporabljajo že vrsto let za spremljanje ekonomskih kazalnikov na ravni posameznega proizvoda kot samostojne aktivnosti. S pomočjo razvitih modulov in pod-modulov pa jih na razmeroma enostaven in hiter način prilagodimo analiziranemu primeru. Na drugi stopnji prilagajanja modelnih kalkulacij pa želimo modelno kalkulacijo prav tako prilagoditi konkretnemu primeru kmetijskega gospodarstva, vendar nas tokrat modelna kalkulacija zanima predvsem kot ena izmed aktivnosti proizvodnega načrta. Posamezna modelna kalkulacija se tako ob naboru drugih modelnih kalkulacij vključuje v proizvodni načrt analiziranega kmetijskega gospodarstva. V tem delu tako spremljamo predvsem ekonomske, pa tudi tehnološke kazalnike na ravni celotnega gospodarstva in ne na ravni posamezne kalkulacije oziroma proizvodne aktivnosti. V nadaljevanju na kratko povzemamo ključne značilnosti razvitih modulov celovitega dinamičnega orodja za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev (kratko model kmetijskih gospodarstev). Pri tem poseben poudarek namenjamo predstavitvi modularne zasnove, razvitemu konceptu povezovanja različnih modulov in sistema modelnih kalkulacij ter tudi deloma navodil tako za uporabo, kot tudi za nadaljnje širjenje in razvoj orodja. Zaradi spremenjene dinamike dela na projektu, ki je v naprej ni bilo mogoče v celoti predvideti, je bilo potrebno model kmetijskih gospodarstev zasnovati in razviti drugače, kot je bilo s prva predvideno. Izkazalo se je namreč, da je potrebno razviti pristop, ki omogoča prilagajanje ter nadgrajevanje modelnih kalkulacij za potrebe modela kmetijskih gospodarstev v kateri koli razvojni fazi modelnih kalkulacij. V ta namen je bil dodatno razvit in sprogramiran kompleksen algoritem, ki to omogoča. Slednje je sicer pomenilo znatno povečanje obsega dela, hkrati pa se odraža v bistveno bolj fleksibilnem orodju, ki ga lahko v kateri koli fazi posodobimo z novim naborom modelnih kalkulacij, hkrati pa ne posega v sistem že utečenega dela in analiz modelnih kalkulacij, ki jih izvaja KIS. S tem je omogočen razmeroma neodvisen razvoj in nadgradnja enega oziroma druga sistema ob hkratni povezanosti obeh sistemov, kar je ključna prednost uporabljenega pristopa. 6.2. MODUL ZA ANALITIČNO SPREMLJANJE EKONOMSKE UČINKOVITOSTI POSLOVANJA KMETIJSKEGA GOSPODARSTVA 6.2.1. Modularna zasnova modela kmetijskih gospodarstev Razvit modul za analitično spremljanje ekonomske učinkovitosti poslovanja kmetijskega gospodarstva je zasnovan na modularnem pristopu in omogoča povezovanje različnih samostojnih, kot tudi pod- pornih modulov. Moduli so razviti tako, da omogočajo samostojno delovanje in s tem tudi njihovo samostojno uporabo ali pa se vključujejo v skupni integrirani sistem kot podporni oziroma samostojni gradniki. Sistem kmetijskega gospodarstva je popolnoma integriran v kompleksen sistem modelnih kalkulacij, kar omogoča sprotno prilagajanje posameznih modelnih kalkulacij, tako z vidika tehnologije, intenzivnosti, kot tudi cen. Pri tem se naslanja na vse podporne datoteke, ki so potrebne za delovanje sistema modelnih kalkulacij (podrobneje opisano v DS4). Zaradi optimalnejšega in hitrejšega delovanja je orodje (model kmetijskih gospodarstev) zasnovano na dveh ključnih modulih: • modulu kmetijskega gospodarstva (»MODUL_KMG«) in • povezovalnem in podpornem modulu (»MODUL1«). S pomočjo ukazov (VBA) na teh dveh modulih lahko upravljamo vse ostale pod-module in podporne dokumente. Izhodiščni modul kmetijskega gospodarstva (»MODUL_KMG«) združuje pod-modul za popis osnovnih informacij in proizvodnih značilnosti analiziranega gospodarstva (podrobneje predstavljen v poglavju 6.2.2). Znotraj tega dela so tudi osnovna metodološka izhodišča in nastavitve za pripravo proizvodnega načrta s pomočjo tehnik matematičnega programiranja. Nadalje vključuje pod-modul za pripravo matrike proizvodnih možnosti (podrobneje predstavljen v poglavju 6.2.36.2.2) kot izhodišča za pripravo in analizo proizvodnega načrta in pod-modula za prilagajanje datoteke »ZBIR« naboru proizvodnih aktivnosti analiziranega primera (podrobneje predstavljen v poglavju 6.2.4). Drugi, povezovalni in podporni modul (»MODUL1«) (podrobneje predstavljen v poglavju 6.2.5), služi predvsem za delo z modelnimi kalkulacijami ter odpiranje in upravljanje ostalih modulov in podpornih dokumentov. Preko modula tega modula (»MODUL1«) tako uvozimo modelne kalkulacije v model kmetijskega gospodarstva in jih po potrebi prilagajmo, spreminjamo in tudi nadgrajujemo. Slednje se nanaša predvsem na gnojilni načrt in krmne obroke. Preko podpornega modula (»MODUL1«) se namreč v sistem povezujeta sicer samostojni modul za pripravo gnojilnega načrta na ravni posamezne modelne kalkulacije (podrobneje predstavljen v poglavju 6.3) in modul z vsemi pod-moduli za sestavo in analizo krmnih obrokov pri živinorejskih kalkulacijah (podrobneje predstavljen v poglavju 6.4). »MODUL1« tako lahko služi tudi kot samostojno orodje za delo na posamezni modelni kalkulaciji ali pa kot podporni modul za »MODUL_KMG«. 6.2.2. Pod-modul za popis kmetijskega gospodarstva 6.2.2.1. Opis in namen pod-modula za popis kmetijskega gospodarstva Za uspešno analizo kmetijskega gospodarstva je v prvi vrsti ključno, da natančno popišemo analizirano gospodarstvo. Tako je eden osrednjih delov modula kmetijskih gospodarstev pod-modul »OPIS KMG«. Ta v prvi vrsti omogoča natančno definiranje vseh proizvodnih dejavnikov, ki igrajo pomembno vlogo pri kreiranju matrike proizvodnih možnosti in sestavi ter analizi proizvodnega načrta. Pri tem poleg danih proizvodnih parametrov in omejitev, vključno z določenimi tehnološkimi značilnostmi, natančno popišemo proizvodne aktivnosti, ki jih na kmetijskem gospodarstvu izvajajo oziroma bi jih lahko izvajali. Podrobno opredelimo tudi t.i. tržne aktivnosti, ki se nanašajo na nabavo potrebnih inputov, kot tudi prodajo proizvodov. Slednje je ključno zlasti za tiste proizvodne aktivnosti, ki so lahko namenjeni vmesni porabi na kmetijskem gospodarstvu ali prodaji na trgu. Gre za univerzalni pod-modul, ki je enak ne glede na proizvodno usmeritev (tip) kmetijskega gospodarstva ali tip analize, ki jo želimo izpeljati. Tip gospodarstva je seveda definiran s prevladujočimi proizvodnimi aktivnostmi, ki vstopajo v proizvodni načrt. Trenuten nabor aktivnosti, med katerimi uporabnik lahko izbira, povzemamo v poglavju 6.2.6. Ob trenutnem naboru je možno analizirati kme- tijska gospodarstva, ki se ukvarjajo s konvencionalnimi živinorejskimi usmeritvami, kot tudi pretežni del v poljedelstvo usmerjenih kmetijskih gospodarstev. Zasnovane so tudi že zelenjadarske, sadjarske in vinogradniške usmeritve s po enim oziroma dvema predstavnikoma. Tako tudi širjenje v tem delu ne bi smelo biti problem. Zaradi te univerzalne strukture bo ob nadgradnji orodja v prihodnje, denimo z dodajanjem novih modelnih kalkulacij, novih tehnologij (npr. ekološka pridelava), novih omejitev (npr. sprememba ukrepov kmetijske politike), itd., omogočen popis vseh ključnih proizvodnih tipov v Sloveniji v različnih pogojih (npr. naravnih danosti, cenovno/stroškovna razmerja). Posledično je ta pod-modul tudi zelo obsežen in že sedaj obsega skoraj 5.000 vnosnih polj za posamezno gospodarstvo oziroma analizo. Velja pa omeniti, da pod-modul »OPIS KMG« zaradi svoje zasnove omogoča tudi zelo pregledno analitično delo na ravni posamezne modelne kalkulacije, torej ne nujno celotnega kmetijskega gospodarstva. Slika 29: Shema modularne zasnove sistema modela kmetijskih gospodarstev in povezovanja s sistemom modelnih kalkulacij 6.2.2.2. Delitev na področja in kategorije pod-modula za lažje delo Popis kmetijskega gospodarstva je zasnovan v vektorski obliki, kar omogoča lažje in preglednejše delo. Tako so vsi podatki za določeno gospodarstvo oziroma analizo zapisani v enem stolpcu. Zaradi lažjega nadzorovanja in večje preglednosti je ta vnosni pod-modul nadgrajen s filtri, ki omogočajo izbiro področij, kot tudi kategorij, ki nas pri analizi zanimajo jih želimo bodisi zapisati, spremeniti ali pa zgolj preveriti. Zlasti pri definiranju značilnosti posamezne aktivnosti je teh polj za posamezno proizvodno aktivnost navadno zelo veliko. Zato smo z vidika področji vnosni del pod-modula razdelili na: • osrednji del, kjer se zaganjajo makri in so zapisani vsi ukazi za delo z modulom (A_MAKRI), • področje (A_OPIS_KMG), kjer so zapisani ključni atributi kmetijskega gospodarstva (obdelovalne površine, lastno/najeto delo, izbrane aktivnosti, ki vstopajo oziroma lahko vstopajo v proizvodni načrt, podatki o tehnologijah spravila na travinju, omejitve kolobarja po skupinah poljščin, ukrepi kmetijske politike, podatki o davkih in davčnem statusu gospodarstva, zavarovanje, kapacitete infrastrukture, podatki o povprečnih pridelovalnih razmerah na gospodarstvu in še nekaterimi drugimi podatki), • področje posameznih proizvodnih aktivnosti (Ime_modelne_kalkulacije), ki je najbolj obsežno in zajema popis vseh proizvodnih aktivnosti, ki so vključene v dani modul, • področje tržnih aktivnosti (Tržne_aktivnosti), ki vključuje prodajo in nabavo krme (predvsem močne, lahko tudi voluminozne) in mineralnih gnojil, • področje legende (A_legenda), ki s pomočjo barvnih polj daje informacijo o tem kaj se lahko spreminja, za kašen tip vnosa gre oziroma ali je v določenem polju vrednost, enačba oziroma sklic, • ter področje tehničnih omejitev in povezovalnih aktivnosti (AA_TEH_OMEJITVE), ki vsebuje informacije, ki so pomembne zlasti za pravilno delovanje matrike proizvodnih možnosti v delu ki se nanaša na bilance in zapis desne strani enačb oziroma omejitev. Nadalje so ta področja razdeljena še na posamezne kategorije, pri čemer je kategorija 1 rezervirana za najbolj osnovne podatke in informacije znotraj posameznega področja. Kategorija 2 nadalje zajema ključne podatke, ki se med kmetijskimi gospodarstvi oziroma tipom analize navadno razlikujejo. Kategorija 3 zajema podatke, ki se redkeje spreminjajo in zato pri rednem delu z modulom zmanjšujejo preglednost oziroma izrazito povečujejo obseg vidnega polja vektorja. Trenutna verzija vključuje še kategorijo 4, ki vključuje podatke za rekonstruiranje proizvodnega načrta kmetijskega gospodarstva v letu analize. Zaradi lažje preglednosti smo dodali še kategorijo LC in PC, pri čemer se LC nanaša na lastne cene proizvodnih aktivnosti, PC pa na prodajne cene, ki jih pri posameznem proizvodu dosegajo na kmetijskem gospodarstvu. Seveda po potrebi uporabnik lahko spremeni kategorije oziroma doda tudi še nove. Ključen namen je, da vidimo in se premikamo z drsnikom po tistem delu vnosnega vektorja, ki je za dano analizo ključen. Kot opisujemo v poglavju 6.2.2.6, je modul zasnovan in sprogramiran tako, da vrstni red posameznih polj ni pomemben in se brez zadrege lahko širi in spreminja (pri nadaljnji nadgradnji). Pri tem je pomembno le, da so upoštevane ključne zakonitosti, ki jih podrobneje opisujemo v poglavju 6.2.2.6. Vsako vnosno polje ima namreč poleg same vrednosti in opisa opredeljene tudi določene zakonitosti, ki so v pomoč razvitim VBA kodam, da najdejo podatek in ga tudi ustrezno umestijo. 6.2.2.3. Zapis izhodiščnih vrednosti in pred-nastavljene vrednosti Zaradi izjemno obsežnega vnosnega dela smo modul zasnovali tako, da so vnosne vrednosti vedno pred-nastavljene in jih nato spreminjamo in prilagajamo analiziranemu primeru. S tem je zagotovljeno, da pomotoma ne izpustimo kakšne pomembne informacije, brez katere denimo posamezna modelna kalkulacija ne bi (pravilno) delovala in seveda prihranimo ogromno časa, ki bi bil sicer potreben za vnos vseh podatkov. Pri vnosu podatkov za analiziran primer ima uporabnik več možnosti. Ena je, da obdrži vrednosti, ki izhajajo iz standardnega nabora modelnih kalkulacij in so tudi zapisane v arhivu. Namreč kot opisujemo v podpoglavju 6.2.2.5 modul omogoča uvoz podatkov iz arhivske baze. S tem se ponastavijo vse vrednosti modelne kalkulacije na izhodiščne, natančno pa je potrebo popisati predvsem atribute kmetijskega gospodarstva in posamezne izbire ter zakonitosti v področju ključnih podatkov o kmetijskem gospodarstvu (A_OPIS_KMG). Druga možnost pa je, da v arhivski bazi izberemo primer gospodarstva, ki je podoben analiziranemu primeru, in ga spremenimo zgolj v tistih delih, kjer prihaja do razlik. V tem sklopu smo modul nadgradili tudi z ukazom ( Slika 30), ki omogoča, da v delu, ki se nanaša na proizvodne aktivnosti (modelne kalkulacije), prepišemo izhodiščne vrednosti oziroma vrednosti, ki veljajo za standardni nabor modelnih kalkulacij107. Gre denimo za vrednosti, kot so količina pridelka/prireje, teža privedenih/izločenih živali, izgube, remont, število košenj, sušenje da/ne, delež suhe snovi itd. Torej za vse podatke, ki jih v vnosnem 107 Vrednosti se zapišejo v stolpec »G« za več podrobnosti glej poglavje 6.2.2.6 modulu lahko vnesemo za posamezno proizvodno aktivnost (modelno kalkulacijo). Za lažje delo se nam zapišejo tudi meje ključnih parametrov, znotraj katerih je bila modelna kalkulacija zasnovana, testirana in tudi pravilno deluje. Ta nadgradnja nam omogoča, da imamo kontrolo in vodilo pri vnosu posameznih proizvodnih parametrov, ki vplivajo na določeno modelno kalkulacijo. Kot opisujemo pri postopku izvajanja analize (poglavje 6.2.8) je v tem delu ključno, da ukaz za izpis izhodiščnih vrednosti zaženemo preden prilagajamo nabor modelnih kalkulacij analiziranemu primeru. Pri tem je potrebno posebej poudariti, da s tem ne vplivamo na vnosni del, pač pa gre le za vodilo in pomoč pri logični kontroli vnosa. 6.2.2.4. Prilagajanje modelnih kalkulacij' značilnostim analiziranega primera V osnovi je namen danega pod-modula za popis kmetijskega gospodarstva, da prilagodimo modelne kalkulacije analiziranemu primeru in jih uporabimo pri sestavi oziroma analizi proizvodnega načrta analiziranega primera. Ta korak je izveden s pomočjo posebej za to razvite VBA kode ( Slika 30). Ta omogoča, da za vse izbrane proizvodne aktivnosti prilagodimo tehnološke parametre analiziranemu primeru. Prilagoditev se izvede na povezovalnem modulu »MODULI«. Zato je pomembno, da pred tem korakom posamezne modelne kalkulacije tudi uvozimo iz sistema modelnih kalkulacij kot samostojne delovne liste108. Slika 30: Kontrolnik za izpis izhodiščnih vrednosti modelnih kalkulacij in prilagajanje modelnih kalkulacij analiziranemu primeru PRIPRAVA/PRILAGODITEV MK ANALIZERANEMU KMG 0. ZAPIŠI_IZHODIŠČNE_VREDNOSTI_MK_LIST OPIS KMG (l.KMG) PRILAGODI MK GLEDE NA OPIS KMG (v MODULI), generiraj tudi TSIL* in SENO* Seznam vseh proizvodnih aktivnosti je naveden na listu »Nabor_aktivnosti« in tam koda bere nanizane aktivnosti v stolpcu »H« (Slika 31). Zato je zelo pomembno, da se ime proizvodne aktivnosti ujema z imenom lista, kot tudi delovnega zvezka izvorne modelne kalkulacije. Nadalje se v stolpcu »K« na istem listu samodejno zapiše tudi številka vrstice, v kateri se začne popis posamezne proizvodne aktivnosti. V stolpec »L« program sam zapiše poročilo, če je bila posamezna modelna kalkulacija prilagojena pri zadnjem zagonu ali ne. To je tudi najlažja kontrola pravilnega delovanja, kajti ročno pregledovanje je zaradi zelo obsežnega nabora praktično nemogoče. 108 Za več glej 6.2.5. E F G H i 1 J K L Aktivnost Ime kalkulacije zbir Ime lista na MK cenik št vrstice Poročilo rt Mleko PR mleko mlekoPR mlekoPR mleko 498 DA Mleko mleko mleko4500 mleko mleko 416 NE, ker M dojilje dojilje dojilje dojilje tele250 710 NE, ker M pteldoj plemenske tel pteldoj pteldoj pltel 846 NE, ker M pltel pltel pltel pltel pltel 781 DA mpgl50 pitana goved mpgl50 mpglSO mpg 644 NE, ker M mpg pitana goved mpg mpg mpg 578 DA ovcelOO ovcelOO ovcelOO ovcelOO jagnjeta 912 NE, ker M kozje mleko Kozje mleko kozje mleko kozje mleko kmleko 986 NE, ker M brojler Zreja piščance' brojler brojler brojler 1062 NE, ker M jajca PROIZVODNJA jajca jajca jajca 1133 NE, ker M purice purice purice purice purice 1205 NE, ker M plsv tekači plsv plsv pujski 1281 NE, ker M ječmeni Ječmen krmni ječmeni ječmeni ječmen 1552 DA jecmenT Ječmen tržni jecmenT jecmenT ječmen 1644 DA koruza Koruza za zrnjf koruza koruza koruza 1831 DA pasa Paša - čredinsk pasa pasa pasa 3569 NE, ker M pasaN PAŠA - CREDIT pasaN pasaN pasa 3661 NE, ker M pšenica Pšenica pšenica pšenica psensta 1368 DA Koda za prilagajanje modelnih kalkulacij analiziranemu primeru je razvita tako, da najprej poišče prvo izbrano aktivnost, jo prilagodi v vseh delih definiranih celic v stolpcu »O« (kam) na podlagi vrednosti v stolpcu »M« (kje) in »K« (kaj)109 (Slika 32) in nato nadaljuje z naslednjo izbrano aktivnostjo. V kolikor posamezna proizvodna aktivnost (modelna kalkulacija) ni izbrana, jo VBA zanka preskoči in tudi zapiše v poročilo »NE, ker MK ni izbrana kot aktivnost v MODULU KMG« (Slika 31). 109 Za več glejte poglavje 6.2.2.6. A B C 415 m , 1 416 mleko m eka 417 m eko 418 m 419 m 1 420 m i troM 421 m eitel 422 m eitel 423 m i troM 424 m , ] 425 m , 1 426 m , 2 427 m , 2 423 m i 3 429 m i B 430 m i LC 431 m , 2 432 m , 2 433 m i 2 434 m , 2 435 m , 2 436 m i 2 437 m , 2 Vrednosti, ki se prepišejo v MK na mesto zpisno v stolpcu »O« _i_j_ Reja krav molznic- klasika MAKRO- številakvrstice MAKRO - število vrstic za posamezno MK Ime kalkulacije _zbir Laktacijska mlečnost - pridelek Laktacijska mlečnost MIN-pridelek MAX-pridelek MIN-tehnologije MAX-tehnologije LC-informativno Remont črede -samota aktivnost Remont črede Remont črede izgube teleta (%) Teža telice ob privedbi Teža krave Prodaja telet/ začetek vzreje (KM) 7210 550 600 glej stolpec G! glej stolpec G! glej stolpec G! glej stolpec G! glej stolpec G! VBA zanka l-DA/O-NE lasten / nakup let j % I kg M kg_ ▼ ▼ K426 12 V K427 J2 K428 4.2 [ K429 L2 K430 CF321 K431 Qll( K432 Q11- K433 Q.12L K434 Q13 K435 Q10 t K436 os \ K437 Q6 Dodatno smo nadgradili kodo v delu, ki se nanaša na travniške aktivnosti, vezane na pridelavo sena in travne silaže. Kot opisujemo v poglavju 6.2.6 lahko pri danih aktivnostih teoretično izbiramo med različnimi načini spravila in števila košenj, in sicer od enokosnega pa vse do šestkosnega sistema. Samo v tem delu bi to zahtevalo 60 različnih variacij modelnih kalkulacij, ki pa vse izhajajo iz osnovne modelne kalkulacije za pridelavo travne silaže oziroma sena. Zato smo kodo razvili tako, da v kolikor je izbrana ena od teh šestdesetih kombinacij in še ni prisotna v podpornem modulu (»MODUL1«), se modelna kalkulacija samodejno generira, prilagodi, postane aktivna in vstopa v celoten sistem. Pri prilagajanju modelnih kalkulacij je potrebno poudariti, da gre za interaktivni pristop. To pomeni da se spremembe, ki bi jih naredili v stolpcu »K« (npr. spremenimo mlečnost krav molznic) v dotični modelni kalkulaciji ne bodo odrazile, če ne zaženemo makro. Za to rešitev smo se odločili, ker bi sicer lahko prihajalo do t.i. »krožnih sklicev«, kot tudi zardi ogromnega števila podatkov, ki bi brez te rešitve močno upočasnilo delovanja celotnega sistema. 6.2.2.5. Arhiviranje in uvažanje podatkov iz arhivske baze Za lažje delo z orodjem je bil dodatno razvit pod-modul, ki omogoča arhiviranje vnosnih podatkov za analizirano kmetijsko gospodarstvo oziroma ponovno uvažanje podatkov iz arhivske baze (Slika 33). Slednje omogočata kodi, ki na podlagi različnih vnosnih polj, ločita ali je v posamezni celici vrednost, enačba ali pa sklic oziroma sklic v kombinaciji z enačbo. Arhivira se vse razen slednjega, saj slednje pomeni aktivni sklic v vnosnem vektorju in ga pri arhiviranju ne smemo povoziti110. 110 Za več podrobnosti glej Poglavje 6.2.2.6. Trenutno razvit pristop omogoča, da lahko arhiviramo dobrih 16.300 analiz. Ko enkrat arhiviramo podatke za določeno kmetijsko gospodarstvo ali analizo, lahko le-te zopet uvozimo in ponovimo analiziramo ali pa nadaljujemo z analizo in širjenjem. Ta možnost je še posebej dobrodošla, če bi v prihodnje dano orodje uporabili denimo za sistematično spremljanje stanja na npr. tipičnih kmetijskih gospodarstvih v Sloveniji. Edini izziv za že arhivirane podatke je, če dodamo nova vnosna polja v vektorju opisa kmetijskih gospodarstev bodisi kot novo proizvodno aktivnost (modelno kalkulacijo), novo omejitev oziroma informacijo. V tem primeru seveda teh vrednosti v arhivu ni in jih je potrebno dodati. Dodamo jih lahko tako, da jih ročno zapišemo (lahko problem, če je veliko dopolnitev - novih spremenljivk) ali pa uvozimo vektor atributov iz arhivske baze, dodamo oziroma po potrebi prilagodimo novo dodane pogoje in še enkrat arhiviramo na isto mesto. 6.2.2.6. Struktura in zasnova pod-modula za popis kmetijskih gospodarstev V okviru razvoja orodja smo razvili poseben algoritem, ki ob uporabi VBA makrov omogoča fleksibilen sistem tako za obdelavo, kot tudi za nadgrajevanje in dopolnjevanje modula. Pri delu z makri je namreč pogosto problem, če se mesto določenega podatka spreminja oziroma ni v naprej znano. Slednje je primer tudi pri danem modulu. Problem smo rešili s pomočjo definiranja večjega števila spremenljivk, ki jih program prepozna po določeni šifri oziroma vrednosti. V osnovi gre za večje število ugnezdenih logičnih zank, ki omogočajo, da koda bere informacije in jih zapisuje na ustrezno mesto. Fiksiran ostaja samo tip podatka oziroma informacije v posameznem stolpcu ( Slika 34). To pomeni, da lahko poljubno vrivamo vrstice, ne smemo pa spreminjati ali vrivati stolpcev. Strukturo in pomen slednjih v nadaljevanju na kratko predstavljamo. Slika 34: Ključni vnosni deli pod-modula od stolpca »A« do » U« Stolpec »A« je rezerviran za ime proizvodne aktivnosti (modelne kalkulacije). Po tem stolpcu koda išče posamezno modelno kalkulacijo, ki jo izberemo, da (lahko) vstopa v proizvodni načrt kmetijskega gospodarstva oziroma jo prilagajamo in analiziramo. Služi tudi za pomoč pri definiranju začetka opisa posamezne proizvodne aktivnosti. V stolpcu »B« definiramo področje, v katerega sodi posamezna vrstica111 in v kateri je zapisana določena informacija (npr. A_OPIS_KMG, A_MAKRI). Nadalje v stolpcu »C« definiramo kategorijo podatka (npr. 1, 2, 3 ...). Stolpec »D« je rezerviran za filtriranje podkatego-rij tehničnih in povezovalnih omejitev/aktivnosti. Nadalje se v stolpcu »G« samodejno izpišejo izhodiščne vrednosti, ki veljajo za standardni nabor modelnih kalkulacij. Kot je opisano v poglavju 6.2.2.5 dane vrednosti služijo za logično kontrolo vnosnih polj in so lahko v pomoč tudi pri morebitnih težavah, če se pojavijo (npr. da modelna kalkulacija izpiše »#N/V«). Imena posameznih področji in različnih kategorij podatkov so zapisana v stolpcih »H«, »I« in »J«. Stolpec »K« je vnosni in v njem so zapisane vse spremenljivke za posamezno kmetijsko gospodarstvo in dejansko predstavlja »vektor popisa atributov kmetijskega gospodarstva«. V tem delu je uporabnik s pomočjo barve celic voden kakšen tip podatka se vnese v posamezno celico (Preglednica 49). Preglednica 49: Pomen barve posameznih celic v stolpcu »K« X Izbira 0/1/2 X Vnos vrednosti X PC in LC na ravni KMG X Pri aktivnostih/kalkulacijah izbira, ki načeloma vpliva na tip kalkulacije (lahko se spremni se pa s tem spremeni tudi tip aktivnosti npr. sušenje na hladen zrak oz baliranje.) X Celica vsebuje aktivni sklic. Preračun ne vnašaj z izjemo pri kalkulacijah, kjer bo z makro zanko povožena/prepisana enačba (informacija se nahaja v stolpcu P in jo ob naslednjem prepisu lahko ponovno uvozimo!) X Vnos vrednosti kot besedilo Pri vnosu enačb smo ločili med dvema tipoma. Prvi tip enačb je tisti, pri katerem se mora enačba zapisati na določeno mesto znotraj modelne kalkulacije, torej v danem modulu ne sme biti aktivna, prav tako ne pri arhiviranju in uvažanju le-te. Pri tem tipu enačb je pomembno, da jih zapišemo kot »'=A12+...«. Makro jih tako prepozna in loči od aktivnih enačb. Slednje je pomembno tako pri arhiviranju, uvažanju, kot tudi pri prilagajanju modelnih kalkulacij analiziranemu primeru. Drug tip enačb so sklici znotraj stolpca »K«, torej vektorja atributov kmetijskega gospodarstva. Pri slednjih je pomembno, da jih z arhiviranjem oziroma uvažanjem podatkov ne prepišemo in povozimo. Celotno orodje je namreč zasnovano tako, da se vsak podatek zapiše zgolj enkrat. Ker pa so določeni podatki med seboj povezani in se pojavijo na več mestih, jih s pomočjo sklicev in logičnih stavkov med seboj povežemo. Drugi tip enačb koda loči tako, da v stolpec »T« nekaj zapišemo (načeloma vnos ni pomemben - lahko je karkoli samo da ni prazna celica). Na ta način makro loči med obema tipoma zapisanih enačb. Slednje je pomembno zlasti pri dodajanju novih odvisnih spremenljivk, ki se sklicujejo oziroma preračunavajo. Namreč, ko enkrat definiramo tip enačbe, ta ostaja za vse nadaljnje analize. Nadalje stolpec »N« podaja informacijo o tem, v kateri vrstici znotraj vektorja atributov kmetijskega gospodarstva se posamezen podatek nahaja. Gre za zelo pomembno informacijo, saj na podlagi slednje zanka najde informacijo, ki jo išče. V osnovi imamo dve različni enačbi, ki ob izpolnitvi določenih pogojev zapišeta vrstico (področje atributov kmetijskega gospodarstva) oziroma stolpec »K« in številko vrstice (področje od proizvodnih aktivnosti dalje). Na to je potrebno biti pazljiv pri vrivanju in 111 Podrobneje so področja opisana v poglavju 6.2.2. dodajanju novih spremenljivk (vrstic). Pri vrivanju dodatnih vrstic je torej pomembno zgolj to, da enačbo prekopiramo iz iste skupine. Stolpec »O« služi informaciji, kje v posamezni modelni kalkulaciji se določen podatek nahaja (npr. pri kalkulaciji prireje mleka je pridelek v »F6«). To je pomembno tako pri zapisu izhodiščnih vrednosti, kot tudi pri prilagajanju modelne kalkulacije analiziranemu primeru. V kolikor v tem stolpcu ni podatka, se vrednost ne bo arhivirala, prav tako jo VAB koda preskoči pri prilagajanju modelnih kalkulacij analiziranemu primeru oziroma zapisu izhodiščnih vrednosti. Zato je pomembno, da v primeru, ko gre za podatek, s katerim ne smemo povoziti vednosti v določeni modelni kalkulaciji, da na to mesto zapišemo »ARHIV«. Tako se bo vrednost pri arhiviranju in uvažanju podatkov zapisala, v nasprotnem primeru pa ne. Pogoj arhiviranja je sicer vezan na stolpec »N«, vendar v kolikor je pri področju od proizvodnih aktivnosti dalje celica v stolpcu »O« prazna, se v stolpcu »N« ne zapiše številka vrstice, pač pa polje ostane prazno. Stolpec »P« služi zapisu enačb, ki gredo v modelno kalkulacijo - ima zgolj funkcijo arhiva in ni aktivno polje, prav tako tudi stolpec »Q«, ki pa služi opombam in morebitnim opozorilom/ posebnostim, ki si jih pri modeliranju lahko zabeležimo. Stolpec »R« je rezerviran za ime omejitve, ki nadalje vstopa v matriko proizvodnih možnosti. Praviloma se ime generira iz imena v stolpcu »I« in »J« oziroma se na tem mestu definira in predstavlja »šifro«, po kateri pod-modul za generiranje matrike proizvodnih možnosti najde vrednost za desno stran enačbe. Zato ime zapišemo tam, ker je to potrebno oziroma smiselno. Vrivanje dodatnih vrstic zato nima vpliva. Z zapisovanjem omejitev v matriki proizvodnih možnosti je povezan tudi stolpec »S«. Ta poda informacijo v kateri vrstici se posamezna omejitev na listu »OPIS_KMG« nahaja112. Kot smo že omenili, stolpec »T« služi za dodatno kontrolo pri arhiviranju in ponovnem uvažanju podatkov iz arhivske baze in sicer, da loči med enačbami tipa 1 in 2, kot je opisano zgoraj. V kolikor se v tem stolpcu pojavi vrednost-enačba, potem pri posamezni vrstici makro ne bo arhiviral vrednosti, prav tako je ne bo prepisal z novo. Stolpec »U« je dodan, da makro pri prilagajanju modelnih kalkulacij analiziranemu kmetijskemu gospodarstvu ne prepiše vrednosti, ki smo jih pri uvozu podatkov poiskali in jih ne smemo prepisati (npr. LC, minimum oziroma maksimum proizvodnje, tehnologije.). Pri tem je ključno, da v takšnem primeru v celico nekaj zapišemo (npr. »glej stolpec G!«) in tako bo makro pri prilagajanju modelne kalkulacije danemu gospodarstvu to vrstico preskočil. Pri vrivanju dodatnih vrstic ni potrebno storiti ničesar, razen če v dani vrstici želimo zgolj pridobiti podatek iz modelne kalkulacije, ne pa ga tudi 'povoziti' oziroma prilagoditi in popraviti glede na pogoje analiziranega primera. V stolpcu »AD« se generirajo imena področji in posameznih atributov iz stolpcev »H«, »I« in »J« za lažji pregled arhiva. Stolpci od »AG« dalje so rezervirani za arhiviranje vektorjev spremenljivk posameznih analiz kmetijskih gospodarstev oziroma analiz na ravni modelnih kalkulacij. Torej na kratko, če vrinemo vrstico, moramo biti pazljivi predvsem na stolpec »A« (ime, če gre za kalkulacijo), »B«, »C« in »D« (zapišemo področje in kategorije), »N«, da prekopiramo ustrezno enačbo (dva različna tipa) in še »S«, da prekopiramo enačbo za zapis številke vrstice za omejitve. Vse ostalo je odvisno od tipa informacije, atributa, ki ga želimo zapisati. 112 Pri vrivanju novih vrstic (dodajanje spremenljivk definiranja atributov kmetijskega gospodarstva) je potrebno prekopirati enačbo oziroma pazljivi moramo biti, da v kolikor zapišemo informacijo za dodatno omejitve, za katero želimo, da vstopa v matriko proizvodnih možnosti, da se v tem stolpcu zapiše tudi številka vrstice. 6.2.3. Pod-modul za pripravo matrike proizvodnih možnosti 6.2.3.1. Opis in namen pod-modula za pripravo matrike proizvodnih možnosti Pod-modul za pripravo matrike proizvodnih možnosti sloni na vseh do sedaj predstavljenih modulih in pod-modulih. Njegov ključni namen je, da na podlagi atributov kmetijskega gospodarstva lahko pripravimo proizvodni načrt kmetijskega gospodarstva in ga nadalje tudi analiziramo. V ta pod-modul se vključujejo že prilagojene modelne kalkulacije. Pod-modul je zasnovan po načelih matematičnega programiranja. Tako proizvodni načrt zapišemo v obliki matrike proizvodnih možnosti. Ta je osnova za nadaljnje modeliranje s pomočjo metod matematičnega programiranja. Pod-modul je zasnovan tako, da na razmeroma enostaven, predvsem pa hiter način lahko pripravimo osnovo za nadaljnjo analizo. Koncept temelji na dveh korakih. V obsežnejšem delu imamo t.i. »banko« ključnih informacij za kreiranje matrike proizvodnih možnosti, vključno z enačbami za definiranje mej (za levo stran enačb - LHS in desno stran enačb - RHS) znotraj katerih lahko iščemo rešitev. Gre za zelo obsežno matriko (»NABOR_MATRIKA«) v kateri so zapisane informacije o ključnih tehnoloških koeficientih, ki se bodisi i) prepišejo iz prilagojenih modelnih kalkulacij, ii) zapišejo na podlagi vnosa atributov kmetijskega gospodarstva v pod-modulu za popis kmetijskih gospodarstev oziroma iii) so konstante in posledično neodvisne od analiziranega primera. S pomočjo večjega števila ugnezdenih zank in tehničnih rešitev je pod-modul zasnovan tako, da je ta del (»banka«) univerzalen ne glede na analiziran primer in ga ročno pri delu tudi ne spreminjamo. Izjema je v primeru dodajanja novih proizvodnih/tržnih aktivnosti in omejitev, ki pa je trenutna verzija orodja še ne vključuje. V drugem koraku se na podlagi vnosa atributov kmetijskega gospodarstva, kot tudi atributov same analize (na listu »OPIS_KMG«), samodejno kreira matrika proizvodnih možnosti. Ta se zapiše na list »UNI_MATRIKA«. Pri tem s pomočjo sorazmerno zapletenega postopka VBA-koda v posamezni (izbrani) modelni kalkulaciji poišče iskane vrednosti in jih prepiše v matriko. Prav tako se zapišejo vsi ostali tehnološki koeficienti kot tudi enačbe in omejitve. Tako lahko nadalje izvedemo pripravo in analizo proizvodnega načrta danega kmetijskega gospodarstva. V tem delu je pod-modul zasnovan tako, da omogoča tudi nadaljnje delo s samo matriko (Slika 35). Po potrebi lahko ponovno pregledamo nabor omejitev, izpustimo kakšno od že zapisanih oziroma jo ponovno vključimo. Nadalje lahko izbrišemo aktivnosti, ki niso (več) aktivne. Pri pripravi optimalnega načrta si pomagamo s tehnikami matematičnega programiranja. Postopek podrobneje opisujemo v poglavju 6.2.3.5. Nadalje smo razvili tudi poseben podporni modul za arhiviranje rezultatov, ki preko podpornega modula (»MODUL1«) odpre arhiv in shrani rezultate, ki jih s pomočjo šifriranja lahko vključimo tudi v nadaljnjo analizo oziroma morebitno primerjavo sprememb in stabilnosti proizvodnih načrtov. Slika 35: Shema pod-modula za popis kmetijskega gospodarstva in povezovanje z ostalimi moduli, pod-moduli in dokumenti Sistem modela KMG Sistem MK Model KMG »MODUL KMG« POD - MODUL za popis KMG POD - MODUL za izpis izhodiščnih vrednosti MK POD - MODUL za prilagajanje MK POD - MODUL za prilagajanje »ZBIRa« POD - MODUL za UVAŽANJE/ ARHIVIRANJE POROČILA 6.2.3.2. Struktura in zasnova pod-modula za pripravo matrike proizvodnih možnosti Pri delovanju danega pod-modula je ključna njegova struktura in zasnova. Tudi ta pod-modul je zasnovan tako, da je popolnoma prilagodljiv in ga brez težave nadgradimo in sicer tako v smeri vključenosti večjega števila aktivnosti, kot tudi dodatnih omejitev oziroma kazalnikov na ravni gospodarstva. Osnovni koncept je, da se vse povezave na posamezne modelne kalkulacije, ki jih obravnavamo in so zapisane v podpornem modulu (»MODUL 1«), zapišejo vedno znova pri vsakem kreiranju univerzalne matrike. V nasprotnem primeru bi se namreč z izbrisom določene modelne kalkulacije iz nabora možnosti v podpornem modulu (»MODUL 1«) za analiziran primer izgubile tudi vse povezave in funkcijske odvisnosti. Podoben tehnični problem bi bil tudi pri dodajanju novih modelnih kalkulacij v nabor možnih proizvodnih aktivnosti. Kot podrobneje predstavljamo v poglavju 6.2.5, se nabor modelnih kalkulacij lahko v katerem koli trenutku analize na novo uvozi, nadgradi ali popravi in to ne sme vplivati na delovanje orodja. Struktura je, podobno kot pri pod-modulu za popis atributov kmetijskega gospodarstva (poglavje 6.2.2.6), v naprej definirana. Določeno je, katere informacije se nahajajo v posameznem stolpcu, vrstice pa se lahko poljubno dodajajo. Takšen primer bi bil, če bi želeli spremljati še kakšen kazalnik na ravni celotnega gospodarstva, ki ga trenutno še ne spremljamo oziroma bi želeli dodati novo omejitev. Struktura osnovne matrike se deli na dva dela (Slika 36). V prvem delu se nahajajo informacije za vse vrste omejitev in zbirnikov, v drugem delu pa so podatki o vseh aktivnosti (proizvodnih, tržnih, povezovalnih), ki se lahko vključijo v univerzalno matriko. Slika 36: Struktura pod-modula za pripravo univerzalne matrike M_O_P_O_R S I T I U_V_W_X Y_Z_M AB AC AD AKT9 AKT10 AKTU kozje_mle brojler jajca SC$6 $C$6 $C$6 kfe) kft) SDS6 SDS6 SDS6 $E$6 $E$6 $E$6 ~ $F$6 $F$6 $F$6 AJi E_9&8 ,_N E_10&4 .Ji E_1135 ■ Dirnbek F Dirnbek I- Dirnbek tj $CF$327 $CF$327 $CF$327 $CF$314 $CF$314 $CF$314 SCFS342 $CF$342 $CF$342 SCHS373 SCHS373 SCHS373 SCCS138 SCCS138 SCCS138 Prvi del matrike (»N« do »S«) se nanaša na omejitve (Slika 36). Pri tem je stolpec »Q« rezerviran za ime vrstice. Gre za ime omejitve, skupno ime skupine, ime t.i. zbirnika oziroma preprosto »ime/naziv podatkov«, ki se v dani vrstici nahajajo. Pri tem je zelo pomembno, da se imena (zlasti omejitev) sklicujejo na list »OPIS_KMG«. Po teh imenih namreč s pomočjo posebej za to razvitega pristopa pod-modul išče vrednosti za desno stran enačb (RHS). Slednje je narejeno tako, da se v stolpcu »N« samodejno zapiše vrstica iz lista »OPIS_KMG«, kjer se podatek nahaja. Ta fleksibilnost je že opisana pri zasnovi pod-modula za opis kmetijskega gospodarstva (poglavje 6.2.2) in je zelo pomembna, saj se zaradi možnosti širjenja številke vrstic nenehno spreminjajo in so posledično v danem primeru definirane kot spremenljivke. Stolpec »O« je rezerviran za zapis enot vrednosti, ki so zapisane v posamezni vrstici (npr. kg, GVŽ, MJ) (Slika 36). Stolpec »P« nosi informacijo o tem ali se pri zapisu matrike proizvodnih možnosti posamezna vrstica prepiše ali ne. Gre za vektor vrednosti, pri katerem »1« pomeni, da se vrstica pri zapisu prepiše, »0« pa da se izpusti. Tehnično smo ta del razvili do te mere, da se izbira samodejno zapiše glede na vnesene podatke o analiziranem kmetijskem gospodarstvu in analizi na listu »OPIS_KMG«. Tako tudi v tem delu vstopa podatek iz stolpca »O«, torej številka vrstice kjer se posamezen podatek nahaja. Gre za sorazmerno zapleten sistem pogojnih stavkov113, ki spremljajo več pogojev, ki morajo biti izpolnjeni, da se določena omejitev lahko upošteva in se zapiše »1«. Informacija v stolpcu »P« vpliva tudi na stolpec »R«, v katerem se samodejno zapiše vrstica, kamor se pri zapisu matrike prepiše določena vrstica. Namreč v kolikor določena vrstica ni izbrana se tudi številka vrstice v matriki ne bo zapisala, s tem pa se izpusti tudi pri prepisu v univerzalno matriko proizvodnih možnosti. Model je zasnovan tako, da se zapis matrike prične v vrstici 650, kar je predvsem posledica možnosti širjenja na kompleksnejše metode matematičnega programiranja in s tem v določnem delu tudi širjenja modela retrogradno navzgor. V stolpcu »S« definiramo tip informacij v določeni vrstici, kot tudi kakšno relacijo ima leva stran enačbe (LHS) glede na desno stran enačb (RHS) pri nadaljnjem matematičnem programiranju. V ta del tako zapišemo relacijo podatkov. Trenutno možne relacije in njihov pomen prikazujemo v spodnji preglednici (Preglednica 50). ZAPISI JNI MATRIKO ENOTA Izberi 1/0 OPIS - vnosa (omejitve/sumarnik/itd..) Ime kalkulacije 1 št stolpca v kateri je zapisana posamezna AKTIVMOST! Ime kalkulacije 1 Enota 1 Zbir 1 Cenik kg/ha; k 1 Pridelek 1 DA/NE - aktivnosti 1 Zaznamek za UN I MTRIKA 1 Koda_arh iv_resitve 1 Ekonomski kazalniki € 1 LASTNA CENA (EUR/kg) € 1 STROŠKI ZMANJŠANI ZA SUBVENCIJE EUR/kg € 1 PC € 1 Prihodki (vrednost pridelave skupaj) Obveznosti povezani s stroški m plač 660 661 inf 662 inf 663 inf 664 inf ' AKTI mlekoPR AKT2 mleko AKT3 dojilje AKT4 pteldoj AKT5 pltel AKT6 mpgl50 AKT7 mpg AKT8 ovcelOO $C&6 $C$6 $C$6 $C$6 $C$6 $C$6 $C$6 $C$6 €/fl €/gl €/gl €/gl €/g" m m €/e« SDS6 5DS6 5DS6 5DS6 5DS6 SDS6 SDS6 SDS6 $E$& $E$6 $E$6 $E$6 $E$6 $E$6 $E$6 SE$6 $F$6 $F$6 $F$6 SF$6 SF$6 SFS6 SFS6 SF56 DA_NE_500 A_NE_418 A_NE_712 A_NE_848 A_NE_783 A_NE_&46 A_NE_5Ä0 A_NE_914 i Dirnbek Helr Dirnbek I- Dirnbek I- Dirnbek I- Dirnbek F Dirnbek F Dirnbek F Dirnbek F $CF$327 $CF$327 $CF$327 $CF$327 $CF$327 $CF$327 $CF$327 $CF$327 $CF$314 $CF$314 $CF$314 $CF$314 $CF$314 $CF$314 $CF$314 $CF$314 $CF$342 $CF$342 $CF$342 $CF$342 $CF$342 $CF$342 $CF$342 $CF$342 SCHS373 SCHS373 SCHS373 SCHS373 SCHS373 5CH5373 5CH5373 SCHS373 667 sum SCCS13S SCCS138 SCCS133 SCCS138 SCCS138 SCCS138 SCCS138 SCCS138 113 Zaradi univerzalne kode, ki sama prebere potrebne podatke (gre za t.i. »indirect« enačbe - pristop) pri širjenju modela (dodajanje novih vrstic) enačbo načeloma lahko kopiramo in jo po potrebi prilagodimo - če bi želeli dodati še kakšen dodaten pogoj. Preglednica 50: Pomen šifer posameznih relacij, s katerimi označimo tip podatka v posamezni vrstici na listu »NABOR MATRIKA« Relacija Pomen < Gre za enačbo in sicer LHS mora biti manjša od RHS. > Gre za enačbo in sicer LHS mora biti večja od RHS. Gre za enačbo in sicer LHS mora biti enaka RHS. Sum Podatki v dani vrstici nas zanimajo kot dosežena vsota produktov na ravni kmetijskega gospodarstva. OBF_MIN V dani vrstici so zapisani vzročni koeficienti ciljne funkcije, ki je predmet minimiziranja. OBF_MAX V dani vrstici so zapisani vzročni koeficienti ciljne funkcije, ki je predmet maksimiranja. inf Podatki v dani vrstici nas zanimajo zgolj informativno na ravni posamezne aktivnosti in nimajo pomena na ravni kmetijskega gospodarstva, zato enačba za izračun vsot produktov ne bo zapisana. Drugi del matrike (Slika 36) od stolpca »T« dalje se nanaša na aktivnosti. Tako so v tem delu matrike zapisani podatki o vseh spremenljivkah, ki kot takšne ali drugačne aktivnosti lahko vstopajo v reševanje proizvodnega problema. Ta del se prične v stolpcu »T« in nima omejitev v številu aktivnosti oziroma je omejen s številom možnih stolpcev v elektronski preglednici, kar pa v našem primeru krepko presega potrebe danega orodja. Pri zapisu drugega dela so pomembne tudi prve vrstice. Sam zapis matrike se začne v vrstici »29«, kjer je zapisana »univerzalna koda posamezne aktivnosti« in sicer kot AKT1, AKT2, AKT3 itd. Tako se vsaki aktivnosti pripiše zaporedna koda, ki je enoznačna, ni pa fiksna. V kolikor vrinemo dodatno aktivnost pri širjenju orodja na nove proizvodne aktivnosti (npr. dodamo zelenjadarsko aktivnost), se kode samodejno posodobijo. V dani kodi je ključnega pomena številka, ki pomeni številko stolpca v univerzalni matriki proizvodnih možnosti, ki se kreira na podlagi danih informacij na listu »NABOR_MATRIKA«. Nadalje v vrstici »30« zapišemo ime posamezne aktivnosti in v vrstici »31« številko stolpca v katerem so zapisani podatki za posamezno aktivnost na listu »NABOR_MATRIKA«. Vsebina teh vrstic se zaradi pravilnega delovanja ne sme spreminjati, vse ostale pa se zaradi že predstavljenega pristopa po potrebi lahko tudi prilagodijo, vrinejo itd. Sam nabor aktivnosti je podrobneje predstavljen v poglavju 6.2.3.3, sicer pa zasnova predvideva, da je vsaka aktivnost popisana v svojem stolpcu - vektorski zapis. Tako je prva proizvodna aktivnost v stolpcu »T«, druga v stolpcu »U«, tretja v stolpcu »W« in tako naprej. Koda za zapisovanje matrike je razvita tako, da najprej zapiše podatke po vseh izbranih vrsticah (imajo koeficient »1« v stolpcu »P«) znotraj prve izbrane aktivnosti in nato druge in tako dalje, do zadnje še izbrane aktivnosti. Ker gre z vidika zapisa univerzalne matrike v osnovi za dva ločena tipa, smo razvili dve različni kodi in jih združili v enoten ukaz »ZAPIŠI UNI MATRIKO« (Slika 37). Slika 37: Ukazni gumbi vezani na pod-modul za pripravo matrike proizvodnih možnosti UNI MATRIKA - DODATNA OBDELAVA & ZAGON REŠEVALCA ZA PRIPRAVO PROIZVODNEGA NAČRTA ZAPIŠI UNI MATRIKO Izbriši neaktivne aktivnosti PONOVNO naloži omejitve glede na trenutno izbiro (1/0) LP - pripravi proizvodni načrt V prvem delu gre predvsem za prepis izbranih podatkov iz posamezne modelne kalkulacije (proizvodne aktivnosti), ki je bila uvožena in prilagojena v podpornem modulu (»MODULI«). Pri teh je ključno, da navedemo celico kjer se posamezen podatek/vrednost nahaja v obliki absolutnega sklica ($F$6 za pridelek; $CH$373 za skupni prihodek itd.) ( Slika 38) in po potrebi spremenimo tudi predznak (zaradi zagotavljanja sledenju logike matematičnega programiranja, npr. potrebe po hranilnih vrednostih so pri živinorejskih aktivnostih negativne, hranilna vrednost krme pa je v isti enačbi pozitivna). Tako koda s pomočjo imena proizvodne aktivnosti (vrstica »30«), ki je enako imenu modelne kalkulacije, poišče ustrezno modelno kalkulacijo, ki se kot delovni list nahaja v podpornem modulu (»MODULI«) in prepiše dano vrednost v univerzalno matriko. Pri tem je velika prednost v enaki strukturi zasnovanih modelnih kalkulacij, kar pomeni, da se določen podatek (npr. pridelek, poraba domačega dela) nahaja v modelni kalkulaciji vedno na istem mestu. Slednje poleg manjše možnosti za napako, omogoča tudi lažje nadgrajevanje dane matrike z »banko podatkov« (NABOR_MATRIKA), saj so posledično določeni sklici (vrednosti) enaki za vse proizvodne aktivnosti ( Slika 38) in jih pri dodajanju novih (sorodnih) aktivnosti vsaj v tem delu lahko preprosto prekopiramo. Slika 38: Primer zapisa tehnoloških koeficientov, ki se prepišejo neposredno iz posamezne modelne kalkulacije RHS- št vi ENOTA Izberi 1/0 OPIS - vnosa (omejitve/sumarnik/itd..) ŠT VRSTIC K. AKTI AKT2 AKT3 AKT4 AKT5 AKT6 AKT7 AKT8 AKT9 AKT 10 AKTU Ime kalkulacije 650 mlekoPR mleko dojilje pteldoj pltel mpgl50 mpg ovce100 kozje_mle brojler jajca H Domača delovna sila 706 154 h Lastna delovna sila - h 707 < $CC$187 $CC$187 $CC$187 $CC$187 $CC$187 $CC$187 $CC$1S7 $CC$187 $CC$1S7 $CC$187 $CC$1S7 h 1 Domača delovna sila PRENESENO 70S sum SCD5187 5CD5187 SCDS187 5CD5187 5CDS137 SCDS187 5CDS187 5CD5187 5CDS187 SCDS187 SCDS187 h 1 Domača delovna sila SKUPAJ 709 sum SCF5187 SCF5187 SCF5187 SCFS187 5CF5187 5CFS187 5CF5187 SCFS187 SCFS187 SCFS187 SCFS187 h 1 DOMAČE STROJNE STORITVE DIREKTNO 710 sum $€€$188 $CC$188 $CC$188 $CC$188 $CC$188 $CC$188 $CC$188 $CC$188 $CC$188 $CC$188 $CC$188 h 0 DOMAČE STROJNE STORITVE PRENESENO sum $CD$1S8 $CD$188 $CD$188 $CD$188 $CD$188 $CD$188 $CD$188 $CD$188 $CD$188 $CD$188 $CD$188 h 1 DOMAČE STROJNE STORITVE skupaj 712 sum $CF$1S8 $CF$188 $CF$188 $CF$188 $CF$188 $CF$188 $CF$1S8 $CF$188 $CF$1S8 $CF$188 $CF$138 Določena področja matrike so zaradi narave podatkov nekoliko drugače rešena in se tako razlikujejo od do sedaj predstavljenega sistema. Pri določenih področjih je namreč pred zapisom potrebno narediti še dodaten izračun, npr. pomnožimo vsebnost hranilnih snovi z neto količino pridelka (Slika 39) ali pomnožimo z vrednostjo, ki je zapisana na listu »OPIS_KMG« oziroma iščemo po določenih vrednostih iz modelne kalkulacije, saj v naprej ni jasno, na katerem mestu se določen podatek lahko pojavi. Primer slednjega so krmni obroki, saj se krma, ki vstopa v krmni obrok lahko spreminja in se določena vrsta krme ne pojavi vedno na istem mestu v isti celici, pač pa le v določenem obsegu celic. Če imamo več skupin obrokov (npr. zimski/letni ali pri pitanju za posamezna obdobja), se lahko zgodi, da se določena krma (npr. seno) pojavi večkrat. Nadalje je izziv tudi, da smo pri krmni bilanci in krmnih obrokih v model, kot tudi modelne kalkulacije, vključili možnost upoštevanja obroka iz standardnih modelnih kalkulacij ali pa obroka, ki ga sestavimo s pomočjo modula za optimizacijo krmnega obroka (poglavje 6.4). product_$E$103*$F$6 product_$F$103*$f$6 OPIS - vnosa (omejitve/sumarnik/itd..] AKT2S AKT29 АКГ30 Ime kalkulacije krompir ajda tj. i 11 NEL-bilanca 6 ME-bilanca 6 MEnep-bilanca PSB-bilanca .& SB-bilanca .6 SS-bilanca > SVLmin-bilanca > SVLmax-bilanca 5 Ca-bilanca ü P-bilanca Mg-bilanca i6 FJa-bilanca ;6 AKT31 AKT32 AKTU AKT34 tsilBl tsilNl tsilNBl senoHZl product Sl03' SFS6 product_S3103,:SFS6 product J>103*$F$6 product_Sji03-$F$6 product_$H5i03*SFS6 pradlJCt_SG$103*5FS6 praduct_SlS103*SF$6 product_JJ$103*$FS6 produc1_SK$103'SFS£ product_$L$i03*$F$6 p ro d uct_SM &103 *$F$6 product_$NSl03*SF$6 product 5o5iii3*$f$6 product product product product product product product product product _S3103'SFS6 _S?103*$F$6 _S5iB3*$F$e _S5l03'$F$6 S3103'SFS6 _S;ICI3'SFS6 _S>103"SFS6 _S3103'SFS6 S31CI3'5F56 product product product product product product product product product _S3103a:SFS6 55103*SFS6 _Sil03»SF$6 _S;IO3*$F$6 S3103,:SFS6 _S;io3*$F$6 _S5103,:SF$6 S3103a:SFS6 55103*SFS6 Kot podrobneje pojasnjujemo v poglavju 6.2.3.3 se s pomočjo danega orodja lahko spremlja tudi struktura krmnega obroka (količina posamezen krme, skupine krme itd.) in ne zgolj krmne potrebe. Za namen slednjega smo razvili zapleten sistem pogojnih stavkov114, ki preko t.i. indirect pristopa poišče in združi krmo določene skupine (Slika 40). Podoben pristop je uporabljen tudi na strani proizvodnih aktivnosti za pridelavo krme in tržnih aktivnosti za prodajo presežkov krme. Slika 40: Prikaz izračunavanja tehničnih koeficientov, kot primer 'sumarnika' potreb po določeni krmi T202 • 1 \x V fi =ROLND(IF(OR(INDIRECT("[MODLILl.xlsinn]" & T$30 & "!" & "$F$22")=0;INDIRECT["[MODULL.xl5m]" & T$30 &"!"&" N O P a R s R 5 T U V W ZT u~ QJ cr Ol "j* RHS - stvr ENOTA Izberi 1/0 OPIS -vnosa (omejitve/sumarnik/itd..) ŠT VRSTIC Л V ŠT VRSTIC Л v* AKTI AKT2 AKTJ AKT4 J Ime kalkulacije 650 650 mlekoPR mleko dojilje pteldoj f _ Krmni obrok - bilanca krme 821 821 47S2 kg Seno bilanca 822 > 822 > 0 -87,8 -328,1 -777,5 4734 kg 0 SenoN bilanca > > 0 0 0 0 4786 kg 0 SenoB bilanca > > 0 0 0 0 4788 kg 0 tsil bilanca > > -7630,6 -5627,3 -2170,2 -1316,9 4730 kg 0 pasa bilanca > > 0 -7353,3 -11548,5 -6862,8 4732 kg 0 silkor bilanca > > -3761,3 -2333,4 -2708,3 -3067,9 4734 kg 0 koruza bilanca > > -40,6 -383,1 -243,8 -349,8 4736 kg 0 ječmen bilanca > > 0 0 0 0 4738 kg 0 sojtrop bilanca > > -91,3 -32,1 0 0 4800 kg 0 pšenica bilanca > > 0 0 0 0 4802 kg 0 ti starter bilanca > > 0 -83,2 0 0 4304 kg 0 m in vit bilanca > > 0 -66,9 -23,7 -33,8 29 30 200 201 202 203 204 205 206 207 208 209 210 211 212 213 Povsem drugače smo morali rešiti problem za ostale neproizvodne aktivnosti, ki se ne nanašajo na modelne kalkulacije. Pri teh se podatki črpajo neposredno iz pod-modula za popis kmetijskih gospodarstev in so šifrirani. Slednje omogoča, da se pri zapisu pravilno zapišejo sklici, enačbe oziroma vrednosti. Takšen primer so tudi povezovalne aktivnosti za kolobar, ki jih prikazujemo na spodnji sliki (Slika 41). Pri teh so vsi vnosi šifrirani in jih posledično tudi logična zanka v VBA kodi prepozna in pravilno zapiše. Tako koda »-OPIS_KMG_286« definira točno mesto, kje na listu »OPIS_KMG« se podatek za posamezen koeficient nahaja (Slika 41). Zaradi že omenjene možnosti širjenja pod-modula za popis 114 Primer za celico »T202« (Slika 40), kjer je zapisana količina sena, ki vstopa v krmni obrok krav molznic v prosti reji, je enačba za izpis zapisana takole: =ROUND(IF(OR(INDIRECT("[MODUL1.xlsm]" & T$30 & "!" & "$F$22")=0;INDIRECT("[MODUL1.xlsm]" & T$30 & "!" & "$F$22")=2);(-SUMIFS(INDIRECT("[MODUL1.xlsm]" & T$30 & "!" & "$BA$80:$BA$99");(INDIRECT("[MODUL1.xlsm]" & T$30 & "!" & "$AJ$80:$AJ$99")); "*" & (LEFT($Q202;(LEN($Q202)-10))) & "*"));(-SUMIFS(INDIRECT("[MODUL1.xlsm]" & T$30 & "!" & "$AZ$8:$AZ$52");(INDIRECT("[MODUL1.xlsm]" & T$30 & "!" & "$AW$8:$AW$52")); "*" & (LEFT($Q202;(LEN($Q202)-10))) & "*")));1) kmetijskih gospodarstev, se te kode sproti prilagajajo in s tem omogočajo prilagodljivost in pravilno delovanje pod-modula. Slika 41: Primer zapisa tehničnih koeficientov za neproizvodne aktivnosti na listu »NABOR_MATRIKA« Podoben pristop je uporabljen tudi pri ostalih aktivnosti oziroma ostalih področjih (ekonomski kazalniki, vsebnosti rudninskih hranil pri kupljenih mineralnih gnojilih, vsebnost hranil pri kupljeni krmi itd.). Takšen pristop omogoča veliko fleksibilnost prilagajanja matrike analiziranemu primeru ob hkratnem možnem širjenju samega orodja. Uporabnik tako, razen pri nadgrajevanju orodja, tega dela ne spreminja, temveč so vsi postopki prilagajanja popolnoma avtomatizirani. Slednje je zelo pomembno, saj bi bila sicer sama uporaba orodja prezahtevna. 6.2.3.3. Nabor aktivnosti, omejitev in zbirnikov V danem poglavju na kratko povzemamo nabor aktivnosti, ki jih vključuje trenutna različica matrike proizvodnih možnosti ter ključne skupine omejitev in zbirnikov. Na vseh treh področjih je modul možno poljubno nadgraditi in razširiti. Koliko in kje je odvisno predvsem od analize, ki bi jo v bodoče denimo še želeli narediti z modelom kmetijskih gospodarstev. Trenutna struktura univerzalne proizvodne matrike je takšna, da se v prvem delu zapišejo proizvodne aktivnosti. Najprej se zapišejo živinorejske aktivnosti, sledi pa nabor poljedelskih in travniških aktivnosti. Slednje so zaradi že opisanega obširnega teoretičnega nabora možnosti različnih košenj (eno-kosni do šestkosni sistem) in načinov spravila (sušenje na travinju, na sušilni napravi, baliranje ter siliranje v silos oziroma v okrogle bale) zelo obsežne in vključujejo 60 različnih hipotetičnih variacij. Sledijo zelenjadarske, vinogradniške in sadjarske proizvodne aktivnosti. Nekoliko podrobneje je nabor proizvodnih aktivnosti predstavljen v poglavju 6.2.6. Temu sledi obsežen nabor ne-proizvodnih aktivnosti. Te vključujejo aktivnosti za (možnost) najema dodatne delovne sile, najema dodatnih obdelovanih površin vključno z možnostjo oddaje v najem. Precej obsežen del predstavlja tudi nabor povezovalnih aktivnosti, ki se nanašajo na sistem, ki zagotavlja želen/ustrezen način spravila pridelkov na travinju. Gre za tehnologijo spravila, ki je dostopna, sprejemljiva oziroma možna na danem gospodarstvu. Podobno velja za upoštevanje omejitev kolobarja za posamezne skupine kultur na njivskih površinah. Sledijo tržne aktivnosti. V prvem delu gre za možnost nakupa desetih vrst mineralnih gnojil, ki se poljubno izberejo in definirajo v pod-modulu za opis proizvodnih atributov kmetijskega gospodarstva. Enako velja tudi za naslednjih deset aktivnosti nabave močne krme, kot tudi prodajo presežkov predvsem doma pridelane krme. Trenutno tako matrika vključuje 144 aktivnosti oziroma 51 ne- N OP Q R S DU DV DW DX DY DZ EA EB EC ED RHS-štvr ENOTA "S AKT106 AKT107 AKT108 AKT109 AKT110 AKTIH AKTI 12 AKT113 AKT114 AKT11! Izberi 1/0 OPIS - vnosa (omejitve/sum ami k/itd..) ŠT VRSTIC Ime kalkulacije 650 KOL N SL KOL N SL KOL N SL KOL N SL KOL N SL KOL N SL KOL N SL KOL N SL KOL N DE NPK15 4720 4721 % 1 SUM delež okopavin 757 < < < < < < < < > > > > > > > > -1 % 1 SUM delež žit 758 -1 4722 % 1 SUM pšenica 759 -1 4723 % 1 SUM ječmen 760 -1 4724 4725 % 1 SUM TD M 761 -1 % 1 SUM Zelenjadnice 762 -1 4726 % 1 SUM Oljnice 763 -1 4727 % 1 SUM Beljakovinska krma 764 -1 4728 4729 4730 4731 4732 4733 4734 4735 % 1 MAX delež okopavin 765 1 -OPIS KMG 286 % 1 MAX delež žit 766 1 -OPIS KMG 287 % 1 MAX pšenica 767 1 -OPIS KMG 288 % 1 MAX ječmen 768 1 -OPIS KMG 289 % 1 Max TDM 769 1 -OPIS KMG 290 % 1 MAX Zelenjadnice 770 1 -OPIS KMG 291 % 1 MAX Oljnice 771 1 -OPIS KMG 292 % 1 MAX Beljakovinska krma 772 1 -OPIS KMG 293 4736 % 1 MIN delež okopavin 773 1 -OPIS KMG 297 4737 % 1 MIN delež žit 774 1 -OPIS KMG 298 4738 % 1 MIN pšenica 775 1 -OPIS KMG 299 4739 % 1 MIN ječmen 776 1 -OPIS KMG 300 4740 % 1 MIN TD M 777 1 -OPIS KMG 301 4741 % 1 MIN Zelenjadnice 778 1 -OPIS KMG 302 4742 4743 4744 % 1 MIN Oljnice 779 1 -OPIS KMG 303 % 1 MIN Beljakovinska krma 780 1 -OPIS KMG 304 % 1 Njive kolobar-SUM 781 -1 proizvodnih aktivnosti, ki omogočajo tako izravnavo hranilnih bilanc in izračun presežkov proizvodnje za prodajo kot tudi upoštevanje tehnoloških zakonitosti. Obsežen je tudi nabor omejitev, ki se lahko vključujejo pri reševanju problema proizvodnega načrta kmetijskega gospodarstva. Kot je predstavljeno v poglavju 6.2.3.2 se s pomočjo vrednosti »0« ali »1« v stolpcu »P« vklaplja oziroma izklaplja posamezne omejitve oziroma skupine omejitev. Prav tako se s preprosto spremembo relacije (predstavljene v Preglednica 50) lahko spremeni za kakšno omejitev gre (<, > ali =), lahko pa jo tudi izklopimo in spremljamo zgolj kot vsoto produktov - v takšnem primeru zapišemo »sum«. Lahko pa spremljamo tudi zgolj vrednost na ravni posamezne aktivnosti (npr. lastne cene115) in tako zapišemo »inf«. Omejitve lahko razdelimo na več skupin in sicer: i) omejitve v zvezi z delovno silo, kjer lahko spremljamo in ločimo med različnimi kategorijami, vključno z ročnim in strojnim delom domače delovne sile, najetim delom itd., ii) omejitve, vezane na obdelovalne površine (odvisno od danosti kmetijskega gospodarstva ločeno za njive, trajne travnike, pašnike, ekstenzivne in intenzivne sadovnjake ter vinograde), iii) omejitve, vezane na največji dovoljen najem oziroma oddajo obdelovalnih površin, iv) omejitve za zagotavljanje minimalne izkoriščenosti površin za vse kategorije zemljišč (omogoča, da površine ob neugodnih ekonomskih razmerah nebi ostale neobdelane), v) obsežna skupina omejitev, vezanih na minimalen in maksimalen delež načina spravila na travinju, vi) obsežna skupina omejitev, vezanih na minimalen in maksimalen delež vključenosti posameznih skupin posevkov v njivski kolobar (delež okopavin, žit, pšenice, ječmena, travno deteljnih mešanic, zelenjadnic, oljnic in beljakovinske krme), vii) omejitve, vezane na bilanco rudninskih hranil na ravni kmetijskega gospodarstva, vključno z organskimi gnojili, viii) omejitve, vezane na zagotavljanje ustrezne obtežbe (GVŽ/ha), ix) omejitve, vezane na število stojišč različnih kategorij in vrst domačih živali, x) omejitve, vezane na razpoložljive kapacitete silosov za spravilo krme, xi) sorazmerno obsežen nabor omejitev, vezanih na bilanco hranil pri zagotavljanju krmnih potreb domačih živali, xii) nabor omejitev, vezanih na bilanco krme, ki vstopa v krmne obroke domačih živali na kmetijskem gospodarstvu, xiii) zelo obsežen nabor omejitev, vezanih na možnost rekonstruiranja proizvodnega načrta kmetijskega gospodarstva, ki omogočajo, da se pri optimalnem proizvodnem načrtu vključi takšen obseg posameznih aktivnosti, kot se trenutno izvajajo na kmetijskem gospodarstvu ter xiv) skupina omejitev, ki omogoča bilanco predvsem doma pridelane močne in tudi voluminozne krme, katere presežki se lahko prodajo na trgu. 115 V takšnem primeru vsota produktov ne bi imela nobenega pomena (npr. LC prireje mleka, pomnoženo s številom krav molznic). Velika dodana vrednost temeljenja celotnega sistema modela kmetijskega gospodarstva na sistemu modelnih kalkulacij je izračun in prikaz ekonomskih kazalnikov tudi na ravni kmetijskega gospodarstva. Večinoma gre namreč za kazalnike, ki jih vključujejo analitične modelne kalkulacije. Pretežno se v model vključujejo kot zbirniki, torej kot kazalniki, lahko pa vstopajo tudi kot omejitve116. Po izbiri se lahko vključujejo tudi kot vzročni koeficienti ciljne funkcije matematičnega programa. V tem delu bi po potrebi oziroma želji po spremljanju dodatnega kazalnika tega brez zadrege lahko tudi dodali. Trenutni nabor vključuje: i) osnovne ekonomske kazalnike (lastno ceno, lastno ceno zmanjšano za subvencije, prodajno ceno, skupne prihodke, skupne stroške, variabilne stroške), ii) obveznosti, povezane s stroški dela, iii) različne kategorije izračunavanja pokritja, vključno s paritetnim dohodkom, iv) stroške vloženih sredstev in amortizacije, v) kategorije, vezane na stroške zavarovanj, vi) posebna skupina pa so tudi informacije o posameznih proizvodnih aktivnostih (npr. ali je proizvodna aktivnost izbrana ali ne, kakšna imena se pojavljajo v različnih sistemih (ZBIR, cenik) za dano proizvodno aktivnost, v kakšnih enotah je izražena posamezna aktivnost). 6.2.3.4. Širj'enj'e univerzalne matrike proizvodnih možnosti Kot smo večkrat poudarili je pod-modul za pripravo proizvodnih možnosti možno nadgraditi in razširiti bodisi z dodajanjem novih aktivnosti, kot tudi omejitev in kazalnikov na ravni kmetijskega gospodarstva. Pri širjenju nabora aktivnosti je ključno, da nove proizvodne aktivnosti dodajamo v sorodne skupine že obstoječih aktivnosti. To omogoča, da laže nadziramo kode in šifre za posamezne tehnične koeficiente ter da zaradi obsežnega nabora pomotoma ne izpustimo kakšnega od koeficientov, saj bi to imelo za posledico nepravilno delovanje matrike proizvodnih možnosti. Problem tovrstnih napak je, da se lahko izraziteje izkažejo šele ob določenih robnih primerih, ki bi jih analizirali. Tako je takšno napako sorazmerno težko najti oziroma zahteva veliko izkušenj in spretnosti z modeliranjem. Preden dodamo novo proizvodno aktivnost, ki temelji na modelnih kalkulacijah, jo je potrebno vključiti tudi v pod-modul za opis značilnosti kmetijskih gospodarstev (poglavje 6.2.2), v »MODUL1« (poglavje 6.2.5) in v »ZBIR« (poglavje 6.2.4). Nekoliko preprostejši je način dodajanja ne-proizvodnih aktivnosti, kjer je ključno, da jih popišemo le na pod-modulu za opis značilnosti kmetijskih gospodarstev (poglavje 6.2.2). Pri dodajanju nove aktivnosti na listu »NABOR_MATRIKA« tako preprosto vrinemo stolpec, prekopiramo enačbo za kreiranje šifre aktivnosti v vrstici »29« in za zapis številke stolpca v vrstici »31« zapišemo ime in nadaljujemo z vnosom tehničnih koeficientov. Nekoliko preprostejši je postopek dodajanja novih omejitev in zbirnikov. Postopek za oba je enak, razlika je zgolj v vrednosti v stolpcu »S«. Pri tem preprosto vrinemo dodatno vrstico v celotnem obsegu delovnega zvezka. Tudi tu je zaradi ohranjanja preglednosti priporočljivo, da vrstico vrinemo oziroma dodamo tam, kjer se informacije najbolj povezujejo z že vnesenimi podatki. Nadalje pazimo, da nov vnos vsebuje vrednosti v vseh ključni stolpcih od »N« do »S«. Pri imenu naredimo sklic na list »OPIS_KMG«117. Držimo se namreč načela programiranja, da se vsak podatek zapiše zgolj enkrat. Nadalje v stolpcu »N« prekopiramo enačbo iz zgornjega ali spodnjega obsega (nima vpliva, ker je enaka), da poišče številko vrstice na listu »OPIS_KMG«, kjer se podatek nahaja. Zapišemo enoto v stolpec »O«. V stolpcu »S« definiramo relacijo LHS:RHS (Preglednica 50). Nekoliko zahtevnejši je vnos v stolpec »P«, kjer poizkušamo slediti zapisu sorodnih omejitev. Pri tem 116 Če bi želeli definirati npr., da stroški vezanih sredstev ne smejo preseči določene vrednosti. Takšen primer je na marsikaterem kmetijskem gospodarstvu, namreč da določene proizvodne aktivnosti (npr. pitanje) zahtevajo velik delež vezanih sredstev, ki pa niso (nujno) na voljo oziroma so lahko eden izmed omejujočih dejavnikov in tako razlogov zakaj ne pride/ni prišlo do širjenja dane proizvodne aktivnosti. 117 Kam in kako dodajamo omejitve na listu »OPIS_KMG« glejte poglavje 6.2.2.6. ohranjamo vodilo, da se izbira na podlagi različnega nabora kriterijev definira na listu »OPIS_KMG«. V kolikor se enačba v stolpcu »R« ne zapiše samodejno, jo prekopiramo. Drugi del vnosa dodatne vrstice v pod-modul vključuje zapis tehničnih koeficientov pri posamezni aktivnosti. Ta del je bistveno bolj zapleten in zelo pazljivi moramo biti pri vnosu koeficientov, da posamezne aktivnosti pomotoma ne izpustimo. Pri vnosu si lahko pomagamo z zgledi sorodnih že vnesenih tehnoloških koeficientov118. VBA kode so razvite tako, da zaradi širjenja ni potrebno prilagajanje programskih kod, pač pa se zaradi kompleksnega sistema ugnezdenih spremenljivk le-te samodejno prilagajajo. Seveda pa se zaradi povečanja obsega potrebnih korakov znotraj posamezne aktivnosti (zaradi širjenja omejitev) ali povečanega števila aktivnosti (dodajanje novih aktivnosti), čas zapisa univerzalne matrike podaljša. Zlasti izrazito je to podaljšanje, če vključimo vse možnosti (tako omejitve, kot aktivnosti). 6.2.3.5. Metodološke podlage in matematično programiranje Model kmetijskih gospodarstev je zasnovan po načelih matematičnega programiranja za omejeno optimizacijo. To omogoča uporabo različnih tehnik pri reševanju proizvodnega načrta. V dani različici je uporabljeno klasično statično deterministično linearno programiranje, ob nadgradnji pa je možno uporabiti tudi druge tehnike in koncepte omejene optimizacije. Razvita matrika proizvodnih možnosti predstavlja klasičen primer iskanja proizvodnega načrta, pri katerem se osredotočimo na doseganje enega cilja. V primeru danih analiz dosežen ekonomski rezultat - to je lahko skupno doseženo pokritje (ena od možnosti) ali pa paritetni dohodek ob upoštevanju ostalih omejitev. Seveda bi lahko bil to tudi kateri od fizičnih kazalcev (za več podrobnosti kako izberemo ciljno funkcijo; glej poglavje 6.2.3.3). V okviru danega projekta je bil v prvi vrsti cilj razviti orodje in pristop, ki bo omogočalo rekonstruiran-je proizvodnega načrta. Tako je je pod-modul nadgrajen s kompleksnim sistemom enačb, ki omogočajo iskanje vrednosti tistih spremenljivk, katerih vrednosti ne poznamo in jih želimo izračunati na način, da bo slika proizvodnega načrta na kmetijskem gospodarstvu popolna. Ključni namen tako ni optimizacija proizvodnje, pač pa ocena trenutnega stanja na kmetijskem gospodarstvu oziroma rekonstruiranje trenutnega stanja. Za celovito analizo odločanja na ravni kmetijskega gospodarstva, ki jo zajema predstavljeno modularno orodje, je v prvi vrsti pomembno, da poznamo trenutno stanje na kmetijskem gospodarstvu, tako v smislu strukture proizvodnega načrta (katere aktivnosti so vključene), kot tudi doseženega ekonomskega rezultata oziroma različnih ekonomskih kazalnikov. Iz slednjih namreč izhajajo pomembni podatki, ki se nanašajo tako na uspešnost upravljanja kmetijskega gospodarstva, kot tudi izkoriščanje danih proizvodnih resursov. Tako je bil eden od ciljev tudi primerjava določenih kazalnikov iz zbirnih rezultatov FADN knjigovodstva z izračunanimi s pomočjo modularnega pristopa (denimo obseg delovnih ur). Seveda pa je to tudi pomembno izhodišče za nadaljnje analize, kot bi bile denimo večkriterij-ska analiza ali pa analiza učinkovitosti upravljanja s tveganji. V osnovnem konceptu je problem rekonstruiranja proizvodnega načrta preprost, saj gre za popis aktivnosti in njihovega obsega na kmetijskem gospodarstvu. To pomeni, da iz nabora aktivnosti izberemo tiste, ki se na kmetijskem gospodarstvu izvajajo in jih nadalje preko sistema pod-modulov prilagodimo do te mere, da kar najbolje odslikavajo stanje na gospodarstvu, ter seveda vpišemo njihov obseg (npr. število krav molznic, število hektarjev koruze ...), ki se mora v takšnem obsegu vključiti tudi v proizvodni načrt. 118 Za več glejte poglavje 6.2.3.2. Izkaže se, da v primeru, ko izhajamo iz podatkovnih baz FADN, nimamo na voljo vseh potrebnih podatkov, po vsej verjetnosti pa bi se zaradi izjemno kompleksnega sistem podobno zgodilo tudi ob interaktivnem vnosu, pri katerem bi sodeloval upravljavec kmetijskega gospodarstva. Podatki končnih, tržnih aktivnosti, so navadno dokaj natančno podani, medtem ko so druge aktivnosti manj natančno opredeljene, zlasti tiste, ki predstavljajo vmesno potrošnjo na kmetijskem gospodarstvu. V primeru živinorejskih tipov kmetijskih gospodarstev to pomeni, da nimamo vseh potrebnih informacij o aktivnostih, ki npr. zajemajo pridelovanje krme na travinju. Posledično je rekonstruiranje trenutnega stanja oteženo, saj tudi te aktivnosti pomembno vplivajo na ekonomsko sliko proizvodnje. Dodatno pa pri FADN evidenci tudi nimamo podatkov o minimalnem in maksimalnem deležu načina spravila krme s travinja (sušenje na tleh, sušenje na sušilni napravi itd.), kolobarju in deležih posameznih poljščin (minimum in maksimum), kot denimo tudi ne kapacitet infrastrukture. Tako je pri vnosu tovrstnih podatkov potrebna dodatna presoja in sklepanje na podlagi določenih razmerji v samem izpisu oziroma potrebujemo osebo (upravljavec, svetovalec), ki dobro pozna razmere na danem gospodarstvu. Problem rekonstruiranja, ko definiramo vse dane aktivnosti oziroma vsaj spodnje in zgornje meje, lahko na razmeroma enostaven način rešimo s postopkom t.i. delne optimizacije (enačbe 1 do 4), ki v osnovi temelji na klasičnem linearnem programiranju. Delna optimizacija se nanaša na dejstvo, da določen del aktivnosti fiksiramo (Xf) in zahtevamo, da jih reševalec v takšnem obsegu tudi vključi v reševanje (bf). maxEZ = Ey=i cjxj + £/=i cfxf .(1) tako, da je Еу=Г1/=1 aijxj + aifxf — bi za vse i = 1 do m .(2) Xf = bf zavse f=1dor ...(3) Xj >0 za vse j .(4) Osnovna ideja je, da manjkajoče podatke (xj) ocenimo oziroma izračunamo s klasičnim linearnim programom za maksimiranje pričakovanega ekonomskega kazalnika - maxEZ (POK1, POK2, POK3 oziroma paritetni dohodek). Vse aktivnosti (Xf), katerih obseg (število krav molznic, pitancev, hektari koruze itd.) poznamo, fiksiramo z dodatnimi omejitvami (bf). Za reševanje enostavnih primerov (razmeroma majhno število aktivnosti in omejitev) matematičnih modelov lahko uporabimo osnovni Excelov reševalec, medtem ko bo za zahtevnejše probleme (večje število aktivnosti in omejitev) ter kompleksnejše matematične modele (npr. tehtano ciljno programiranje s kazensko funkcijo ali pa omejeno kvadratno programiranje) treba uporabiti zmogljivejše algoritme reševanja. 6.2.3.6. Arhiviranje rezultatov že opravljenih analiz Kot smo predstavili, je modul za analizo kmetijskih gospodarstev primeren za sistematično analizo kmetijskih gospodarstev, tako v smislu ponavljanja analiz ob različnih pogojih (scenarijih, cenah itd.), kot tudi primerov gospodarstev, katerih podatke imamo zapisane v arhivski bazi. Zato je pomembno, da imamo tudi učinkovit sistem arhiviranja proizvodnih načrtov. V okviru pod-modula smo zato razvili kodo, ki omogoča arhiviranje posameznega proizvodnega načrta, ki ga tudi enoznačno kodira. S pomočjo ukaza »Kopiraj rezultate ARHIV« (Slika 43) se preko podpornega modula (»MODUL1«) samodejno odpre delovni zvezek za arhiviranje rezultatov, doda se nov delovni list, ki nosi enoznačno šifro in se kot hiperpovezava doda na seznam vseh arhiviranih načrtov (Slika 42). A B C D E F G 1 INDEX 2 3 4 R KMG2 SO 1 R KMG2 SO 2 R KMG2 SO 3 5 R KMG2 SO 4 6 R KMG2 SO 5 7 8 9 R KMG2 SO 6 R KMG2 SO 7 R KMG2 SO 8 10 R KMG2 SO 9 11 12 13 R KMG2 SO 10 R KMG3 SO 11 R KMG3 SO 12 14 R KMG3 SO 13 15 R KMG3 SO 14 16 17 18 R KMG4 SO 15 R KMG4 SO 16 R KMG4 SO 17 19 R KMG4 SO 18 20 21 22 R KMG1 SO 19 R KMG1 SO 20 R KMG1 SO 21 23 R KMG1 SO 22 24 25 26 ?7 RKMG2S01 R KMG2 SD 2 R_KMG2_SO_3 | RKMG2504 RJ Po končanem postopku se delovni zvezek zapre in nadaljujemo z delom. V nadaljevanju tako lahko pregledamo posamezne rezultate in jih tudi navzkrižno primerjamo. Zaradi lažjega dela in ker je sam postopek arhiviranja rezultatov zelo hiter, se nam v pod-modulu za pripravo matrike proizvodnih možnosti na listu »UNI-MATRIKA« samodejno zapiše poročilo v okence za upravljanje z makri in sicer v rumeno polje (Slika 43). Pri testiranju celotnega orodja se je namreč izkazalo, da se zaradi časovno dokaj obsežnih operacij lahko zgodi, da uporabnik pozabi, kateri ukaz je že bil izveden in kateri ne, in ga tako brez potrebe ponovi. Slika 43: Ukazni gumb za arhiviranje proizvodnih načrtov in poročilo Arhiv rezultatov je tako eden od podpornih dokumentov modela kmetijskih gospodarstev. Za nadaljnje delo ga odpremo s pomočjo podpornega modula (»MODUL1«), kot predstavljamo v poglavju 6.2.5. Arhiv rezultatov je nadgrajen tudi z pod-modulom za pripravo navzkrižnih analiz in preglednic (Slika 44). Ta preko kod (posebej za vrstice v stolpcu »E« in listih vrstica »6«) po posameznih listih poišče vrednosti in kreira preglednico (npr. Preglednica 58). 6.2.4. Nadgradnja podpornega dokumenta ZBIR Za potrebe delovanja danega modula je bila razvita programska koda, ki omogoča prilagajanje in nadgradnjo datoteke »ZBIR«, ene od podpornih datotek sistema modelnih kalkulacij (glej DS4). Gre za dokument v katerem se shranjujejo lastne cene in nekateri drugi kazalniki na ravni posamezne kalkulacije in služi kot aktivni »interni cenik vmesnih proizvodov« porabljenih na kmetijskem gospodarstvu. Tako se denimo od tu išče lastne cene doma pridelane krme, ki vstopa v krmni obrok pri živinoreji. Ko spremenimo pridelke ali cene inputov, se te spremembe preko te datoteke odrazijo tudi v živinorejskih kalkulacijah. Tako je za dinamično delovanje modelnih kalkulacij, s tem pa tudi celotnega orodja, ta korak ključnega pomena. Da smo lahko ohranili že omenjeno vzporedno delovanje obeh sistemov (modelnih kalkulacij in modula kmetijskih gospodarstev), smo s pomočjo VBA razvili pristop, ki dani »ZBIR« nadgradi z vsemi modelnimi kalkulacijami, ki preko Modula1 (podrobneje predstavljen v poglavju 6.2.5) vstopajo v sistem modula kmetijskih gospodarstev in hkrati ohrani aktivne povezave tudi na standardni nabor modelnih kalkulacij. Nadalje uporabnik preko ukaznega gumba( Slika 45) določi, katere lastne cene se pri izračunih upoštevajo (prve - standardni nabor MK ali zadnje - MK prilagojene pogojem kmetijskega gospodarstva). V primeru, ko želimo analizirati novo kmetijsko gospodarstvo, ki ima drugačen nabor proizvodnih aktivnosti, se prilagodi zgolj tisti del, ki je bil dodan v »ZBIR«. Ta korak nam omogoča, da lahko na istih podpornih dokumentih vzporedno delujeta oba sistema. Prilagajnje ZBIR (2. KMG) PRILAGODI zbir, da se zapišejo povezave na M K, ki so na MODULI (3. KMG) OBRNI ZBIR upoštevanje prvih (S-MK) oz zadnjih vrednosti (KMG) V modelnih kalkulacijah je iskanje cen oziroma lastnih cen lepo rešeno s pomočjo šifriranja, torej za kakšen proizvod gre in posledično katera cena se mora upoštevati. Se pa pri dani nadgradnji pojavi povsem tehničen problem. Naenkrat se nam namreč v »ZBIR« pojavita najmanj dve lahko pa tudi več enakih šifer oziroma imen (npr. psenica) z različnimi lastnimi cenami. Ena je izvorna iz standardnega nabora modelnih kalkulacij, druga in ostale pa so kreirane zaradi potreb delovanja modula kmetijskih gospodarstev in so podporni dokumenti za proizvodne aktivnosti danega kmetijskega gospodarstva. Tehnični problem, ki pri tem nastane je, da uporabljene funkcije (npr. LOOKUP) vedno upoštevajo prvo vrednost, ki jo za določeno ime najdejo v »ZBIR«. Zato smo s pomočjo VBA kode razvili ukaz, ki nadgradi »ZBIR« tako da, najprej šifrira trenutni in nadgrajeni »ZBIR« (posamezne vrstice), nato pa obrne vrstni red zapisanih vrednosti in vključi filter. S to sorazmerno preprosto rešitvijo se spremni tudi vrstni red vnosa in se kot prve upoštevajo zadnje lastne cene, ki odražajo stanje kmetijskega gospodarstva in nič več standardnega nabora modelnih kalkulacij. Z vsakim ponovnim zagonom ukaza (»(3. KMG) OBRNI ZBIR upoštevanje prvih ... «) se vrstni red spremeni ( Slika 45). Slednje se zgodi samodejno tudi v primeru nadgradnje »ZBIR« z novimi proizvodnimi aktivnostmi (modelnimi kalkulacijami) na kmetijskem gospodarstvu (»(2. KMG) PRILAGODI zbir, da ...«). V takšnem primeru se »ZBIR« standardnega nabora modelnih kalkulacij ohrani, izbriše pa se del, ki se nanaša na sistem modula kmetijskih gospodarstev, ki se nadomesti z novim, razširjenim119. 6.2.5. Povezovalni in podporni modul - »MODULI« 6.2.5.1. Opis in namen povezovalnega modula Model kmetijskih gospodarstev je zasnovan tako, da zaradi optimalnejšega delovanja (predvsem z vidika časa in velikosti datotek), določen del izvrševanja ukazov in prilagajanja modelnih kalkulacij analiziranemu primeru poteka preko dodatnega povezovalnega modula (»MODUL1«). S pomočjo tega modula zaganjamo druge pod-module in kar je ključno, modul omogoča, da modelne kalkulacije, uvozimo iz sistema modelnih kalkulacij. Gre za t.i. standardne modelne kalkulacije, ki jih pripravlja Kmetijski inštitut Slovenije. V danem modulu jih lahko prilagodimo in nadgradimo, ne da bi s tem vplivali na sistem modelnih kalkulacij. Tako jih denimo prilagodimo danim atributom kmetijskega gospodarstva in izračunamo različne fizične, kot tudi ekonomske parametre na ravni proizvodnih aktivnosti, ki nadalje vstopajo v pod-modul za pripravo matrike proizvodnih možnosti in nasploh pripravo proizvodnega načrta na ravni kmetijskega gospodarstva. Prednost modula je, da lahko z njim na sorazmerno enostaven način tudi delamo na posameznih modelnih kalkulacijah in jih po potrebi tudi uvozimo nazaj v sam sistem modelnih kalkulacij. V osnovi je »MODUL1« zgrajen iz dveh delovnih listov in sicer »NABOR« in »Pregledovanje listov«. Delovna lista služita lažjemu delu z modulom, kot tudi modelnimi kalkulacijami, ki jih uvozimo. S tem se bistveno poveča tudi velikost dokumenta. Ta v izvorni verziji dosega le slabih 200 KB. Z nadgradnjo in uvozom modelnih kalkulacij za na primer povprečno kmetijsko gospodarstvo se ta poveča na 14.000 KB, pri takšnih z več proizvodnimi aktivnostmi pa tudi na preko 20.000 KB. Da smo uspeli ohraniti osnovni modul zelo racionalen z vidika velikosti datoteke, smo številne korake in ukaze izvedli na drugih delovnih zvezkih, ki se po potrebi vključujejo v posamezne ukaze in izračune. Ker gre za podporni modul to pomeni, da lahko v katerem koli trenutku analize izbrišemo vse dodane delovne liste modelnih kalkulacij in ohranimo le lista »NABOR« in »Pregledovanje listov«. Z ukazi, ki so zapisani na listu »NABOR« lahko posamezne modelne kalkulacije sorazmerno hitro ponovno nadgradimo in prilagodimo. 119 Zaradi časovno precej zamudnega koraka, lahko traja tudi do 10 minut je smiselno »ZBIR« v osnovi naložiti z vsemi potencialnimi aktivnostmi, tudi če pozneje v reševanje ne vstopajo vse, saj si s tem prihranimo kar nekaj čas. Tako je bil denimo tudi za primer analiziranih kmetijskih gospodarstev, ki so predstavljena v tem poročilo, »ZBIR« naložen zgolj enkrat. Slika 46: Shema pod-modula za pripravo matrike proizvodnih možnosti in povezovanje z ostalimi moduli, pod-moduli in dokumenti Sistem modela KMG Sistem MK Model KMG Podporni dokumenti »MODUL KMG« POD - MODUL za popis KMG POD - MODUL za pripravo matrike proizvodnih možnosti »MODUL 1« POD - MODUL za izračun k. potreb MATRIKA PM STANDARDNI NABOR MK Živinorejske MK Poljedelske MK Travniške MK Zelenjadarske MK Sadjarske MK Vinogradniške MK POROČILA 6.2.5.2. Struktura in zasnova modula Osrednji del danega modula predstavlja list »NABOR«, ki omogoča izvajanje več različnih ukazov in operacij. V prvi vrsti s pomočjo danega modula lahko zaganjamo vse ostale podporne dokumente. Trenutno je tako v naboru deset dokumentov, po potrebi pa bi seveda lahko dodali tudi nove. To je pri zasnovi celovitega orodja zelo pomemben korak. Eden od izzivov pri delu s pomočjo VBA makrov, ki samodejno odpirajo in delajo s pomočjo posameznih dokumentov je, da najdejo kje so shranjeni, torej da imajo informacijo o t.i. poti, kje se posamezen podporni dokument nahaja. Slika 47: Definiranje poti za posamezne module, pod-module in podporne dokumente na listu »NABOR« i Parametri za pripravo modelnih kalkulacij za Modul KMG 3 311 Modul gnojenje D:\ZEK\CRP\MODUL_KMG\MODUL_GNOJErjJE\MODUL_GrjOJENJE_MK.xlliri 4 4L L potrebe MK ANIMAL D:\ZEK\CRP\MODUL_KMG\MODUL_krnine_potrebe_ANIMAL\MODUL_krninejotrebe_MK_AHIMAL.xlsx 6 Sil ModulKRMNIOBRC D:\ZEK\CRP\MODUL_KMG\MODUL_OPTIMIZACIJA_KRMNEQA OBROKA\Model PREZVEKOVALCI LP.xlsm 7 7!! Modul_KRMM_OBRC D:\ZEK\CRP\MODUL_KMG\MODUL_OPTIMIZACIJA_KRMNEGA OBROKA\N e pre zve kova I ci\M o de IPRASICILPWG P. xl srn 8 8!! ARHIVREZULTATI D:\ZEK\CRP\MODUL_KMG\MODUL_KMG\ARHIV_REZULTATI.xlsm Zadeva ni toliko problematična, če delamo na enem (istem) računalniku, vendar v kolikor želimo prenesti dokumente (module, pod-module in podporne dokumente) na drug računalnik, pa lahko nastopijo težave. Problema smo se lotili tako, da smo najprej definirali nove spremenljivke, pri čemer posamezna spremenljivka definira pot za posamezen modul, pod-modul oziroma podporni dokument (Slika 47). Njihove vrednosti so zapisane v stolpcu »C« od vrstice »2« dalje (trenutno do »12«). Pot lahko zapišemo ročno, smo pa v ta namen razvili tudi VBA makro (Slika 48), ki omogoča, da za posamezen dokument (ki mora biti v tistem trenutku odprt) definiramo pot, ki se samodejno zapiše. Tako v primeru prenosa celotnega sistema modularnega orodja na drug računalnik v prvem koraku posodobimo vrednosti v stolpcu »C« - torej odpremo vse podporne dokumente in s pomočjo ukaza (Slika 48) za vsakega posebej zapišemo pot. Slika 48: Ukazni gumb za definiranje poti za posamezen modul, pod-modul oziroma podporni dokument 2.1 POT_WB_defi n i raj ... Poleg avtomatičnega sklicevanja posameznih kod, nam dane poti služijo tudi kot bližnjica za odpiranje posameznih dokumentov. Tako lahko s pomočjo VBA ukaza (Slika 49) na hiter in enostaven način odpremo posamezen dokument - modul pod-modul oziroma podporni dokument. Edini modul, ki ni naveden in ga je tako kot podporni MODUL1 potrebno odpreti ročno, je pod-modul kmetijskih gospodarstev. Pri tem tudi ni pomembno ali je shranjen v istem direktorju ali v drugem. Kot smo pojasnili, se slednji na več mestih povezuje s podpornim modulom (»MODUL1«) in preko njega zaganja druge podporne dokumente. Pod-modul kmetijskega gospodarstva je namreč zaradi lažjega dela in sprotnega shranjevanja različnih verzij zasnovan tako, da se njegovo poimenovanje (lahko) spreminja, s tem pa ne vplivamo na delovanje. Slika 49: Ukazni gumb za odpiranje posameznega modula, pod-modula oziroma podpornega dokumenta iz »MODUL1« 2.2 Odpri izbran dokument iz seznama C... List »Pregledovanje_listov« je namenjen lažjemu delu in prehajanju med posameznimi listi znotraj modula (»MODUL1«). Namreč, ko naložimo vse modelne kalkulacije, je prehajanje med njimi lahko zelo zamudno in tudi nepregledno. Dani list s pomočjo hiperpovezav omogoča enostavno delo in se tudi samodejno posodablja. Tako se vsak dodan list v modulu (»MODUL1«) samodejno doda na seznam in se zapiše hiperpovezava (Slika 50), s pomočjo katere lahko hitro prehajamo med posameznimi listi modelnih kalkulacij. Dodatno ukaz na vsakem od listov v celici »A1« zapiše tudi hiperpovezavo, ki nas ponovno vrne na list »Pregledovanje_listov«. A B C D E 1 NABOR mpq150 mleko Zapiši povezave aktivnih listov mlekoPR psericaKR senoNB4 senoN4 senoB4 seno4 tsilNB4 tsilN4 tsilB4 tsil4 tritikala silkorstoi buce kozje mleko krompir ajda jabolka ► Pregledovanje Jinov mpgi M mleto mletaSR 1 pšenica«.)* teroNeJ senom senoM Ko v modulu (»MODULI«) izbrišemo posamezne ali pa tudi vse delovne liste z izjemo privih dveh, se seznam samodejno posodobi. Kodo za ta korak v VBA prikazujemo v prilogi (Priloga 15). 6.2.5.3. Uvoz izbranih modelnih kalkulacij v »MODULI« in povezava na »ZBIR« Ključni del povezovalnega modula je, da preko njega uvozimo posamezne modelne kalkulacije iz sistema modelnih kalkulacij. To je prvi korak preden začnemo z delom na analizi posameznega kmetijskega gospodarstva. Kot smo predstavili v poglavju 6.2.2 na podlagi uvoženih standardnih modelnih kalkulacij (preden jih prilagajamo analiziranemu primeru) v pod-modulu za popis kmetijskega gospodarstva zapišemo izhodiščne vrednosti. V naslednjem koraku jih v okviru istega pod-modula prilagodimo analiziranemu kmetijskemu gospodarstvu oziroma jih nadgradimo z gnojilnim načrtom, krmnimi potrebami pri živinorejskih aktivnostih oziroma izračunamo krmne obroke s pomočjo samostojnega modula. »MODUL 1« je zasnovan tako, da od vrstice »51« dalje v stolpcu »C« zapišemo ime modelne kalkulacije, ki jo želimo uvoziti v model. V tem delu lahko uvozimo vse kalkulacije s končnico ».xlsx« (Slika 51), kalkulacije, ki vsebujejo makre (.xlsm) pa uvozimo od vrstice »123« dalje (Slika 52). Pri tem vrtni red zapisa, kot tudi uvažanja, ni pomemben. Koda je razvita tako, da se pomika po seznamu navzdol in v prvem koraku odpre posamezno modelno kalkulacijo, kopira prvi list v »MODUL1« in jo zapre. Nadalje se pomika po seznamu do zadnje zapisane kalkulacije oziroma presledka. Tako lahko s pomočjo te kode uvozimo poljubno število modelnih kalkulacij in tudi posamezno modelno kalkulacijo večkrat, če je to potrebno z vidika dane analize. A B C D E F G 13 14 15 16 48 1. KOPIRAJ WS GLEDE NA IZBOR - RATLINSKE (lahko tudi ostale) 4SI NABOR MK -RASTLINSK&tfmUotudi ostale!) 49 51 4911111 IzborWB^z katerih se kopira liste 51!! i seno 52 *T pasa 53 1 dojilje 54 1 pteldoj 55 1 pltel 56 1 mpg 57 1 ovce100 58 1 tsil £9 1 brojler C 60 1 jajca 61 1 pu rice 62 1 pi sv 63 1 ječmeni 64 1 jecmenT 65 1 koruza 66 1 pasa 67 1 pasaN 68 1 pšenica 69 1 silkor 70 1 silkorz 71 1 soja 72 1 oljogr 73 1 cvetaca 74 1 grozdjeT 75 1 grozdjeV 76 1 jabolka 77 1 ajda 78 1 krompir 79 1 kozje_nnleko Slika 52: Nabor modelnih kalkulacij za uvoz iz sistema modelnih kalkulacij v MODUL1 (.xlsm) A B C D E F G H 1 119 1 1 KOPIRAJ WS GLEDE NA IZBOR - ŽIVINOREJSKE - 120 1 NABOR MK - ŽIVINOREJSKE samo xlsm] 121 1 1211! Izbor WB z katerih se kopira liste 122 1 12211 123 1 mlekoPR 124 1 mleko 125 1 mpgl50 126 1 127 1 128 1 129 1 130 1 148 1 S tem, ko uvozimo posamezno modelno kalkulacijo, je ta še vedno vpeta v sistem modelnih kalkulacij, se pa njene vrednosti ne zapisujejo več v »ZBIR« sistema modelnih kalkulacij. To pomeni, če prilagajamo in spreminjamo modelne kalkulacije, ki so v »MODUL1« in se nanašajo na pridelavo krme, lastna cena teh ne bo (več) vplivala na živinorejske kalkulacije. S tem, ko smo modelne kalkulacije uvozili v »MODUL1« poteka tok informacij le še iz »ZBIR«, v obratni smeri pa smo povezave izgubili oziroma same kalkulacije ne vplivajo več na »ZBIR«. Zato moramo preko pod-modula modelne kalkulacije naložiti v »ZBIR« s čimer jih ponovno povežemo nazaj v »ZBIR«, le tega pa moramo nadalje tudi 'obrniti', da se upoštevajo zadnje cene. Vse te operacije se izvedejo preko pod-modula kmetijskih gospodarstev (glejte poglavje 6.2.4). 6.2.5.4. Izračun krmnih potreb za domače živali preko povezovalnega modula (»MODULI«) Ob tem, ko naložimo modelne kalkulacije na novo v »MODULI« je nujno, da za živinorejske kalkulacije izračunamo in tudi zapišemo krmne potrebe z nekaterimi dodatnimi parametri. Ta korak je potrebno ponoviti tudi vedno, kadar spremenimo proizvodne parametre posamezne živinorejske aktivnosti (npr. povišamo/znižamo mlečnost pri kravah molznicah, telesno maso, končno maso pitanja pri pitancih). Iz samostojnega pod-modula za izračun krmnih potreb se namreč prepišejo zgolj vrednosti na točno določeno mesto v modelni kalkulaciji (Slika 53). Le tako smo lahko tehnično rešili, da se pod-modul za izračun krmnih potreb lahko uporabi kot orodje za izračun krmnih obrokov za različne skupine živali na kmetijskem gospodarstvu. Slika 53: Primer zapisa na listu modelne kalkulacije za krave molznice iz pod-modula za izračun krmnih potreb AB C D e F G H I J K 120 TM (kg) = ATM = Mlečnost (kg/dan) = Mlečnost (kg/dan) -Koef za minerale= Laktacijska mlečnost = SMM (g/kg)= SBM (g/kg)= t = Trajanje laktacije= DMT= Skupaj dnevi sproščanja TR = Skupaj dnevi nalaganja TR = Obdobje brejsoti = NEL (vzdrževanje, brejost in laktacija) MJ = 122 PB (vzdrževanje, brejost, laktacija in 5 % razerv): 123 (vzdrževanje, brejsot (zadnjih 60-30 dni in zanjih 30dni), laktacija): 124 Konzumacijska sposobnost: 125 MIN (18%) strukturna surova vlaknina = 126 MAX (26%) surove vlaknine v obroku = 127 128 Ca = 365 140 I kg ) g/dan L kg/dan 3 kg/dan Г KOEF I kg > g/kg 3 g/kg 3 dan i dni dni dni 285 45.125 7.145 1.286 28.268 17.606 dni MJ/celotno obdobje g/celotno obdobje + 5% rezerv g/celotno obdobje kg SS/celotno obdobje kg/celotno obdobje kg/celotno obdobje g/celotno obdobje (laktacija* suha perioda po DLG) g/celotno obdobje (laktacija+ suha perioda po DLG) g/celotno obdobje (laktacija+ suha perioda po DLG) g/celotno obdobje (laktacija+ suha perioda po DLG) Podatki o krmnih potrebah so nujno potrebni za pravilno delovanje pod-modula kmetijskega gospodarstva. Ena od pomembnih bilanc na ravni kmetijskega gospodarstva je ravno bilanca hranil, pri kateri morajo biti potrebe po posameznih hranilih in suhi snovi na ravni kmetijskega gospodarstva pokrite. Ta korak je pomemben tudi v primeru, če želimo sestavljati in analizirati krmni obrok na ravni posamezne živinorejske aktivnosti. Kot pojasnjujemo v poglavju (6.4), gre za vhodne podatke, ki jih za svoje delovanje nujno potrebuje tudi modul za sestavo krmnih obrokov in jih prebere iz posamezne modelne kalkulacije. Postopek izračuna je sorazmerno preprost. S pritiskom na ukazni gumb 5.1 (Slika 54) in s pomočjo nabora modelnih kalkulacij, za katere želimo izračunati prehranske potrebe VBA 'loop zanka' samodejno odpre pod-modul za izračun krmnih potreb in rezultate zapiše na posamezno modelno kalkulacijo (npr. Slika 53). Pri tem je zapis enak za vse vrste in kategorije živali, saj je pomembno, da se določena vrednost (npr. za NEL) vedno pojavi v isti celici. Na listu »NABOR« se od vrstice »123« v stolpcu »J« nahaja polje, kamor vnesemo imena modelnih kalkulacij za katere želimo izračunati prehranske potrebe (Slika 55). Tako kot pri ostalih naborih v danem podpornem modulu je tudi tu logika podobna. Torej makro začne brati imena modelnih kalkulacij od prve celice (»J123«) do prve prazne celice. Tudi tu vrstni red imen ni pomemben, ključno je le, da se dana modelna kalkulacija nahaja tudi v modulu (»MODUL1«). Slika 54: Ukazni gumb za izračun krmnih potreb za različne kategorije in vrste domačih živali 5.1 loop_izračun_krmne_potrebe_kategorije_vrste_živali Pri tem je ključen podatek v celici »C6« na posamezni modelni kalkulaciji, saj preko nje zanka prepozna kateri izračun za vrsto in kategorijo živali je potrebno upoštevati. Kot prikazuje Slika 53, se nato za vse modelne kalkulacije, navedene v stolpcu »J« zapiše krmne potrebe, ki upoštevajo proizvodne parametre dane kalkulacije. 6.2.5.5. Izračun krmnih obrokov za domače živali preko povezovalnega modula (»MODULI«) S pomočjo podpornega modula (»MODULI«) lahko zaženemo tudi sicer samostojen modul za sestavo krmnih obrokov za različne vrste in kategorije domačih živali. Ta omogoča, da za izbrane modelne kalkulacije izračunamo krmni obrok, ki naj bi čim bolj odseval stanje na analiziranem gospodarstvu. V standardnem naboru živinorejskih kalkulacij so krmni obroki za določen tip gospodarstva sicer že opredeljeni, niso pa prilagojeni razmeram na konkretnem gospodarstvu. Tu gre predvsem za vidik razpoložljive krme, kot tudi njene kakovosti. To pa sta dva parametra, ki pomembno vplivata na sestavo krmnega obroka in posledično tudi na stroške krme. Glede na značilnosti analiziranega gospodarstva se je potrebno odločiti ali je ta korak potreben ali ne. Podrobneje je vidik vključevanja krmnih obrokov predstavljen v poglavju 6.2.3.3. Slika 55: Nabor modelnih kalkulacij za izračun krmnih potreb in krmnih obrokov za različne vrste in kategorije domačih živali in ukazni gumbi za zaganjanje ukazov Torej gre za korak, ki ni nujno potreben za samo analizo na ravni kmetijskega gospodarstva. V kolikor se odločimo, da bi sestavili optimalni krmni obrok za posamezne izbrane vrste in kategorije domačih živali (modelne kalkulacije), potem zaženemo ukaz preko modula na listu »NABOR« (Slika 55). Pred tem je nujno, da izvedemo izračun in zapis prehranskih potreb za izbrane živinorejske modelne kalkulacije (postopek je podrobneje opisan v poglavju 6.2.5.4). Trenutna različica podpornega modula omogoča dva tipa zapisov in sicer 5.2.0 in 5.2.1 (Slika 55). Prva VBA zanka (5.2.0) je namenjena predvsem raziskovalnemu delu na posamezni modelni kalkulaciji z vidika podporne metodologije (matematičnega programiranja). VBA zanka 5.2.1 omogoča izračun letnih in zimskih krmnih obrokov, ki jih preko posebnih zbirnikov zapiše v modelno kalkulacijo (Slika 56) in je bolj primerna za različno analitično delo. Slika 56: Primer zapisa krmnega obroka v modelno kalkulacijo Rešitev modela WGP+PF! SOLUTION Prodajna/ lastna cena ME !G2 PB /G3 PSB/G4 SS *G5 SVI min SVI max KOI z WG LH S 45.125 72.714 432.071 279.535 6.692 1.286 1.286 = / = / < > < 85740224 540,507 RH S 45 125| 432 0711 552 3351 7-145 1 286 1 1 S5S| W S Pc/LC 50 50 50 50 10 Doseženo 879 44 223 483 649 6 692 1 286 1 286 63% -2% 12% -6% 0% -31% ječmeni/ -3 5E-12 0,16513 6.952 11,2992 108,24 80,0976 0,88 0 0 koruzaN/1 2 55E-11 0,1756 7,395 11,5623 91,35 60,291 0,87 0 0 silkorMKZ 3842,571 0,04396 2,4115 3,9445 25,55 14,5635 0,35 0,06125 0,06125 silkorMK/ 15086,94 0,04396 2,317 3,815 25,55 14,819 0,35 0,06965 0,06965 minvit/ mi 70,50364 0,6575 0 0 0 0 0,95 0 0 Tudi v tem primeru smo zasnovali pristop izračuna krmnih obrokov za modelne kalkulacije v naboru. Seznam kalkulacij se nahaja v stolpcu »M« od vrstice »123« dalje. VBA 'loop zanka' po več ugnezdenih korakih izračuna krmne obroke za vse navedene modelne kalkulacije od »M123« do prve prazne celice v stolpcu »M«. Gre za interaktivni pristop, ki ga v primeru enakih pogojev lahko tudi avtomatiziramo. V prvem koraku je potrebno izbrati, katera krma lahko vstopa v reševanje in se kopira v modul za sestavo krmnih obrokov. Pri tem lahko določimo tudi minimalno in maksimalno količino posamezne krme, ki lahko vstopa v obrok. Zanka je razvita tako, da se krma nadzira le ob zagonu. Predpostavka je namreč, da so za vse kategorije živali na kmetijskem gospodarstvu pogoji enaki (krma in kakovost krme, ki lahko vstopa). Če večkrat zaženemo VBA zanko 5.2.1 (enako velja za 5.2.0), lahko ponovno izbiramo krmo, ki lahko vstopa v načrtovanje kremnega obroka ali pa pustimo izhodiščno, ki je že nastavljena (ko se pojavi okence z vprašanjem odkljukamo 'prekliči'). Načeloma v kolikor računamo krmne obroke za isto kmetijsko gospodarstvo, le-te uvozimo v modul za sestavo krmnih obrokov le prvič, kar bistveno pospeši čas reševanja krmnih obrokov. Pri vpisani krmi se dodatno lahko še enkrat določi minimalne in maksimalne vrednosti, kot tudi katera krma je dostopna v letnem oziroma zimskem obdobju (pri tem je koda »2« rezervirana za krmo, ki lahko vstopa zgolj v letni krmni obrok npr. paša). Nadalje na podlagi vpisane krme sledi optimizacija krmnega obroka. Ta se lahko izvede v več korakih in je podrobneje opisana pri modulu za sestavo krmnih obrokov (poglavje 6.4). VBA zanka je razvita tako, da se pri sestavi upošteva zimski in letni krmni obrok in sicer na podlagi razmerja med številom dni zimskega, letnega in skupnega obdobja reje (modelne kalkulacije - področje »C17:E17«). Nadalje se samodejno zapišejo omejitve (prepišejo iz modelne kalkulacije; Slika 53) na podlagi predhodno izračunanih krmnih potreb za posamezno modelno kalkulacijo in se izračuna krmni obrok na podlagi minimiranja stroškov (LP) in v kolikor je tako nastavljeno nadalje tudi kompromisna rešitev krmnega obroka, ki temelji na večkriterijski optimizaciji, podprti s tehtanim ciljnim programiranjem nadgrajenim s sistemom kazenskih funkcij (WGP+PF) (za več glej poglavje 6.4.4.4). Ko so krmni obroki izračunani (po obdobjih) se prepišejo na t.i. zbirnike, od tu pa kot združeni krmni obrok (za vsa obdobja) na posamezno modelno kalkulacijo. Vedno se prepiše zgolj en zbirnik odvisno od izbrane metode reševanja (LP oziroma WGP+PF). Kadar delamo ročno oziroma posebej z modulom za sestavo krmnih obrokov, je vsekakor smiselno spremljati oba zbirnika. Slika 57: Shema modula za pripravo krmnih obrokov in povezovanje z ostalimi moduli, pod-moduli in dokumenti Sistem modela KMG Sistem MK Model KMG Podporni dokumenti »CENE« » ZBIR« + STANDARDNI NABOR MK MODUL za pripravo GNČ 6.2.5.6. Priprava gnojilnih načrtov za izbrane modelne kalkulacije preko povezovalnega modula (»MODULI«) »MODULI« omogoča, da preko njega zaženemo in delamo s sicer samostojnim modulom za pripravo gnojilnih načrtov. Kot podrobneje predstavljamo v poglavju 6.3, je ključni namen modula, da model- ne kalkulacije lahko nadgradimo z gnojilnim načrtom, ki čim bolje odseva danosti na analiziranem gospodarstvu, predvsem v smislu mineralnih in organskih gnojil, ki so dostopna na kmetijskem gospodarstvu. Vse modelne kalkulacije namreč že imajo zapisano gnojilno funkcijo, ki pa je podobno kot pri krmnih obrokih, naslonjena na predpostavke o uveljavljeni praksi in doktrini pri določeni intenzivnosti pridelave določene kulture. Dano orodje omogoča, da na sorazmerno enostaven način izravnamo bilance N, P in K na letni ravni in jih čim bolj prilagodimo praksi, ki se izvaja na danem gospodarstvu. Hkrati, kot opisujemo v poglavju 6.3, na zelo enostaven način posodobimo in prilagodimo količino gnojil, ki so potrebna pri spremenjenem pridelku. Makro (3.2) je zapisan tako, da v stolpcu »J« od vrstice »51« dalje zaporedno bere imena modelnih kalkulacij, pri katerih želimo zapisati gnojilni načrt (Slika 58). Vrstni red zapisa ni pomemben, ključno je, da se v modulu (»MODUL1«) takšna modelna kalkulacija nahaja. Tudi v tem primeru se izračuni gnojilnih načrtov ponavljajo toliko časa, da makro v stolpcu »J« naleti na prazno celico. Slika 58: Priprava gnojilnih načrtov za izbran nabor modelnih kalkulacij preko podpornega modula (»MODUL1«) 1 _i_ K L 13 14 15 16 3.2 LOOPLP/WGP - GNČ 23 vsako MK 48 NABOR MK za GNČ! 49 51 koruza 52 pšenica 53 silkor 54 silkorz 55 I soja 56 57 Sam postopek izračuna gnojilnega načrta je sledeč. Najprej makro odpre modul za pripravo gnojilnega načrta. Za izbrano kulturo iz nabora v stolpcu »J« prepiše gnojilno normo, ki se na podlagi pričakovane količine pridelka izračuna na ravni posamezne modelne kalkulacije. Ta je osnova za optimizacijo in pokritje potreb po N, P in K. Modul za pripravo gnojenja ima samostojen nabor gnojil, ki lahko vstopajo v reševanje gnojilnega načrta. Slednjega sicer med samim delovanjem ni možno spreminjati, zato je potrebno preko makra 2.2 (Slika 49) odpreti modul »3« (modul za pripravo gnojilnega načrta) in odkljukati oziroma vnesti gnojila, ki so na voljo na danem kmetijskem gospodarstvu. Pri tem se cene samodejno iščejo iz cenika modelnih kalkulacij. Vnesemo lahko do 13 mineralnih gnojil in do 10 vrst organskih gnojil120. Nadalje se podatki zapišejo v obliki matematičnega programa z omejeno optimizacijo. Slednjega rešimo s pomočjo LP ob predpostavki minimiziranja stroškov gnojenja, možna pa je tudi nadgradnja s tehta-nim ciljnim programiranjem (WGP). 120 Pri tem velja opozoriti, da je predpostavka modelnih kalkulacij, da se na enkrat lahko vključuje le ena vrsta organskih gnojil. Slika 59: Shema modula za pripravo gnojilnih načrtov in povezovanje z ostalimi moduli, pod-moduli in dokumenti Sistem modela KMG Sistem MK 6.2.6. Nabor proizvodnih aktivnosti v trenutni različici modula Modul za analitično spremljanje ekonomske učinkovitosti poslovanja kmetijskega gospodarstva je zasnovan tako, da v osnovi temelji na modelnih kalkulacijah, ki predstavljajo proizvodne aktivnosti. Slednje lahko v kateri koli fazi dodamo in s tem razširimo nabor aktivnosti, s tem pa tudi nabor kmetijskih gospodarstev, ki jih z danim modulom lahko analiziramo. Osnovna predpostavka je, da je za vsako proizvodno aktivnostjo, ki lahko vstopa v matriko proizvodnih možnosti, s tem pa v načrt gospodarjenja, zadaj samostojna modelna kalkulacija. Tako pri danem konceptu ni možno, da bi ena modelna kalkulacija izračunavala parametre za več proizvodnih aktivnosti. Trenutno orodje vključuje trinajst samostojnih živinorejskih aktivnosti (Preglednica 51) in 80 proizvodnih aktivnosti, ki se lahko izvajajo na njivah, travinju, vinogradu oziroma sadovnjaku (Preglednica 52). Pri tem največji delež aktivnosti odpade na aktivnosti, vezane na pridelavo sena in travne silaže, ki kot takšni tudi edini vstopata v modularni sistem kmetijskega gospodarstva121. 121 Tako preko podpornega modula »MODULI« uvozimo zgolj modelno kalkulacijo 'tsil' in 'seno'. Vse ostale variacije pa se kreirajo samodejno. Preglednica 51: Živinorejske proizvodne aktivnosti v trenutni različici modularnega orodja kmetijskega gospodarstva Daljše ime aktivnosti Koda ZBIR Kratko ime aktivnosti Koda Cenik Reja krav molznic prosta reja mlekoPR mlekoPR mleko Reja krav molznic vezana reja mleko4500 mleko mleko Reja krav dojilj dojilje dojilje tele250 Reja plemenskih telic po dojiljah pteldoj pteldoj pltel Reja plemenskih telic pltel pltel pltel Pitanje goveda večje reje mpg150 mpg150 mpg Pitanje goveda mpg mpg mpg Ovce mesna prireja ovce100 ovce100 jagnjeta Reja mlečnih koz kozje mleko kozje_mleko kmleko Pitanje piščancev brojler brojler brojler Prireja jajc jajca jajca jajca Reja puranov in puric purice purice purice Reja tekačev plsv plsv pujski V osnovi imamo pri določenem številu košenj deset različnih možnosti. Prva delitev je, ali pridelujemo na trajnem travinju ali na zasejanem travinju na njivi (koda »N«). Nadaljnje je še odvisno kako pospravimo pridelek. Pri senu ga lahko posušimo na tleh (brez kode), ga posušimo na tleh in baliramo (koda »B«) oziroma seno dosušimo na sušilni napravi (koda »HZ«). Pri spravilu travne silaže imamo dve možnosti in sicer da silažo siliramo v silosu (brez kode) ali pa v velikih okroglih balah (koda »B«). Vsi ti parametri pomembno vplivajo na stroške, s tem pa tudi na lastno ceno. Zato je pri danem konceptu nujno, da v modul vstopajo kot samostojne aktivnosti. Vse do sedaj predstavljene možnosti spravila in lokacije pridelave so neodvisne od števila košenj (označeno z »x«, Preglednica 52). Slednje ima vsaj teoretično zalogo vrednosti od ena do šest. V enem letu tako lahko določeno površino pokosimo enkrat do šestkrat in pridelek pospravimo na enega od desetih predstavljenih načinov. Seveda v praksi ne bomo srečali določenih mejnih primerov, vendar ker smo želeli avtomatizirati postopek, smo omogočili vseh 60 možnih kombinacij. Vse se dejansko glede na opisane atribute kreirajo iz osnovnih dveh modelnih kalkulacij »seno« in »tsil«. Zanka za kreiranje variacij je narejena tako, da bi teoretično lahko imeli tudi več različnih načinov z vidika števila košenj za določen način spravila (te so osnovni in so tudi povzeti v pod-modulu za popis kmetijskih gospodarstev). Bi pa to pomenilo, da moramo makro za prilagajanje modelnih kalkulacij analiziranemu primeru še enkrat zagnati (glej poglavje 6.2.2.4). Pri tem bi se samodejno kreirale nove modelne kalkulacije na podpornem modulu (»MODUl1«). S tem se tudi ohrani osnovni koncept razvitega pristopa, da se vsaka proizvodna aktivnost naslanja na samostojno modelno kalkulacijo. Je pa res, da je v tem primeru nekoliko zahtevnejše prilagajanje, saj je potrebno večkrat zagnati makro za prilagajanje. Slednje velja zgolj v primeru, če želimo za isti način spravila imeti več možnosti z vidika števila spravil, sicer pa ne. Nobene dodatne kompleksnosti ne predstavlja primer, če imamo na določenem kmetijskem gospodarstvu za različne način spravila različno število košenj122. 122 Takšen primer bi bil, da na določenem kmetijskem gospodarstvu vso krmo iz štirikosnih travnikov balirajo, vso krmo iz dvokosnih travnikov posušijo na tleh, vso krmo iz petkosnih travnikov pa silirajo v silosu. Daljše ime aktivnosti Koda ZBIR Kratko ime aktivnosti Koda Cenik Krmni ječmen jecmenl jecmenl jecmen Tržni ječmen jecmenT jecmenT jecmen Koruza za zrnje koruza koruza koruza Pšenica psenica psenica psensta Krmna pšenica psenicaKR psenicaKR psenicaKR Tritikala tritikala tritikala tritikala Silažna koruza silkor silkor silkor Silirano koruzno zrnje silkorz silkorz koruza Silažna koruza - prodana stoječe silkorstoj silkorstoj silkorstoj Soja soja soja soja Oljna ogrščica oljrep oljogr oljrep Pridelava bučnih semen (Prekmurje) buce buce buce Zgodni krompir krompir krompir krompir Ajda kot glavni pridelek ajdaGP ajda ajda Čredinska paša pasa pasa pasa Čredinska paša na zasejanem travniku pasaN pasaN pasa Travna silaža - spravilo v silos tsilx* tsilx tsilx* Travna silaža - spravilo v bale tsilBx* tsilBx tsilBx* Travna silaža na njivi - spravilo v silos tsilNx* tsilNx tsilNx* Travna silaža na njivi - spravilo v bale tsilNBx* tsilNBx tsilNBx* Seno dosuševano na sušilni napravi senoHZx* senoHZx senoHZx* Seno posušeno na tleh senox* senox senox* Seno - balirano senoBx* senoBx senoBx* Seno pridelano na njivi - dosuševano na sušilni napravi senoNHZx* senoNHZx senoNHZx* Seno pridelano na njivi - posušeno na tleh senoNx* senoNx senoNx* Seno pridelano na njivi - balirano senoNBx* senoNBx senoNBx* Cvetača cvetaca cvetaca cvetaca Grozdje - terase grozpri grozdjeT grozpri Grozdje - vertikala grozpod grozdjeV grozpod Jabolka jabolka jabolka jabolka Legenda: X - število košenj od eno-kosnega do šest-kosnega sistema, * različne vrste kakovostnih razredov z vidika hranilne vrednosti Nadalje pa pri senu in travni silaži dodatne variacije predstavlja še kakovost oziroma hranilna vrednost krme, pri čemer imamo štiri možne razrede (za več glej poglavje 6.4.3). Sama kakovost sicer ne vpliva na stroške, zato niso potrebne dodatne variacije tudi s tega vidika. Je pa res, da posledično na nekem gospodarstvu ne moremo imeti npr. travne silaže v štirikosnem sistemu, pri čemer baliramo pridelek več kot ene različne kakovosti123. 6.2.7. Metodološka osnova in tip analiz Model kmetijskih gospodarstev je zasnovan po načelih matematičnega programiranja z omejeno optimizacijo, kar omogoča obravnavo različnih obratoslovnih izzivov (maksimiranje oziroma minimizi-ranje različnih ekonomskih in tudi fizičnih kazalnikov) in pri tem uporabo različnih tehnik reševanja. V trenutni fazi razvitega orodja, le-to omogoča uporabo klasičnega determinističnega linearnega programiranja (LP) za iskanje optimuma (minimum oziroma maksimum) ciljne funkcije. Pristop je bil testiran pri maksimiranju različnih ravni pokritji, ki jih izračunava KIS na ravni modelnih kalkulacij. Trenutno razvit pristop omogoča rekonstruiranje proizvodnega načrta in primerjavo z obstoječim stanjem po FADN, kot tudi optimiranje proizvodnega načrta glede na danosti kmetijskega gospodarstva. Pri tem lahko izbiramo med različnimi skupinami ekonomskih in fizičnih kazalnikov, ki se izračunavajo na ravni modelnih kalkulacij. V tem delu model daje ogromno možnosti za raziskovalno in analitično delo tudi v prihodnje. Pod-modul kot tudi samo orodje je razvito tako, da v nadaljnjih korakih razvoja omogoča nadgradnjo z drugimi paradigmami reševanja. Tako bi lahko samo orodje nadgradili s konceptom ciljnega programiranja (GP) za iskanje kompromisne rešitve, torej takšne, ki se na eni strani približuje trenutnemu stanju in na drugi strani pa optimalni rešitvi po določenem kriteriju (npr. maksimiranje paritetnega dohodka) oziroma več kriterijih. Podoben pristop je že je uporabljen pri modulu za sestavo krmnih obrokov. Z nadgradnjo v kvadratno programiranje bi bilo po vzoru Žgajnar in Kavčič (2016) možno analizirati tudi tveganja na ravni kmetijskih gospodarstev. V prvi vrsti to velja predvsem za samo oceno dohodkovnih tveganj, nadalje pa tudi z vidika različnih možnosti, ki jih ima kmetijsko gospodarstvo za učinkovito zniževanje tveganj. 6.2.8. Širjenje modula in dodajanje novih vnosnih polj 6.2.8.1. Osnovna izhodišča širjenja Ker je modul kmetijskih gospodarstev v prvi vrsti raziskovalno in analitično orodje, je seveda zaželeno, da omogoča prilagajanje, dopolnjevanje in tudi širjenje. Pri določeni poglobljeni analizi na posameznem segmentu se namreč lahko izkaže, da je potrebno spremljati dodaten parameter, ki ga trenutno model še ne vključuje. Lahko se spremeni zakonodaja in se pojavi nov dejavnik, ki ga je potrebno upoštevati, lahko gre za primer dodajanja novih proizvodnih aktivnosti, ki izhajajo iz modelnih kalkulacij in tako dalje. Pri vseh teh primerih je zato ključno, da pravilno nadgradimo pod-modul (OPIS KMG), kot tudi vse pripadajoče podporne dokumente in module. Zaradi sorazmerno kompleksne zasnove samega orodja je ta korak dokaj zahteven. Prednost uporabljenega pristopa je, da ko enkrat nadgradimo orodje v določenem delu, ta nadgradnja ostaja kot opcija za vse nadaljnje delo z modelom. Pri tem smo izhajali iz preteklih izkušenj, da se pri raziskavah pogosto zaradi pomanjkanja skupnega imenovalca (npr. model kmetijskih gospodarstev) določene tudi dobre rešitve preprosto izgubijo, ker zahtevajo preveč dodatnega dela in sredstev, da bi se implementirala v nek obstoječi sistem. Po našem mnenju dano orodje vsaj v nekem delu presega ta problem, saj je in pričakujemo da tudi bo osnova za marsikateri tip analize na ravni kmetijskega gospodarstva. Takoj ko bo določena 123 Če bi želeli omogočiti tudi to, potem bi se število danih aktivnosti povečalo na 240, kar pa je pri vsem ostalem povpre-čenju seveda nesmiselno. rešitev/zakonitost/problem vnesena v dani sistem po zastavljenem konceptu, se bo ta tudi ohranila in bo po želji/potrebi nadaljnjih raziskav tudi vstopala v analize. 6.2.8.2. Postopek dodajanja nove proizvodne aktivnosti Pri dodajanju novih proizvodnih aktivnosti najprej izberemo sklop področja (živinoreja, poljedelstvo, aktivnosti na travinju, zelenjadarstvo, sadjarstvo, vinogradništvo), kamor želimo zapisati vnosne podatke za to aktivnost. Za ohranjanja preglednosti se premaknemo na področje, kjer so že zapisane sorodne aktivnosti, sicer pa vrstni red ni pomemben in ne vpliva na pravilno delovanje modula. Nadalje vrinemo dodatne vrstice (odvisno od posamezne kalkulacije od 50 do 120 vrstic za posamezno kalkulacijo), kamor bomo prekopirali vnosni del za najdaljšo modelno kalkulacijo. V tem koraku je zato bolje, da vrinemo večje število vrstic in ob končanem vnosu odvečne pobrišemo. S tem zagotovimo, da pri kopiranju zagotovo ne bomo pomotoma povozili drugih podatkov. Pri dodajanju novih vrstic se vedno postavimo na vrstico s sivim poljem in vrinemo želeno število vrstic (50 do 120). Nadalje izberemo vnosni del za tisto modelno kalkulacijo, ki je tej novi po tipu in tehnologiji najbolj podobna. Vedno kopiramo od sivega polja, ki nakazuje začetek vnosnega dela do vrstice, kjer piše STOP. Kopiramo cele vrstice s čimer si zagotovimo, da prenesemo vse enačbe in sklice. Posebno pozornost je potrebno nameniti le že arhiviranim vrednostim, ki jih prilagodimo v kolikor je ta nova dodana aktivnost aktualna za gospodarstva, katerih podatki so že arhivirani. V naslednjem koraku popravimo ime kalkulacije, zbir in ime za cenik, v stolpcu »B« pa obvezno naredimo absolutni sklic (npr. A$1500$) na ime zapisano v stolpcu »A«. Nadalje preverimo in prilagodimo vsa vnosna polja s katerimi vplivamo na dano kalkulacijo. Pri tem smo pazljivi, da natančno preverimo predvsem stolpec »O« in vrednosti v »K«, da so primerne dani modelni kalkulaciji. Ko ta korak končamo, zaženemo ukaz za uvoz izhodiščnih vrednosti in še enkrat primerjamo vrednosti v stolpcu »G« in »K«. V kolikor pride do odstopanj jih korigiramo. Po opisanem pristopu dodajanja novih aktivnosti lahko poljubno dodamo dodatne vrstice in pri dani novi modelni kalkulaciji omogočimo spreminjanje še katerega parametra, lahko pa tudi izbrišemo posamezno vrstico, če za dan primer ni aktualna. Slika 60: Začetek vnosnega dela posamezne proizvodne aktivnosti, primer koruzna silaža Ko smo izvedli dane korake je nadalje pomembno, da na listu »Nabor aktivnosti« preverimo, če je dana modelna kalkulacija že zapisana na seznamu aktivnosti - stolpec »H« (Slika 62). Ta del je izredno pomemben, saj se na tem mestu samodejno zapisujejo podatki, kje se kalkulacija nahaja in vpliva tudi na nadaljnje korake, da bo nova aktivnost pravilno vključena v nabor in tudi matriko proizvodnih možnosti. Z vsako novo dodano aktivnostjo, je potrebo prilagoditi tudi »ZBIR«. Pomemben korak pri dodajanju novih aktivnosti v modul je tudi zapis šifer in kod v pod-modulu »NABOR_MATRIKA«, tako da se ob izbiri dane aktivnosti pri analizi kmetijskega gospodarstva pravilno zapišejo vsi potrebni podatki, sklici in enačbe iz modelne kalkulacije. Postopek je podrobneje opisan v poglavju 6.2.3. Slika 62: Nabor aktivnosti in vpis podatkov za novo aktivnost E F S H J K L M Aktivnost Ime kalkulacije it.ir Ime lista na MK cenik št vrstice Poroči/o številka st Mleko PB mleko mlekoPR mlekoPR mleko 498 DA 20 Mleko mleko mleko4500 mleko mleko 416 NE, ker M 21 dojilje dojilje dojilje dojilje tele250 710 NE, ker M 22 pteldoj plemenske tel pteldoj pteldoj pltel 846 NE, ker M 23 pltel pltel pltel pltel pltel 781 DA 24 mpglSO pitana goved mpglSO mpgl50 mpg 644 NE, ker M 25 6.2.8.3. Spreminjanje in dodajanje tržnih aktivnosti Pri analizi kmetijskega gospodarstva so pomembne tudi tržne aktivnosti. Gre tako za nabavo potrebnih inputov, kot tudi prodajo morebitnih presežkov. Osnovni koncept danega modula in tudi modelnih kalkulacij je, da tiste aktivnosti, ki v osnovi predpostavljajo, da gre za pridelavo končnega proizvoda, ki lahko vstopa na trg, vključujejo prihodke že na ravni same proizvodne aktivnosti (npr. proizvodna buč). Nasprotno pa velja za tiste aktivnosti, katerih proizvod se deloma ali pa v celoti porabi na kmetijskem gospodarstvu (npr. koruzno zrnje). V tem primeru se, v kolikor se proizvod (npr. koruzno zrnje) v celoti ne porabi znotraj kmetijskega gospodarstva (npr. v krmnem obroku domačih živali), presežke proda. Na strani možne nabave vključujemo močno krmo in mineralna gnojila, s čimer je omogočena izravnalna bilanca na ravni celotnega gospodarstva. Modul je zasnovan tako, da trenutno obsega možnost vključevanja po deset tržnih aktivnosti za posamezno skupino: • prodaja presežkov doma pridelane krme, • nabave krme in • nabava mineralnih gnojil. Uporabnik lahko poljubno definira za katero aktivnost gre (npr. prodaja/nakup koruze, pšenice, itd. ali pa nakup konkretnega mineralnega gnojila (npr. NPK 15/15/15). Izbor in vrstni red nista pomembna. Ključno je, da na kmetijskem gospodarstvu imajo določeno aktivnost in je zanjo izračunana lastna cena oziroma obstaja podatek o ceni (znotraj sistema modelnih kalkulacij). Tako lahko poljubno spreminjamo nabor, ki se bo ob uvažanju podatkov (poglavje 6.2.2.5) samodejno prilagodil, vključno z omejitvami, bilancami in aktivnostmi v končni matriki proizvodnih možnosti. V primeru tržnih aktivnosti tako ni smiselno, da bi vrivali in dodajali nove aktivnosti, saj z desetimi možnostmi, ki jih poljubno lahko spremenimo, pokrijemo možnosti v večini primerov kmetijskih gospodarstev. 6.2.9. Postopek priprave podatkov za analizo ter delo z makri Postopek, da pridemo do proizvodnega načrta, je sorazmerno zapleten. Vključuje številne med seboj povezane in na več mestih ugnezdene zanke med katerimi posamezne obsegajo več, tudi deset VBA modulov. Za lažje in preglednejše delo smo ukaze združili v ključne skupine in tako na bistveno enostavnejši način pridemo do želenega rezultata. Kot izhaja že iz samega poročila, imamo v osnovi dve ključni upravljavski mesti za zaganjanje ukazov in dela z združenimi makri. Eden se nahaja na modulu kmetijskih gospodarstev (Slika 63) in ga predstavljamo v tem poglavju, drugi pa na podpornem modulu (»MODUL1«) ki smo ga podrobneje predstavili v poglavju 6.2.5.2. Osnovni pogoj, da lahko začnemo z delom na modulu kmetijskih gospodarstev je, da smo predhodno v podporni modul (»MODUL1«) že uvozili posamezne standardne modelne kalkulacije iz sistema modelnih kalkulacij, ki lahko vstopajo v reševanje in analizo, ter smo pri živinorejskih kalkulacijah zapisali tudi krmne potrebe. Po teh dveh korakih lahko nadaljujemo z delom, sicer pa moramo najprej izvesti ta dva koraka na podpornem modulu (»MODUL1«). Sicer ni nujno, je pa priporočljivo, da med analizami posameznih različnih kmetijskih gospodarstev vedno znova naložimo modelne kalkulacije. Pri tem predvsem izpustimo modelne kalkulacije, ki za dana kmetijsko gospodarstvo niso aktualne in brez potrebe obremenjujejo datoteko. V prvem koraku je potrebo zapisati atribute analiziranega gospodarstva in tudi same analize. Pri tem gre tudi za izbiro posameznih proizvodnih aktivnosti (vse te morajo biti že uvožene v podpornem modulu »MODUL1«; če je katera izpadla jo uvozimo; pri tem vrstni red ni pomemben). V kolikor imamo podatke že arhivirane, potem s pomočjo ukaza »UVOZI ARHIVIRANE PODATKE ...« v zelenem polju uvozimo podatke in nadaljujemo z analizo. V kolikor še nimamo danega kmetijskega gospodarstva v arhivu, je potrebno le-tega najprej popisati. Pri tem si lahko pomagamo s filtriranjem posameznih področji, kot tudi kategorij in postopno vnašamo podatke. Bistveno hitreje je, če v arhivu poiščemo čim bolj sorodno kmetijsko gospodarstvo, prepišemo tega iz arhiva in nadalje vnos korigiramo glede na analiziran primer kmetijskega gospodarstva. Nadalje je potrebno zapisati izhodiščne vrednosti modelnih kalkulacij124 v pod-modul za opis atributov kmetijskega gospodarstva. Kot podrobneje predstavljamo v poglavju 6.2.2.3 gre za informativne vrednosti, ki so nam v pomoč pri zapisu proizvodnih atributov posameznih proizvodnih aktivnosti. V tem delu se tudi že samodejno kreirajo različne variacije pridelovanja na travinju (za več podrobnosti glej poglavje 6.2.6). Sledi prilagajanje modelnih kalkulacij na podpornem modulu (»MODUL1«). Slednje izvedemo s pomočjo ukaza »(1.KMG) PRILAGODI MK GLEDE NA OPIS_KMG ...« (Slika 63). V tem koraku se za vse izbrane proizvodne aktivnosti posodobi tudi nabor modelnih kalkulacij. V kolikor ni bil zagnan korak za zapis izhodiščnih vrednosti (»0. zapiši_izhodiščne ...«), potem se v tem koraku kreirajo različne variacije pridelovanja na travinju, prav tako pa tudi, če bi želeli pri istem načinu spravila upoštevati 124 To je med drugim tudi razlog, zakaj je priporočljivo, da ob analizi novega kmetijskega gospodarstva modelne kalkulacije v podpornem modulu (»MODUL1«) ponovno naložimo, kajti sicer zapisane vrednosti ne bodo izhodiščne. Možno je tudi, da ta korak izpustimo, ker gre za informativne vrednosti in za nekoga z več izkušnjami in poznavanjem parametrov modelnih kalkulacij ni nujno potreben. različno število košenj125 (za več podrobnosti glejte poglavje 6.2.6). Po tem koraku moramo ponovno zagnati ukaz za izračun krmnih potreb, saj je zaradi atributov kmetijskega gospodarstva lahko prišlo do spremenjenih proizvodnih parametrov, ki vplivajo na krmne potrebe (poglavje 6.4.2). V kolikor gre za razširjen nabor aktivnosti, ki v predhodnih analizah niso bile zajete in smo »ZBIR« iz takšnega ali drugačnega razloga nadomestili z izhodiščnim dokumentom sistema modelnih kalkulacij, je potrebno v naslednjem koraku naložiti tudi »ZBIR« (postopek in namen je podrobneje opisan v poglavju 6.2.4), sicer pa ne126. Če ni potrebno, tega koraka ne izvajamo, saj je zaradi kompleksnega sistema časovno zelo zamuden in lahko traja tudi 15 minut in več, odvisno od števila proizvodnih aktivnosti (modelnih kalkulacij), za katere želimo zapisati sklice. V pomoč nam je lahko tudi informacija iz aktivnega poročila (Slika 64), kdaj je bil »ZBIR« nazadnje nadgrajen, kot tudi katere cene se upoštevajo (prve oziroma zadnje). Pri analizi kmetijskega gospodarstva je vedno potrebno, da se upoštevajo zadnje cene127. Sledi zapis matrike proizvodnih možnosti. To storimo s pomočjo ukaza v rumenem polju »Matrika proizvodnih možnosti«, kjer zaženemo ukaz »ZAPIŠI UNI MATRIKO«. S tem ukazom se zapiše univerzalna matrika proizvodnih možnosti in lahko nadaljujemo z delom in ukazi, ki so podrobneje zapisani v poglavju 6.2.3.2. Ko zaključimo z delom in analizo za določeno kmetijsko gospodarstvo je priporočljivo, da proizvodne atribute arhiviramo v arhivsko bazo. To storimo s pomočjo ukaznega gumba v zelenem polju »ARHIVIRAJ PODATKE KMG ...«. Podrobneje arhiviranje podatkov predstavljeno v poglavju 6.2.2.5. S tem omogočimo, da lahko kadarkoli ponovimo analizo za dano kmetijsko gospodarstvo oziroma nadaljujemo npr. z analizo pri različnih scenarijih128. Slika 63: Združeni ukazi za lažje delo z modulom kmetijskih gospodarstev Zaradi lažjega dela z modulom smo s pomočjo VBA in t.i. polj z besedilom naredili tudi aktivno poročilo oziroma neke vrste aktivni vmesnik, kamor se samodejno zapisujejo informacije o delu s posameznimi makri oziroma ukazi. S pritiskom na gumb »Prikaži poročila delovanja makrov« se odpre poročilo, ki ga prikazujemo na sliki (Slika 64). Ob ponovnem pritisku na gumb se poročilo ponovno skrije. Ne glede na to ali je poročilo vidno ali ne, se sproti prilagaja. 125 V tem primeru je nujno, da makro (»(1.KMG)...«) zaženemo ponovno. 126 V kolikor je možno, v »ZBIR« zapišemo vse proizvodne aktivnosti, ki so potencialno možne (so v naboru orodja, glejte poglavje 6.2.6) in ga nadgradimo zgolj v primeru širjenja samega orodja z novimi proizvodnimi aktivnostmi, ki jih trenutna različica še ne vključuje, sicer pa se temu koraku lahko izognemo. 127 To ne velja le v primeru, ko naložimo nov »ZBIR« (povozimo staro datoteko) oziroma v primeru, da bi vmes delali tudi v sistemu modelnih kalkulacij s standardnim naborom modelnih kalkulacij. V slednjem primeru je namreč nujno, da se v »ZBIRu« upoštevajo prve cene. 128 Pri tem je priporočljivo, da tudi za vsak izveden scenarij vrednosti arhiviramo. POROČILA MAKROV: ZBIR je bil zadnjič prilagojen: 13. 11. 2017 15:59:38 Trenutno se upoštevajo: ZADNJE LC MK (tudi prehr. potrebe) so bile nazadnje prilagojene konkretnemu KMG: 17. 11. 2017 17:37:02 Izhodiščne vrednosti so bile zadnjič prepisane na list OPIS_KMG: 17. 11. 2017 11:14:08 Podatki so bi zadnjič arhivirani: 14. 11. 2017 15:31:32 in sicer v stolpec št. 63 Nazadnje so bili podatki uvoženi: 17. 11. 2017 17:35:31 in sicer iz stolpca št. 50 UNIVERZALNA MATRIKA je bil zadnjič prilagojena: 17. 11. 2017 17:42:39 6.2.10. Opis analiziranih kmetijskih gospodarstev Delovanje razvitega modula kmetijskih gospodarstev smo testirali na primeru štirih kmetijskih gospodarstev. Gre za kmetijska gospodarstva iz pomurske regije, ki so primarno usmerjena v govedorejo. Vsa štiri gospodarstva so bila vključena tudi v analizo v tretjem delovnem svežnju tega projekta (DS3) in vodijo FADN. Pri analizi smo upoštevali pogoje in tudi cene iz leta 2016. Glavnino podatkov smo povzeli po rezultatih obdelave knjigovodskih podatkov za leto 2016, manjkajoče oziroma tiste, ki niso zajeti, pa smo ocenili s pomočjo svetovalca, ki dobro pozna razmere na posameznem gospodarstvu. V nadaljevanju na kratko povzemamo ključne proizvodne atribute, na podlagi katerih smo poizkušali rekonstruirati proizvodne načrte in analizirati dobljene rezultate za posamezno kmetijsko gospodarstvo. Pri tem se KMG1 nanaša na prvo kmetijsko gospodarstvo, KMG2 na drugo, KMG3 na tretje in KMG4 na četrto analizirano kmetijsko gospodarstvo129. 129 Vsi podatki so zardi varstva osebnih podatkov anonimizirani. Preglednica 53: Nabor proizvodnih aktivnosti na posameznem kmetijskem gospodarstvu, ki lahko vstopa v rekonstruiran proizvodni načrt KMG1 KMG2 KMG3 KMG4 Prireja mleka - prosta reja DA DA DA DA Vzreja plemenskih telic DA DA DA DA Pitanje govedi DA DA DA DA Pšenica DA DA DA DA Krmna pšenica DA DA DA DA Krmni ječmen DA DA DA DA Ječmen - tržni DA DA DA DA Koruza za zrnje DA / DA DA Koruzna silaža DA DA DA DA Buče (Prekmurje) DA / / DA Travna silaža - silos DA DA DA DA Travna silaža - bale DA DA DA DA Travna silaža N - silos DA DA DA DA Travna silaža N - bale DA DA DA DA Seno sušeno na tleh DA DA DA DA Seno - baliranje DA DA DA DA Seno sušeno na tleh (N) DA DA DA DA Seno - baliranje (N) DA DA DA DA Pridelava grozdja DA / / / V Preglednica 53 prikazujemo nabor proizvodnih aktivnosti, ki naj bi se v letu 2016 izvajale na danih kmetijskih gospodarstvih in so tudi vključene v model kmetijskih gospodarstev. Z vidika nabora proizvodni aktivnosti so kmetijska gospodarstva zelo podobna. Razlike se pojavljajo pri pridelavi buč (zgolj KMG1 in KMG4), koruznega zrnja (vse razen KMG2) in vinogradništvu, ki se izvaja le na KMG1. Nabor možnih izvajanj aktivnosti na travinju je vezan na dostopno tehnologijo in prakse. Pri tem je predpostavka, da se na vseh štirih gospodarstvih lahko izvaja vse načine spravila za travno silažo, deloma pa tudi za seno. Pri slednjem namreč na vseh štirih gospodarstvih ni bilo sušilne naprave za dosuševanje sena, zato ta možnost ni bila na voljo. Nadalje na kratko prikazujemo ključne proizvodne atribute posameznega gospodarstva (Preglednica 54). Z vidika obdelovalnih površin so kmetijska gospodarstva dokaj primerljiva. S 23,75 ha je najmanjše prvo kmetijsko gospodarstvo, največje pa KMG3 s skupno 26,3 ha. Na vseh gospodarstvih najemajo dodatne površine njiv, ob tem pa je predviden strošek pri vseh enak in znaša 150 EUR/ha. Razmerje njiv v primerjavi s trajnimi travniki je tako glede na pomursko regijo pričakovano in sicer izrazito v korist njiv. Delež travnikov v povprečju predstavlja 22 % skupnih obdelovalnih površin, največ na KMG1 - dobrih 37 %, najmanj pa na največjem gospodarstvu (KMG3) - nekaj manj kot 9 % (Preglednica 54). __KMG1 KMG2 KMG3 KMG4 Lastne obdelovalne površine Njive Trajni travniki Vinograd Najem obdelovalnih površin Najem njiv Najem travnikov Strošek najema - njive Strošek najema - travnik Delovna sila Lastna delovna sila Strošek najema (bruto) Največji dovoljen najem Ukrepi SKP Vrednost plačilne pravice Povprečne pridelovalne razmere Povprečna velikost (ha) 0,8 0,7 1 1 Povprečna oddaljenost (km) 4 4 4 4 Povprečen nagib (%) 10 5 1 1 Povprečna skupna povr. posamezne kulture (ha) 0,8 0,7 1 1 Povprečna odd. med parcelami posamezne kulture (km) 2 2 2 2 Največjo porabo delovne sile imajo na KMG3 (2,52 PDM/letno), najmanj pa na KMG4 (1,12 PDM). Tudi ti koeficienti so bili povzeti po rezultatih obdelave FADN podatkov za posamezno gospodarstvo za leto 2016. Na vseh kmetijskih gospodarstvih smo predpostavili, da je možno najeti dodatno delovno silo in sicer v obsegu do 2 PDM letno, pri čemer strošek najema na posamezno uro znaša 5,5 EUR. Vrednost plačilnih pravic je najnižja na KMG1, najvišja pa na KMG4 s 279 €/ha. Ob tem smo predpostavili, da kmetijsko gospodarstvo enako višino plačilnih pravic dobi tudi za najete površine. Na rezultate in ekonomičnost pridelave pomembno vplivajo tudi pridelovalne razmere na posameznem gospodarstvu. Te pomembno vplivajo na izračun lastnih cen posameznih aktivnosti in s tem tudi na stroške. Predvsem gre za izrazito povišanje stroškov in obsega dela z vidika premikov in dela s stroji. Pri tem je izrednega pomena tudi povprečna hitrost vožnje po cestah130. Za vsa štiri gospodarstva je evi-dentno, da je tako oddaljenost od KMG, kot tudi oddaljenost med parcelami z isto kulturo (vpliva na premike med eno in drugo poljino pri določenih opravilih npr. sejanju koruze) sorazmerno velika, hkrati pa je povprečna velikost posamezne parcele v vseh primerih enaka ali manjša od 1 ha (Preglednica 54). V nadaljevanju predstavljamo ključne značilnosti proizvodnih aktivnosti po posameznem kmetijskem gospodarstvu, posebej za živinorejo (Preglednica 55) in posebej za pridelavo na njivah (Preglednica 56). Pri tem prikazujemo zgolj ključne parametre, ki se med kmetijskimi gospodarstvi razlikujejo, 130 V okviru tega dela smo pri vseh predpostavili, da je povprečna hitrost 25 km/h oziroma na makadamskih cestah 15 km/h in na asfaltiranih cestah 35 km/h. (ha) (ha) (ha) 3,85 8,84 0,55 11,38 4,23 16,29 2,3 3,51 7,16 (ha) (ha) (EUR/ha) (EUR/ha) 10,51 0 150 100 10,51 0 150 100 7,71 0 150 100 15,2 0 150 100 (PDM) (EUR/h) (PDM) 2 5,5 2 1,25 5,5 2 2,52 5,5 2 1,12 5,5 2 (EUR/ha) 154,56 215,16 194,7 279,35 dodatno pa v prilogah tudi določene podrobnejše kazalnike po posameznih proizvodnih aktivnostih (Priloga 16, Priloga 17, Priloga 18 in Priloga 19) za posamezna kmetijska gospodarstva. Kot je razvidno (Preglednica 55), najvišjo mlečnost dosegajo na največjem kmetijskem gospodarstvu (KMG3) in sicer povprečno na čredo 6.843 l. Iz vidika obnove črede je najslabše KMG1 s povprečno 4,5 let. Najbolje pa teleta prodajo na KMG3. Na slednjem gospodarstvu dosegali tudi najboljšo ceno za mleko, sledi KMG1 (0,26 EUR/kg). Predpostavljena tehnologija pitanja je na vseh gospodarstvih enaka. Predpostavlja začetno težo telet 120 kg in ob povprečnem dnevnem prirastu 1,1 kg pitanje do končne mase 650 kg. Na vseh gospodarstvih so vzrejali tudi lastne plemenske telice za obnovo črede. Tudi pri teh smo predpostavili enako tehnologijo. Posebej predstavljamo tudi, koliko posameznih kategorij živali so glede na podatke redili na danem kmetijskem gospodarstvu v letu 2016 (Preglednica 55). Gre za podatek, ki se upošteva pri rekonstrui-ranju proizvodnega načrta (*-REK). Tako je imelo največji stalež molznic KMG3 in sicer 36, podobno tudi KMG1 (34), najmanj pa KMG2 (27). Podobno razmerje je tudi pri pitancih in vzreji plemenskih telic. Preglednica 55: Ključni atributi živinorejskih proizvodnih aktivnosti na analiziranih kmetijskih gospodarstvih KMG1 KMG2 KMG3 KMG4 Prireja mleka - prosta reja Laktacijska mlečnost 6263 5300 6843 6565 Remont črede (let) 4,5 5 5 5 Cena telice (EUR) 1200 1200 1200 1200 Cena prodanega teleta (EUR) 270 300 250 250 Cena izločene krave molznice (EUR/kg) 0,8 0,8 0,8 0,8 Cena mleka (EUR/kg) 0,26 0,268 0,24 0,25 Število živali - REK (št.) 34 27 36 32 Pitanje govedi Začetna teža pitanja (kg) 120 120 120 120 Končna teža pitanja (kg) 650 650 650 650 Dnevni prirast (kg/dan) 1,1 1,1 1,1 1,1 Število živali - REK (št.) 24 18 25 22 menske telice Začetna teža vzreje (kg) 120 120 120 120 Končna teža vzreje (kg) 600 600 600 600 Dnevni prirast (kg/dan) 0,7 0,7 0,7 0,7 Število živali - REK (št.) 7 6 8 7 Podobno nadalje (Preglednica 56) predstavljamo podatke tudi za proizvodne aktivnosti na njivskih površinah. Pri danih predpostavkah vidimo, da ni večjih razlik v doseženih pridelkih z izjemo pri koruzni silaži. Tako kot pri živinorejskih aktivnostih, tudi pri slednjih za vsako posebej predstavljamo kolikšen je bil obseg pridelave (*-REK) glede na informacije iz rezultatov obdelave knjigovodskih podatkov za leto 2016, ki jih bomo pri rekonstruiranju proizvodnega načrta z danim orodjem tudi poizkušali doseči. Ob tem ne prikazujemo rezultatov za trajno travinje oziroma travno deteljne mešanice in zasejano travinje na njivskih površinah. Informacij o načinu spravila neposredno iz izpisa namreč ni možno pridobiti. Poznamo le obseg travno deteljnih mešanic, ki smo jih, v kolikor je KMG izvajalo takšno aktivnost, vključili kot omejitev v deležu (za več glej Preglednica 57). Ključna predpostavka za travinje je bila, da na vseh gospodarstvih dosegajo enake pridelke in sicer 9.000 kg suhe snovi na ha, kar pospravijo ob povprečno štirih košnjah na letni ravni. Za vse travniške aktivnosti smo tudi predvideli, da je na vseh gospodarstvih z vidika hranilne vrednosti dosežena dobra kakovost (»D«)131. Preglednica 56: Ključni atributi rastlinskih proizvodnih aktivnosti na analiziranih kmetijskih gospodarstvih Pšenica Pridelek Število ha - REK Pšenica krmna Pridelek Število ha - REK Kr mni ječmen Pridelek Število ha - REK Je čmen - tržni Pridelek Število ha - REK Koruza za zrnje Pridelek Število ha - REK Koruzna silaža Pridelek Število ha - REK Buče (Prekmurje) Pridelek Število ha - REK Pr idelava grozdja Št. trsov Število ha - REK KMG1 KMG2 KMG3 KMG4 (kg/ha) (ha) (kg/ha) (ha) (kg/ha) (ha) (kg/ha) (ha) (kg/ha) (ha) (kg/ha) (ha) (št.) (ha) 6000 5 7000 5 5500 2 5500 2 (kg/ha) 10000 (ha) 1,7 41000 5,2 900 0,55 4000 0,55 6000 4,7 7000 4,7 5500 3 5500 3 10000 1,7 41000 6,7 6000 4,17 7000 4,17 5500 5,6 5500 5,6 10000 1 50000 8,24 6000 3,5 7000 3,5 5500 1,7 5500 1,7 10000 6,7 50000 4,9 900 2 Kot predstavljamo v poglavju 6.2.11, smo način spravila na travinju prepustili orodju, da na podlagi izravnave krmnih bilanc in ob upoštevanju različnih kategorij stroškov, sam vključi posamezno proizvodno aktivnost v potrebnem obsegu in sicer tako, da je doseženo razmerje načinov spravila na tra-vinju ( 131 Razredi so slaba, dobra, zelo dobra, odlična. Preglednica 57). Kot je razvidno, smo omejitev postavili le pri največjem možnem deležu baliranja, ki je na vseh kmetijskih gospodarstvih enak (največ 50 %) in spravilu sena, kjer ni možno dosuševanje na sušilni napravi, kar bi se načeloma poleg višjih stroškov odrazilo tudi v predpostavljeni višji kategoriji hranilne vrednosti krme. Preglednica 57:Predvideni deleži spravila in deleži posameznih kultur oziroma skupin kultur v kolobarju KMG1 KMG2 KMG3 KMG4 Način spravila na travinju (maksimalno) Seno sušeno na tleh (%) 100 100 100 100 Seno balirano (%) 100 100 100 100 Seno dosuševano na hladen zrak (%) 0 0 0 0 Baliranje travne silaže (%) 50 50 50 50 Siliranje travne silaže (%) 100 100 100 100 lobar Maksimalni delež okopavin (%) 60 60 60 60 Maksimalni delež žit (%) 50 50 50 50 Maksimalni delež pšenice (%) 70 70 70 70 Maksimalni delež ječmena (%) 70 70 70 70 Maksimalni delež TDM (%) 30 30 30 30 Maksimalni delež zelenjadnic (%) 0 0 0 0 Maksimalni delež oljnic (%) 40 40 40 40 Maksimalni delež beljakovinske krme (%) 10 10 10 10 Minimalni delež TDM (%) 0 10 20 10 Minimalni delež oljnic (%) 2 0 0 2 Podobno smo omejili tudi delež posameznih skupin v kolobarju kmetijskega gospodarstva. Predpostavke so za vsa kmetijska gospodarstva enake, z izjemo minimalnega deleža pri travno deteljnih mešanicah in oljnicah. Pri teh smo na kmetijskem gospodarstvu, ki jih imajo, vključili tudi ta delež. Slednje sicer zaradi samega postopka rekonstruiranja proizvodnega načrta nebi bilo potrebno, smo pa pustili ta delež, v kolikor bi poizkušali optimirati proizvodni načrt za posamezno kmetijsko gospodarstvo. Namreč s takšnimi pogoji ohranjamo pozitivnost normativnega pristopa. 6.2.11. Rezultati rekonstruiranja proizvodnih načrtov z modelom kmetijskih gospodarstev 6.2.11.1. Proizvodni načrti za analizirana kmetijska gospodarstva V nadaljevanju na kratko povzemamo ključne rezultate analiziranih kmetijskih gospodarstev s pomočjo modela kmetijskih gospodarstev. Modul kmetijskih gospodarstev omogoča, da izvedemo rekonstrukcijo proizvodnega načrta pri različnih ciljnih funkcijah. V okviru testiranja modelnega orodja smo tako izbrali štiri primere ciljnih funkcij, ki so predmet maksimiranja pri rekonstruiranju proizvodnega načrta. V prvem primeru (S01) smo tako maksimirali POK1. Nadalje smo v drugem primeru (S02) rekonstruirali proizvodni načrt tako, da smo poizkušali doseči najvišje POK2 ob danih omejitvah. V tretjem primeru (S03) smo maksimirali bruto dodano vrednost in v četrtem primeru (S04) smo maksimirali neto dodano vrednost oziroma t.i. paritetni dohodek na ravni kmetijskega gospodarstva. Zaradi vpliva razmerja prihodkov in določenih stroškov v nekaterih primerih pride do razlik v proizvodnem načrt med S01 in S04, lahko pa so rezultati popolnoma identični. V vseh primerih smo zahtevali, da model kmetijskih gospodarstev v proizvodni načrt vključi natanko enak obseg izvajanja posamezne proizvodne aktivnosti, kot se je na posameznem kmetijskem gospodarstvu izvajala v letu 2016. Podrobneje so dane informacije predstavljene v 6.2.10 (Preglednica 55 in Preglednica 56). V nadaljevanju na kratko predstavljamo rekonstruirane proizvodne načrte za posamezno kmetijsko gospodarstvo, s posebnim poudarkom na izračunu posameznih ekonomskih kazalnikov in predvsem ključnimi informacijami proizvodnega načrta. Sami rezultati niso tako bistveni, kot je bistveno da modelno orodje deluje in v nadaljevanju omogoča tovrstne analize in predvsem še bolj poglobljene analize s pomočjo katerih bi lahko analizirali tudi zakaj prihaja do pomembnih razlik v posameznih kazalcih po tem modelu in denimo rezultatih FADN za posamezno gospodarstvo. V Preglednica 58 prikazujemo rezultate za vse štiri scenarije proizvodnih načrtov za KMG1. Na danem gospodarstvu bi po ocenah modela lahko dosegali neto dodatno vrednost v višini dobrih 21.500 EUR. Skupno ocenjeni prihodki znašajo nekaj maj kot 125.000 EUR, skupni stroški pa nekje med 139.000 in 148.000. Ocenjena amortizacija je v danem primeru izrazito nižja, kot pa je izhaja iz rezultatov obdelave knjigovodskih podatkov za dano kmetijsko gospodarstvo, slednje je tudi eden izmed razlogov za odstopanje od izračunane neto dodane vrednosti danega gospodarstva. Izkaže se, da ni bistvenih razlik pri rekonstruiranju proizvodnih načrtov pri uporabljeni logiki maksimiranja. Do manjših odstopanj pride zaradi razlik v vključevanju pridelovanja na travinju, kjer baziramo na maksimiranju neto dodane vrednosti. V tem primeru se vključi več pridelovanja travne silaže na trajnem travniku, manj pa se najame njivskih površin, na katerih bi pridelovali travno silažo. Spremeni se tudi optimalnejši način spravila sena; izkaže se, da je bolj balirati seno. Hkrati pa se za pokrivanje krmne bilance vključi večja količina kupljene krme (koruzno zrnje in K19). Izkaže se tudi, da na konkretnem gospodarstvu ni potreb po dodatni delovni sili, saj je reševalec ne vključi v proizvodni načrt. V danem primeru je glede na predpostavke modelnih kalkulacij obseg dela pri obdelavi FADN rezultatov višji med 3 do 7 % na letni ravni. KMG1 KMG1 KMG1 KMG1 Ciljna funkcija S01 S02 S03 S04 Ekonomski kazalniki Direktni spremenljivi stroški (EUR) 28.572 28.572 28.572 28.540 Prihodki (EUR) 124.957 124.957 124.957 124.714 POK 1 (EUR) 79.975 79.975 79.975 74.425 Spremenljivi stroški strojev (EUR) 16.147 16.147 16.147 13.867 POK 2 (EUR) 63.828 63.828 63.828 60.558 Bruto dodana vrednost (EUR) 51.323 51.323 51.323 48.959 Neto dodana vrednost (EUR) 21.511 21.511 21.511 21.830 Kap ital Stroški kapitala (EUR) 10.404 10.404 10.404 9.619 Vezava -obratna sredstva (D) (EUR) 56.917 56.917 56.917 53.359 Vezava -osnovna sredstva (D) (EUR) 289.875 289.875 289.875 267.267 Amortizacija AM strojev (EUR) 15.377 15.377 15.377 12.933 AM skupaj (EUR) 29.812 29.812 29.812 27.129 Obveznosti povezani s stroškom plač Obveznosti I (3) (EUR) 4.989 4.989 4.989 4.768 Domače delo (EUR) 20.729 20.729 20.729 19.755 Obveznosti II (4) (EUR) 11.261 11.261 11.261 10.733 Delovna sila Lastna delovna sila - RAZ (h) 3.600 3.600 3.600 3.600 Lastna delovna sila (h) 3.501 3.501 3.501 3.337 Domače strojne storitve (h) 945 945 945 809 Najeta delovan sila - RAZ (h) 3.600 3.600 3.600 3.600 Obdelovalne površine Njive - RAZ (ha) 3,85 3,85 3,85 3,85 Njive (ha) 3,85 3,85 3,85 3,85 Travniki - RAZ (ha) 8,84 8,84 8,84 8,84 Travniki (ha) 8,84 8,84 8,84 8,84 Najem - njiv (max) (ha) 14,71 14,71 14,71 14,71 Najem - njiv (ha) 14,71 14,71 14,71 10,60 Nabor aktivnosti mlekoPR (gl) 34,00 34,00 34,00 34,00 pltel (gl) 7,00 7,00 7,00 7,00 mpg (gl) 24,00 24,00 24,00 24,00 jecmenT (ha) 2,00 2,00 2,00 2,00 koruza (ha) 1,70 1,70 1,70 1,70 psenicaKR (ha) 5,00 5,00 5,00 5,00 silkor (ha) 5,20 5,20 5,20 5,20 buce (ha) 0,55 0,55 0,55 0,55 tsil4 (ha) 5,27 5,27 5,27 5,48 tsilN4 (ha) 4,11 4,11 4,11 0,00 tsilNB4 (ha) 0,00 0,00 0,00 0,00 seno4 (ha) 3,57 3,57 3,57 0,00 senoB4 (ha) 0,00 0,00 0,00 3,36 senoNB4 (ha) 0,00 0,00 0,00 0,00 grozdjeV (ha) 0,55 0,55 0,55 0,55 Najem njiv (ha) 14,71 14,71 14,71 10,60 Nadalje na kratko povzemamo rezultate za KMG2 (Preglednica 59). Za razliko od KMG1, v tem primeru prihaja do večjih razlik med proizvodnimi načrti, dobljenimi ob različnih paradigmah maksimiranja ciljne funkcije (S01 do S04). Tako bi na danem gospodarstvu po ocenah modela lahko dosegali neto dodatno vrednost povprečno v višini dobrih 9.000 EUR, najvišjo v primeru, če je ta tudi ciljna funkcija, ki jo maksimiramo, kar je izrazito manj v primerjavi z rezultati FADN. Razlog je predvsem v višjih izra- čunanih skupnih stroških. Z nadaljnjo poglobljeno analizo bi lahko ugotavljali, zakaj prihaja do takšnega razkoraka. Skupno ocenjeni prihodki znašajo okrog 90.000 EUR, skupni stroški pa nekje med 116.000 in slabih 126.000, odvisno od scenarija. Najnižje stroške bi dosegli v primeru S04, ko je tudi paritetni dohodek najvišji. Najvišjo bruto dodano vrednost dosežemo v primeru, če je ta tudi predmet maksimiranja in bi za dano gospodarstvo na letni ravni znašala dobrih 34.000 EUR. V danem primeru je skupen strošek amortizacije višji kar za 20% v primerjavi s FADN rezultati, torej ravno nasprotno kot pri KMG1. V danem primeru prihaja do večjih razlik med proizvodnimi načrti kot to izhaja za KMG1. So pa te prav tako pri obsegu in načinu spravila travne silaže in sena. Tudi v tem primeru se izkaže, da v primeru temeljenja na maksimiranju neto dodane vrednosti v rešitev vstopa manjši obseg najetih njivskih površin. Bi pa na danem gospodarstvu prodali ves ječmen, saj v reševanje vstopa zgolj tržna oblika, nasprotno pa bi pridelano pšenico vključili v krmni obrok. V danem primeru razpoložljiva domača delovna sila ne zadošča za pokritje vseh potreb in jo je potrebno najeti. V povprečju po oceni modela potrebnih dodatnih dobrih 700 ur letno, kar predstavlja med 21% in 25 % skupnih potreb. Tudi v tem primeru bi s podrobnejšim analiziranjem posameznih proizvodnih aktivnosti (modelnih kalkulacij) (Priloga 18) lahko prišli do odgovora, kje in zakaj prihaja do razlik. Možen razlog je tudi, da bi morale biti določene predpostavke drugačne, kot so trenutno upoštevane. KMG2 KMG2 KMG2 KMG2 Ciljna funkcija S01 S02 S03 S04 Ekonomski kazalniki Direktni spremenljivi stroški (EUR) 23.473 24.044 24.044 23.196 Prihodki (EUR) 90.109 90.097 90.097 89.842 POK 1 (EUR) 59.020 58.818 58.818 53.964 Spremenljivi stroški strojev (EUR) 14.702 14.486 14.486 12.202 POK 2 (EUR) 44.319 44.332 44.332 41.763 Bruto dodana vrednost (EUR) 34.313 34.338 34.338 32.759 Neto dodana vrednost (EUR) 8.988 9.288 9.288 10.368 Kap ital Stroški kapitala (EUR) 8.922 8.854 8.854 8.062 Vezava -obratna sredstva (D) (EUR) 49.339 49.236 49.236 45.360 Vezava -osnovna sredstva (D) (EUR) 248.054 245.905 245.905 223.378 Amortizacija AM strojev (EUR) 13.986 13.701 13.701 11.322 AM skupaj (EUR) 25.326 25.051 25.051 22.391 Obveznosti povezani s stroškom plač Obveznosti I (3) (EUR) 4.278 4.246 4.246 4.040 Domače delo (EUR) 17.979 17.838 17.838 16.934 Obveznosti II (4) (EUR) 9.768 9.691 9.691 9.200 Delovna sila Lastna delovna sila - RAZ (h) 2.250 2.250 2.250 2.250 Lastna delovna sila (h) 2.250 2.250 2.250 2.250 Domače strojne storitve (h) 844 836 836 693 Najeta delovan sila - RAZ (h) 3.600 3.600 3.600 3.600 Najeta delovan sila (h) 787 763 763 610 Obdelovalne površine Njive - RAZ (ha) 11,38 11,38 11,38 11,38 Njive (ha) 11,38 11,38 11,38 11,38 Travniki - RAZ (ha) 4,23 4,23 4,23 4,23 Travniki (ha) 4,23 4,23 4,23 4,23 Najem - njiv (max) (ha) 14,71 14,71 14,71 14,71 Najem - njiv (ha) 9,19 9,19 9,19 4,62 Nabor aktivnosti mlekoPR (gl) 27,00 27,00 27,00 27,00 pltel (gl) 6,00 6,00 6,00 6,00 mpg (gl) 18,00 18,00 18,00 18,00 jecmenT (ha) 3,00 3,00 3,00 3,00 psenicaKR (ha) 4,70 4,70 4,70 4,70 silkor (ha) 6,70 6,70 6,70 6,70 tsil4 (ha) 1,44 4,23 4,23 3,21 tsilB4 (ha) 0,00 0,00 0,00 0,00 tsilN4 (ha) 6,17 3,55 3,55 0,00 tsilNB4 (ha) 0,00 0,00 0,00 0,00 seno4 (ha) 2,79 0,00 0,00 0,00 senoB4 (ha) 0,00 0,00 0,00 1,02 senoNB4 (ha) 0,00 2,62 2,62 1,60 Najem delovne sile (h) 786,80 762,96 762,96 610,23 Najem njiv (ha) 9,19 9,19 9,19 4,62 Nadalje prikazujemo ključne rezultate za tretje analizirano kmetijsko gospodarstvo (KMG3) (Preglednica 60). Ta primer je po obnašanju modela zelo podoben KMG1. Pri različnih predpostavkah maksimiranja ciljne funkcije namreč ne pride do bistvenih razlik, z izjemno maksimiranja neto dodane vrednosti (S04). Po izračunih modela kmetijskih gospodarstev bi dano kmetijsko gospodarstvo lahko doseglo dobrih 28.500 EUR neto dodane vrednosti na letni ravni. Pri tem so skupni prihodki ocenjeni na slabih 130.000 EUR letno, kar je slabih 13 % več kot izhaja iz FADN poročila za dano gospodarstvo. Na danem gospodarstvu so vsi skupni stroški ocenjeni v povprečju na 153.000 EUR, kar je okoli 15 % več kot izhaja iz rezultatov obdelave knjigovodskih podatkov. V danem primeru so zelo dobro ocenjena obratna sredstva, ki v primerjavi s FADN poročilom odstopajo za slabih 8 %. Med proizvodnimi načrti v obsegu vključenih posameznih aktivnosti ne prihaja do večjih razlik, podobno kot v primeru KMG1. Tako se poleg enakega zahtevanega obsega z vidika živinorejskih aktivnosti in ključnih aktivnostih na njivskih površinah, razlike kažejo predvsem v obsegu različnih načinov spravila. Zanimivo je, da je v danem primeru obseg delovne sile manjši med 19 in 20 % glede na rezultate FADN. Tako v proizvodni načrt ne vstopa najeta delovna sila in le-ta ostaja neizkoriščena v danem deležu. Hkrati se v reševanje vključijo vse razpoložljive površine, vključno z možnostjo najema dodatnih in sicer kot smo predpostavili pri atributih kmetijskega gospodarstva, za celotnih 40 % več kot je evidentirano v FADN. To je tudi eden od ključnih razlogov tako za višje stroške, kot tudi nekoliko višje prihodke v primerjavi z rezultati obdelave knjigovodskih podatkov. KMG3 KMG3 KMG3 KMG3 Ciljna funkcija S01 S02 S03 S04 Ekonomski kazalniki Direktni spremenljivi stroški (EUR) 32.002 32.002 32.002 32.785 Prihodki (EUR) 129.923 129.923 129.923 129.902 POK 1 (EUR) 86.986 86.986 86.986 86.525 Spremenljivi stroški strojev (EUR) 15.834 15.834 15.834 15.546 POK 2 (EUR) 71.152 71.152 71.152 70.978 Bruto dodana vrednost (EUR) 58.207 58.207 58.207 58.051 Neto dodana vrednost (EUR) 28.563 28.563 28.563 28.774 Kap ital Stroški kapitala (EUR) 10.629 10.629 10.629 10.538 Vezava -obratna sredstva (D) (EUR) 59.250 59.250 59.250 59.117 Vezava -osnovna sredstva (D) (EUR) 295.050 295.050 295.050 292.165 Amortizacija AM strojev (EUR) 14.776 14.776 14.776 14.394 AM skupaj (EUR) 29.645 29.645 29.645 29.277 Obveznosti povezani s stroškom plač Obveznosti I (3) (EUR) 5.256 5.256 5.256 5.212 Domače delo (EUR) 21.722 21.722 21.722 21.531 Obveznosti II (4) (EUR) 11.801 11.801 11.801 11.697 Delovna sila Lastna delovna sila - RAZ (h) 4.536 4.536 4.536 4.536 Lastna delovna sila (h) 3.669 3.669 3.669 3.637 Domače strojne storitve (h) 899 899 899 887 Najeta delovan sila - RAZ (h) 3.600 3.600 3.600 3.600 Obdelovalne površine Njive - RAZ (ha) 16,29 16,29 16,29 16,29 Njive (ha) 16,29 16,29 16,29 16,29 Travniki - RAZ (ha) 2,30 2,30 2,30 2,30 Travniki (ha) 2,30 2,30 2,30 2,30 Najem - njiv (max) (ha) 10,79 10,79 10,79 10,79 Najem - njiv (ha) 10,79 10,79 10,79 10,79 Nabor aktivnosti mlekoPR (gl) 36,00 36,00 36,00 36,00 pltel (gl) 8,00 8,00 8,00 8,00 mpg (gl) 25,00 25,00 25,00 25,00 jecmenT (ha) 5,60 5,60 5,60 5,60 koruza (ha) 1,00 1,00 1,00 1,00 psenicaKR (ha) 4,17 4,17 4,17 4,17 silkor (ha) 8,24 8,24 8,24 8,24 tsil4 (ha) 2,30 2,30 2,30 2,30 tsilN4 (ha) 4,25 4,25 4,25 4,48 senoN4 (ha) 3,82 3,82 3,82 0,00 senoNB4 (ha) 0,00 0,00 0,00 3,60 Najem njiv (ha) 10,79 10,79 10,79 10,79 Kot zadnje predstavljamo rezultate za četrto kmetijsko gospodarstvo (Preglednica 61). V tem primeru ponovno prihaja do rahlih razlik med proizvodnimi načrti v odvisnosti od uporabljenega pristopa (S01 do S04). V povprečju bi tako na danem gospodarstvu dosegali neto dodano vrednost med dobrih 20.000 in slabih 21.000 EUR. Pri tem bi ocenjeni skupni prihodki znašali slabih 124.000 EUR, kar je več kot izhaja iz FADN rezultatov. Tudi tu je eden od razlogov ta, da se v reševanje vključi 40 % več najetih površin. Po drugi strani pa ocenjena amortizacija v povprečju znaša slabih 27.500 EUR, kar je okoli 12 % več kot izhaja iz rezultatov obdelave knjigovodskih podatkov. Podobno velja tudi za obratna sredstva, katerih ocena po modelu odstopa za 9 %. Kot izhaja iz predstavljenih proizvodnih načrtov a so v danem primeru potrebe po delavni sili z vidika modela kmetijskih gospodarstev za okoli 40 % višje, kot je razpoložljiva delovna sila na danem gospo- darstvu. Tudi to odstopanje bi kazalo s poglobljeno analizo po posameznih proizvodnih aktivnostih dodatno preveriti (Priloga 19). Preglednica 61: Povzetek ključnih rezultatov rekonstruiranja proizvodnje v letu 2016 za KMG 4 KMG4 KMG4 KMG4 KMG4 Ciljna funkcija S01 S02 S03 S04 Ekonomski kazalniki Direktni spremenljivi stroški (EUR) 33.095 33.783 33.783 33.059 Prihodki (EUR) 123.958 123.940 123.940 123.751 POK 1 (EUR) 77.299 77.050 77.050 72.849 Spremenljivi stroški strojev (EUR) 15.952 15.699 15.699 13.987 POK 2 (EUR) 61.347 61.351 61.351 58.862 Bruto dodana vrednost (EUR) 48.497 48.516 48.516 46.869 Neto dodana vrednost (EUR) 20.273 20.614 20.614 20.954 Kap ital Stroški kapitala (EUR) 9.881 9.802 9.802 9.190 Vezava -obratna sredstva (D) (EUR) 54.683 54.565 54.565 51.540 Vezava -osnovna sredstva (D) (EUR) 274.692 272.158 272.158 254.805 Amortizacija AM strojev (EUR) 14.951 14.615 14.615 12.869 AM skupaj (EUR) 28.225 27.901 27.901 25.916 Obveznosti povezani s stroškom plač Obveznosti I (3) (EUR) 4.870 4.832 4.832 4.678 Domače delo (EUR) 20.447 20.279 20.279 19.602 Obveznosti II (4) (EUR) 11.109 11.017 11.017 10.649 Delovna sila Lastna delovna sila - RAZ (h) 2.016 2.016 2.016 2.016 Lastna delovna sila (h) 2.016 2.016 2.016 2.016 Domače strojne storitve (h) 929 919 919 813 Najeta delovan sila - RAZ (h) 3.600 3.600 3.600 3.600 Najeta delovan sila (h) 1.438 1.409 1.409 1.295 Obdelovalne površine Njive - RAZ (ha) 3,51 3,51 3,51 3,51 Njive (ha) 3,51 3,51 3,51 3,51 Travniki - RAZ (ha) 7,16 7,16 7,16 7,16 Travniki (ha) 7,16 7,16 7,16 7,16 Najem - njiv (max) (ha) 21,28 21,28 21,28 21,28 Najem - njiv (ha) 21,28 21,28 21,28 17,38 Nabor aktivnosti mlekoPR (gl) 32,00 32,00 32,00 32,00 pltel (gl) 7,00 7,00 7,00 7,00 mpg (gl) 22,00 22,00 22,00 22,00 jecmenT (ha) 1,70 1,70 1,70 1,70 koruza (ha) 6,70 6,70 6,70 6,70 psenicaKR (ha) 3,50 3,50 3,50 3,50 silkor (ha) 4,90 4,90 4,90 4,90 buce (ha) 2,00 2,00 2,00 2,00 tsil4 (ha) 7,16 7,16 7,16 6,09 tsilN4 (ha) 2,63 2,83 2,83 0,00 senoB4 (ha) 0,00 0,00 0,00 1,07 senoNB4 (ha) 0,00 3,16 3,16 2,09 Najem delovne sile (h) 1437,65 1409,32 1409,32 1294,87 Najem njiv (ha) 21,28 21,28 21,28 17,38 6.2.11.2. Nekatere ugotovitve v fazi testiranja modela kmetijskih gospodarstev Pri testiranju modela kmetijskih gospodarstev se je izkazalo, da model deluje in uporabniku omogoča ogromno možnosti kako narediti čim bolj 'pozitivno' obliko analize. Kot izhaja iz poglavja 6.2.11.1 se v določenih primerih izkaže, da rezultati pomembneje odstopajo od rezultatov obdelav knjigovodskih podatkov FADN. Ta odstopanja so tako v pozitivno, kot negativno smer. Ključno pri tem je, da model kljub vsej kompleksnosti deluje, so pa za odpravo oziroma razumevanje tovrstnih odstopanj potrebne še nadaljnje analize, ki pa jih ob bogatem naboru možnosti model tudi omogoča. Tako je z nadaljnjim delom z modelnim orodjem možno odgovarjati na marsikatero kompleksno vprašanje na ravni kmetijskega gospodarstva. V nadaljevanju na kratko povzemamo določene ugotovite, do katerih smo prišli v fazi testiranja modela. Izkaže se, da se lahko v določenih primerih zgodi, da so zaradi kompleksnega in obsežnega vnosa podatkov in omejitev za posamezno gospodarstvo določene omejitve kontradiktorne, kar se odrazi v tem, da model ne najde možne rešitve. Takšen primer je denimo pri porabi delovne sile. Kot smo že omenili v poglavju 6.2.10, model omogoča zelo natančno definiranje npr. proizvodnih razmer na posameznem gospodarstvu. Kot se je izkazalo, je zaradi natančnega definiranja posameznih faz dela s stroji pri tako neugodni posestni strukturi, kot je v primeru vseh štirih gospodarstev, ta vpliv na porabo časa lahko zelo velik. Tako se je izkazalo, da je zelo pomembno, kako definiramo hitrost vožnje s traktorjem (načeloma deloma sovpada z izbrano intenzivnostjo strojnih linij, deloma pa je to odvisno od tega, kakšne so ceste po katerih dostopamo do poljin). Zelo pomembne so tudi predpostavke glede hranilne vrednosti krme na eni strani in krmnih potreb domačih živali na drugi. V obeh primerih gre načeloma za povprečne podatke, ki so ocenjeni na podlagi povprečnih ocen, ki veljajo za Slovenijo oziroma so potrebe po hranilih ocenjene na podlagi dostopnih enačb v literaturi in izbranih proizvodnih parametrov. V obeh primerih lahko pride do odstopanja od dejanskih razmer na kmetijskem gospodarstvu. V fazi testiranja se je izkazalo, da v določenih primerih krmnih potreb pri predpostavljeni ne najboljši krmni vrednosti doma pridelane krme preprosto ne moremo pokriti. Tudi v takšnem primeru se lahko zgodi, da reševalec ne bo našel možne rešitve, čeprav ima na voljo, da določeno krmo dokupi. Še izrazitejši problem kot uravnavanje krme bilance se je pokazal pri razmerju načinov spravila krme in kolobarju. Namreč izkaže se, da ko vnašamo podatke za analizirano gospodarstvo, vnesemo dana razmerja, kot naj bi bilo glede na mnenja stroke (predvsem kolobar), vendar se izkaže, da na posameznem gospodarstvu pridelava odstopa od takšnih priporočil. V kolikor imamo dane omejitve vključene, bo model rešitev našel le, če bo povečal obseg obdelovalnih površin in tako zadostil danim razmerjem, presežke pridelane krme pa prodal. To se je izkazalo tudi v večini primerov pri testiranju modela. Samo modelno orodje omogoča, da pri izravnavi krmnih bilanc na ravni kmetijskega gospodarstva upoštevamo potrebe po hranilih, lahko pa izberemo tudi posamezne skupine oziroma kar konkretno kategorijo krme, ki je vključena v krmni obrok na ravni posamezne modelne kalkulacije. Izkaže se, da je ta pristop zelo dober, saj omogoča 'pozitivnejši pristop' posnemanja dogajanja na konkretnem gospodarstvu. Slednje velja še toliko bolj, če smo krmni obrok prilagodili s pomočjo modula za sestavo krmnih obrokov in posvetili posebno pozornost njegovi sestavi. Hkrati pa se tudi izkaže, da je to lahko serija dodatnih omejitev, ki so lahko kontradiktorne z ostalimi postavljenimi na ravni kmetijskega gospodarstva (npr. takšen primer je delež načina spravila in razmerja pri kolobarju). Tudi v slednjem primeru se tako lahko zgodi, da model ne bo našel rešitve, ker ne more zadostiti vsem danim omejitvam. Za potrebe testiranja delovanja modelnega orodja samo tako pri vseh analizah zahtevali, da v krmni obrok vstopa najmanj toliko sena, kot izhaja iz krmnega obroka posamezne modelne kalkulacije. Zelo zanimivi trendi v spremembi proizvodnega načrta se kažejo tudi pri optimizaciji. Slednjih rezultatov v danem poročilu sicer ne prikazujemo. Se pa izkaže, da se proizvodni načrt spremeni. Pri tem imamo sicer več možnosti: a) dodamo nove proizvodne aktivnosti, ki bi se lahko na danem kmetijskem gospodarstvu še izvajale, b) sprostimo omejitve, ki zagotavljajo popolnoma enak obseg posamezne proizvodne aktivnosti ob enakem naboru možnih aktivnosti, ki so se izvajale v letu 2016, oziroma c) dodamo nove možne proizvodne aktivnosti in hkrati sprostimo omejitve za rekonstruiranje proizvodnega načrta (bodisi samo del ali pa vse). 6.3. OPTIMIZACIJSKI MODUL BILANCE HRANIL ZA PRIPRAVO LETNIH GNOJILNIH NAČRTOV 6.3.1. Opis delovanja in pomen v danem sistemu V okviru projekta je bil razvit samostojen optimizacijski modul za bilanco rudninskih hranil (N, P in K) pri rastlinski proizvodnji na njivah in travinju. Gre za samostojen modul, ki omogoča, da pri poljubni modelni kalkulaciji nadomestimo obstoječo gnojilno funkcijo, ki v sistemu modelnih kalkulacij po določenem algoritmu (podrobneje opisano pri metodoloških izhodiščih modelnih kalkulacij v DS4) izračunava potrebne letne količine gnojil, tako mineralnih, kot tudi organskih. Na podlagi razvitega algoritma v danem optimizacijskem modulu lahko uporabnik poljubno prilagaja nabor in količino razpoložljivih gnojil, ki lahko vstopajo v letni gnojilni načrt za posamezno kulturo. Razvit optimizacijski modul je tesno povezan s podpornim modulom (»MODUL1«), ki je podrobneje opisana v poglavju 6.2.5. Dani modul za optimizacijo bilance hranil je namreč zasnovan tako, da se za potrebe dela z modelnimi kalkulacijami zaganja izključno iz podpornega modula (»MODUL1«). V slednjem se definira za katere modelne kalkulacije želimo pripraviti gnojilni načrt in ga tudi zapisati v modelno kalkulacijo (Slika 58). V prvem koraku tako prebere izbrano modelno kalkulacijo oziroma serijo izbranih modelnih kalkulacij (podrobneje predstavljeno v poglavju 6.2.5.6) in iz nje prepiše gnojilno normo, ki je odvisna od kulture, tehnologije pridelave ter seveda v ključnem delu od pričakovanega pridelka. Gre za podatke, ki so vedno zapisani na istem mestu za vse rastlinske modelne kalkulacije. Nadalje zapiše podatke razpoložljivih mineralnih in organskih gnojil, ki lahko vstopajo v reševanje. Pri tem je sistem povezan z datoteko »ZBIR«, kot tudi z bazo cen modelnih kalkulacij »CENE« (podrobneje predstavljene pri modelnih kalkulacijah v DS4). Pristop je bil uspešno testiran na vseh poljedelskih in travniških aktivnostih. Pripravljen je tako, da uporabnik v naprej izbere nabor modelnih kalkulacij na podpornem modulu »MODUL1«, ki vključujejo pridelovanje na njivah ozirom travinju, nato pa modul samodejno izračuna gnojilni načrt na ravni leta, ga zapiše v modelno kalkulacijo in s tem upošteva tudi pri izračunu lastne cene (Slika 67). Uporabnik ima možnost, da pri nadaljnji analizi upošteva ta novo izračunani gnojilni načrt, ponovi postopek in zapiše novega ali pa ohrani izhodiščno rešitev gnojenja iz modelne kalkulacije. Ta izbira omogoča, da ohranimo prvotno rešitev, lahko pa modelno kalkulacijo prilagodimo tako, da kar najbolje odseva razmere na kmetijskem gospodarstvu. 6.3.2. Zasnova in reševanje gnojilnih načrtov Celoten postopek je podprt z VBA zanko, ki omogoča, da preko podpornega modula (»MODUL1«) izračunamo in zapišemo gnojilne načrte za serijo modelnih kalkulacij (postopek je podrobneje opisan v poglavju 6.2.5.6). V kolikor želimo prilagoditi posamezne nastavitve pri reševanju je nujno, da modul za pripravo gnojilnih načrtov (številka »3«) odpremo s pomočjo makra 2.2, popravimo posamezen parameter, nastavitev shranimo in zapremo dokument. VAB koda, ki zaganja dani modul za pripravo gnojilnih načrtov je namreč pripravljena tako, da vedno odpre modul, naredi izračune in ga tudi zapre132 ter se vrne na podporni modul (»MODUL1«). Za potrebe avtomatičnega ovrednotenja gnojilne bilance in vključevanja posameznih gnojil je uporabljen koncept matematičnega programiranja z omejeno optimizacijo. S tem je omogočeno sprotno prilagajanje modelne kalkulacije tako z vidika nabora možnih gnojil (zanimivo zlasti pri spremembah, ki se dogajajo med leti tako v dostopnosti na trgu, kot tudi ceni), kot tudi morebitni spremembi pričakovanega pridelka. Pri tem posamezna gnojila vstopajo v model kot aktivnosti. Trenutna različica modula omogoča hkratno vključevanje 13 vrst mineralnih gnojil (Slika 65) in 10 vrst organskih gnojil. Te uporabnik naprej izbere in odkljuka tiste, ki lahko vstopajo v reševanje pri določeni kulturi. Seveda je ključen namen, da pri dani analizi vključimo tiste, ki so na kmetijskem gospodarstvu dostopni oziroma jih lahko kupijo na trgu. Pri tem se cene poiščejo v podpornem dokumentu sistema modelnih kalkulacij »CENE« in sicer za obdobje, ki ga nastavimo oziroma želimo analizirati. Slika 65: Nabor mineralnih gnojil, ki lahko vstopajo v reševanje gnojilnega načrta _L2_ cene 915-716 162 (S N = O ^ "C — ^ ffi 1 s NE VPISU J o ■:- «s C. ? T3 Č Š £ % DA(1]i/ Količina Cena CENA MK -cenik Vrsta mineralnega qnajila M P K NE(CI) |kq) |€/100kq} NPK 15-15-15 15/1 EVI 5 15 15 15 1 42,79 0,428 NPK 7-20-30 7/20Ш 7 20 30 1 51,62 0,516 NPK 6-12-24 6Л2\24 6 12 24 0 38,10 0,381 NPK 8-26-26 8/26\26 G 26 26 0 £7,60 0,576 kristalonB 15/5Ш 15 5 30 0 167.00 1.670 0 0 0 0 0 0.00 0.000 PK 0-10-30 0/10Ш 0 10 30 1 36,84 0,368 Superfosfat NPK 0-26-0 0/26\0 0 26 0 1 35,74 0,357 Нурегкогп 0/26\0 0 26 0 1 34,13 0,341 PatentK 0/0Ш 0 0 30 1 50,40 0.504 KCl 0/0Ш0 0 0 60 1 38,74 0,387 kalijev sulfat 0/0\50 0 0 50 1 73,53 0,735 kan 27/0\l> 27 0 0 1 29,21 0,292 urea 46/0\0 46 0 0 1 38,54 0,385 Pri hlevskem gnoju uporabnik lahko izbira ali se upošteva izračunana (lastna) cena ali ne . Ta se po že uveljavljenem pristopu modelnih kalkulacij izračuna kot tehtano povprečje cen čistih hranil najpogosteje uporabljenih mineralnih gnojil (podrobneje predstavljeno v DS4). Se pa v določenih primerih izkaže, da je pri takšnem pristopu lahko strošek hlevskega gnoja previsok in posledično ne vstopa v rešitev. 132 Zaradi hitrejšega delovanja je koda razvita tako, da se med samim delovanjem slika na ekranu ne spreminja, saj slednje bistveno pospeši izračune. 133 Slednje se lahko nastavlja zgolj v modulu za pripravo gnojilnih načrtov na listu »Hlevski gnoj«. Slika 66: Nabor organskih gnojil, ki lahko vstopajo v reševanje gnojilnega načrta Leskovšek str. 49 C ■o 0 <551 1 0,60 1 280,8 32,3 134,60 157.69 292,19 6.3135 3,612 474,3948 36,1 22.1 12.9 5.6 1 0,60 2 281,2 32.3 134,48 157,94 292,39 6.327 3.624 474,8633 35,1 22.2 13,0 5,8 1 0.60 3 281,8 32.3 134,41 158,19 292.60 6,3405 3.636 474,9319 35.2 22.2 13,0 5,8 1 0,60 4 282,4 32.3 134,36 158,44 292,81 6,354 3,648 475,2009 35.2 22.2 13,0 5,8 1 0,60 5 283 32,3 134.32 158,70 293,011 6.3675 3,66 475,4701 35.2 22.3 13,0 5.6 1 0,60 6 283,8 32,3 134.27 168,95 293.22 6,381 3.672 475,7396 36.3 22.3 13,0 6.6 1 0,60 7 284,2 32.3 134.22 169.20 293,43 6,3945 3.684 476,0094 36.3 22.3 13,1 5 6 1 0,60 8 284,8 32.3 134,18 159,45 293,63 6,408 3.696 476.2795 35,4 22.4 13,1 5,8 1 0,60 9 285,4 32.3 134,13 159,70 293,84 8,4215 3.708 476.5498 35,4 22.4 13,1 5.7 1 0,60 10 288 32.3 134,09 159,98 294,04 6,435 3.72 476,8204 35,4 22.4 13.1 5.7 1 0,60 11 286,8 32.3 134,04 160,21 294,25 8,4485 3.732 477,0913 35.5 22.5 13.1 5.7 1 0,60 12 287.2 32,3 134,00 160,46 294.48 6,462 3.744 477,3624 36.6 22.5 13.2 5 7 1 0,60 13 287,8 32.3 133.95 160,71 294.68 6,4765 3.756 477,8339 36.6 22.5 13.2 5 7 1 0,60 14 288,4 32.3 133,91 160,98 294.87 6,489 3.768 477.9056 35,6 22.6 13.2 5.7 1 0,60 15 289 32.3 133,88 161,21 296,08 6.6025 3,78 478.1776 35,6 22.6 13.2 5.7 1 0,60 18 289,8 32.3 133,82 161,48 295,28 6,518 3.792 478,4498 35.7 22.6 13.2 5.7 1 0,60 17 290,2 32.3 133.77 161,72 295,49 6.5295 3,804 478,7223 35.7 22.7 13.3 5.7 1 0,60 18 290,8 32,3 133 73 161.97 296.69 6,543 3.816 478,9961 36.7 22.7 13 3 6,8 1 0,60 19 291,4 32,3 133,68 162.22 296,90 6.6565 3.828 479,2682 35,8 22.7 13 3 5,8 S pomočjo simulacijskega modula za vse zgoraj naštete kategorije dobimo izpis, ki je podoben temu, ki ga prikazujemo za primer krav molznic in plemenskih telic (Slika 73). Vsa modra polja lahko spreminjamo in vplivajo na izračun krmnih potreb, nasprotno pa se rumena polja izračunavajo sama. V kolikor pod-modul uporabimo in zaženemo preko podpornega modula (»MODUL1«), potem se dane vrednosti zapišejo samodejno in se prepišejo iz posamezne modelne kalkulacije, prav tako pa se prepišejo krmne potrebe nazaj na posamezen delovni list modelne kalkulacije, kot smo podrobneje predstavili v poglavju 6.2.5.4 (Slika 53). 139 Pri tem smo uporabili t.i. »DSUM« funkcijo, ki sešteva vrednosti znotraj določenih mej. Slika 73: Prikaz rezultatov simulacijskega modela za izračun krmnih potreb na primeru krav molznic in plemenskih telic Krave MOLZNICE TM (kg) = 750 kg iTM = 0 g/dan Mlečnost [kg/dan) = 1 kg/dan Mlečnost (kg/dan) = 20,eo kg/dan Koef za minerale= 3,2 KOEF Laktacijska mlečnost = 6.344 kg SMu 0 30 K:Na zgornja 0 < 0 31 K:Na spodnja 0 > 0 32 0 33 max Ca/obrok 0 < 57.163 34 max P/obrok 0 < 34.298 35 max Mg/obrok 0 < 32.154 36 max Na/obrok 0 < 21.436 37 max K/obrok 0 < 357.268 38 min Ca/obrok 0 > 36.441 39 min P/obrok 0 > 22.865 40 0 min Mg/obrok 0 > 12.862 41 min Na/obrok 0 > 12.862 42 min K/obrok 0 > 64.308 43 0 44 mi in K1 0 > 0 45 mi in K2 0 > 0 46 mi in K3 0 > 0 47 mi in K4 0 > 0 48 mi in K5 0 > 0 49 mi in K6 0 > 0 50 mi in K7 0 > 0 H I J K L M N 0 p Q R S Odsto( ječmeni/ j koruzaN/ V sonctrop/ i eptrop/ re|sojtrop / scpasaMK3Z pasaMK3/ pasaN/ pa: silkorMKZtsilkorMK/ itsilMK3ZD - 0,165133 0,1756 0,2774 0,2652 0,4392 0,01105 0,01105 0,013264 0,043962 0,043962 0,0567 -100% 6,952 7,3951 5,5625 6,497 7,5739 1,18955 1,1609 1,147925 2,4115 2,317 2,508 11,2992 11,5623 9,4518 10,591 12,1752 1,9721 1,9437 1,971175 3,9445 3,815 4,184 -100% 108,24 91,35 329,3 320,4 451,23 32,005 30,21 36,5375 25,55 25,55 72 -100% 80,0976 60,291 279,905 262,728 406,107 23,6837 21,147 27,28288 14,5635 14,819 52,56 -100% -100% -100% -100% -100% -100% -100% 0,33 0,87 0,89 0,89 0,89 0,185 0,19 0,185 0,35 0.35 0,4 0,0952 0 0 0 0 0 0 0 0,043244 0,06125 0,06965 0 0 0 0 0 0 ~~ö 0,043244 0,06125 0,06965 0,0952 0,5 0,197727 3,115 6,319 2,403 0 0 0 0,665 0.735 2,84 3,9 3,559091 7,476 9,523 5,518 0 0 0 0,686 0,7 1,44 1,1 1,0875 4,005 4,361 2,314 0 0 0 0,455 0,49 1,2 0,3 0,197727 0,267 0,267 0,267 0 0 0 0,035 0,035 0,24 5,8 3,2625 10,68 10,68 16,91 0 0 0 3,115 3,08 11,08 •11,2 -10,4795 -19,313 -22,25 -14,151 0 0 0 -1,393 -1,365 -1,48 0,68 8,68 -5,35 -5,14091 -8,099 -7,9655 -5,874 0 0 0 -0,364 -0,315 2,73 2,8 1,285227 8,01 8,01 14,24 0 0 0 2,765 4.15 2,175 9,2115 9,2115 15.4415 0 0 0 2,9225 2,8875 9,76 0,5 0,197727 3,115 6,319 2,403 0 0 0 0,665 0.735 2,84 3,9 3,559091 7,476 9,523 5,518 0 0 0 0,686 0.7 1,44 1.1 0,3 1,0875 4,005 4,361 2,314 0 0 0 0,455 0,49 1,2 0,197727 0,267 0,267 0,267 0 0 0 0,035 0,035 0,24 5,8 3,2625 10,68 10,68 16,91 0 0 0 3,115 3,08 11,08 0,5 0,197727 3,115 6,319 2,403 0 0 0 0,665 0,735 2,84 3,9 3,559091 7,476 9,523 5,518 0 0 0 0,686 0,7 1,44 1.1 1,0875 4,005 4,361 2,314 0 0 0 0,455 0,49 1,2 0,3 0,197727 0,267 0,267 0,267 0 0 0 0,035 0,035 0,24 5,8 3,2625 10,68 10,68 16,91 0 0 0 3,115 3,08 11,08 1 1 1 1 1 ~ 1 6.4.4.4. Postopek izračuna krmnega obroka s pomočjo WGP+PF in osnovne zakonitosti drugega modela Modul za sestavo krmnih obrokov omogoča, da krmni obrok izračunamo tudi s pomočjo tehtanega ciljnega programiranja, nadgrajenega s kazensko funkcijo za pozitivna in negativna odstopanja v dveh stopnjah (WGP+PF) (za več glej poglavje 6.4.4.2). Model je z vsemi ključnimi ukazi zapisan na listu »WGP_PF«. Gre za pristop, ki omogoča, da določene omejitve spremenimo v ciljne vrednosti in namesto iskanja najcenejše rešitve (kot LP) iščemo kompromisno rešitev, pri kateri bo skupno odstopanje od posameznih ciljev minimalno. Pri interaktivnem delu z modelom se sami odločimo ali nadaljujemo s tem korakom, v kolikor pa modul za optimizacijo zaženemo preko podpornega modula (»MODUL1«), pa se ta korak določi na delovnem listu »LP« in sicer v celici »E2«145. V kolikor izberemo koeficient »1« potem se izračun obroka nadaljuje tudi z modelom WGP+PF, če pa je vrednost »0« se računa zgolj z LP modelom (Slika 74). Model vključuje osem ciljev, ki jih lahko poljubno izberemo. V kolikor želimo vključiti določeno omejitev kot ciljno vrednost, je potrebno v stolpcu »A« namesto koeficienta »1« zapisati vrednost »2«. Slednje vpliva tudi na vključevanje intervalov za pozitivna in negativna odstopanja. Po posameznem cilju se intervale odstopanja definira v relativnem smislu glede na ciljno vrednost (Slika 77). Zapišemo jih v vrstici »5« in sicer od stolpca »I« dalje. V kolikor po posameznem cilju v eno ali drugo smer 145 Ta pogoje se zapiše tako, da preko podpornega modula (»MODUL1«) odpremo modul za sestavo krmnih obrokov (s kodo »6«) s pomočjo ukaznega gumba 2.2 na delovnem listu »NABOR« in popravimo vrednost na listu »LP« v celici »E2«. odstopanje ni smiselno/dovoljeno, se kot odstopanje zapiše 0%, sicer pa v deležu, ki je za dani cilj s tehnološkega vidika sprejemljiv. Ker gre za tehtano ciljno programiranje, se v tem delu tudi nastavi pomen posameznega cilja tako v smislu uteži (»w« - določi se v stolpcu »F« za posamezen cilj), kot tudi naklonskega kota kazenske funkcije v prvem oziroma drugem intervalu »s«. Slednji se za vsak interval posebej določi v vrstici »2«. Slika 76: Ukazni gumb za zapis pogojnih stavkov za sistem enačb vezanih na kazenske funkcije Posodobi pogojne stavke v stoplcu A - INTERVALI kazenskih f Modul omogoča, da lahko izbiramo med enostopenjsko in dvostopenjsko kazensko funkcijo146. Slednje se definira v celici »C1« na listu »WGP_PF« (Slika 77). Gre bolj za možnost nadaljnjega raziskovalnega dela s pomočjo danega modula in nima takšnega pomena za trenutni projekt. Slika 77: Izsek tehtanega ciljnega programa nadgrajenega s kazenskimi funkcijami za izračun krmnih obrokov Ker gre pri nadgradnji modela s kazenskimi funkcijami za sorazmerno zapleten sistem neenačb, smo dodatno razvili VBA ukaz (Slika 76), ki zapiše pogojne stavke v stolpcu »A« za vse intervale glede na izbiro v celici »C1« torej ali je »1«, »2« ali je prazno (ni dovoljenih odstopanj), ter glede na izbiro posameznih ciljev. Torej, ko spremenimo nabor omejitev, ki vstopajo kot cilji oziroma spremenimo kazensko funkcijo, je potrebno ta makro (Slika 76) ponovno zagnati. Tako lahko pri testiranju tudi poljubno definiramo (prepišemo) vrednosti v celicah od »A96« do »A128« z »0« in »1«, saj bo makro pogojne stavke samodejno zapisal ob ponovnem zagonu (Slika 78). Seveda pa dane vrednosti »0« oziroma »1« vplivajo na zapis dodatnih omejitev v reševalcu, kar bistveno olajša delo pri morebitnem spreminjanju nabora ciljev in dovoljenih odstopanj147. 146 Koeficient »1« označuje enostopenjsko kazensko funkcijo v obe smeri, koeficient »2« pa dvostopenjsko kazensko funkcijo v dveh smereh. 147 V dani različici orodja samim kazenskim funkcijam nismo posvečali pretirane pozornosti. V tej fazi je šlo bolj za razvoj orodja. V prihodnje bo na podlagi poglobljenega raziskovalnega dela s tega vidika model še precizneje nastavljen in s tem tudi kalibriran predvsem na tehnološke-prehranske zakonitosti. Slika 78: Izsek dela modela WGP+PF, ki se nanaša na omejitve povezane s pravilnim delovanjem sistema kazenskih funkcij 1 dovoljen a odstopanja - INTERVALI 0' stopnja dovoljenega ntervala odstopanja(-) C1 0 < 902,506258 stopnja dovoljenega ntervala odstopanja (+) C1 0 < 2707,5188 stopnja dovoljenega ntervala odstopanja(-) C2 0 / 0 0 stopnja dovoljenega ntervala odstopanja (+) C2 0 / 0 1 stopnja dovoljenega ntervala odstopanja(-) C3 0 < 8641,41441 1 stopnja dovoljenega ntervala odstopanja (+) C3 0 < 21603,636 0 stopnja dovoljenega ntervala odstopanja(-) 04 0 / 11046,6904 0 stopnja dovoljenega ntervala odstopanja (+) C4 0 / 27616,726 ° stopnja dovoljenega ntervala odstopanja(-) 05 0 / 357,267516 0 stopnja dovoljenega ntervala odstopanja (+) C5 0 / 357,267516 0 stopnja dovoljenega ntervala odstopanja(-) C6 0 / 1413,38881 0 stopnja dovoljenega ntervala odstopanja (+) 06 0 / 1413,38881 0 stopnja dovoljenega ntervala odstopanja(-) 07 0 / 880,324406 0 stopnja dovoljenega ntervala odstopanja (+) 07 0 / 880,324406 ■■ stopnja dovoljenega ntervala odstopanja(-) C8 0 < 0 _1_ stopnja dovoljenega ntervala odstopanja (+) 08 0 < 0 1 1 stopnja dovoljenega ntervala odstopanja [-) C1 0 < 2256,26567 1 stopnja dovoljenega ntervala odstopanja (+) C1 0 < 112813.283 П 1 stopnja dovoljenega ntervala odstopanja [-) 02 0 / 0 0 1 stopnja dovoljenega ntervala odstopanja (-f) C2 0 / 0 1 1 stopnja dovoljenega ntervala odstopanja (-) 03 0 < 21603,536 1 1 stopnja dovoljenega ntervala odstopanja (-f) C3 0 < 1080176,8 0 1 stopnja dovoljenega ntervala odstopanja (-) 04 0 / 27616,726 0 1 stopnja dovoljenega ntervala odstopanja (+) C4 0 / 1380836,3 0 1 stopnja dovoljenega ntervala odstopanja (-) 05 0 / 7145,35031 ° 1 stopnja dovoljenega ntervala odstopanja (+) C5 0 / 21436,0509 0 1 stopnja dovoljenega ntervala odstopanja (-) C6 0 / 28267.7761 0 1 stopnja dovoljenega ntervala odstopanja (+) 06 0 / 28267,7761 П 1 stopnja dovoljenega ntervala odstopanja (-) 07 0 / 17606,4881 1 stopnja dovoljenega ntervala odstopanja (+) 07 0 / 17606,4881 1 L3 01 i. <1 1 stopnja dovoljenega ntervala odstopanja (-) 08 0 < 0 1 stopnja dovoljenega ntervala odstopanja (+) 08 0 < 0 i i i i Do sedaj opisano se nanaša predvsem na metodološko nadgradnjo pristopa v primerjavi z linearnim programiranjem. Ostali postopki za zapis in obravnavo osnovnega prehranskega problema so enaki, kot pri linearnem programiranju (glej poglavje 6.4.4.3). Tako v prvem koraku zaženem ukaz »Kopiraj krmo in LP rešitev«. Pri tem modelu je pomembno, da imamo tudi rešitev prvega modela (LP), saj je eden od cilje tudi ta, da je obrok kar se da poceni, le da so odstopanja od ostalih ciljev (omejitev pri LP) čim manjša. Poleg same rešitve se iz lista »krma« skopira tudi vsa krma, ki lahko vstopa v reševanje in je enaka, kot tista, ki je vstopala v prvi model. Nadalje pri prvem zagonu (zlasti pri podrobnejših analizah in preučevanjih obnašanja modela le tega zaženemo večkrat) zaženemo tudi ukaz za zapis dodatnih omejitev vezanih na kazenske funkcije ter dovoljene intervale odstopanja (Slika 76). Sledi zagon reševalca preko gumba »Zaženi WGP+PF«, ki poišče kompromisno rešitev glede na vse omejitve in cilje, ki smo jih definirali. Nadaljnji postopek je podoben kot pri prvem modelu (LP) in sicer v prvem koraku rešitev skopiramo na vmesnik »Rešitev_MK_WGP«, od tam pa preko dveh ukaznih gumbov (Slika 79) na delovni list »Rešitev_M L_sumarnik_WGP «. Slika 79: Kontrolniki za prepis krmnih obrokov izračunanih s pomočjo WGP+PF na zbirnik Pri tem je pomembno le, da zaradi vrstnega reda pri zapisu najprej zapišemo letni krmni obrok in nato zimski krmni obrok. Tudi tu velja, da če delamo za več obdobji pitanja znotraj leta, obrok zaporedno naložimo z drugim ukaznim gumbom (Slika 79). Pri tem je potrebno poudariti, da v kolikor računamo krmne obroke po posameznih obdobjih, potem najprej izračunamo npr. za letni obrok s prvim modelom (LP), nato za isto obdobje še z drugim modelom (WGP+PF), kopiramo rešitev na zbirnik in nato ponovimo za zimski krmni obrok z obema modeloma in rešitev zadnjega zapišemo na zbirnik (Slika 80). V kolikor gre za ukaz, ki ga zaženemo preko podpornega modula (»MODUL1«), potem se vsi ti koraki samodejno zaženejo in se tudi prepišejo na posamezno modelno kalkulacijo, kot je opisano v poglavju 6.2.5.5 in prikazano na sliki (Slika 56). da zapiše Prodajna/ lastna cena NEL/G1 ME/G2 PB /G3 PSB /G4 SS/G5 SVI min SVI max K01 z WGLHS 22 872 38.017 218 995 0 3.612 652 652 = = 1 = 1 < > < 5,9064-38 330,6977 RHS 22.872 0 218.9951 279.950| 3.022| 652 I 942| W 5 Pc/LC SO 50 50 50 10 Dosežena 343 22.872 218.995 3.612 652 652 1% C% 0% 0% 0% -31% 1 Oves 783,4791 6,16 1 D, 14923 61,6 0.88 0 0 K silaža 5590,974 0,032679 2,08 3,443875 14,4 0,32 0,064 0,064 T silaža2 338,8987 0,044851 1,96 3,325545 21,7 0,35 0,091 0,091 Seno 1 1133,629 0,117621 5,074 8,542573 73,1 0.86 0,2322 D,2322 sol 16,2173 0,487616 0,95 Apnenec 25,25921 0,159938 0,95 1K22 brik 7.11E-15 0,28 0 225 200 0.88 0 0 da zapiše Prodajna/ astna cena ME/G2 PB /G3 PSB /G4 SS/G5 SVI min SVI max KO z... z VLHS 22.254 36.99D 213.076 0 3.514 634 634 = = 1 = 1 < > < 5,5914-86 321 7599 RHS 22 254 П 213.076 272 384 3.524 634 I sie W 5 Pc/LC 60 50 50 50 10 Doseženo 334 22.254 213.076 3.514 634 634 4% 0% 0% 0% 0% -31% 1 Oves 762,304 6,16 10,14923 61,6 0,88 0 0 K silaža 5439,867 0,032679 2,08 3,443875 14,4 0,32 0,064 0,064 T silaža2 329,7393 0,044861 1,96 3,325545 21,7 0,35 0,091 0,091 Seno 1 1102,991 0,117621 5,074] 8,542573 73,1 0,86 0,2322 0,2322 Seno 2 5,68E-14 0,117621 4,644 7,942012 68,8 0,86 0,2322 0,2322 sol 15,779 0,487616 0,95 Apnenec 24,57653 0,159938 0,95 Če želimo testirati delovanje modela oziroma preigravati različne možnosti in nastavitve (WGP+PF), potem odpremo modul za optimizacijo krmnega obroka iz MODULA 1 in spreminjamo nastavitve (npr. pomen ciljev, dovoljena odstopanja, itd..). 6.5. ZAKLJUČKI Razvit pristop in model kmetijskih gospodarstev z vsemi podpornimi moduli je bil uspešno testiran na štirih kmetijskih gospodarstvih, ki vodijo FADN knjigovodstvo in so bila vključena v tretjem delovnem svežnju. Zaradi omenjenega pretirano povečanega obsega dela pri razvoju danega orodja, smo bili zaradi časovne komponente primorani izpustiti test na modelih tipičnih kmetijskih gospodarstev. Je pa ta vsekakor možen, saj je v osnovi enostavnejši kot analiza konkretnih kmetijskih gospodarstev, ki smo jo izvedli. Izkazalo se je, da smo z modelom kmetijskih gospodarstev dobili kompleksno orodje oziroma sistem, ki nadgrajuje do sedaj zelo uveljavljen sistem modelnih kalkulacij in omogoča najrazličnejše analize na ravni kmetijskega gospodarstva, kot tudi raznoliko (sistematično) raziskovalno delo s samimi modelnimi kalkulacijami. Kot je predstavljeno v danem poročilu, je model kmetijskih gospodarstev zelo fleksibilen in omogoča nadgradnjo in nadaljnje širjenje tudi na proizvodne aktivnosti, ki trenutno še niso zajete. Velika prednost razvitega pristopa je tudi možnost temeljenja nadaljnjega raziskovalnega dela na ravni kmetijskih gospodarstev ob istih izhodiščih in tako nadgrajevanje dognanj in razvitih testiranih pristopov tudi z metodološkega vidika. Slednje do sedaj ni bilo možno. V Sloveniji je bilo v zadnjih 15 letih razvitih kar nekaj modelov na ravni kmetijskega gospodarstva, ki pa se žal ne uporabljajo. Ključen razlog je seveda sorazmerno velik input za posodobitev vhodnih parametrov in podatkov. Pomanjkljivost vseh je, da se ne vpenjajo v sistem, ki bi omogočal sprotno prilagajanje in spremljanje ekonomskih razmer, kot tudi sprememb v tehnologijah. Z danim pristopom, ki temelji na sistemu modelnih kalkulacij, smo ta vidik presegli in tako omogočili, da postane dano orodje tudi sistematično uporabljeno za najrazličnejše, lahko tudi sistematične analize148. Ob testiranju se je tako izkazalo, da je orodje odličen sistem za raziskovalce in omogoča sistematične analize, ki do sedaj v takšnem obsegu niso bile možne. Zelo velik potencial vidimo tako v raziskovalnem smislu, saj odpira številne možnosti nadaljnjih analiz tako v vsebinskem, kot tudi metodološkem smislu. Velik je njegov doprinos tudi v pedagoškem smislu, zlasti za najboljše dodiplomske študente na drugi ravni, kot tudi doktorske študente, raziskovalce, kot tudi najboljše svetovalce. Hkrati se je ob testiranju izkazalo, da dano orodje zaradi izrazite kompleksnosti ni primerno za sploš-nejšo uporabo oziroma zahteva izkušnje tako z vidika razumevanja in dela z modelnimi kalkulacijami, kot tudi modeliranja in poznavanja konceptov matematičnega programiranja. Kljub številnim tehničnim rešitvam je dokaj zahtevno za razumevanje in upravljanje. Vsekakor bi bilo v primeru potrebe po takšnem orodju, smiselno uporabiti drugo programsko okolje, da bi bil uporabnik (še) bolj omejen in voden pri vnosu in s tem morebitnem vnašanju napak. Pri tem bi lahko uporabili številne rešitve, ki so bile razvite tudi v okviru danega projekta. Prav tako se je pri testiranju izkazalo, da modula za sestavo krmnih obrokov in sestavo gnojilnih načrtov omogočata sorazmerno enostavno nadgradnjo modelnih kalkulacij in s tem prilagajanje analiziranemu primeru. Pri tem je ključna prednost predvsem ta, da oba modula omogočata tako avtomatiziran, kot tudi interaktivni pristop reševanja, kar omogoča izvedbo dodatnih poglobljenih analiz na določenem segmentu, ki bi ga uporabnik želel podrobneje analizirati. 148 Takšen primer bi lahko bil, da bi v kolikor bi bil na strani države interes, sistematično spremljali ekonomski položaj na različnih tipih kmetijskih gospodarstev, kar bi ob ustrezni ekstrapolaciji omogočalo simuliranje razmer po posameznih sektorjih. Priloga 15: VBA koda za zapis hiperpovezav v delovnem zvezku za vse dodane delovne liste Sufc Worksheet_Acti"vate O Dim wSheet As Worksheet Dim n As Integer Dim calcState As Leng, scrUpdateState As Lcng calcState = Application.Calculation Application. Calculation = xlCalcjilatioriMaimal scrUpdateState = Application.ScreenUpdating Application.ScreenUpdating = False n = 1 With Me . Columns (1} . ClearContents .Cells (1, 1} = "INDEX" .Cells(1, 1).Name = "Index" End With For Each wSheet In Worksheets If wSheet. Name <> Me.Name Then n = n + 1 With wSheet .Range("Al"}.Name = "5tart_" & wSheet.Index .Hyperlinks.Add anchor:=.Range("Al"}r Address:="", _ SubAddress:="Index"f TextToDisplay:="Nazaj na Fregledovanje_listov" End With Me.Hyperlinks.Add anchor:=Me.Cells(n, 1), Address:="", _ SiibAddress : ="5tart_" £ wSheet. Index, TextToDisplay: =w5heet .Name End If Next wSheet Application.Calculation = calcState Application.ScreenUpdating = scrUpdateState End Sub -Q 3 aj > rs ш T3 Ш QC 3 u C to >(Л čz to E o c T3 aj ш ■a o 3 £ to CĆ 3 _t0 tO to 15 >(Л o C > _0 Ш T3 o CP aj aj 4-» O Q_ Posa mezni kazalniki po aktivnostih mlekoPR (gl) 0,22 0,22 2070,96 126,27 54,61 pltel (gl) 1,93 1,93 1471,33 142,53 41,04 mpg (gl) 0,77 0,96 1340,27 52,42 17,16 jecmen1 (ha) 0,22 0,25 415,53 76,26 27,99 jecmenT (ha) 0,21 0,23 1127,50 53,52 18,68 koruza (ha) 0,18 0,18 1280,58 39,59 18,41 psenica (ha) 0,21 0,23 1392,31 50,58 19,23 psenicaKR (ha) 0,19 0,21 495,32 75,04 21,17 silkor (ha) 0,05 0,05 48,14 149,99 27,69 buce (ha) 2,71 2,75 2692,07 60,70 38,85 tsil4 (ha) 0,09 0,09 51,03 164,63 30,80 tsilB4 (ha) 0,09 0,10 41,47 134,18 23,22 tsilN4 (ha) 0,09 0,09 54,18 169,89 32,56 tsilNB4 (ha) 0,10 0,10 44,62 139,44 24,98 seno4 (ha) 0,25 0,26 58,51 167,26 38,26 senoB4 (ha) 0,23 0,24 53,00 141,84 29,67 senoN4 (ha) 0,27 0,28 59,54 172,53 40,03 senoNB4 (ha) 0,24 0,25 56,15 147,10 31,44 grozdjeV (ha) 0,93 0,96 4978,75 596,80 313,32 3 aj > rs ш T3 Ш QC 3 u C ro >lo ET ro E 'S * ш 3 o C T3 aj ■a o QC 3 ro QC 3 ro ГО 15 хл O C > _0 (U T3 o aj aj 4-» O Q_ Posamezni kazalniki po aktivnostih mlekoPR (gl) 0,28 0,29 1871,63 132,57 60,40 pltel (gl) 1,93 1,93 1471,33 142,53 41,04 mpg (gl) 0,95 1,13 1340,27 64,74 25,27 jecmen1 (ha) 0,22 0,25 416,06 77,54 28,29 jecmenT (ha) 0,21 0,24 1128,03 54,70 18,98 psenica (ha) 0,21 0,23 1393,00 51,94 19,61 psenicaKR (ha) 0,19 0,21 496,00 76,53 21,55 silkor (ha) 0,05 0,05 47,97 150,26 27,57 tsil4 (ha) 0,09 0,09 52,57 168,03 31,66 tsilB4 (ha) 0,10 0,10 42,99 137,48 24,07 tsilN4 (ha) 0,09 0,10 55,70 173,27 33,41 tsilNB4 (ha) 0,10 0,10 46,11 142,72 25,82 seno4 (ha) 0,26 0,27 59,54 172,12 39,52 senoB4 (ha) 0,24 0,24 55,22 146,60 30,91 senoN4 (ha) 0,28 0,28 59,54 177,35 41,27 senoNB4 (ha) 0,25 0,26 58,34 151,84 32,66 3 aj > rs ш T3 Ш QC 3 u C to >lo ET tO E 'S * ш 3 o C T3 aj ■a o QC 3 to QC 3 to tO 15 хл O C > _0 (U T3 o aj aj 4-» O Q_ Posamezni kazalniki po aktivnostih mlekoPR (gl) 0,22 0,22 2059,53 129,32 60,03 pltel (gl) 1,85 1,85 1471,33 136,69 37,64 mpg (gl) 0,82 1,01 1340,27 56,15 19,34 jecmen1 (ha) 0,21 0,23 412,97 69,96 26,56 jecmenT (ha) 0,20 0,22 1124,94 47,76 17,25 koruza (ha) 0,17 0,18 1277,02 36,42 16,22 psenica (ha) 0,20 0,22 1389,37 44,39 17,58 psenicaKR (ha) 0,18 0,20 492,38 68,25 19,52 silkor (ha) 0,04 0,04 43,10 155,09 24,74 tsil4 (ha) 0,08 0,08 45,78 152,16 27,86 tsilB4 (ha) 0,09 0,09 36,25 121,86 20,29 tsilN4 (ha) 0,08 0,09 48,42 156,72 29,34 tsilNB4 (ha) 0,09 0,09 38,90 126,48 21,77 seno4 (ha) 0,23 0,24 51,30 150,71 34,22 senoB4 (ha) 0,21 0,21 45,83 125,44 25,65 senoN4 (ha) 0,24 0,25 53,94 155,26 35,71 senoNB4 (ha) 0,22 0,23 48,47 130,00 27,14 3 aj > rs ш T3 Ш QC 3 u C ro >lo ET ro E 'S * ш 3 o C T3 aj ■a o QC 3 ro QC 3 ro ГО 15 хл O C > _0 (U T3 o aj aj 4-» O Q_ Posamezni kazalniki po aktivnostih mlekoPR (gl) 0,23 0,23 2054,94 130,62 60,57 pltel (gl) 1,90 1,90 1471,33 140,39 39,75 mpg (gl) 0,84 1,02 1340,27 57,46 20,15 jecmen1 (ha) 0,21 0,23 412,97 69,96 26,56 jecmenT (ha) 0,20 0,22 1124,94 47,76 17,25 koruza (ha) 0,17 0,18 1277,02 36,42 16,22 psenica (ha) 0,20 0,22 1389,37 44,39 17,58 psenicaKR (ha) 0,18 0,20 492,38 68,25 19,52 silkor (ha) 0,04 0,04 43,10 155,09 24,74 buce (ha) 2,60 2,63 2687,85 53,62 34,82 tsil4 (ha) 0,08 0,08 45,78 152,16 27,86 tsilB4 (ha) 0,09 0,09 36,25 121,86 20,29 tsilN4 (ha) 0,08 0,09 48,42 156,72 29,34 tsilNB4 (ha) 0,09 0,09 38,90 126,48 21,77 seno4 (ha) 0,23 0,24 51,30 150,71 34,22 senoB4 (ha) 0,21 0,21 45,83 125,44 25,65 senoN4 (ha) 0,24 0,25 53,94 155,26 35,71 senoNB4 (ha) 0,22 0,23 48,47 130,00 27,14 7. SKLEPNE PROJEKTNE UGOTOVITVE IN PRIPOROČILA 7.1. ZASTAVLJENI CILJI IN NJIHOVA URESNIČITEV Za odločanje v sodobnem kmetovanju in učinkovito vodenje kmetijske politike so potrebni podatki in njihovo organiziranje v različna orodja. Ob podatkovnih virih, ki se nanašajo na kmetijstvo, na pomenu pridobivajo tudi podatkovni viri, ki osvetljujejo stanje na ravni posameznih kmetijskih gospodarstev. Mednje sodijo številne administrativne evidence, ki se vodijo za potrebe izvajanja kmetijske politike, še posebej pa rezultati kmetijskega knjigovodstva po sistemu FADN, ki so del zahtev evropskega pravnega reda. V projektu smo tako želeli preveriti uporabnost obstoječih podatkovnih virov za nadgradnjo obstoječih in razvoj novih analitičnih podlag in orodij, s katerimi bi lahko podprli poslovno in agrarno politično odločanje v slovenskem kmetijstvu. Ovrednotiti smo želeli uporabo in kakovost kmetijskega knjigovodstva FADN (DS2), oceniti standardni prihodek kmetijskih gospodarstev kot podatkovni vir za uporabo v kmetijski politiki (DS1), ter preveriti in nadgraditi sistem modelnih kalkulacij za posamezne kmetijske proizvode kot enega temeljnih analitičnih podlag za spremljanje ekonomskih rezultatov v kmetijstvu (DS4). Slednje smo potem poskušali uporabiti za razvoj novega kompleksnega orodja, ki bi omogočilo ekonomsko ex-post ali ex-ante analizo konkretnih ali tipičnih kmetijskih gospodarstev (DS5). Želeli smo tudi razviti metodo, ki bi na podlagi razpoložljivih podatkovnih virov omogočila s podatki podprto svetovanje v obliki analitičnih panožnih krožkov (DS3). Na kratko povzemamo ključne ugotovitve po teh petih sklopih. FADN knjigovodstvo na kmetijskih gospodarstvih FADN knjigovodstvo smo v Sloveniji uvajali postopoma, v celoti pa smo sistem prevzeli s pristopom v Evropsko unijo. Stanje na tem področju se izboljšuje in projekt je nakazal široko uporabnost teh podatkov. Kljub temu ta podatkovni vir še vedno nima tistega mesta pri načrtovanju gospodarjenja na kmetijskih gospodarstvih in pri spremljanju in odločanju v kmetijski politiki, kot bi ga lahko imel in ga ima v večini držav članic. Predlagali smo niz ukrepov za izboljšanje kakovosti in uporabnosti rezultatov (npr. dodajanje novih elementov, ki bi omogočili tudi sektorske in tipske analize), predvsem pa za izboljšanje koordinacije dela, diseminacije rezultatov in njihove uporabe. Napredek je mogoče doseči le s sodelovanjem vseh členov v verigi zbiranja, obdelave in diseminacije rezultatov ter s stalno uporabo teh rezultatov za spremljanje in analizo ekonomskega stanja na kmetijskih gospodarstvih v okviru kmetijskega svetovanja in za potrebe kmetijske politike. Standardni prihodek kmetijskih gospodarstev Z uporabo vseh razpoložljivih statističnih virov in administrativnih evidenc pri MKGP, je bil za leta 2012-2014 opravljen izračun standardnega prihodka, ki je vključil preko 90.000 kmetijskih gospodarstev. Rezultati so prikazani po razredih ekonomske velikosti, tipih kmetovanja in regijah. Delo je bilo zaradi težav pri pridobivanju in pripravi potrebnih podatkov iz administrativnih virov zahtevnejše od pričakovanj, zaradi sprememb vrste in vsebine podatkov v posameznih podatkovnih zbirkah pa bo zahtevnejše tudi morebitno posodabljanje izračunov. Ugotavljamo, da imajo izračuni SO na podlagi administrativnih virov zaradi široke zajemljivosti in možnosti zagotavljanja podatkov na letni ravni individualno (SO na ravni KMG-MID) in po poljubno izbranih skupinah gospodarstev, veliko analitično vrednost, potencialno pa bi jih bilo mogoče uporabljati tudi pri izvajanju ukrepov kmetijske politike (vstopni pragi, specifične podpore za specifične tipe kmetij, regije in drugo). Modelne kalkulacije Modelne kalkulacije so kompleksna podatkovna zbirka in orodje, ki omogoča natančno spremljanje ekonomskega stanja po posameznih kmetijskih proizvodih. V preteklosti je bil to ključni vir tudi za odločanje v kmetijski politiki, manj pa se je uporabljal za načrtovanje kmetijske pridelave na kmetijskih gospodarstvih. Podatkovni sistem je bil potreben preveritve in nadgraditve z vidika tehnološke in ekonomske ustreznosti in možnosti vključitve v modelno orodje, ki bi združevalo kalkulacije na raven poljubnih kmetijskih gospodarstev. To je bilo uspešno izvedeno, nekatere funkcije so bile posodobljene (npr. gnojenje, poraba dela, strojne storitve), druge na novo vključene (krmni obroki), upoštevane so bile nove tehnologije (npr. baliranje krme) in izdelane nekatere nove kalkulacije (npr. travniška krma na njivah, oljne buče). Dobili smo prenovljen sistem modelnih kalkulacij, ki omogoča redne izračune stroškov in ekonomskih rezultatov za širok nabor kmetijskih proizvodov in tehnologij za različne namene in uporabnike, ob tem pa ga je mogoče neposredno vključiti v model kmetijskega gospodarstva. Model kmetijskega gospodarstva Model kmetijskih gospodarstev, ki je bil razvit v okviru projekta, je kompleksno orodje, matematični simulacijski model, ki z uporabo sodobnih optimizacijskih tehnik in matematičnega programiranja omogoča integracijo različnih modelnih kalkulacij na raven kmetijskega gospodarstva in njihovo prilagajanje specifičnim proizvodnim in ekonomskim razmeram. Z uporabo linearnega programiranja je model uporaben za spremljanje ekonomskega stanja različnih tipov kmetijskih gospodarstev, kot tudi za podporo pri poslovnem odločanju na posamezni kmetiji (rekonstrukcija proizvodnega načrta in njegovo optimiranje) in za scenarijske analize spremenjenih prihodnjih razmer (različna gibanja cen, spremembe ukrepov). Ob nadgradnji modela lahko Slovenija pridobi sodobno orodje, ki lahko omogoči dvig kakovosti odločanja na ravni kmetijskih gospodarstev in kmetijske politike. Analitični panožni krožki V slovenskem kmetijstvu obstajajo pomembne pomanjkljivosti pri organiziranju, upravljanju in načrtovanju kmetijske pridelave, ki zahtevajo iskanje vrzeli in rešitev zanje na ravni posamezne kmetije. To zahteva tudi spremembe pri svetovanju. V Evropi se uveljavljajo analitični panožni krožki, ki ob spremljanju proizvodnje in ekonomike posamezne kmetije, omogočajo interaktivno izmenjavo mnenj in rešitev. V projektu smo na primeru prireje mleka na dveh območjih pripravili podatkovni okvir, orodje za obdelavo in prikaz rezultatov ter koncept dela panožnega krožka, ki smo ga poimenovali SEZAM (Svetovalno Empirično orodje Za podporo izboljšanju ekonomske učinkovitosti na kmetijah s pomočjo Analitičnih svetovalnih krožkov na primeru prireje Mleka). Model svetovanja temelji na podatkih FADN knjigovodstva, CPZ Govedo in individualnih podatkih s kmetij. Če želimo analitične panožne krožke uveljaviti in razširiti tudi na druge dejavnosti, so potrebne prilagoditve podatkovnih virov (predvsem FADN), predvsem pa spremembe v organizaciji Javne kmetijske svetovalne službe. Upamo, da rezultati nazorno govorijo, da so bili zastavljeni projektni cilji doseženi. Sistematično so bile pregledane obstoječe podatkovne zbirke, ob tem pa so bila razvita nova orodja in tudi nov pristop za svetovanje, vse na ravni kmetijskih gospodarstev. Projekt je pokazal na pomen kakovostnih podatkovnih zbirk in primernih orodij za »na podatkih utemeljeno odločanje« (»evidence based policy«) na ravni kmetijskih gospodarstev in potenciale, ki jih ima tak pristop za učinkovitejše odločanje gospodarjev kmetij in nosilcev kmetijske politike. To nam je omogočilo podati tudi širšo sliko stanja analitičnih podlag in razpravo o potrebnih korakih za njihovo izboljšanje.149 7.2. SKUPNE UGOTOVITVE IN PRIPOROČILA Projektno poročilo zaključujemo z razpravo o uporabnosti razpoložljivih statističnih in administrativnih podatkovnih virov za oblikovanje analitičnih orodij. Prav tako poskušamo oceniti stanje analitičnih podlag in orodij za podporo odločanju na ravni kmetijskih gospodarstev in širše za potrebe kmetijstva. To nam bo omogočilo podati predloge za izboljšanje, ki jih vidimo tudi v potrebnih institucionalni 149 Projekt je v vsakem delovne svežnju podal precej predlogov, ki jih tukaj ne navajamo podrobno. Zainteresirani bralec si jih lahko ogleda v poročilih za posamezne delovne svežnje. Tukaj predstavljamo le splošne ugotovitve in priporočila. spremembah, pa tudi organizacije raziskovanja in svetovanja na področju agrarne ekonomike v Sloveniji. Podatkovne vire je potrebno prilagoditi uporabi za analitične namene Slovensko kmetijstvo razpolaga z nizom podatkovnih zbirk in administrativnih evidenc, ki omogočajo oblikovanj solidne slike o virih, deloma pa tudi o proizvodnji na posameznem kmetijskem gospodarstvu. Delo z različnimi podatkovnimi zbirkami je lahko izjemno zamudno, ker ni enotnega pristopa pri evidentiranju, grupiranju, vstopnih pragih in drugih elementih posameznih zbirk. Prav tako je komunikacija z nosilci posameznih podatkovnih zbirk precej otežena. Pri pristojnih organih ni učinkovite koordinacije na tem področju in analitične potrebe niso del prioritet. Zaradi omenjenih slabosti podatkovne zbirke niso dovolj izkoriščene, morebitni uporabniki teh zbirk za analitične namene imajo precej dodatnih težav, vsako delo s podatki je enkratno in ga ni mogoče standardizirati (primer standardnega prihodka in podatkovnih virov za analitične panožne krožke). Če naj bi analitične podlage postale okvir za s podatki podprto odločanje, potem je potrebno resno pristopiti k odpravi vseh institucionalnih in vsebinskih ovir. Prvi pogoj je strokovna usposobitev za tovrstno delo in koordinacija aktivnosti (glej v nadaljevanju). Ugotovitve tega projekta lahko podprejo te napore, odločitev pa je na strani odgovornih. Vsekakor je potrebno izkoristiti možnosti, ki jih ponuja izračun standardnega prihodka. Menimo, da bi njegov stalni letni izračun in uporaba za analitične in administrativne namene okrepila kakovost administrativnih podatkovnih zbirk in olajšala odločanje v kmetijski politiki. Podobne ugotovitve lahko podamo tudi za kakovost in uporabo podatkovne zbirke FADN knjigovodstva. Ne glede na ves napredek in uporabnost, ki smo jo deloma tudi že dokazali v naši nalogi (analitične podlaga za panožne krožke), je kakovost teh podatkov še zmeraj šibka, še bolj pa je zaskrbljujoča šibka diseminacija in uporaba. Celoten podatkovni sistem FADN daje edini celovite podatke o ekonomskem stanju kmetijskih gospodarstev v Sloveniji in to v daljši časovni seriju, uporablja pa ga samo Evropska komisija za monitoring in za vključitev v modelna orodja. Gre predvsem za to, da Slovenija nima reprezentativne slike o stanju posameznih skupin kmetijskih gospodarstev. Glede na to, da je ekonomski položaj slovenskih kmetijskih gospodarstev eno od osrednjih vprašanj slovenskega kmetijstva je precej nerazumno, da kakovost in uporabo FADN podatkov ne dvignemo na raven vsaj nekaterih držav zadnje širitve EU (Poljska, Madžarska, baltiške države). Posebej priporočamo, da se sistem kmetijskega knjigovodstva FADN okrepi, razširi še za potrebe analitičnega dela in obenem postane prepoznavni in pogosto uporabljeni vir in analitična podlaga za odločanje v slovenskem kmetijstvu. Slovenija zaostaja pri ponudbi stalnih analitičnih podlag za odločanje v kmetijstvu Evropska komisija in nekatere starejše države članice imajo cel niz standardnih analitičnih modelnih orodij, s katerimi spremljajo stanje in presojajo učinke kmetijskih politik. Na pomenu pridobivajo modelna orodja na ravni kmetijskih gospodarstev (npr. IFM-CAP Komisije, ali PASMA v Avstriji, večina temelji na FADN podatkih), ob njih pa tudi sektorski modeli delnega ali splošnega ravnovesja (kot so npr. AGLINK, Agmemod, CAPRI in Magnet), ki vključujejo trgovinska, dohodkovna, pa tudi že okoljska vprašanja, povezana s kmetijstvom. V Sloveniji imamo dolgo tradicijo modeliranja in oblikovanja analitičnih podlag za potrebe kmetijske politike. Pomembno podlago predstavljajo modelne kalkulacije, ki so bile v projektu metodološko in vsebinsko osvežene in nadgrajene. So pa poleg ekonomskega računa kmetijstva tudi edine, ki se stalno osvežujejo in uporabljajo. Vsa druga orodja, kot npr. različni modeli delnega ravnovesja (npr. Agmemod), ali statični determinacijski model kmetijskih gospodarstev, ki so bila uporabljena v pristopnih pogajanjih in kasneje za presojo različic shem neposrednih plačil ob reformah Skupne kmetijske politike in njene implementacije v Sloveniji so bila oblikovana v okviru projektov in so po njihovem zaključku zamrla. Vsak model zahteva stalno ekipo ter podatkovno in metodološko obnavljanje. V projektu razvito modelno orodje in pristop na osnovi modelnih kalkulacij, predstavlja dobro podlago za razvoj novega empiričnega orodja, s katerim bi na osnovi realnih podatkov lahko kreirali tipične skupine kmetijskih gospodarstev, spremljali, kaj se ekonomsko z njimi dogaja, ali bi jih uporabili za presojo učinkov spremenjenih agrarno političnih razmer. Priporočamo, da se te ambicije podpre, obenem pa tudi, da novo razvito orodje in še kakšno drugo (npr. sektorski model delnega ravnovesja Agmemod za presojo napovedi gibanj na trgu), postanejo del nacionalnega nabora orodij, katerih rezultati se tudi stalno objavljajo. Delo na empiričnih podlagah za analitične panožne krožke je pokazalo, kako pomembne so lahko obravnavane podatkovne zbirke tudi za analiziranje in načrtovanje kmetijske pridelave na kmetijskih gospodarstvih. Testirani pristop deluje, če pa želimo njegovo nadaljevanje in širitev na druga področja in dejavnosti, je potrebnih kar nekaj sistemskih sprememb. Te vidimo v dograditvi podatkovnih virov, predvsem pa v oblikovanju institucionalnega sistema, ki bo omogočil izvajanje analitičnih panožnih krožkov v okvirju javne kmetijske svetovalne službe. Kot pri drugih vprašanjih, ki se jih dotikamo v tem poročilu, gre za kreiranje novega načina dela, primerno kadrovsko politiko in jasne odločitve in zaveze odgovornih. Potrebne so institucionalne spremembe pri razvoju na podatkih podprte politike Mnenje raziskovalne skupine je, da ji je ob njenem precejšnjem angažiranju, uspelo v času projekta pomembno obnoviti in tudi narediti nekatere pomembne korake pri nadaljnji izgradnji analitičnih podlag za spremljanje in ekonomsko presojo kmetijskih gospodarstev. Bodo pa, vsaj nekateri pomembni rezultati tega projekta (standardni prihodek, analitični panožni krožeki, novo modelno orodje) zamrli, če ne bo prišlo do nekaterih korenitejših institucionalnih premikov pri oblikovanju na podatkih utemeljene kmetijske politike v Sloveniji. Zato smo se odločili, da ob zaključku ob bok predlogom, ki smo jih predstavili ob posameznih delovnih svežnjih, podamo tudi nekatere institucionalne predloge150: 1. Strategija in zakonski okvir na podatkih utemeljene kmetijske politike. Predlagamo, da se oblikuje ožja skupina vladnih in nevladnih predstavnikov ter predstavnikov raziskovalne in svetovalne sfere, ki bo oblikovala vizijo in načrt, kako okrepiti »na podatkih podprto odločanje« v kmetijstvu. Dotaknili bi se podatkovnih virov, analitičnih podlag in modelnih orodij, potrebnih za delovanje kmetijske politike in načrtovanja na kmetijskih gospodarstvih. Načrt bi vseboval konkretne aktivnosti in zadolžitve. Potrebno bi bilo zagotoviti tudi spremembo predpisov, kot tudi zagotoviti potrebni pravni okvir novega pristopa. 2. Institucionalna podpora izvajanju te Strategije. Oblikuje naj se odbor za spremljanje izvajanja Strategije, ki jo po potrebi tudi dograjuje. Temu sledi tudi institucionalna dograditev v resornem ministrstvu. Okrepi se analitično delo in delo s podatkovnimi zbirkami, ki se ureja in koordinira centralno in pod posebnim pokroviteljstvom vodstva ministrstva. Posebej se poskrbi za ustrezno kadrovsko okrepitev in pridobitev zadostnih kompetenc za tovrstno delovanje. Posebej kaže izpostaviti tudi sodelovanje z deležniki in diseminacijo znanja. 3. Podpreti delo analitičnih panožnih krožkov v javni kmetijski svetovalni službi. Analitični panožni krožki naj postanejo predmet nalog javne kmetijske svetovalne službe in se zato posebej podprejo s podatkovnimi viri, javnimi nalogami in reorganizacijo svetovalne službe. 4. Zagotoviti stalnost financiranja podatkovnih zbirk in analitičnih podlag. V točki 1 omenjena Strategija naj razišče potrebe in možnost za stalno financiranje nalog v povezavi z oblikovan- 150 Institucionalni predlogi nimajo namere posegati v pristojnosti vladnih in drugih organizacij, ampak jih je potrebno vzeti kot dobronamerno priporočilo, kako raziskovalna skupina vidi možnosti za spremembe za oblikovanje boljše in bolj učinkovite kmetijske politike ter bolj učinkovitega svetovanja v kmetijstvu. jem na podatkih utemeljene kmetijske politike. Tiste analitične podlage, ki se jim prizna stalni pomen in vlogo, so financirane s strani strokovnih nalog. Poročilo zaključujemo s sporočilom o nujnosti neprestanega dela na podatkih in njihovi kakovosti ter razvoju analitičnih podlag v kmetijstvu. Potrebna je kontinuiteta dela in posebej razvoj kadrovskih potencialov. Vsaka prekinitev posamezne naloge lahko pomeni izgubo desetletnih vlaganj in naporov. Gre tudi za delo, ki je precej zahtevno, obenem pa tudi manj atraktivno z vidika osebnih poklicnih možnosti, zato je potrebno stalno vlagati v kadre in skrbeti za njihov razvoj. To delo ni namenjeno samemu sebi, ampak, če je dovolj kakovostno, so možnosti njegove uporabe s strani nosilcev odločanja v politiki in gospodarstvu široke in lahko prispevajo k napredku kmetijstva ob tem pa tudi k stroškovni učinkovitosti državnih institucij. S projektom in tem zaključnim sporočilom tako želimo izpostaviti pomen dela s podatki in naporov, ki so bili vloženi v razvoj novih analitičnih agrarno ekonomskih metod za potrebe kmetijstva.