Zaključno poročilo ciljnega raziskovalnega projekta - 2021Zaključno poročilo ciljnega raziskovalnega projekta - 202119 / 21 Odpiranje podatkov v slovenskem kmetijstvu za podatkovno analitiko Rezultati projekta CRP Zasnova informacijskih rešitev za odločanje o SKP na podlagi podatkov Uredil: Marko lovec Ljubljana, marec 2021 Kazalo Povzetek .................................................................................................................................................. 3 Kontekstualizacija: (Skupna) kmetijska politika od interesne do intervencijske logike (Marko Lovec).. 6 I. Ponudba podatkov: pregled zbirk podatkov na področju kmetijstva (R1.1) in predlogi za izboljšave (R1.2) (Marko Lovec, Janez Štebe, Maja Dolinar, Brigita Bočkaj, Maša Kerstein)................ 17 1. Uvod.............................................................................................................................................. 18 2. Pregled literature.......................................................................................................................... 20 3. Metodologija ................................................................................................................................ 25 4. Pregled in vrednotenje administrativnih virov s predlogi za izboljšave ....................................... 37 5. Sklep in skupna priporočila........................................................................................................... 64 Literatura............................................................................................................................................... 70 Viri ......................................................................................................................................................... 71 Priloga I: Podatkovni intervju ................................................................................................................ 74 Priloga II: intervjuvanci.......................................................................................................................... 76 Priloga III: Pregled zbirk podatkov na podlagi priročnikov, deloma dopolnjeno s strani skrbnikov ..... 77 II. Povpraševanje po podatkih: Analiza podatkovnih potreb za izvajanje prihodnje SKP (R3.1), povzetek posvetovanja (R3.2), zakonske zahteve in dobre prakse (R3.3), predlog strategije in načrt (R3.4 in R3.5) (Marko Lovec, Janez Štebe, Brigita Bočkaj, Maša Kerstein, Andrej Jamšek, Gregor Kramberger) .......................................................................................................................................... 91 1. Uvod.............................................................................................................................................. 92 2. Literatura: projekt FLINT............................................................................................................... 92 3. Zakonodajni okvir ....................................................................................................................... 103 4. Dobre podatkovne prakse .......................................................................................................... 116 5. Posvetovanje z deležniki............................................................................................................. 126 6. Podatkovna strategija in načrt.................................................................................................... 135 Literatura............................................................................................................................................. 150 Viri ....................................................................................................................................................... 151 Priloge.................................................................................................................................................. 153 III. Eksperiment podatkovne analitike: Tehnični pregled zbirk, metodologija izgradnje analitičnih zbirk, demonstracijski primeri in zbirka podatkov (Blaž Zupan, mag. Maša Kerstein, Vesna Tanko, Andreja Kovačič, Janez Štebe, Brigita Bočkaj)..................................................................................... 171 1. Uvod............................................................................................................................................ 172 2. Stanje in metodologija (delovne naloge 1.3, 1.4, 2.1 in 2.2/4.2) (prof. Blaž Zupan).................. 173 3. Demonstracijski nalogi (delovni nalogi 4.1 in4.2)......................................................................183 4. Opis in arhiviranje podatkovnih zbirk (delovna naloga 5.1) (Brigita Bočkaj, dr. Janez Štebe) ... 207 Priloga: predlogi demonstracijskih nalog ............................................................................................ 214 Povzetek Namen CRP Zasnova informacijskih rešitev za odločanje o SKP (ITzaSKP) na podlagi podatkov je bil zagotoviti dostop do javnih administrativnih mikro podatkov v kmetijstvu v Sloveniji za čim več tudi še ne poznanih namenov uporabe. Projekt je potekal v kontekstu novih družbenih pričakovanj in potreb na področju kmetijstva in povezanih področjih ter možnosti uporabe informacijske tehnologije. Temeljil je na znanosti o podatkih – disciplinah družboslovja in informacijske znanosti. Na ta način je dopolnjeval druge sorodne projekte, večinoma s področja agrarne ekonomije, ki so zasledovali cilj uporabe podatkov za določen vsebinski cilj in/ali na določenem področju kmetijstva. Projekt sta financirala Ministrstvo za kmetijstvo, gozdarstvo in prehrano (MKGP) ter Javna agencija za raziskovanje Republike Slovenije. CRP ITzaSKP je bil sestavljen iz štirih delovnih sklopov (DS): (1) pregleda javnih mikro-podatkovnih virov, (2) pripravo metodologije za izgradnjo analitičnih zbirk, (3) pregleda podlag in priprave podatkovne strategije in načrta ter (4) demonstracijskih analitičnih nalog. Partnerji pri projektu so bili Univerza v Ljubljani-Fakulteta za družbene vede (UL-FDV) (Centra za mednarodne odnose in politološke raziskave ter Arhiv družboslovnih podatkov-ADP), UL-Fakulteta za računalništvo in informatiko (FRI) (Laboratorij za bioinfomatiko) ter Kmetijsko gozdarska zbornica Slovenije, Kmetijski zavod Maribor (KGZS-KZM). V posameznih delih projekta so z udeležbo, komentarji in prispevki sodelovali še raziskovalci na drugih JRO (UL-Biotehniška fakulteta-BF, Kmetijski inštitut Slovenije-KIS), državnih in javnih institucijah (MKGP in organi v sestavi, KGZS). UL-FDV je v sodelovanju z KGZS-KZM pokrival predvsem DS1 in DS3, UL-FRI pa DS2 in DS4. V okviru DS1 je bil opravljen pregled in vrednotenje javnih registrov, evidenc in zbirk v okviru MKGP in organov v sestavi (Agencija za kmetijske trge in razvoj podeželja-AKTRP, Uprava za varno hrano, veterinarstvo in varstvo rastlin-UVHVVR). Pregled in vrednotenje sta temeljila na treh kategorijah: vsebinski relevantnosti (prilagojen prevzemni vprašalnik ADP), statistični kakovosti (kazalci statističnega urada RS-SURS, še posebej za administrativne vire podatkov) ter organizacijski zrelosti dajalca (standardi FAIR, OECD). Opravljen je bil pregled več kot tisoč strani t.i. priročnikov in drugih gradiv v zvezi z več kot 50 različnimi deloma medsebojno povezanimi podatkovnimi sklopi. Na podlagi tega je bilo opredeljenih sedem vsebinskih področij (subjekti, ukrepi, reja, okolje, narava, proizvodi, podeželje). Na podlagi vzorčenja za zagotavljanje reprezentativnosti (področje, MKGP in organ v sestavi, raznolikost sklopov) so bili opravljeni podatkovni intervjuji s skrbniki, informatiki in drugimi (prilagoditev podatkovnega intervjuja ADP za ustvarjalce/upravljalce zbirk). Rezultati pregleda in vrednotenja so ob siceršnjih razlikah znotraj posameznih sklopov, podatkovnih domen in podatkov pokazali visoko vsebinsko relevantnost podatkov oz. primarni in pogosto edini vir tako podrobnih podatkov uporabnih za različne namene še posebej na področjih subjektov (KMG in kmetije, nosilci) in (kmetijske) rabe površin, izvajanja ukrepov SKP in izplačil sredstev ter posameznih živali v reji in proizvodov (grozdje-vino ter nekateri trajni nasadi), ki omogočajo različne strukturno­ekonomske in druge izračune. Določena posredna vsebinska relevantnost podatkov je bila opredeljena tudi na drugih področjih predvsem v povezavi z okoljskimi in naravnimi pogoji ter zahtevami, spremembami lastništva in družbeno-demografskimi značilnostmi (demografija nosilca). Z vidika statistične kakovosti je bilo na podlagi prevzemanja podatkov s strani drugih institucij, zakonodajnih zahtev in kontrol ugotovljeno, da številni sklopi oz. deli sklopov predstavljajo najbolj točen, natančen in ročen vir posameznih podatkov. Najbolj pomanjkljiv vidik podatkov je bila organizacijska zrelost dajalca, od katalogizacije, opisa in meta podatkov, licenc, protokolov dostopa in pravic, do rešitev na področju prenosa, pregleda, analize in vizualizacije podatkov ter stika z uporabniki. Medtem ko je bil DS1 namenjen predvsem pregledu obstoječe 'ponudbe' podatkov, je bil DS3 namenjen pregledu 'povpraševanja' v spreminjajočem se kontekstu ter iskanju možnih strateških rešitev. V okviru DS3 je bil najprej opravljen pregled referenčnih raziskovalnih projektov na ravni EU kot je FLINT, ki se je ukvarjal s strateškimi podatkovnimi potrebami na področju kmetijstva in povezanih področjih ter pripravil seznam enotnih kazalcev po podatkovnih domenah za EU (na podlagi FADN in administrativnih virov). Pregled in primerjava razpoložljivosti podatkov po treh skupinah (ekonomski, okoljski, družbeni), različnih domenah in kazalcih je pokazala, da se Slovenija sooča z enakimi ali večjimi izzivi na ekonomskem (podatki o inovacijah, delovanju verige vrednosti, odpornosti), okoljskem (založenost tal, poraba vode, biološka raznovrstnost, izračuni TGP) in družbenem področju (predstavljanje, stratifikacija in kakovost življenja na podeželju). Sledil je pregled zakonodajnih, strateških in povezanih dokumentov. Pregled (takrat predloga) nove uredbe SKP za obdobje 2021-2027 je pokazal, da ta poleg kazalcev stanja in vpliva (Eurostat, JRC, Evropska komisija) prinaša kazalce rezultata in učinka (odgovornost države), ki jih je potrebno vključiti v proces načrtovanja in spremljanja politike. Prav tako je podatkovne podlage potrebno vključiti v druge odločitve, kjer je omogočena večja prilagodljivost na nacionalni ravni. Celoten proces načrtovanja in spremljanja (na podlagi podatkov) naj bi vključeval deležnike. Ob tem uredba (pa tudi drugi strateški dokumenti EU in Slovenije) digitalizacijo postavlja kot horizontalno prioriteto. Na podlagi pregleda in analize je bil opredeljen trojni izziv nove uredbe: integracija različnih podatkovnih virov (administrativni, SURS), integracija podlag in znanja (raziskave, študije, ekspertno znanje) ter platforma in tehnične rešitve za sodelovanje (zbirnik kazalcev in drugih virov, odprt uporabnikom, ter oblike sodelovanja). Poleg uredbe je bila z vidika podatkovnih potreb pregledana tudi sovpadajoča nacionalna resolucija na področju kmetijstva ter rezultati CRP v zvezi s strateškim načrtovanjem SKP v obdobju prihajajoče perspektive. Opredeljene so bile potrebe po kazalcih na ekonomskem (faktorski izračuni na podlagi FADN), okoljskem (zaščitni ukrepi, založenost tal, indeks živalskih vrst) in družbenem področju (dobrobit živali na podlagi zakonodaje, položaj dela, anketni podatki o odnosu do hrane). V okviru DS3 je bil nato opravljen pregled dobrih praks in potreb ter predlogov posredovanih s strani deležniških organizacij in zainteresiranih posameznikov. Med dobrimi praksami so bili vključeni primeri povezovanja in zagotavljanja dostopa do podatkov povezanih s kmetijstvom v Veliki Britaniji, ter mednarodne mreže in platforme, ki se ukvarjajo z definicijami, opremljanjem, povezljivostjo in dostopom do podatkov, na nacionalni ravni pa primeri opisov podatkov ter integracije virov pri zagotavljanju statistik s strani SURS ter zbirke, storitve in portali KIS. Potrebe in ideje zbrani s strani deležniških organizacij ter posameznikov v okviru intervjujev, fokusnih skupin in ankete med predstavniki JKSS so vključevali strateške potrebe KGZS (dostop do posameznih javnih podatkov, prilagoditev vmesnikov, poenostavitev, preprečevanje podvajanja in avtomatizacija), primere posameznih delovnih nalog povezanih s podatki v okviru različnih deležniških organizacij, ter primere povezovanja z digitalizacijo opravil in analitiko procesov in odločitev v okviru decentraliziranih aplikacij na kmetiji (npr. beleženje opravil z mobilno aplikacijo in sprotno preverjanje skladnosti z zakonodajo preko lokacijskih informacij ter QR kode na sredstvih kot so škropiva, spremljanje masnih tokovi in sledljivosti). Naposled je bil v okviru DS3 na podlagi zbranega oblikovan predlog podatkovne strategije in načrta za Slovenijo. Predlog je temeljil na Evropski podatkovni strategiji (za kmetijstvo), primeru nacionalne strategije-dobre prakse, ter rezultatih drugih delovnih nalog v okviru projekta. Predlog je vključil vizijo, pregled stanja in SWOT. Opredeljeni so bili cilji, ukrepi in kazalci na štirih področjih: (1) podatkovna pismenost, (2) podatkovna kultura, (3) podatkovna infrastruktura ter (4) podatkovna analitika in vizualizacija. Vključeni so bili posamezni specifični predlogi s področja povezovanja institucij (izpostavljanje dobrih primerov uporabe podatkov, trajno sodelovanje z izobraževalnimi institucijami preko študentskih nalog in uporabe zbirk za študijske namene), pilotnih projektov (avtomatizacija gnojilnih načrtov, že omenjene decentralizirane aplikacije na kmetiji, prostorski podatki in podatki o sledljivosti za državljane) ter nadgradnje obstoječih in razvoja novih tehničnih rešitev (založenost tal, e-tla in gnojilni načrti). Namen CRP je bil nazadnje tudi neposredno prispevati k omenjenim štirim ciljem. Na eni strani je to storil z informiranjem in opolnomočenjem različnih deležnikov vključenih v projekt za razmišljanje o potrebah in možnostih ter (so)oblikovanje rešitev (podatkovna pismenost in kultura), na drugi strani pa z demonstrativno pripravo zbirk za reševanje nalog zbranih v okviru javnega poziva v letu 2019 (podatkovna infrastruktura, analitika in vizualizacija). V okviru DS2 je bila tako zasnovana metodologija za izgradnjo zbirk, ki bi omogočila oblikovanje profilov (kmetij), ugotavljanja vrednosti in povezav spremenljivk (vzročnost) ter napovedovanja in uravnavanja trendov (na podlagi prilagoditve ukrepov), z uporabo naprednih matematičnih metod, računalniških orodij in orodij za vizualizacijo (okolje Orange). Na podlagi posredovanih nalog in metodologije DS2 sta bili v okviru DS4 pripravljeni dve zbirki: atributivna in prostorsko atributivna. Zbirka z atributivnimi podatki o subjektih (60.000 upravičencih) je na podlagi virov AKTRP vključevala okoli 400 spremenljivk za obdobje izvajanja trenutne SKP 2015-2019 in je omogočila demonstracije nalog profiliranja, ugotavljanja dejavnikov in nekaterih trendov kot podlage za usmerjanje sredstev in prilagajanje ukrepov, skupaj z vizualizacijo, v okolju Orange. Prostorsko-atributivna zbirka je bila pripravljena na podlagi različnih virov za daljše obdobje za ugotavljanje sprememb v rabi, trendov in dejavnikov na različnih ravneh opazovanja (prostorske agregacije). Temeljila je na namenski podatkovni knjižnici in zasnovi namenskega programa. DS2 in DS4 sta skozi pogovore s skrbniki in predstavniki IT službe ter eksperimentalni pristop pokazala na veliko kompleksnost, ozko usmerjenost (na podlagi zakonodaje), deloma pa tudi razdrobljenost in neprimernost podatkovnih sistemov in podatkov v slovenskem kmetijstvu, ter posledično obremenitve omejenih človeških virov v fazi predpriprave podatkov, pomanjkljivosti z vidika dostopa za uporabniške aplikacije (zaprti plačljivi sistemi, dokumentacija za strojno branje, vmesniki za neposreden prevzem podatkov, povezljivost in integracija za analitiko). Na podlagi rezultatov demonstracij pa sta pokazala tudi realne možnosti (npr. za statično presečno zbirko za enostavne vpoglede v populacijo KMG po različnih parametrih in različne analize le-teh ali analizo sprememb v rabi) – na podlagi vzpostavitve koordinacije podatkovne analitike na MKGP, ter sredstev za nekaj pilotnih projektov na posameznih področjih (z vključevanjem domenskih strokovnjakov), ki bi vključevali odprto-kodne rešitve za gradnjo zbirk na podlagi katerih bi bilo mogoče graditi sistemske rešitve. Atributivna zbirka, ki je predstavljala podatkovni izdelek je bila predana v ADP in opremljena z (meta)podatki za nadaljnjo uporabo pod ustreznim režimom lastništva, dostopa in uporabe, s čemer je CRP prav tako prispeval h konkretnim ciljem na področju podatkovne strategije. Poleg tega je bil v okviru CRP opravljen vpis oz. evidentiranje z osnovnimi podatki več javnih administrativnih zbirk na spletni portal DATAVERSE z idejo lastne slovenske podstrani, kamor bi evidentirali podatkovne zbirke in gradiva s področja kmetijstva. Kontekstualizacija: (Skupna) kmetijska politika od interesne do intervencijske logike (Marko Lovec) Kmetijstvo – primarna proizvodnja hrane in neprehranskih kmetijskih izdelkov in surovin – je ena izmed temeljnih človeških dejavnosti. Kmetijstvo v sodobnih razvitih družbah predstavlja le majhen del gospodarske aktivnosti in delovnih mest. Kljub temu pa zaradi pomena hrane kot strateške dobrine, vpliva na upravljanje s prostorom in naravo (kmetijska dejavnost v Evropi pokriva več kot 40% kopenskih površin, skupaj s povezano gozdarsko pa preko 80%) ter povezanosti z življenjem na podeželju in odnosom do tradicionalnih načinov pridelave hrane, še vedno igra pomembno družbenoekonomsko vlogo. Kmetijska politika predstavlja eno izmed prvih modernih politik. Velika Britanija je kot vojaški in trgovinsko-industrijski imperij po procesih ograjevanja in prestrukturiranja fevdalno-kmetijskih struktur z odpravo t.i. žitnih zakonov (Corn laws) v 19. stoletju skušala zagotoviti zadostno ponudbo hrane po dostopni ceni in tako spodbuditi industrijski razvoj. V kontinentalni Evropi je bila medtem, v kontekstu razvojnega zaostanka v industrializaciji in ekonomskega nacionalizma oz. protekcionizma, prvotna kmetijska politika zaznamovana s poizkusi preprečiti cenovne pritiske na domače proizvajalce in lastnike zemlje, predvsem tiste večje, povezane z vlogo zemljiške aristokracije (npr. 'koalicija jekla in rži' in vzpostavitev carin v nemških deželah) (Schonhardt-Bailey 2006). Kmetijski trgi in politike Trgi kmetijskih izdelkov veljajo za najboljši približek popolnega trga. Izdelki so relativno homogeni in z visoko stopnjo nadomestljivosti, prisoten je stalen tehnološki napredek, ki poganja rast produktivnosti (skozi daljšo obdobje proizvodnja narašča okoli 2% letno) in konkurenca med številnimi proizvajalci. Na drugi strani pa odvisnost od naravnih pogojev in spremembe v le-teh, ki vplivajo na 'dobre' in 'slabe' letine (pojavi kot so suše, toče, bolezni rastlin in živali) povzročajo nihanja v proizvodnji, ki se zaradi relativno neelastičnega povpraševanja po kmetijskih izdelkih, pokvarljivosti in visokih stroškov hrambe glede na vrednost proizvoda tipično prelijejo v cenovna nihanja. Cenovna nihanja in proizvodni cikli pogosto vodijo v neoptimalne odločitve v smislu pretiranih investicij v času visokih cen ali opuščanja proizvodnje v času nizkih, ki zaradi časovnega zamika med odločitvijo za proizvodnjo in koncem pridelovalnega cikla (pogosto povezanega s sezonami pa tudi daljšimi obdobji, npr. pri trajnih nasadih ali vzreji živali) poudarijo cenovne amplitude (Tracy 1993; Gardner 1996). Med kmetijskimi proizvajalci je mogoče zaznati nekatere tradicionalne in z ekonomskega vidika neracionalne vzorce ravnanja. Ene izmed prvih študij na področju poslovanja kmetij opravljene še v carski Rusiji (t.i. Zemstvo statistike) so pokazale, da so kmetijski proizvajalci namesto blaginje (optimalna uporaba sredstev skladno s padajočo krivuljo koristi) maksimizirali uporabo razpoložljivih proizvodnih sredstev, začenši z lastnim delom, ter tako celo ustvarjali t.i. negativni dobiček (Chayanov 1966). Vse do danes problemi kmetijstva ostajajo in se kot takšni celo krepijo razdrobljena zemljiška struktura, pogosto povezana z zakoni dedovanja (npr. ali so v preteklosti dopuščali delitev posesti), nizki dohodki dela in visok delež preživetvenega kmetijstva (proizvodnja za lastno porabo), nizka raven izobrazbe (glede na splošno delovno aktivno populacijo), negativna demografska struktura (visoka povprečna starost, spolna strukturo, ki kaže na oblike zapostavljenosti in izključenosti), problemi neracionalne rabe sredstev, investicij in dezinvestiranja (fiksne investicije oziroma nizke alternativne možnosti uporabe kmetijskih sredstev), fragmentiranost in šibka vloga kmetov v verigah vrednosti (napram industriji vhodnih dobrin, zadrugam, predelovalni industriji in trgovini, kjer je stopnja koncentracije veliko večja). Zaradi posebnih strukturnih pogojev je družinska kmetija in uporaba družinskega dela ostala prevladujoča oblika, kljub nasprotnim poizkusom in modelom tako v kontekstu kapitalističnih kot socialističnih gospodarstev. Kljub temu pa so med državami in tudi znotraj njih nastale velike razlike v velikosti, proizvodni usmeritvi in organiziranosti sektorja horizontalno in vertikalno, ki so povezane z ekonomskimi pogoji in tehnologijo ter političnimi intervencijami. Uvajanje protekcionističnih ukrepov kot so carine in tržnih intervencij do katerih je od konca 19. stoletja prišlo v večini razvitih držav je odprlo vprašanje zakaj razvite države preusmerjajo družbene vire h kmetijstvu kot sektorju, ki postaja vse manj pomemben in ki zaposluje vse manj ljudi (medtem ko so manj razvite države z večinsko kmetijsko populacijo tipično obdavčile kmetijske proizvajalce) (Anderson 2010). Vprašanje je postalo še posebej aktualno v 80-ih letih, ko so se kmetijske politike v razvitih državah zaradi obilice proizvodnje, ki so jo spodbujale, negativnih trgovinskih učinkov in visokih proračunskih stroškov, pa tudi drugih negativnih učinkov (npr. na okolje, razvoj) znašle v krizi. Vprašanje je postalo eno izmed ključnih na dnevnem redu trgovinskih pogajanj in mednarodnih organizacij. Hkrati s tem je prišlo do razvoja metodologij za ocenjevanje negativnih učinkov politik na trgovino in blaginjo ter sistematičnih standardiziranih zbirk podatkov o kmetijskih podporah v različnih državah. V okviru razvoja temeljnih politoloških teorij kot je teorija javne izbire (public choice) je kmetijska politika že bila primer za prikaz tega, kako prerazdelitveno politiko lahko pojasnijo relativna koncentracija koristi pri vse manjšem številu kmetijskih proizvajalcev in stroški razpršeni na majhne posamezne prispevke številnih potrošnikov in davkoplačevalcev v kontekstu razvitosti, relativno nizki stroški organizacije kmetijskih interesov in izključitve 'prostih potnikov' (npr. napram potrošnikom) ter obstoječi viri in položaj (npr. tradicionalna vloga sektorja) (Swinnen in de Gorter 1993). Poleg tega so raziskovalci opozorili na vedenjski učinek obstoječega položaja, ki ga ekonomski subjekti (neracionalno) cenijo bolj od potencialnih pridobitev alternativne izbire. Razlike med državami v obsegu prerazporejanja so pojasnjevali še z vlogo institucij predstavljanja in odločanja, npr. za politične sisteme z več veto igralci (proporcionalni, parlamentarni, decentralizirani sistemi) je bil značilen večji obseg javnih izdatkov (ne le v kmetijstvu) (de Gorter in Swinnen 1994; Olper 2001). Tipični primer so bile majhne kmetijske stranke, ki so bile neposredno povezane z interesi sektorja in so pogosto predstavljale jeziček na tehtnici. Skupna kmetijska politika Evropa je bila s svojimi zemljiškimi strukturami, razdrobljenostjo in cenovno nekonkurenčnostjo ves čas v središču kmetijskega protekcionizma. Tako ni čudno, da je kmetijstvo postalo tudi pomemben del evropske integracije. SKP je bila opredeljena že z Rimsko pogodbo, ki je vzpostavila Evropsko gospodarsko skupnost (EGS). Temeljila je na ciljih modernizacije kmetijstva, še posebej racionalne uporabe dela, pravičnih dohodkov, stabilizacije trgov ter zagotavljanja razpoložljivosti hrane po dostopnih cenah (čl. 39). Omenjeni cilji so se v nespremenjeni obliki ohranili tudi v Lizbonski pogodbi. Rimska pogodba je vključevala tudi nekatera načela vendar je bila končna oblika SKP opredeljena šele v začetku 60-ih let, SKP pa dokončna uvedena v drugi polovici 60-ih. Temeljila je na načelih prednosti domače proizvodnje, skupnega trga in skupnega financiranja (Garzon 2006). EGS je pogosto razumljena kot 'skupni trg s kmetijsko politiko'. Ta razlaga je še posebej blizu liberalni medvladni teoriji, ki temelji na javni izbiri ko gre za oblikovanje vladnih političnih preferenc, dvo­ravenski igri pogajanj med interesnimi skupinami in vladami na eni strani ter vladami različnih držav na drugi, ki zaradi izključne dvojne vloge daje specifično moč vladam, ter moči držav v smislu relativne medsebojne odvisnosti (Moravcsik 1998). Skupni trg je bil v interesu nemške izvozno usmerjene industrije, ki se je bala trgovinskih ovir zaradi bilančnih presežkov, vključno s konkurenčnimi devalvacijami. Francija se je kot velik izvoznik kmetijskih izdelkov na drugi strani soočala s problemom padajoče konkurenčnosti izvoza le teh in proračunskimi stroški podpore domačih proizvajalcev. Druge države EGS kot so države Beneluxa so se že tržno povezale, bile so relativno odvisne od trgov velike dvojice, zaradi geografskega položaja pa bi imele od okrepljenega skupnega trga tudi relativne koristi. Italija si je obetala strukturnih podpor in je ocenjevala, da bo na boljšem če se pridruži povezavi. Velika Britanija, ki je bila med drugim uvoznik hrane (iz nekdanjih kolonij), je ostala izven EGS. V praksi je SKP temeljila na ciljnih cenah, ki so bile določene relativno visoko predvsem za ključne 'severne' oz. 'kontinentalne' proizvode, povezane s tradicionalno strukturo zemljiško-kmetijskih interesov in podpor, kot so žita, goveje meso in mleko. Pri teh je bilo opredeljenih tudi največ intervencijskih mehanizmov za zagotavljanje ciljnih cen, od carin do odkupa in hrambe. Ciljne cene so bile opredeljene na še posebej visoki ravni za živalske izdelke z višjo dodano vrednostjo (govedo, mleko), ki so igrale pomembno vlogo v severnem delu EGS. Smatrali so, da bodo višje podpore za živalske proizvode z višjo dodano vrednostjo spodbudile razvoj kmetijstva skladno s strukturo kmetij v Evropi. Povezanost proizvodov preko nadomeščanja in vhodnih dobrin (žita kot krma) je pri določanju ciljnih cen povzročila pozitivno spiralo (Tracy 1993; Ritson in Harvey 1997). Pomembno vlogo pri strukturi prvotne SKP je odigralo dejstvo, da so se predstavniki držav odločili, da bodo (do končne uveljavitve SKP) odločali na podlagi soglasja kmetijskih ministrov. Posledica tega so bile relativno visoke skupne podpore za posamezne skupine proizvodov skladno z zahtevami interesnih skupin v posameznih državah članicah. Evropska komisija in prvi komisar Sicco Mansholt (iz Nizozemske, države s konkurenčnimi kmetijskimi strukturami) je imela svoje alternativne predloge v smislu nižjih ciljnih cen in strukturnih podpor, vendar so jim velike države in kmetijski sindikati (tudi ali še posebej v Nemčiji, kjer so kmetje uživali visoke domače podpore) nasprotovali zaradi cenovnih pritiskov in prelivanja proračunskega denarja (Garzon 2006). SKP je preko preusmerjanja trgovine od zunanjih k notranjim partnerjem sprožila tudi nezadovoljstvo trgovinskih partnerjev kot so ZDA, ki so prej v nekatere evropske države kot je Nemčija izvažale kmetijske izdelke. Splošen sporazum o carinah in trgovini, ki je bil sprejet po 2. sv. v., je dopustil omejitvene ukrepe na področju kmetijstva (kmetijstvo je bilo celo razlog zakaj ob nasprotovanju kmetijskega lobija v ZDA po vojni ni bil sprejet dogovor o Svetovni trgovinski organizaciji, ki bi imela večje pristojnosti v odnosu do pravil in praks na področju trgovine), regionalna ekonomska integracija pa je bila opredeljena kot izjema nediskriminatorni obravnavi posameznih partnerjev. Smatralo se je namreč, da bo na dolgi rok pripeljala do splošne trgovinske integracije. ZDA so neglede na to v zameno za izgubo dela trga kompenzirali s prostim uvozom nekaterih izdelkov kot so stročnice, ki so jih v Evropi uporabljali za krmo za živalsko proizvodnjo. Že kmalu po vzpostavitvi SKP je bilo jasno, da je politika dolgoročno nevzdržna, saj je proizvodnja po zaslugi visokih ciljnih cen hitro naraščala, domača potrošnja pa je bila že blizu ravni proizvodnje, kar je pomenilo, da bo za vzdrževanje ciljnih cen potrebna tržna intervencija kot je odkup presežkov, s tem pa tudi znatna proračunska sredstva (Garzon 2006). Vendar pa je prišlo kmalu po vzpostavitvi SKP tudi do določenih sprememb kot je uvedba na tečaj prilagojenih nacionalnih podpor zaradi revalvacije marke in devalvacije franka ter strahov pred konkurenčnimi pritiski na proizvajalce v Nemčiji in inflacijskimi pritiski v Franciji. Sprva začasni mehanizem, ki je vključeval tudi sistem dajatev in podpor na notranjih mejah EGS, skladno z razlikami v t.i. 'zelenem tečaju', je postal stalni del sistema, ki je omogočil dejansko diferenciacijo podpor v različnih članicah. Ob tem so bila 70-ta leta obdobje cenovnih nihanj in tudi relativno visokih cen na svetovnih trgih, naftna kriza in stagflacija pa sta vpliva na rastoče stroške vhodnih dobrin. Velika Britanija, ki je v 70-ih vstopila v EGS, je imela od SKP celo koristi, ker so bile cene na notranjem trgu zaradi SKP v nekem trenutku nižje kot izven, dodatno pa jih je bilo na domačem nacionalnem trgu mogoče nižati še s pomočjo prilagojenega zelenega tečaja (Koester 1977; Lovec 2018). Večjih sprememb v SKP v tem obdobju ni bilo; Komisija je uspela doseči omejen obseg strukturnih ukrepov, ki so se nanašali na upokojevanje, kmetovanje v težjih prostorskih pogojih in podobno. Konec 70-ih in v začetku 80-ih je prišlo do krize SKP. EGS je sedaj proizvajala več hrane kot jo je porabila. Viškov so se poizkušali znebiti z uporabo izvoznih subvencij, vendar so se zaradi omejenega obsega in absorpcijske sposobnosti svetovnih trgov cene tam hitro znižale. Navznoter cene hrane z vidika kupne moči in inflacije več niso igrale tako pomembne vloge. Zaradi stabilizacije in politike močnih tečajev so vse države težile k višjim domačim podporam (Kay 2006). Prišlo je do izrazitejšega strukturnega učinka skupnega odločanja z vetom, poznanega kot 'učinek skupnega zapitka' (restaurant table effect) (Pokrivcak, de Gorter in Swinnen 2001) kjer so ob skupnem plačilu stroškov vsi težili k maskimizaciji nacionalnega izplen, posledica kolektivizacije stroška pa je bil njegov večji skupni obseg. Strukturni učinek je krepilo dejstvo, da so se odločali o vsakem proizvodu posebej in da je obstajalo tveganje, da bodo drugi ministri zahtevali maksimalne podpore za posamezne proizvode (Swinbank 1989). Članice so se na krizo skušale odzvati z nekaterimi ukrepi kot so maksimalni obseg zajamčenih podpor, vendar niso bili zadostni zaradi premajhnega obsega in sankcij ter stalnega naraščanja prozivodnje. Prav tako je še vedno prihajalo do sprememb cen na trgih med leti kar je povzročalo nepredvidljivost in oteževalo načrtovanje. Leta 1984 so bile na področju mlečne proizvodnje, ki je zardi organiziranega odjema to dopuščala, uvedene kvote (kvote so bile že od 60-ih sicer v veljavi tudi na področju sladkorja). Mlečne kvote so bile problematične ker so upočasnjevale strukturne spremembe v kmetijstvu. Med državami članicami so bile sicer urejene različno; ponekod je bilo z njimi mogoče trgovati. Na drugih področjih kot je proizvodnja žit takšna ureditev ni bila mogoča, nasprotovale so ji tudi posamezne države članice z večjim obsegom proizvodnje kot je Francija (Tracy 1993). Posamezne neto vplačnice kot je Velika Britanija so na drugi strani zagrozile z blokado odločitev o krepitvi skupnega proračuna (Ackrill 2000). V kontekstu dogovora o poglabljanju skupnega trga z Enotnim evropskim aktom in načrtovano strukturno-kohezijsko politiko za pomoč južnim državam članicam, kiso se pridružile povezavi, je bil sprejet dogovor o novih proračunskih virih, predvsem BDP, ki so povečali prispevek članic kot je Nemčija. Kljub temu je rast stroškov SKP vseskozi ogrožala načrte integracije, Nemčija sama pa je bila ujeta med pritiski domačih kmetijskih lobijev in položajem neto vplačnice. Zaradi izvoznih subvencij je izbruhnil tudi trgovinski spor z ZDA, ki so za zaščito domačih proizvajalcev in izvoznikov uvajale lastne protiukrepe, s tem pa krepile negativne učinke in stroške kmetijskih politik. Kmetijstvo je postalo pereča tema svetovnih trgovinskih pogajanj. Znotraj EGS je realno nižanje cenovnih podpor odprlo razprave o pritiskih trenutne zasnove SKP na manjše kmetijske proizvajalce (največ koristi od cenovnih podpor so imeli veliki). Intenzivna proizvodnja, ki so jo spodbujale cenovne in proizvodne podpore, je bila vse bolj kritizirana tudi zaradi posledic za okolje in naravo (Ingersent, Rayner in Hine 1998; Lovec 2020). Reforme SKP Od konca 80-ih je, po tem ko je bila SKP 30 let relativno nespremenjena, sledilo obdobje t.i. reform. MacSharryeva reforma (imenovana po irskem komisarju Rayu MacSharryu) je leta 1992 del cenovnih in proizvodnih podpor pri proizvajalcih nadomestila s t.i. nadomestnimi plačili, ki so bila vezana na pretekli obseg cen in proizvodnje. Uvedeni so bili različni ukrepi (prostovoljnega) zmanjševanja proizvodnje in okoljski ukrepi, ki naj bi prispevali k deintenzifikaciji. Reforma je bila povezana s trgovinskim sporazumom v okviru Urugvajskega kroga pogajanj, ki je določil in predvidel odpravo izvoznih podpor in omejitev drugih cenovnih in proizvodnih podpor v kmetijstvu (t.i. rdeča in rumena škatla), dopustil pa je določen obseg nadomestnih podpor vezanih na zmanjšanje obsega proizvodnje (t.i. modra škatla) in podpore, ki niso bile povezane s ceno ali proizvodnjo (t.i. zelena škatla) (Josling, Tangermann in Warley 1996; Ingersent, Rayner in Hine 1998; Moyer in Josling 2002). Reforma je bila povezana tudi z vzpostavitvijo večletnih finančnih okvirjev oz. perspektiv s koncem 80-ih, s katerimi so želeli preprečili zamike v financiranju zaradi vsakoletnih blokad pri določanju, hkrati pa so večletni okvirji razpoložljivih sredstev zahtevali predvidljive izdatke za kmetijstvo, ki so jih nadomestne podpore omogočale (Coleman in Tangermann 1999). Na reforme so vplivala tudi spremenjena odločevalska pravila saj je Enotni evropski akt uvedel kvalificirano večino na številnih področjih skupnih politik, to pa je (še posebej v kontekstu, ko so bili trgovinski in proračunski stroški ne-dogovora visoki) okrepilo vlogo Komisije kot izključnega predlagatelja sprememb zakonodaje (Pokrivcak, Crombez in Swinnen 2006). Nenazadnje je Komisija izkoristila tudi manevrski prostor v okviru več-ravenske igre (trgovinska pogajanja, proračunska pogajanja in pogajanja o reformi) in strateškega delovanja (stalni kadri, vključno s Komisarji). Izkušnja iz 80-ih je okrepila vtis, da je v odnosu do procesov internacionalizacije in globalizacije potreben bolj proaktiven in dolgoročen pristop EU ter so-oblikovanje globalne agende (Patterson 1997; Garzon 2006). Leta 1999 je sledila še ena reforma, znana kot 'Agenda 2000', ki je poglobila prejšnjo (dodatna odprava cenovnih in uvedba nadomestnih podpor) in vzpostavila II. steber za financiranje strukturnih ukrepov razvoja podeželja. Reforma je bila povezana s pričakovanim nadaljevanjem trgovinskih pogajanj (po ustanovitvi Svetovne trgovinske organizacije leta 1995 in predvideni nadaljnji odpravi posameznih ukrepov v kmetijstvu, ki so posegali v delovanje trgov skladno s sporazumom iz Urugvajskega kroga, je srečanje v Seattlu leta 1999 sicer propadlo) ter pogajanji o novem finančnem okvirju in pričakovani širitvi na nove države članice, bodoče neto prejemnice sredstev (Swinbank 1999; Buckwell in Tangermann 1999). Reforme v 90-ih sicer niso znižale stroškov SKP; stroške so predvsem prenesle iz ramen globalnih proizvajalcev in evropskih potrošnikov na evropske davkoplačevalce. Zaradi hkratne rasti cen in obilne kompenzacije so se neposredni stroški politike celo povečali, podpore pa so bile zgodovinsko fiksirane s čemer so omejile delovanje tržnih sil in prerazporejanja sredstev znotraj EU. V ozadju je bila strategija doseganja dolgoročnih sprememb politike preko večje transparentnosti proračunsko financiranih podpor in konkurence med proračunskimi porabniki, ter srednjeročno spodbujanja domačih proizvajalcev za krepitev položaja na vse bolj odprtih (globalnih) trgih. Do prvega resnega omejevanja stroškov po krizi v 80-ih je prišlo šele v kontekstu načrtovane širitve na nove članice, bodoče neto prejemnice z naslova SKP (Daugjberg in Swinnbank 2004; Lovec in Erjavec 2012). V novem tisočletju je sledila nova serija reform. Poleg pričakovanega nadaljevanja trgovinskih pogajanj (t.i. Doha krog) so se pokazale spremembe družbenega konteksta saj so se tradicionalne interesne povezave med kmetijskimi lobiji in kmetijsko politiko v 90-ih prekinile, pomembnejša so postajala vprašanja razvoja podeželja, okolja in hrane. SKP se je soočala s starimi-novimi kritikami, od koncentracije podpor pri največjih proizvajalcih, do še vedno prisotnih vplivov na proizvodnjo v EU, okolje in dobrobit živali. Skaldno s proaktivnim pristopom je Komisija želela ponovno iznajti vlogo SKP v spreminjajočem se trgovinskem, proračunskem in družbenem kontekstu, vključno s spremembami v vlogi odločevalskih institucij. Reforma srednjeročnega pregleda ali Fischlerjeva reforma (poimenovana po Komisarju Franzu Fischlerju) je leta 2003 uvedla neposredne podpore, ki več niso bile vezane na proizvodnjo (decoupled) temveč na 'ohranjanje površin v dobrih kmetijski in okoljski kondiciji' in so omogočale različne modele razdeljevanja (zgodovinski, prostorski, mešani) ter zahtevale upoštevanje področne zakonodaje (t.i. navzkrižna skladnost z različnimi zahtevami, npr. na področju varovanja okolja in narave ter dobrobiti živali, ki so se krepili od konca 80-ih). Reforma je uvedla modulacijo oz. prenos dela podpor v II. steber. Na reformo je vplivalo tako odločanje s kvalificirano večino kot spremenjen način imenovanja Komisarja, ki je zmanjšal vlogo držav (Pokrivcak, Crombez in Swinnen 2006; Garzon 2006). Leta 2008 je reforma zdravstvenega pregleda v podobnem kontekstu trgovinskih pogajanj in novih tem okrepila modulacijo in uvedla t.i. degresivno kapico, ki je del podpor največjim proizvajalcem (SKP se je že dlje soočala s kritikami, da 80% podpor prejme 20% proizvajalcev, ki so postale močnejše v kontekstu večje transparentnost z uvedbo neposrednih plačil) preusmerila v steber razvoja podeželja (Daugjberg in Swinnbank 2011; Lovec in Erjavec 2013). Reforme v novem tisočletju so odprle razpravo o novi liberalni-multifunkcionalni paradigmi kmetijske politike, kjer so cilj zaščite proizvodnje zamenjali konkurenčnost sektorja in večnamenskost (ekonomski, okoljski in socialni cilji), načela prednosti domače proizvodnje in skupnega financiranja so zamenjala načela mednarodne trgovine in skupnega financiranja skupnih dobrin, ukrepe vezane na proizvodnjo in cene pa so zamenjali specifični ciljno usmerjeni ukrepi (Coleman, Skogstad in Atkinson 1997; Garzon 2006). Nova paradigma je bila posledica postopne spremembe v kontekstih (trgovina, proračun) in institucionalnih sprememb (potna odvisnost, policy mreža, odločevalske institucije in kakovost akterjev) (Daugjberg 1999; Garzon 2006). Skladno z večjim poudarkom na širših družbenih ciljih SKP pa so se prvič pojavili tudi družbeni pristopi k proučevanju, npr. konstruktivizem, ki je poudarjal postopno 'notranjo' spremembo v ključnih idejah, ki so vplivale na preference akterjev (Lyngaard in Nedergaard 2009), ter kritična diskurzivna teorija, ki je opozarjala na vlogo produktivizma/protekcionizma, liberalizma in multifunkcionalizma kot diskurzov (t.j. uporabe jezika kot sredstva moči) bolj kot z deklariranimi cilji javne politike kot takšne povezanih z vlogo posameznih elitnih interesnih skupin (Potter in Tilzey 2005; Erjavec in Erjavec 2009). Tabela: reforme SKP in dejavniki REFORME › MacSharryeva Fischlerjeva Zelenitev (2013) Strateški načrti UKREPI in reforma (1992) in reforma (2003) in (2021) DEJAVNIKI ˇ Agenda 2000 Zdravstveni (1999) pregled (2008) I. steber (tržne Uvedba Nevezana plačila, Površinska plačila, Eko sheme intervencije in nadomestkih navzkrižna zelenitev neposredna podpor skladnost plačila) II. steber (razvoj podeželja) DEJAVNIKI Trgovina Proračun Uvedba in krepitev Sporazum urugvajskega kroga Krepitev proračunskega financiranja Modulacija, degresivna kapica Doha krog Ustavitev rasti in status quo učinek Fleksibilnost Status quo učinek Povečana fleksibilnost Predvideno zmanjšanje obsega (Brexit) Paradigma Liberalizem Multifunkcionalni cilji Institucije Pro-reformne spremembe v odločanju in Evropski parlament soodločevalec imenovanju komisarjev, kakovost komisarjev Vir: dopolnjeno na osnovi Lovec 2016 in Erjavec in Lovec 2017 Shema: izdatki za SKP (tekoče cene) Vir: Evropska komisija (2018) V prvem desetletju novega tisočletja se je kontekst zaradi gospodarske in finančne krize, ki je dokončno pokopala večstranska trgovinska pogajanja, spremenil. Reforma SKP za obdobje 2014-2020 je bil zaznamovana z uvedbo površinsko vezanih podpor in poizkusom 'zelenitve' – del podpor največjim proizvajalcem je bil namenjen ukrepom ohranjanja trajnega travinja, diverzifikaciji in ekološkim ciljnim območjem. Reforma je bila kritizirana zaradi šibkih učinkov zelenitve (Swinnen 2015). Poleg tega so bili ošibljeni mehanizmi degresivnosti s fleksibilnostjo premikanja sredstev pa tudi vloga drugega stebra politike. Na rezultat procesa pogajanj so vplivala sočasna proračunska pogajanja, ki so povečevala možnost konservativnih igralcev v okviru paketnega dogovora o proračunu (vključno s finančnimi viri za SKP), o katerem so odločali s soglasjem. Poleg tega je Evropski parlament, ki je z Lizbonsko pogodbo dobil pravice soodločanja o SKP, prav tako odigral relativno konservativno vlogo v procesu (Crombez, Knops in Swinnen 2012; Lovec in Erjavec 2015). SKP po letu 2021 Predlogi reform SKP so od 80-ih naprej v vse večjem obsegu vključevali študije in scenarijske analize učinkov, ki so postajale vse bolj dodelane in več-dimenzionalne, vendar so bile še vedno metodološko pomanjkljive in politično obarvane, predlogi ukrepov pa so bili še dodatno razvodeneni s končnimi političnimi odločitvami, kar je vplivalo na omejeno vlogo intervencijske logike. V okviru SKP za obdobje 2014-2020 je bil naknadno uveden okvir kazalcev za spremljanje učinkov in vplivov politike, ki bi naj okrepil intervencijsko logiko v kontekstu odločevalskega cikla in odločanja na podlagi dejstev. SKP se je že dolgo soočala s kritikami zanemarjanja vpliva na države v razvoju, navkljub zavezi po koherentnosti skupnih politik (npr. SKP in razvojne pomoči – študije vpliva na tem področju, priložene reformnim predlogom, so bile milo rečeno pomanjkljive). Vse bolj se je soočala tudi z okrepljenimi kritikami učinkov doma, od kapitalizacije podpor v zemljiških rentah, upočasnjevanja strukturnega razvoja (npr. generacijske prenove) ter negativnih učinkov na okolje, vključno s podnebjem, in naravo ter dobrobit živali. Leta 2015 so milenijske razvojne cilje, ki so se osredotočali na najmanj razvite države, nadomestili Cilji trajnostnega razvoja, ki so bili osredotočeni na ekonomske, okoljske in socialne vidike trajnosti v vseh državah in so vključevali konkretne cilje in kazalce. Sprejet je bil Pariški sporazum z zavezami zmanjševanja toplogrednih plinov (kmetijstvo sicer ni bilo del trgovine z emisijami). Čeprav je Junckerjeva Komisija trdila, da so evropske politike trajnost v veliki meri že ponotranjile, so se krepila mnenja o potrebi po večji ambicioznosti. SKP je kvečjemu prispevala k cilju prehranske varnosti medtem ko so bili na drugih področjih vplivi vprašljivi ali celo negativni. Kmetijstvo je bilo zelo izpostavljeno podnebnim spremembam, hkrati pa je bilo preko neposrednih emisij (predvsem na račun živalske proizvodnje) in upravljanja s površinami zelo povezano z razlogi zanje in možnostmi za večjo okoljsko trajnost (Pe'er in dr. 2019; Matthews 2020a). Predlog SKP za obdobje 2021-2027 je kot ključno novost predstavil spremenjen izvedbeni model, ki bi namesto na skladnosti s skupno zakonodajo temeljil na (dokazljivih) učinkih politike. Predlog je bil oblikovan v kontekstu Brexita in predvidenih manj razpoložljivih finančnih virov v novi perspektivi hkrati z odločevalsko strukturo veto igralcev, ki je težila k ohranjanju bolj ali manj obstoječega stanja ukrepov (v Evropskem parlamentu je bil Odbor za okolje sicer prvič vključen v odločanje). Način opredelitve ciljev je nakazoval prednost skupnih dobrin, tudi v povezavi z ohranjanjem skupnega trga, kot so odporna proizvodnja, odgovor na podnebne spremembe in (deloma, zaradi učinkov ukrepov) generacijska prenova, medtem ko so bili cilji konkurenčnosti, okolja in razvoja podeželja zaradi potrebe po prilagodljivosti v deljeni pristojnosti (vloga II. stebra), cilji verig vrednosti, biološke raznovrstnosti in družbenih vprašanj hrane pa so (zaradi nacionalnih razlik in kompetenc) nakazovali največjo vlogo nacionalnih ukrepov. Skladno s predlogom bi naj države članice pripravile nacionalne strateške načrte z opredeljenimi ciljnimi vrednosti kazalcev izvajanja in rezultata, medtem ko bi spremljanje vpliva glede na kontekste (sicer del strateškega načrtovanja) ostalo v domeni Komisije. Predlog je predvideval večjo prilagodljivost politike na različnih področjih. Med drugim je bil predviden tudi nov sistem okoljskega upravljanja kjer bi elemente zelenitve nadomestile prostovoljne sheme (t.i. eko sheme). Vse omenjeno naj bi skupaj s spodbujanjem sistema raziskav, izobraževanja in prenosa znanja, digitalizacije in novih tehnologij na kmetijah (precizno kmetijstvo, satelitska tehnologija), s strani SKP in drugih skupnih politik, spodbudilo integrirano podatkovno analitiko. Sam model SKP je bil kritiziran ker je še vedno težil k maksimizaciji ukrepov namesto doseganju ciljev, zaradi šibkih zavez in povezav med izvajanjem ukrepov in vplivom, vključno z opredeljenimi kazalci v odnosu do relevantnih kmetijskih praks (Lovec, Šumrada in Erjavec 2020). Zeleni dogovor sprejet v času Komisije Ursule von der Leyen je prepoznal določene težave denimo vpliv kmetijstva na podnebne spremembe in naravo (Matthews 2020b). Zeleni dogovor je bil odgovor na rezultat volitev v Evropski parlament, ki so bile zaznamovane z večjo vlogo progresivnih-liberalnih strank, vključno z zelenimi in potrebno po bolj aktivnim soočanjem z evroskepticizmom. Povezan je bil tudi s potrebo po močnejši vlogi EU v spreminjajočem se geopolitičnem okolju (spremembe v transatlantskih odnosih z Donaldom Trumpom, krepitev novih gospodarskih sil kot je Kitajska, odločnejša vloga Rusije). Zeleni dogovor je skušal okrepiti posamezne zaveze povezane z okoljem in spodbuditi digitalizacijo. Strategija Od vil do vilic (pripravil jo je generalni direktorat za zdravje) je denimo predlagala nove kvantitativne zaveze glede gnojil, pesticidov, ekološke proizvodnje in dobrobiti živali, ki so ambiciozne čeprav ne naslavljajo vseh opisanih problemov. Predvidena je tudi večja zaščita biološke raznovrstnosti (strategija za biološko raznovrstnost) na podlagi boljših podatkov, poleg investicij v znanje in tehnologijo. Vse omenjeno je krepilo vlogo podatkov in podatkovne analitike. Dogovor o strategiji Od vil do vilic je predviden za leto 2023, potekal bo izven odločevalske strukture povezane s proračunom. Literatura Ackrill, Robert (2000). The common agricultural policy. Sheffield: Sheffield academic press. Anderson, Kym (2010). The political economy of agricultural price distortions. Cambridge: Cambridge Unvevrsity Press. Buckwell, A. in Tangermann, S. (1999). The future of direct payments in the context of Eastern Enlargement. Economic Policy in Transition Economies 9(3): 229–252. Chayanov, Alexander V. (1966). On the theory of peasant economy. Madison: University of Wisconsin press. Coleman, W. D., Skogstad, G .D. in Atkinson, M. M. (1997). Paradigm shifts and policy networks: cumulative change in agriculture. Journal of Public Policy 16(3): 273–301. Coleman, W. D. in Tangermann, S. (1999). The 1992 reform, the uruguay round and the commission: conceptualizing linked policy games. Journal of Common Market Studies 37(3): 385-405. Crombez, C., Knops, L. and Swinnen, J. F. M. (2012). Reform of the common agricultural policy under the co-decision procedure. Intereconomics 6: 336–342. Daugbjerg, C. (1999). Reforming the CAP: policy networks and broader institutional structures. Journal of Common Market Studies 37(3): 407–428. Daugbjerg, C. in Swinbank, A. (2004). The CAP and EU enlargement: prospects for an alternative strategy to avoid the lock-in of CAP support. Journal of Common Market Studies 42(1): 99–119. Daugbjerg, C. in Swinbank, A. (2011). Explaining the ‘Health Check’ of the common agricultural policy: budgetary politics, globalisation and paradigm change revisited. Policy Studies 32(2): 127–141. de Gorter, H. in Swinnen, J. F. M. (1994). The economic polity of farm policy. Journal of Agricultural Economics 45: 312–326. Erjavec E., Lovec M. (2017) Research of European Union’s Common Agricultural Policy: disciplinary boundaries and beyond. European Review of Agricultural Economics 44 (4), 732-754. Erjavec, K. in Erjavec, E. (2009). Changing EU agricultural policy discourses? The discourse analysis of commissioner's speeches 2000–2007. Food Policy 34: 218–26. Gardner, B. (1996). European Agriculture: Policies, Production and Trade. London: Routledge. Garzon, I. (2006). Reforming the CAP. History of a Paradigm Change. Basingstoke, UK: Palgrave Macmillan. Ingersent, Ken A., Anthony J. Rayner in Robert C. Hine (ur.) (1998) The reform of the Common agricultural policy. Basingstoke: Macmillan. Josling, T. E., Tangermann, S. in Warley, T. K. (1996). Agriculture in the GATT. London: Macmillan. Kay, Adrian (2006). The dynamics of public policy. Cheltenham: Edward Elgar Publishing. Koester, U. (1977). The redistributional effects of the EC common agricultural policy. European Review of Agricultural Economics 4(4): 321–345. Lovec M. (2016). The European Union's Common Agricultural Policy Reforms: Towards a Critical Realist Approach. Basingstoke: Palgrave Macmillan. Lovec M. (2018). The Common Agricultural Policy Crisis of the 1970s/1980s: Accommodating the Logics of Appropriateness and Consequences JEIH Journal of European Integration History 23 (2), 245-262. Lovec M. (2020) Too Big a Club? The 1980s Common Agricultural Policy Crisis and Differentiated Integration. In Gehler, Michael and Loth, Wilfried (ed.) Reshaping Europe: towards a political, economic and monetary union, 1984-1989. Baden-Baden: Nomos, 263-282. Lovec M., Erjavec E. (2012) "Big Bang" Enlargement and Common Agricultural Policy Reform. Društvena istraživanja, 219-238. Lovec M., Erjavec E. (2013).The Common Agricultural Policy Health Check: Time to Check the Health of the Theory of the Reform? Journal of international relations and development 16 (1), 111-137. Lovec, M. in Erjavec, E. (2015). The co-decision trap: how the co-decision procedure hindered CAP reform. Intereconomics 50 (1): 52–58. Lynggaard, K. in Nedergaard, P. (2009). The logic of policy development: lessons learned from reform and routine within the CAP 1980–2003. Journal of European Integration 31 (3): 291–309. Matthews, Alan (2020a) The new CAP must be linked more closely to the UN Sustainable Development Goals. Agricultural and Food Economics 8 (19). Matthews (2020b) Agriculture in the European Green deal. 12 january 2020. Capreform blog. Moravcsik, A. (1998). The Choice for Europe: Social Purpose and State Power – From Messina to Maastricht. Ithaca, New York: Cornell University Press. Moyer, W. in Josling, T. (2002). Agricultural Policy Reform: Politics and Process in the EU and US in the 1990s. Aldershot: Ashgate Publishing. Olper, A. (2001). Determinants of agricultural protection: the role of democracy and institutional setting. Journal of Agricultural Economics 52(2): 75–92. Patterson, Ann Lee (1997). Agricultural policy reform in the european community: a three level game analysis. International organisation, 51 (1) 135-165. Pe'er, Guy, Yves Zinngrebe, Francisco Moreira, Clélia Sirami, Stefan Schindler, Robert Müller, Vasileios Bontzorlos, Dagmar Clough, Peter Bezák, Aletta Bonn, Bernd Hansjürgens, Angela Lomba, Stefan Möckel, Gioele Passoni, Christian Schleyer, Jenny Schmidt, Sebastian Lakner (2019). A greener path for the EU Common Agricultural Policy Science 365 (6452): 449-451. Pokrivcak, J., de Gorter, H. in Swinnen, J. F. M. (2001). Does a ‘Restaurant Table Effect’ exist with the EU's common agricultural policy? A note. Journal of Agricultural Economics 52(3): 28–30. Pokrivcak, J., Crombez, C. in Swinnen, J. F. M. (2006). The status quo bias and reform of the common agricultural policy: impact of voting rules, the European commission and external changes. European Review of Agricultural Economics 33(4): 562–90. Potter, C. in Tilzey, M. (2005). Agricultural policy discourses in the European post-fordist transition: neo-liberalism, neo-mercantilism and multifunctionality. Progress in Human Geography 29 (5): 581– 601. Ritson, C. in Harvey, D. (1997). The Common Agricultural Policy. Wallingford: CAB International. Schonhardt-Bailey, Cheryl (2006). From the Corn Laws to Free trade: Interests, Ideas and Inatitutions in Historical Perspective. Cambridge: MIT press. Swinbank, A. (1989). The CAP and the politics of European decision making. Journal of Common Market Studies 2: 303–322. Swinbank, A. (1999). EU agriculture, Agenda 2000 and the WTO commitments. World Economy 22(1): 41–54. Swinnen, J. F. M. (2010). The political economy of agricultural and food policies: recent contributions, new insights, and areas for further research. Applied Economic Perspectives and Policy 32(1): 33–58. Swinnen J. F. M. (ed.) (2015). The Political Economy of the 2014–2020 Common Agricultural Policy: an Imperfect Storm. Brussels: Centre for European Policy Studies. London: Rowman and Littlefield International. Swinnen, Johan F. M. in Harry Gorter (1993). Why small groups and low income sectors obtain subsidies: the altruistic side of self-interested governments. Economics and politics 5 (3): 285-93. Šumrada T., Lovec M., Juvančič L., Rac I., Erjavec E. (2020). Fit for the task? Integration of biodiversity policy into the post-2020 Common Agricultural Policy: Illustration on the case of Slovenia. Journal for Nature Conservation 54 (125804). Tracy, M. (1993). Food and Agriculture in a Market Economy. An Introduction to Theory, Practice and Policy. La Hutte: APS. I. Ponudba podatkov: pregled zbirk podatkov na področju kmetijstva (R1.1) in predlogi za izboljšave (R1.2) (Marko Lovec, Janez Štebe, Maja Dolinar, Brigita Bočkaj, Maša Kerstein) 1. Uvod Kakovost odločanja utemeljenega na dejstvih, ki je osnova sodobnih javnih politik, je odvisna od relevantnosti, točnosti in zanesljivosti vhodnih podatkov. Digitalizacija je omogočila revolucijo zbiranja, povezovanja in obdelave podatkov, ki lahko bistveno pripomore h kakovosti politik, tako v smislu načrtovanja in izvajanja, kot tudi transparentnosti, vključevanja deležnikov in kakovosti javne razprave ter splošne informiranosti in znanja. Pri tem pa je potrebno nasloviti določene stare in nove izzive kot so obseg in način zbiranja, obdelave in dostopa, vključno z vidikom varovanja osebnih podatkov. Slovensko kmetijstvo je v mikro-podatkovnem smislu izjemno bogat sistem, ki se skupaj z informatizacijo razvija že dve desetletji, predvsem v povezavi z vstopom v Evropsko unijo (EU) in prevzemom skupnih politik – v prvi vrsti Skupne kmetijske politike (SKP). Vsebuje relativno kakovostne podatke o površinah oziroma rabi le-teh, deloma tudi o pridelavi, reji živali, predvsem goveda, pa tudi drugih vrst, o posameznih segmentih pridelave in predelave kot je denimo vinogradništvo, ter seveda o vključenosti v ukrepe, dodeljevanju sredstev oziroma podpor in kontrolah. Vtis je, da je v marsikaterem pogledu sistem zbiranja podatkov za administrativne namene celo bolj podroben in dodelan kot v drugih bolj razvitih starih državah članicah. Tako kot vsak drug sistem pa se tudi informacijski sistem slovenskega kmetijstva v svoji zreli fazi sooča z določenimi izzivi. Podatkovne zbirke zaradi svojega obsega postajajo zahtevne z vidika digitalne hrambe, sam podatkovni sistem pa kompleksen; izgublja se centralni pogled na razpoložljive vire in načrtovanje novih; uporabniki podatkov potrebujejo interna znanja in s svojimi potrebami obremenjujejo 'ustvarjalce podatkov'; analitični del nalog je tradicionalno podhranjen na račun administrativnih. Ti izzivi prihajajo v obdobju, ko se spreminja tudi samo okolje izvajanja politike: SKP v obdobju po letu 2021 predvideva uvajanje strateškega načrtovanja in spremljanja na ravni držav članic, ki zahteva ustrezne podatkovne podlage, hkrati s tem pa se na področju kmetijskih tehnologij dogaja intenzivna digitalna revolucija in informatizacija. Trend je tudi večje vključevanje različnih deležnikov in uporabnikov, od samih proizvajalcev, svetovalne službe, akademske sfere in nevladnih organizacij, vključno z njihovimi lastnimi podatkovnimi zbirkami in analitičnimi orodji, ter internacionalizacija na vseh ravneh. Namen Ciljnega raziskovalnega projekta (CRP) Zasnova informacijskih rešitev v podporo izvajanju SKP na podlagi podatkov oz. krajše ITzaSKP je bil nasloviti podatkovne potrebe v procesu oblikovanja nove SKP. Projekt ima več ciljev, razdeljenih po fazah, od pregleda in ocene obstoječih virov, opredeljevanja podatkovnih potreb v okviru strateških načrtov, ter razvoja in testiranja analitičnih orodij. Pričujoče poročilo je del prve faze in je namenjeno pregledu in oceni obstoječih zbirk, predvsem administrativnih, kjer se nahaja največ mikro podatkov. Poročilo izhaja iz obstoječe literature, še posebej že opravljene analize podatkovnih virov v povezavi z gospodarjenjem kmetij, ki je ocenjevala uporabnost administrativnih virov ter mreže računovodskih podatkov (Volk in dr. 2017). Zaključki omenjene analize so šli v smer uporabnosti le-teh in hkrati pomanjkljivosti v smislu centralnega pregleda, povezovanja zbirk ter vidikov kakovosti vezanih na kakovost primarnih virov in prijaznost do uporabnika. Analiza je tako med drugim predlagala izročitev relevantnih podatkov ustreznemu skrbniku, ki bi podatke ustrezno opremil in skrbel za stik z uporabniki. Na teh izhodiščih je gradil pričujoči projekt. V okviru delovnega sklopa Pregled obstoječih zbirk so bili opredeljeni trije okvirji vrednotenja: najprej z vidika vsebinske relevantnosti podatkov, gre namreč za administrativne vire, ki se ustvarjajo na zakonski podlagi za namene izvajanja nalog in ne s podatkovno analitičnimi nameni, ožjimi ali širšimi v smislu deležnikov in zainteresirane javnosti. Drugič gre za oceno statistične kakovosti, ki je preliminarna in temelji na oceni administrativne kakovosti, dobljene na podlagi pregledovanja dokumentacije in samoocenjevanja skozi podatkovne intervjuje skrbnikov zbirk. Dejanske ocene statistične kakovosti je namreč mogoče oblikovati šele ob podrobnem pregledu ob pripravi posameznega sklopa podatkov za dostop, neglede na to pa statistični kriteriji kakovosti omogočajo razumevanje potenciala v smislu točnosti, pokritja, ažurnosti, časovne vrste in drugega. Tretjič smo se osredotočili na vidik organizacijske zrelosti, ki zajema področje zagotavljanja podatkov drugim uporabnikom v smislu ustreznega opremljanja, formatov in postopkov. S tem smo želeli nasloviti ključne ravni, ki so pomembne za razumevanje stanja in potenciala podatkovnih virov ter priporočil za razvoj podatkovja in nadaljnje korake projekta. Poročilo začenja s povzetkom ugotovitev raziskave, ki je ocenjevala podatkovne vire na področju gospodarjenja v kmetijstvu. Sledi metodološki del s tremi sklopi, ki se nanašajo na opredelitev vsebinske relevantnosti, na statistično kakovost ter organizacijsko-uporabniški vidik. V okviru raziskovalnega načrta je utemeljen vprašalnik za podatkovne intervjuje kot eno izmed metod (poleg pregleda interne upravne dokumentacije povezane s podatkovnimi viri) ter kriterij za (samo)ocenjevanje potenciala posameznih tematskih sklopov. Sledi analiza rezultatov metod s priporočili. 2. Pregled literature 2.1. Podatkovni viri na področju gospodarjenja Literatura, ki se ukvarja s podatkovnimi zbirkami na področju kmetijstva in izvajanja SKP v Sloveniji je omejena. Eden od pomembnih prispevkov so rezultati Ciljnega raziskovalnega projekta (CRP) Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423), ki je opravil pregled in presojo virov za namene sicer ožjega a pomembnega področja dohodkovnega modeliranja. Omenjen CRP je izhajal iz splošne ocene pomanjkljivih podatkovnih virov v zvezi z gospodarjenjem v kmetijstvu v Sloveniji, ki onemogočajo sistematično in celovito spremljanje ekonomskih kazalcev na mikro ravni, tj. na ravni posameznega gospodarstva.1 Kot ključen vir v uporabi je navedel periodična statistična raziskovanja, ki jih Statistični urad (SURS) izvaja na dve ali tri leta na vzorcu kmetij, s popisom enkrat na deset let. Ko gre za dohodkovna vprašanja, se na podlagi tega izračuna standardni prihodek kmetijskih gospodarstev (KMG), tj. povprečna bruto vrednost proizvodnje na enoto v obdobju petih let, upoštevaje površine in število živali na eni strani in povprečne pridelke in cene na drugi. Standardni prihodek je javno dostopen v obliki agregatov v smislu velikostnih razredov in tipov kmetovanja, ne pa na mikro ravni. Čeprav standardni prihodek ponuja določen vpogled v strukturne spremembe na dolgi rok, pa temelji na 'problematičnih' vhodnih podatkih – raziskovanjih, ki so periodična in temeljijo na prostovoljnem sodelovanju in dajanju podatkov. Prav tako ne zadošča za načrtovanje in spremljanje ukrepov ter načrtovanje poslovanja, ki zahteva zanesljive in podrobne letne podatke. Na drugi strani Ministrstvo za kmetijstvo, gozdarstvo in prehrano (MKGP) za namene izvajanja nalog in kontrol vodi številne ažurne zbirke podatkov, ki pa se za omenjene potrebe sistematično ne uporabljajo. Cilj CRP je tako bil med drugim na podlagi administrativnih virov prilagoditi izračun standardnega prihodka (Volk in dr. 2017: 5-6). V kolikor bi se preizkus pokazal kot uspešen, bi lahko poleg ostalega vzpostavili stalno ažurno posodabljanje izračunov standardnega prihodka (Rednak in dr. 2016: 11). Poleg omenjenega iz perspektive gospodarjenja obstajajo še računovodski podatki o dohodkih in poslovanju KMG po metodologiji poenostavljenega poslovodstva mreže FADN (Farm Accountancy Data Network), ki se zbirajo na vzorcu KMG po vsej EU, reprezentativno glede na velikost in tipe kmetij, kot izhaja iz omenjenih statističnih-strukturnih raziskav. 2.1.1. Opredelitev administrativnih virov CRP se je osredotočil na naslednje podatkovne zbirke iz administrativnih virov (Rednak in dr. 2016: 12­ 14): - Za podatke o zemljiščih Register kmetijskih gospodarstev (RKG), kjer so podatki po vrstah rabe GERK za posamezne KMG, za katere je vpis predviden skladno z 141. člen ZKme (za podrobnosti glej podatke o RKG v nadaljevanju poročila); - Dodatno še na Evidenco Agencije za kmetijske trge in razvoj podeželja (AKTRP) iz obrazca zbirnih vlog za zahtevke podpor iz naslova ukrepov kjer so podrobni podatki o površinah in posevkih; - Za pridelavo grozdja in vina Register pridelovalcev grozdja in vina (RPGV), kjer so vključeni tisti, ki obdelujejo najmanj 0,05 ha vinograda oz. del pridelka tržijo; 1 V okviru omenjenega CRP so bili uporabljeni samo nekateri viri podatkov (iz registra kmetijskih gospodarstev, živali in zbirnih vlog) za leti 2012 in 2014. Od takrat je v administrativnih zbirkah prišlo do več sprememb. -Za živali pa Evidenco rejnih živali (ERŽ) in imetnikov rejnih živali (EIRŽ) Uprave za varno hrano, veterinarstvo in varstvo rastlin (UVHVVR) kjer so podatki o tistih, ki imajo govedo, kopitarje, drobnico in več kot enega prašiča, čebele, večje število perutnine (nad 50), ter Centralni podatkovni zbirki govedo (CPZ Govedo) kjer so podatki o kravah po proizvodni usmeritvi (mleko ali meso). V okviru projekta so bili posamezne zbirke natančneje opredeljene (Rednak in dr. 2016: 15-20). Zbirke so povezljive preko enoličnega identifikatorja KMG-MID. Za KMG, ki so vključena v sistem subvencij, je na voljo veliko več podatkov, saj morajo te poročati v skladu z evropskimi predpisi o izvajanju skupne kmetijske politike, medtem, kot KMG izven tega sistema nimajo te obveznosti. Obstajajo razlike v deležu vključene celotne populacije enot, ki je največji pri RKG in ERŽ. V RKG so podatki o zemljiščih v obliki t.i. grafičnih enot rabe kmetijskih gospodarstev (GERK), ki se nanašajo na strnjeno površino kmetijskega zemljišča istega KMG z enako vrsto »rabe GERK« (npr. njive, trajne nasade in travniške površine). Vsak GERK ima svoj ID. Najmanjša velikost GERK-a je 25 m2. Spremembe so dolžni sporočati nosilci v roku 30 dni, nekatere pa vnaša upravljavec (npr. rezultate kontrol). Podatki o pridelku grozdja in vina se enkrat letno sporočajo v RPGV. Medtem ko je pri nekaterih GERK vrsta pridelka razvidna iz vrste rabe GERK (npr. trajni nasadi, travinje), je za druge GERK (npr. njiva, hmeljišče v premeni, trajne rastline na njivskih površinah) podrobne podatke mogoče dobiti iz zbirne vloge (za prejem podpor iz naslova ukrepov), ki jo KMG oddajo na agenciji enkrat letno. Na geo-prostorskem obrazcu, ki je del zbirne vloge, vlagatelji posredujejo podatke o vrsti rastline, ki se v tekočem letu prideluje na posameznem GERK ali delu GERK.2 Podatki o GERK-PID in rabi GERK se ob vnosu zbirne vloge prenesejo iz RKG, v grafičnem urejevalniku pa se nato na GERK vriše poljine z določeno vrsto kmetijske rastline. Na enem GERK je lahko več poljin. Šifrant rastlin je zelo podroben, med leti pa se spreminja. Šifre rastlin se med leti praviloma ne spreminjajo, se pa dodajajo nove. Vsi podatki iz zbirnih vlog se administrativno preverjajo, na kraju samem pa se preveri 5% KMG, ki so oddali vloge. Preverja se tudi ustreznost registrskih podatkov glede na stanje v naravi tako za površine, kmetijske rastline kot tudi za živali. Ugotovljene nepravilnosti se upoštevajo pri izplačilih (sankcije) in so osnova za popravke v registrih (podrobneje v nadaljevanju pri pregledu zbirk AKTRP). Ko gre za živali, se podatki za govedo (CRG) sporočajo ob vsaki spremembi, na voljo so podatki o spolu in pasmi (datum rojstva, starši). Podatki za drobnico, prašiče, kopitarje, perutnino, kunce, divjad, ki se redi v oborah se sporočajo enkrat letno ob zbirni vlogi (stanje februarja). Za čebelje družine se podatki sporočajo enkrat letno za dva datuma (april, oktober). Podatki se vodijo za lokacijo gospodarstva (G­MID) v okviru KMG-MID. V CPZ govedo so podatki glede na KMG-MID, G-MID in živali. V CRG podatki o čredah niso ločeni za molznice in dojilje (tovrstna razmejitev naj bi bila vzpostavljena v novi perspektivi po letu 2021). Podlaga za razmejitev pa je lahko prevladujoč tip proizvodnje na G-MID. Medtem ko so za živali za izračun standardnega prihodka na voljo vsi podatki so za rastlinsko proizvodnjo na najmanj primerljivi ravni za vsak KMG podatki dostopni za trajne nasade, vinograde, hmeljišča, oljčnike, intenzivne in deloma ekstenzivne sadovnjake, za posevke na njivah in vrtovih pa le za površine, ki so vključene v zbirno vlogo. Za preostale površine njiv in vrtov na KMG je možen le izračun posamičnih standardnih prihodkov na ravni vrste rabe po evidenci v RKG (njiva, rastlinjak, trajne rastline na njivskih površinah). 2.1.2. Ocena administrativnih virov 2 Vloge se oddajajo v času od konca februarja do 6. maja. Spremembe je mogoče sporočiti do 31. maja, 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. Pregledu virov je sledil izračun standardnega prihodka s pomočjo administrativnih virov in primerjava. Obstoječi koeficienti standardnega prihodka oz. povprečne vrednosti na enoto se močno razlikujejo glede na rabo in živali pa tudi med leti, skladno z nihanji v pridelkih in cenah, kar kaže na pomen točnih podatkov (Rednak in dr. 2016: 22). Podatki iz administrativnih virov omogočajo izračun standardnega prihodka za preko 90.000 KMG, tj. 30% več kot strukturna raziskovanja (leta 2013 so ta zajela 72.277 KMG), ki temeljijo na »evropsko primerljivi ravni«.3 Pri rastlinski proizvodnji se podatki v administrativnih virih nanašajo na približno isti obseg zemljišč kot podatki SURS (480.000 hektarjev), kar izhaja iz tega, da SURS večino podatkov dobi iz RKG in zbirnih vlog, manj pa z vzorčenjem. Koeficient standardnega prihodka je tako statistično pripisan le dobrim 3% površin za katere v administrativnih virih ni ustreznih podatkov (Rednak in dr. 2016: 27-28). Pri živalih prihaja do razlik v zajemu vendar je pri večini rejnih živali (govedo, drobnica, prašiči, perutnina) odstopanje praviloma manjše od 10% (Rednak in dr. 2016: 29). Primerjava agregatnega standardnega prihodka iz administrativnih (2012-2014) in statističnih virov (2013) je pokazala 10% absolutno razliko v obsegu v prid prvemu (Rednak in dr. 2016: 30-31). Večje razlike so se pokazale pri strukturi KMG glede na tip kmetovanja (Rednak in dr. 2016: 32), ki deloma izhajajo iz razlik v zajemu (npr. razlike v pragu), deloma iz bolj podrobnih podatkov iz administrativnih virov ter pripadajočih koeficientov (pri statističnih podatkih gre za petletno povprečje pred izvedbo, pri administrativnih pa za tekoče podatke). Omenjeno vpliva tudi na kakovost izvedenih kazalcev kot so razredi ekonomske velikosti in tipi kmetovanja. Slabost administrativnih virov pa so razlike v primerjavi s standardiziranimi statističnimi kazalci. Raziskovalci so ocenili, da imajo izračuni standardnega prihodka na podlagi administrativnih virov veliko analitično vrednost za različne namene, od načrtovanja do vrednotenja ukrepov na ravni tipov in območij, pri čemer pri uporabi na ravni posameznega KMG (ko gre za dohodkovno modeliranje) – tudi denimo za definiranje vstopnih pragov za ukrepe – veljajo omejitve, ki izhajajo iz točnosti podatkov in variabilnosti kazalcev standardnega prihodka (Rednak in dr. 2016: 33-34). Primerjava podatkovnih virov je pokazala na spremembo reda velikosti ali tipa pri kar 40% KMG na podlagi sprememb v proizvodnih parametrih, česar po oceni raziskovalcev ni mogoče pojasniti le z drugačnim zajemom temveč gre za problem kakovosti vhodnih podatkov. Poseben problem je predstavljalo evidentiranje živali na kritični datum, medtem ko je pri rastlinski pridelavi problem v konsistentnosti vrst rabe ter šifrantov. Administrativne podatke je sicer mogoče izboljšati z upoštevanjem večletnega povprečja (Rednak in dr. 2016: 36). Ob tem so raziskovalci opozorili na odsotnost sogovornika na MKGP s celovitim pregledom evidenc, koordinacijo ter dostop do zbirk, upoštevaje varovanje osebnih podatkov. Med drugim so predlagali izvedbo delavnice s potencialnimi uporabniki za oceno uporabnosti virov, vključno z nalogami in pristojnostmi MKGP (Rednak in dr. 2016: 37-38). 2.1.3. Organizacijski in uporabniški vidiki (primer Mreže računovodskih podatkov) 3 Statistična definicija KMG, ki velja v EU (Eurostat) je kot sledi: »Izvajanje kmetijske dejavnosti in uporaba najmanj 1 hektarja 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«. V okviru drugega delovnega sklopa je CRP opravil presojo kakovosti Mreže računovodskih podatkov, ki zajema vzorec tržno usmerjenih KMG vključenih v poenostavljeno knjigovodstvo za namene ekonomskih in poslovnih analiz, primarno za oceno ukrepov SKP. T.i. FADN je pomemben ker je evropsko primerljiv, vključuje kategorije kot so regija, tip kmetovanja in ekonomska velikost ter ima dolgo časovno serijo. Večina analiz s strani Evropske komisije je napravljena prav s pomočjo FADN, zbirka pa je pomemben vir tudi v primeru nacionalnih analiz. V Sloveniji se medtem FADN drži sloves »nezadostne kakovosti« (Kožar 2017: 59), zaradi vsebinskih problemov kot je vrednotenje osnovnih sredstev, pravočasnosti in točnosti podatkov pa tudi odsotnosti epistemske skupnosti uporabnikov. Neglede na to je zavedanje o pomenu baze prisotno (Kožar 2017: 60). V okviru pregleda literature (Kožar 2017: 62-63) je delovni sklop kakovost podatkov opredelil na družboslovni način, torej ne zgolj v smislu točnosti temveč »primernosti za uporabo«, ter kot večdimenzionalni koncept, pri čemer je hierarhija komponent odvisna od uporabnikov (njihovih prioritet, razpoložljivih virov in kompromisov). Kot ravni kakovosti podatkov so bile (po OECD) upoštevane: relevantnost, natančnost, kredibilnost, pravočasnost, dostopnost, pojasnljivost, koherentnost, pa tudi stroškovna učinkovitost. Na podlagi Eurostatovih standardov in EU zakonodaje so standardi razdelani na treh ravneh (Shema 1): institucionalni, statistični in uporabniški. Shema 1: standardi kakovosti podatkov *Kakovost podatkov po OECD Vir: lastni prikaz Kakovost je opisana tudi iz perspektive 'diamanta kakovosti' v smislu ravnovesja med strokovnim in izvedbenim vidikom (napake, omejitve, učinki) ter uporabniškim vidikom (ustreznost, natančnost, pravočasnost). Pri tem Kožarjeva (2017: 63) opozarja na škodljive učinke neustrezno kakovostnih podatkov za odločanje in pomen ocenjevanja kakovosti. Na podlagi pregleda dokumentacije je delovni sklop zaključil, da v Sloveniji strateško načrtovanje (srednji do dolgi rok) v povezavi s FADN še ni prisotno (Kožar 2017: 80). Kljub zavedanju o pomenu podatki niso uporabljeni v zadostnem obsegu. Zaznano je sicer boljše sodelovanje med institucijami, načrtovanje in proaktivnost pri več komponentah kakovosti, ki presega področji ažurnosti in točnosti, ki izhajata iz obvez do EU, v ospredje pa prihajajo komponente kot so ustreznost virov, dostopnost, jasnost, natančnost in zanesljivost. S tem se slovenski prostor približuje razpravi na EU ravni, z izjemo komponente uporabnosti. V zvezi s slednjim manjka opredelitev ključnih uporabnikov FADN za Slovenijo, ki bi vplivala tudi na samo vzorčenje. Nadalje so podatki za ključne uporabnike slabo dostopni in nejasni, pogosto pa tudi prepozni in premalo zanesljivi (za namene načrtovanja in presoje). V zvezi z organizacijo je prevelika raven razpršenosti (nespecializiranosti) ter breme odgovornosti pri dajalcih podatkov. Na podlagi tega je delovni sklop oblikoval več priporočil (Kožar 2017: 118-120): I. Dogovor o uporabnikih FADN in njihovih potrebah, ki naj vplivajo na ravni kakovosti, z MKGP kot glavnim uporabnikom in vodilnim akterjem II. Reorganizacija v smislu delitve in združevanja nalog med institucijami (vzorčenje, analitika, diseminacija) III. Povečanje stroškovne učinkovitosti z digitalnim privzetim načinom za vnos, kontrolo in diseminacijo ter povezovanjem z drugimi bazami, po možnosti v enoten podatkovni sistem slovenskega kmetijstva, pohitritev dostopa IV. Izboljšati kakovost diseminacije, izobraževanja za ključne člene, upoštevaje načelo poenostavitve in personalizacije (peer-to-peer) V. Okrepiti vlogo kmetijsko-svetovalne službe glede zbiranja, kontrole, posredovanja, svetovanja in odzivov VI. Glede druge ravni kakovosti je pomembno odgovornost za natančnost in zanesljivost podatkov prenesti na mrežo FADN ter v okviru interdisciplinarne skupine preverjati in optimizirati postopke. Poenotiti postopke za vse KMG, ki vodijo FADN knjigovodstvo. Med splošnimi priporočili Kožarjeva opozarja še na pomen miselnega preskoka od administrativnih obveznosti k uporabnikom (namen) in dajalcem podatkov (učinkovitost) ter iskanje sinergij na podlagi celovitega podatkovnega sistema za slovensko kmetijstvo. Slednji bi skozi navzkrižno zbiranje in uporabo podatkov izboljšal več komponent kakovost hkrati: stroškovno učinkovitost, manjše breme poročanja, pravočasnost, natančnost, zanesljivost, dostopnost in jasnost. Tovrstna miselnost je že dlje časa prisotna v skandinavskih državah, spodbuja pa jo tudi Evropska komisija. 2.1.4. Splošni zaključki in predlogi Kot pravijo Tina Volk in dr. (2017: 292), »v slovenskem kmetijstvu obstajajo pomembne pomanjkljivosti pri organiziranju, upravljanju in načrtovanju kmetijske pridelave«. Slovensko kmetijstvo razpolaga s podatkovnimi viri, ki omogočajo oblikovanje relativno dobre slike o virih, deloma pa tudi o proizvodnji na ravni KMG. Vendar pa je delo s podatkovnimi zbirkami zamudno zaradi ločenosti in razlik, vključno z različnim nosilci in slabo koordinacijo, pomanjkanjem dostopa in uporabe za analitične namene. Posledice so pod-izkoriščenost zbirk in enkratnost vsake uporabe (namesto standardizacije). Če želimo, da se uveljavi odločanje utemeljeno na podatkih, je potrebno (poleg uporabe administrativnih virov za izračun standardnega prihodka, izboljšanja FADN, ponudbe stalnih analitičnih orodij za odločanje v kmetijstvu in posodabljanja obstoječih ter oblikovanja panožnih analitičnih krožkov) (Volk in dr. 2017: 293-295): -Oblikovanje partnerske strukture za strateško uvajanje na podatkih utemeljene kmetijske politike s predstavniki vladne strani, nevladnih organizacij in akademske sfere, ki bi naslavljala vprašanje podatkovnih virov, analitičnih podlag in modelnih orodij; -Institucionalna podpora na MKGP z okrepljenim analitičnim delom in delom s podatkovnimi zbirkami, centralno urejanje in koordinacijo podatkovnih virov, sodelovanje z deležniki za diseminacijo; -Analitični panožni krožki v javni kmetijski svetovalni službi podprti s podatkovnimi viri, javnimi nalogami in reorganizacijo svetovalne službe -Stalnost financiranja podatkovnih zbirk in analitičnih podlag (kjer gre za stalne naloge, stalno javno financiranje). Na koncu raziskovalci navajajo še opozorilo na pomen kontinuitete in kadrov ko gre za vzpostavljanje podatkovnih zbirk ter stroške, ki jih prinašajo prekinitve. Omenjeni splošni zaključki so bili izhodišče za pričujoč projekt. 3. Metodologija Iz metodološkega vidika najbolj standardizirano skupino komponent kakovosti podatkov predstavlja statistična kakovost oz. kakovost statističnih rezultatov, ki se nanaša na statistično ustreznost (t.j. popolnost) in natančnost podatkov, rednost objavljanja ter skladnost. Posamezni elementi statistične kakovosti so opredeljeni s kvantitativnimi kazalci. Statistična kakovost se sicer nanaša na končne produkte različnih statističnih raziskovanj medtem ko v našem primeru ocenjujemo administrativne zbirke, ki so žive, in ki (še) ne predstavljajo statističnega izdelka. Vprašanje skladnosti administrativnih virov je tako tudi vprašanje vsebinske relevantnosti v smislu skladnosti z uveljavljenimi standardnimi statističnimi enotami in spremenljivkami. Standardne kategorije statistične kakovosti omogočajo predhodno kvalitativno oceno 'statističnega potenciala' zbirk, saj vemo, da Statistični urad vedno večji delež podatkov pridobiva prav iz administrativnih virov. Druga kategorija, ki izhaja predvsem iz sekundarne rabe zbirk za analitične in druge namene, je vsebinska relevantnost, ki se nanaša na elemente statističnih rezultatov kot so področna ustreznost in relevantnost podatkov, v bolj specifičnem smislu pa tudi enkratnost oz. posebna vrednost, razsežnost in kompleksnost (časovna vrsta, zajem, dopolnjevanje obstoječih podatkov) ter uporabnost za različne namene. Vsebinska komponenta kakovosti se nanaša tudi na nekatere institucionalne vidike kot je ustreznost primarnih virov od koder so podatki pridobljeni ter vidike statističnih procesov kot je ustrezna metodologija zbiranja in obdelave. Omenjeni elementi se nanašajo na vidik potencialnih koristi, ki je pomemben v smislu ustreznega odnosa do stroškov (analiza stroškov in koristi). Tretja kategorija kakovosti podatkov se nanaša na organizacijske vidike kakovosti oz. na organizacijsko zrelost. V poštev pridejo nekatere standardne komponente kot so zakonski okvir zbiranja in obdelave podatkov in zavezanost kakovosti (npr. ustrezne analize in poročila o kakovosti), pa tudi nekateri specifični elementi povezani z izvedbo in odnosom do uporabnikov. Ko gre za podatke kot takšne v smislu ali so kje opredeljeni, ali so sploh dostopni v delu ali celoti, ali so povezljivi in omogočajo sekundarno rabo, nato pa na samega dajalca podatkov v smislu opremljanja z metapodatki, odnosa do uporabnikov, postopkov, rešitev za dostop in upoštevanje načel odprtih podatkov. V tretjo komponento lahko štejemo tudi vprašanja povezana s stroškovno obremenitvijo organizacije kot dajalca. Tabela 1: Kakovost administrativnih podatkovnih virov Statistična Vsebinska relevantnost Organizacijska zrelost kakovost Kakovost statističnih -Natančnost in -Ustreznost (enkratnost, -Dostopnost in jasnost rezultatov zanesljivost posebna vrednost, (metapodatki, standardni -Pravočasnost razsežnost in kompleksnost postopki in rešitve, odprti ter uporabnost) podatki) -Skladnost in primerljivost Kakovost statističnih -Metodologija -Obremenitev dajalca procesov -Stroškovna učinkovitost Kakovost -Ustreznost virov -Pooblastilo za zbiranje institucionalnega -Zavezanost kakovosti okolja Vir: lastni prikaz Razmerje med standardno kategorizacijo komponent kakovosti in kategorijami kakovosti administrativnih virov je predstavljeno v Tabeli 1. V nadaljevanju natančneje opredeljujemo posamezne elemente znotraj treh komponent kakovosti v smislu standardnih kazalcev, vrednosti in lestvic, ki omogočajo podajanje ocen. 3.1. Statistična kakovost Sistematično spremljanje kakovosti statističnih rezultatov, tj. rezultatov statističnih procesov, se je razvilo v zadnjem desetletju. Uveljavilo se je šest komponent kakovosti statističnih rezultatov: ustreznost, točnost ocen, pravočasnost in točnost objave, dostopnost in jasnost, primerljivost in skladnost. Kot dodatna, sedma komponenta, pa še stroški in obremenitve. Slednja sicer ni eksplicitno komponenta kakovosti vendar pa vpliva na vse ostale (SURS 2017: 7, 34; glej tudi Shemo 1 zgoraj). Pomembno vlogo je igrala standardizacija kazalcev kakovosti v okviru evropskega standarda poročil o kakovosti (European Standard for Quality Reports Structure – ESQRS).4 Standardizacija se nanaša na razvoj neposredno izmerjenih kvantitativnih kazalcev, ki omogočajo bolj objektivno oceno dosežene kakovosti, primerjavo skozi čas in med področji. Glavni namen kazalnikov kakovosti je izvajalcem statističnega raziskovanja in uporabnikom ponuditi vpogled v kakovost rezultatov in s tem procesa, preko katerega so bili pridobljeni, v določeni meri pa tudi institucionalnega okolja, v katerem se raziskovanje izvaja. Kazalniki naj bi bili izračunani čim hitreje, pri nekaterih vidikih že v samem statističnem procesu. Kazalniki se sicer lahko nanašajo na raziskovanje kot celoto, spremenljivko ali končno agregatno statistiko (statistični rezultat). Ko gre za slednja elementa naj bi se kazalniki izkazali le za ključne spremenljivke in statistike (npr. do pet). Pogostost izkazovanja naj bi bila vezana na samo raziskovanje, uporabljajo pa se lahko tudi letna povprečja. V primeru, ko struktura populacije ali vzorca igra pomembno vlogo, je smiselno prikazati vrednost kazalnika tudi za pod-domene, npr. po spolu, regiji (SURS 2017: 8). Kazalniki kakovosti se glede na elemente razlikujejo po tipu raziskovanj: ločimo terenska anketna, kjer je osnova vprašalnik; registrska, ki temeljijo na administrativnih virih; ter kombinirana. Raziskovanja se delijo tudi glede na izbor enot, od popisa do vzorca, ki je lahko naključni ali nenaključni (SURS 2017: 9). Kazalniki kakovosti so predstavljeni v Tabeli 2. Nekateri kazalniki, ki se primarno ne nanašajo na registrska raziskovanja oz. raziskovanja na podlagi administrativnih virov, potrebujejo prilagoditve, s katerimi se ukvarjamo v nadaljevanju. V tabeli predstavljamo tudi poenostavljeno metodo izračuna kazalnika, ki omogoča okvirno oceno vrednosti – v našem primeru namreč ne ocenjujemo statističnih rezultatov temveč 'potencial administrativnih virov' za različne namene uporabe. Iz tega vidika je torej pomembno troje: ali je kazalec mogoče izračunati, kakšen bi bil rezultat in kakšna je statistična ocena te vrednosti kazalca. ESQRS struktura in v njej nastopajoči kazalniki kakovosti so bili prvič podrobno opisani v metodološkem priročniku ESS Standard for Quality Reports, ki ga je Eurostat izdal leta 2009. V letu 2014 je nato Eurostat pripravil prenovljene metodološke dokumente v zvezi s poročanjem o kakovosti in kot del teh dokumentov prenovljeni seznam standardnih kazalnikov kakovosti. V letu 2015 je tudi posodobil standarde (ESQRS, ESMS), pomembna novost v okviru te posodobitve pa je uvedba nove strukture, ki združuje dve prej obstoječi strukturi v eno samo (SURS 2017: 34). SURS je standard prvič objavil 2011, zadnja verzija pa je iz 2017 in je namenjena vsem izvajalcem statističnih raziskovanj, ki uporabljajo kazalnike kakovosti (SURS 2017: 7). v primerjavi s kazalniki Eurostata kazalniki SURSa upoštevajo nekatere nacionalne specifike: nekateri kazalniki so izpuščeni, drugi pa dodani (SURS 2017: 34): Eurostat ne uporablja kazalnikov U2, T1.1, T6, S2 (Tabela 2), uporablja pa kazalnike AC1-3 ki se nanašajo na tabele in metapodatke. Tabela 2: Kazalniki kakovosti statističnih rezultatov Komponenta Kazalnik (oznaka SURS) Raziskovanje Objekt Izračun* Dodatno pojasnilo Ustreznost (U) Popolnost statističnih rezultatov Poljubno Raziskovanje Zahtevane/pridobljene statistike (skladno z Za vsako domeno posebej (npr. (U1) zakonsko določenimi podatki) NUTS regija). Ujemanje referenčnih datumov Registrsko, Spremenljivka Datum ustvarjanja podatkov/raziskovanja Za vsak registrski vir posebej. (U2) kombinirano Točnost ocen (T) Standardna napaka (T1) Naključni Statistika Vzorčna (velikost vzorca) in druge napake: vzorec primerjava vzorcev, analitični ali modelski pristop Pristranskost zaradi zajema (T1.1) Ne-naključni Statistika Razlika med populacijo in zoženo populacijo (za Pri specifičnem vzorčenju vzorec dimenzijske statistike kot delež) izračunamo T1 in T1.1 Stopnja neodgovora enote (T2) Poljubno Raziskovanje Delež enot brez podatkov: (a) neustrezne; (b) ni Izračunamo lahko uteženo odgovora; (c) ni odziva; (d) delni odgovor vrednost (manjkajo pomembne enote) Stopnja neodgovora Terensko Spremenljivka Delež ustreznih enot brez podatka za Administrativni viri: povezljivost spremenljivke (T3) spremenljivko Delež nadpokritja (T4) Poljubno Raziskovanje Delež neustreznih enot vključenih v vzorčni okvir Delež vstavljenih podatkov (T5) Poljubno Spremenljivka Enote z vstavljeno spremenljivko/Enote s Enote popravljene na podlagi podatkom za spremenljivko ponovnega preverjanja ne štejejo Delež urejanja podatkov (T6) Poljubno Spremenljivka Enote s popravljeno vrednostjo/enote s podatkom Ročno/avtomatsko, v fazi urejanja… Skladnost virov (T7) Kombinirano Spremenljivka Povprečna vrednost relativnih absolutnih razlik Npr. statistični/administrativni vir Pravočasnost in Pravočasnost prve objave Poljubno Raziskovanje Datum objave/konec referenčnega obdobja točnost objave rezultatov (PT1) rezultatov (PT) Pravočasnost objave končnih Poljubno Raziskovanje Datum objave/konec referenčnega obdobja Revidirani, podrobnejši rezultati. rezultatov (PT2) Točnost prve objave (PT3) Poljubno Raziskovanje Napovedan datum/dejanski datum Primerljivost (P) Dolžina primerljivih časovnih vrst Poljubno Statistika Št. točk v vrsti od zadnjega preloma Neprimerljivost (P1) Skladnost (S) Skladnost začasni/končni podatki Poljubno Statistika Absolutna ali relativna vrednost Popravki niso upoštevani. (S1) Skladnost z referenčnimi viri (S2) Poljubno Statistika Absolutna ali relativna vrednost Odvisno od referenčne raziskave (npr. kratkoročno vs. strukturno) *Za zapis v obliki matematične formule glej izhodiščni vir. Vir: Povzeto po SURS 2017: 10-26 27 3.1.1. Registrska in kombinirana raziskovanja Administrativni viri se kot neposredni vir podatkov predvsem zaradi zmanjšanja bremen poročanja in stroškov vse pogosteje uporabljajo pri statističnih raziskovanjih. Prilagoditev statističnega procesa v tem primeru vpliva na komponente kakovost – najbolj na ustreznost in točnost. Ustreznost virov vpliva na kakovost rezultatov, zato je, skladno s priporočili SURS, potrebno opisati vire, njihov osnovni namen in izvor, referenčno obdobje, način zbiranja in morebitne statistične obdelave. Te informacije, ki naj bi bile vključene v poročilo o kakovosti, so pretežno kvalitativne narave, vendar pa ocena skladnosti ciljnega in dejanskega referenčnega obdobja (torej razlike med obdobjem raziskovanja in obdobjem ko so bili podatki ustvarjeni) omogoča tudi povsem kvantitativno oceno (kazalnik U2). V primeru komponente točnost je potrebno prilagoditi več kazalnikov. Kazalnik pristranskosti zajema je mogoče preoblikovati v smislu merjenja učinka vrste zajema (namesto načina zbiranja), kar pride v poštev pri nenaključnem zajemu, denimo s pragom. Administrativni viri na podlagi zakonskih določil pogosto vključujejo pragove obveznosti poročanja. Pri stopnji neodgovora spremenljivke (T3) nimamo neposrednega zbiranja podatkov, pojav neodgovora pa je mogoče nadomestiti z neuspešnim povezovanjem virov, bodisi neposredno (primer, ko je v naboru enot in administrativnem viru enolični identifikator) ali posredno (primer drugih skupnih spremenljivk kot so ime, priimek) (SURS 2017: 27).5 Ko gre za delež nadpokritja (T4) mora biti najprej opredeljen referenčni nabor enot opazovanja na katerega povezujemo podatke iz različnih virov, nato pa enote za katere nam ni uspelo pridobiti želenega podatka (za raziskovanje »ustrezne« ali »neustrezne«). Slednje je lahko pri tovrstnem raziskovanju težje in zahteva uporabo drugih administrativnih virov ali strukturnih raziskovanj. Vir: Lastni prikaz na podlagi SURS 2017 V primeru deleža vstavljenih (imputiranih) podatkov (T5) se lahko upošteva enote, ki se ne povežejo za vse spremenljivke ali nekonsistentnost pri povezovanju. Pri deležu urejanja podatkov (T6) se lahko upošteva logična kontrola ali izvedba morebitnih popravkov. Posebnost registrskih raziskovanj je glede urejanja v tem, da lahko postopki potekajo na viru pred integracijo ali na že povezanem naboru. Potrebno je upoštevati oboje popravke. Vendar pa – ko gre za oceno statističnih rezultatov – ne smemo upoštevati popravkov opravljenih izven samega raziskovanja (skrbnikovi popravki). Neglede na slednje 5 Če sta uporabljena oba pristopa je potrebno posebej izračunati še stopnjo po obeh, v imenovalcu pa upoštevati samo število enot, ki smo jih dejansko skušali povezati z določenim pristopom. Običajno najprej izvedemo neposredno povezovanje, pri posrednem pa upoštevamo tiste enote, ki nam jih prej ni uspelo povezati (manjši imenovalec). Če je smiselno se lahko izračuna tudi utežena vrednost. pa ocena kazalnika že v procesu administrativnega urejanja ponuja vpogled v kakovost vira. Poleg omenjenega je mogoče kazalnik T7 izračunati za razliko med posameznimi administrativnimi viri (SURS 2017: 28). Kjer so na voljo avtomatizirane administrativne preverbe (npr. navzkrižno med zbirkami v realnem času, ob osvežitvi, ob 'odprtju seje') je mogoče uporabiti tudi podatke o rezultatu le-teh. Če povzamemo, ocena administrativnih virov zahteva predvsem opis osnovnega namena in izvora, referenčnega obdobja, načina zbiranja in morebitne obdelave, ki se nanašajo na vsebinske vidike kakovosti, s katerimi se podrobneje ukvarjamo v nadaljevanju. Ne glede na slednje pa je mogoče opredeliti dostopnost 'para-podatkov’ (t.j. podatkov o procesu tekom procesa samega) za izračun posameznih komponent statistične kakovosti in oceniti ter interpretirati okvirno vrednost kazalcev. 3.2. Relevantnost podatkov Podatki se ustvarjajo z različnimi nameni, njihova širša relevantnost oz. vsebinska kakovost, pa je odvisna od več kriterijev. Na področje vsebinske kakovosti se umeščajo komponente ustreznosti, skladnosti in primerljivosti, metodologije in ustreznosti virov. Pri ocenjevanju relevantnosti si lahko pomagamo s pripomočkom Arhiva družboslovnih podatkov (ADP) za ocenjevanje kakovosti raziskave za potrebe prevzema z namenom nudenja dostopa. Pripomoček (Shema 2) vključuje elemente kot so področna ustreznost, enkratnost in posebna vrednost, znanstvena relevantnost ter relevantnost za druge namene, ki se nanašajo na vidike zgornjih komponent, ki niso zajete v okviru statistične kakovosti. Pripomoček vključuje podrobnejše opredelitve posameznih elementov skupaj z obtežbo, ki pa se lahko prilagaja glede na specifike podatkovnega vira. Pripomoček je izdelan za namen ocenjevanja ob prevzemu podatkov iz družboslovnih raziskav, vendar pa je na ta način (z nekaterimi prilagoditvami pri opredeljevanju ciljne vsebine zbirke za določeno področje in opredelitve skupnosti uporabnikov podatkov s tega področja), mogoče razumeti tudi administrativne zbirke s področja kmetijstva in naravnega okolja (primerjaj z področno podatkovno enoto iz Velike Britanije: NERC Data Value Checklist). Kriteriji so bili v nadaljevanju prirejeni za namene preliminarne ocene pomena in relevantnosti administrativnih podatkovnih virov z metodo podatkovnega intervjuja (Priloga I). Pripomoček ADP ima opredeljene izhodiščne kvantitativne ocene z namenom primerjave podatkov posameznih raziskav, vendar je potrebno kvantitativne ocene ovrednotiti še z vsebinsko presojo ekspertov ter končne odločitve o izboru vsebinsko utemeljiti, pri tem pa tehtati tudi dodatne stroške priprave podatkov za dostop, vzdrževanje in njihovo trajno hrambo. Shema 2: Kriteriji relevantnosti raziskave • Pomen za področje (0/10); • pomen za disciplino (0/5); • med-disciplinarna integracija podatkov (0/5); •Vrednost za določen pojav ali obdobje (0/5); • dopolnjujejo zbirko po vrsti (tipi ali metode) ali vsebini in pristopu (0/5); • edinstveni podatki, podobni podatki boljše kakovosti (0/3); • podatki v isti ali bolj izvorni (surovi) obliki (niso nepovratno predelani) niso dostopni drugje (0/3); • podatki nimajo ustreznega skrbnika, grozi jim uničenje (0/3); • podatki so dostopni drugje, vendar ustanova, ki jih vzdržuje, nima naloge, da nadaljuje s poslanstvom (0/2); • podatke je mogoče ponovno zbrati z velikimi napori in stroški (0/4). •Zajet okvir populacije ozemlja celotne države ali regije (0/2); • podatki o prostorskih enotah (0/2); • populacije: splošne, pomembne (elita), redke in posebne (0/2); • izčrpnost podatkov, v kolikor obravnava problem z različnih vidikov (0/3); • primerljivi podatki skozi čas in prostor, serije podatkov (0/2); • možnost longitudinalne analize (0/2); • panelne raziskave, kompleksni raziskovalni načrti, dolgotrajne (0/2); • večrazsežnost: velikost, število besed, spremenljivk, enot; več nivojev podatkov; združeni podatki iz več virov (0/2); •metodološko dobro izdelane raziskave (0/5); • mednarodno primerljivi podatki (Slovenija) (0/5). • primerni za državljansko znanost, popularizacijo, novinarsko rabo (0/5); • drugi nameni (0/5). Vir: Pripomoček ADP za ocenjevanje kakovosti raziskave za potrebe prevzema (osnutek) 3.3. Organizacijski vidiki kakovosti Institucionalni ali organizacijski vidiki kakovosti, ki nas zanimajo, so vezani na komponente dostopnosti in jasnosti, razpoložljivosti, obremenitve dajalca in stroškov ter pooblastil za zbiranje in zavezanosti kakovosti. Pri administrativnih zbirkah so ključnega pomena zakonske podlage za zbiranje, obdelavo in dostop, ki določajo koliko in kateri deli podatkov so podvrženi zakonskim obveznostim za digitalno shranjevanje po Zakonu o varstvu dokumentarnega in arhivskega gradiva ter arhivih in za kako dolgo; kako se uresničujejo načela odprtih podatkov po Zakonu o informacijah javnega značaja ter po Nacionalni strategiji odprtega dostopa do znanstvenih objav in raziskovalnih podatkov v Sloveniji 2015-2020, kdo so znani uporabniki posameznega podatkovnega vira, kateri deli in na kakšen način so trenutno dostopni različnim uporabnikom. Poleg tega zakonodaja pogosto vpliva tudi na zaveze kakovosti (certifikati in standardi), pa tudi na kategorije statistične in vsebinske kakovosti, denimo z mehanizmi, ki vplivajo na zajem, točnost in ročnost podatkov ter samo vsebino in relevantnost. 3.3.1. Kriteriji FAIR V drugi vrsti gre za kriterije kakovosti z vidika nadaljnje uporabe večjega števila uporabnikov, ki niso sami vključeni v postopke zbiranja in priprave podatkov. Ti se nanašajo na katalogizacijo, dostopnost, splošno uporabnosti in preglednost, format ter ustrezno opremljanje podatkov z metapodatki in dokumentacijo. Popularno so ti kriteriji zbrani pod kratico FAIR (CESSDA) – Findable (podatke je moč najti), Accessible (podatki so dostopni), Interoperable (podatki so navzkrižno povezljivi) ter Reusable (podatki so ponovno uporabljivi). Kriteriji (Tabela 3) vključujejo kazalce, na podlagi katerih je posamezen vir ali zbirko mogoče oceniti v smislu izpolnjevanja kriterijev. Kriteriji se nanašajo tudi na podatke, ki jih pri svojem delu ustvarjajo javne službe. Tabela 3: Kriteriji FAIR Kriterij Opis Kazalci Findable Drugim naj bi bilo -Podatkom je pripisan trajni identifikator (moč jih je omogočeno, na najdejo -Na voljo so bogati meta-podatki, ki opisujejo najti) podatke; bogati metapodatki podatke bi morali biti na voljo na -Metapodatki so na spletu v dostopnem viru kot je spletu v iskalnem vira, katalog ali repozitorij podatkom naj bi bil pripisan -Zapis metapodatkov specificira trajni identifikator trajni identifikator. Accesible Drugi raziskovalci ali stroji naj -Trajna identifikacija vodi do podatkov ali (dostopni) bi imeli dostop, pod povezanih metapodatkov določenimi pogoji in -Protokol dostopa sledi prepoznavnemu standardu omejitvami. Metapodatki naj (npr. splet) bi bili dostopni neglede na -Postopek dostopa vključuje korake preverjanja dostop do podatkov. istovetnosti in avtorizacije, če je to potrebno -Meta(podatki) so dostopni, če je le mogoče Interoperable Podatki in metapodatki naj bi -Podatki so na voljo v splošno razumljivih in (navzkrižno bili skladni s prepoznanimi zaželeno odprtih formatih povezljivi) formati in standardi, ki -Metapodatki sledijo ustreznim standardom omogočajo združevanje in -Kontrolirane objave podatkov, ključna gesla, izmenjavo. ontologije uporabljene kjer je le mogoče -Zagotovljene so kvalificirane reference in povezave do drugih povezanih podatkov Reusable Za interpretacijo in ponovno -Podatki so točni in dobro opisani s številnimi (ponovno uporabo je potrebno veliko relevantnimi atributi uporabljivi) dokumentacije. Podatki naj bi -Podatki imajo jasno in dostopno licenco uporabe bili skladni s splošnimi -Jasno je kako, zakaj in kdo je ustvaril in predeloval normami in jasno licencirani, podatke tako da drugi vedo, kakšne -Podatki in metapodatki sledijo ustreznim oblike ponovne rabe so področnim standardom dovoljene. Vir: CESSDA 3.3.2. Organizacijska zrelost dajalca mikro-podatkov Nazadnje je potrebno upoštevati še vidik organizacijskega pristopa k dajanju podatkov. Kategorije – metapodatki, krog zaupanja, proces zaprošanja, rešitve in odprti podatki – in posamezni kriteriji so razdelani v okviru vprašanj za samoocenjevanje javne organizacije, oblikovanih v okviru ekspertne skupine za mednarodno sodelovanje na področju mikro podatkov (OECD 2014). Na podlagi kriterijev je mogoče govoriti o različnih stopnjah zrelosti: nizka zrelost običajno pomeni odsotnost standardiziranih metapodatkov, pristopov in rešitev, srednja zrelost določen obseg standardizacije in predvidljivosti ter uporabnosti, predvsem za 'stalne stranke' oziroma uporabnike, visoka zrelost pa skladnost s splošno veljavnimi mednarodnimi standardi, standardne, prepoznavne in dostopne protokole in rešitve, ki veljajo enako za vnaprej določene kategorije uporabnikov. Tabela 4: Zrelost organizacije-dajalca mikro podatkov Stopnja zrelosti: Metapodatki Nizka Omejeni na neposredne lastne potrebe statistične proizvodnje. Srednja Znani sekundarni uporabniki mikro podatkov, zagotovljen izvoz metapodatkov; ustrezni področni standardi in navodila, standardno izrazje. Visoka Skladno s prepoznanim mednarodnimi standardi; dokumenti omogočajo strojno branje in so prosto dostopni, vključno z angleško verzijo, meta podatkovne datoteke so dostopne preko mednarodnih portalov za pred­pregled pred zahtevo podatkov. Krog zaupanja Proces zaprošanja Odločitve za dostop so ad-hoc in subjektivne, standardi za uspešno akreditacijo niso dostopni potencialnim partnerjem in uporabnikom. Dokumentacija na ad-hoc osnovi, ni podatkov o postopku, časovnici odločanja, ni slovarja metapodatkov Deli organizacije vzdržujejo listo precedenčnih odločitev v zvezi s uporabniki, ki so izpolnili akreditacijske zahteve. Parametri in merila odločitve so dostopni na podlagi zahteve Za nekatera področja se uporabljajo standardizirani obrazci upoštevaje lokalne uporabnike, omogočajo prošnje iz drugih držav. Slovarji in metapodatki so dostopni na podlagi povpraševanja, kakor tudi okvirna časovnica odločitve. Partnerji in uporabniki mikro podatkov imajo status zaupanja, ki objektivno temelji na korporativnih merilih. Odločitve o dostopu so neposredno nanašajo na to. Potencialni uporabniki so obveščeni in postopek je transparenten. Standardni pristop k prijavam, ki je skladen s pristopom v drugih državah. Proces obravnave prošenj je formalno urejen, vključno s časovnico, dostopno vlagateljem. Slovarji in metapodatki so dostopni na spletu in skozi storitve iskanja virov. Razlogi za odobritev ali zavrnitev so transparentni in jasno povezani s pogoji. Rešitve za Odsotnost Sporadičen razvoj in dostop načinov za objava brez posebne enostaven dostop obravnave vidikov do mikro kakovosti ob ustvarjanju. podatkov. Smatrajo se kot pomemben proizvod za razširjanje mikro podatkov in so razviti skupaj z drugimi proizvodi za način dostopa do mikro podatkov. Metode ohranjanja statističnih značilnosti podatkov so uvedene. Uporabnikom so pojasnjene razlike med mikro podatkovno datoteko in originalom ter možnosti oblik dostopa. Odprti podatki Ni analize potencialnega pomena odprtih mikro podatkov. Notranji izziv, pretirane Notranji in zunanji izzivi upravljanja upravne kontrole nadzora nad mikro podatki so varnosti podatkov. Nekaj naslovljeni. Portfelj potencialnih odprtih podatkov-odprtih podatkov je vzdrževan in proizvodov je ustvarjenih sistematično obdelan. Vsi podatkovni kot odziv na pravne ali proizvodi, ki so varni in javni, so policy izzive. dostopni preko portala za iskanje virov. Vir: Povzeto po OECD 2014 3.4. Raziskovalne in analitične metode 3.4.1. Podatkovni intervju Za namen preliminarnega splošnega pregleda zbirk smo opravili popis in oceno kakovosti ter potenciala administrativnih podatkovnih virov. Kot ključni metodi pridobivanja podatkov o podatkovnih zbirkah sta bili zastavljeni pregled dokumentarnega gradiva in podatkovni intervju. Gradivo se nanaša predvsem na t.i. interne upravne priročnike z navodili za vodenje evidenc, registrov in zbirk, kjer so osnovne informacije o namenu in postopkih ter pravnih podlagah, pa tudi o samih podatkih, povezljivosti, kakovosti in standardih ter kontrolah, dostopu in obdelavi ter primarnih virih in drugih uporabnikih. Druga izbrana metoda je podatkovni intervju, ki je bil namenjen dopolnjevanju in preverjanju – tako med priročniki kot tudi med priročniki in prakso so namreč občasno razlike, priročniki pa niso naslavljali različnih vidikov kakovosti, tako statistične, kot vsebinske in organizacijske. Kot izhodišče za podatkovni intervju je bil uporabljen polstrukturiran vprašalnik, oblikovan v okviru projekta Odprti podatki (ADP 2011).6 Vprašalnik ima široko uporabnost, saj je namenjen posameznikom z različnimi vlogami v zvezi z raziskovalnimi podatki: - ustvarjalcem – raziskovalni enoti, podatkovnemu znanstveniku; - storitvam, od skrbi za podatke, katalogiziranje, opremljanje z metapodatki za uporabo, spravilo, povezovanje, arhiv, repozitorij in knjižnicam; - uporabnikom v smislu drugih raziskovalcev kot uporabnikov, študentov in učiteljev ter vodstvom in oblikovalcem politik kot so ministrstvo, drugi financerji in vodstva institucij. Vprašalnik se nanaša na različne faze v življenjskem krogu podatkov, ki zajemajo vidike statistične, vsebinske in organizacijske kakovosti (ADP 2011: 1-2; Shema 3): -Faza načrtovanja, financiranja in ustvarjanja podatkov zajema podrobno opredelitev namena, podlage in uporabnosti ter evidentiranja nastanka podatkov, ki je pomemben del razumevanja različnih vidikov statistične kakovosti (npr. ustreznost, natančnost in zanesljivost, pravočasnost, skladnost in primerljivost, ustreznost virov); -Faza dodajanja vrednosti se nanaša na metapodatke, transformacije in čiščenje, na katere so vezane komponente točnost ocen, skladnost in metodologija, v povezavi z makro-procesnimi vidiki; -Faza izbora in vrednotenja se eksplicitno nanaša na kakovost in uporabnost po zgledu kriterijev FAIR; -Faza spravila in analize vključuje objavo rezultatov v raziskovalnem poročilu skupaj s citiranjem uporabljenih podatkov, dostop, iskanje ter ponovno uporabo podatkov s strani drugih, s čemer se nanaša na kriterije zrelosti dajalca (ustvarjalca) in uporabnika podatkov. Prednost vprašalnika je, da ne naslavlja zgolj osnovnih opredelitev, temveč je problemsko usmerjen in že v fazi intervjuja skuša identificirati mehanizme odgovornosti za rešitve. 6 Vprašalnik jebil v izhodišču oblikovan za eno uro trajajoč intervjuju. Shema 3: Življenjski krog podatkov *Faza dodajanja vrednosti je v vprašalniku združena s fazo ustvarjanja podatkov. Vir: lastni prikaz Za namene pričujoče raziskave so faze in obseg pregleda prilagojene začetnemu samoocenjevanju skrbnikov administrativnih zbirk: združeno je ustvarjanje in dodajanje vrednosti, faza vrednotenja in izbora, ki je sicer pomembna v vseh drugih fazah, je umeščena pred fazo iskanja, iskanje, dostop in uporaba pa sta ločena, ker je primarni namen ovrednotenje potenciala podatkov za nadaljnje raziskovanje in dostop (Tabela 5). Dodatno smo v vprašalnik vključili nekatere elemente iz zgoraj prikazanih opredelitev in kazalcev statistične kakovosti, pred-prevzemnega obrazca ADP, FAIR kriterijev in kriterijev za samoocenjevanje organizacij. Poleg tega smo na koncu posebej zastavili še nekaj horizontalnih vprašanj z vidika organizacijske kakovosti v smislu razpoložljivosti virov in sodelovanja med različnimi organizacijskimi enotami (organi, uporabniki). Vsebinski opis sklopov je na voljo v Tabeli 5. Kot je razvidno iz tabele, so se vprašanja nanašala na opredelitev elementov, identifikacijo problemov ter odgovornih za rešitve. Celoten vprašalnik je na voljo v prilogi I. Intervjuvanci so bili izbrani na podlagi vzorčenja in sicer tako, da so bile zajete vse nosilne institucije, vsebinska področja (glej Shemo 4), značilnosti zbirk (obsežni in kompleksni podatki z različnimi notranjimi in zunanjimi uporabniki – primer RKG, preproste zbirke v obliki dokumentarnega gradiva – primer naravovarstvenih slojev, zbirke v vzpostavljanju – primer podatkov o proizvodnji) ter nosilci nalog (vodje organizacije ali sektorjev, skrbniki zbirk, IT služba). Intervjuji so bili izvedeni v decembru 2018 in januarju 2019. Za podrobnosti v zvezi z intervjuji glej prilogo II. Tabela 5: Podatkovni intervju Faza Ustvarjanje podatkov* Spravilo, dolgoročna razpoložljivost Opredelitev Opis nastanka podatkov in metapodatkov, za kakšne podatke gre, kaj se z njimi dogaja, katera orodja, metapodatki, standardi in postopki so uporabljeni. Opis korakov v fazi spravila, kaj se s podatki dogaja, kakšne oblike, formati nastopajo, kje se hranijo, kakšna so znanja glede hrambe, katera orodja, metapodatki, standardi in postopki so uporabljeni (ali denimo obstaja načrt hrambe). Problemi Načrtovanje kaj se bo zbiralo in za kakšen namen; upoštevanje vrednotenja, izbora in zagotavljanje načrtovane kakovosti; upoštevanje zahtev hrambe; razreševanje problemov za zagotavljanje dostopa. V smislu dodajanja vrednosti, upoštevanje načrtovane kakovosti, zahtev hrambe, sledljivosti postopkov in transformacij ter razreševanje problemov za zagotavljanje dostopa (npr. problem zaupnosti). Ali je shranjevanje za lastne potrebe ali tudi za potrebe drugih, prednosti hrambe na obstoječi lokaciji ali centralizirano po disciplinah, kaj je ciljna vsebina, ali je opravljeno strokovno vrednotenje pomena podatkov in kaj se zgodi s podatki make vrednosti, ali so podatki enkratni ali jih je mogoče reproducirati, ali je zagotovljeno ohranjanje vrednosti podatkov in ali je razpoložljivost ogrožena, ali je zagotovljena sledljivost izvora in postopkov v predhodnih fazah, kako je s povezavo z metapodatki ipd. Odgovornost V primeru pomanjkljivosti je pomembna stopnja identifikacije vzrokov ter odgovornosti (lastne in drugih) v smislu tega kdo nastopa s kakšnimi dolžnostmi in pravicami, medsebojna pričakovanja in odvisnost nosilcev vlog, pomen politik, vodil, standardov, ovire, sankcije in spodbude. Na drugi strani pa tudi identifikacija dobrih praks in zgledov od orodij za ustvarjanje prikaz in analizo podatkov in metapodatkov, standardov, politik, strategij, zakonodaje, projektov. Poleg generični dilem (zgoraj) kje bi bilo primerno mesto za odlaganje, vloga meril in vrednotenj zahtev kakovostne hrambe, stroškov, znanj in pravnih dilem kot so prenos pravic in zaščita podatkov. Izbor, vrednotenje kakovosti, uporabnosti Iskanje, dostop (objava), ponovna uporaba Pomen podatkov, njihova enkratnost, uporabnost za lastno uporabo, ponovno uporabo, na orodja, metapodatke, standarde in postopke za vrednotenje ter dostopnost ocene vrednotenja. Komu, pod kakšnimi pogoji so dostopni v kakšnih oblikah, formatih in verzijah, kakšna je praksa omejevanja dostopa, kje se podatki hranijo, katera orodja, metapodatki, standardi in postopki so uporabljeni za iskanje in dostop, ali so podatki evidentirani in kako podrobno so opisani v katalogu. Upoštevanje vrednotenja v predhodnih fazah priprave vključno s pomenom za druge ter objavo ocene. Ali je dostopnost podatkov upoštevana v predhodnih fazah priprave, ali imajo podatki vrednosti za druge (preverjanje objav, potencial, kombiniranje virov), ali se vrednost za ponovno uporabo vrednoti, kakšen je postopek in merila, ali ima uporabnik možnost oceniti vrednot in uporabnost podatkov, ali ima interes za podatke drugih, za kakšen namen, kako je s sledljivostjo izvora in postopkov v predhodnih fazah, dostopom do metapodatkov, dokumentacije, navezava na publikacije. Poleg generičnih dilem (zgoraj) ustrezno mesto za vrednotenje, razdelitev nalog, vire in spodbude. Poleg generičnih dilem (zgoraj) vprašanja primernega dostopa, kdo naj bi zagotavljal dostop, katere funkcije bi moral izpolnjevati, obstoj meril npr. kakovostne objave, poznavanje strategij in politik, finančna vprašanja, problem prane narave, avtorske pravice in etične občutljivosti, obveznosti dostopa s strani naročnika (javna sredstva, zahteve EU), kultura izmenjave, pogled glede omejevanja in pogojev dostopa, odnos do OECD smernic (kdo naj zagotovi izpolnjevanje), model načrtovanja in upravljanja podatkov. *Vključuje dodajanje vrednosti (opis spreminjanja podatkov in metapodatkov v fazi dodajanja vrednosti, kaj se s podatki in metapodatki dogaja, katera orodja, metapodatki, standardi in postopki so uporabljeni). Vir: Prirejeno po ADP 2011. 3.4.2. Vrednotenje Samo-ocenjevalna lestvica je predstavljena v Tabeli 6. Predstavlja izbor skupin kriterijev po področjih. Na področju vsebinske relevantnosti pomemben element predstavlja področna (pomen za strokovne naloge) in splošna relevantnost (znanstvena, za izobraževanje ter splošno informiranost) ter enkratnost podatkov. Na področju statistične kakovosti je ključno, ali so na voljo meta-podatki, ki omogočajo opredelitev enot, spremenljivk in časovne vrste (ocena ustreznosti, točnosti, zanesljivosti, skladnosti), bodisi na minimalni ravni, ravni obstoječih statističnih zbirk ali na višji ravni. Na področju organizacijske zrelosti je pomembno, ali ponujajo ustrezno katalogizacijo podatkov za uporabnike ter ali imajo vzpostavljen standardni sistem obravnave uporabnikov. Tabela 6: Ocenjevalni kriteriji Ocena Vsebinska relevantnost* Statistična kakovost Organizacijska zrelost 1 Podatki nimajo področne ali splošne uporabnosti in Meta-podatki, ki bi omogočili opredelitev Opremljanje podatkov za uporabnike ni predvideno. Ni stika z drugimi so že na voljo drugje (cca točnosti, zanesljivosti in uporabniki ali je minimalen. do 20 točk po točkovniku) skladnosti niso na voljo (neizpolnjevanje kriterijev FAIR in nizka org. zrelost) 2 Podatki imajo omejeno področno uporabnost ter Na voljo so določeni meta-podatki, ki omogočajo Opisi podatkov temeljijo na sklicevanju na zakonske podlage. Ad hoc odnos do so večinoma na voljo opredelitev posamezne uporabnikov brez v naprej opredeljenih drugje (cca 20-40 točk po točkovniku) komponente statistične kakovosti in objavljenih kriterijev. (izpolnjevanje posameznega kriterija FAIR, nizka do srednja org. zrelost) 3 Podatki imajo določeno Meta-podatki so na voljo, Pripravljeni standardni opisi podatkov za področno in ali splošno uporabnost, v celoti niso ocena statistične kakovosti je zadovoljiva (dosega posamezne uporabnike. Priprava rešitev na podlagi dvo-smerne več fazne na voljo drugje (cca 40-60 minimalne standarde) ali komunikacije z uporabniki. točk po točkovniku) dobra (primerljiva z (izpolnjevanje več kriterijev FAIR, obstoječimi viri) srednja org. zrelost) 4 Podatki imajo pomembno področno in/ali določeno Meta-podatki so do določene mere Standardni opisi podatkov za različne uporabnike. Interni kriteriji (prakse), splošno uporabnost, standardizirani, ocena usmerjenost k potencialu podatkov za pomemben del ni dostopen drugje statistične kakovosti je dobra (primerljiva z sekundarno rabo (izpolnjevanje več kriterijev FAIR, srednja do visoka org. (cca 60-80 točk) obstoječimi viri) ali deloma zrelost) odlična (boljša od obstoječih virov) 5 Podatki imajo pomembno splošno relevantnost, bistveni del je izviren (cca nad 80 točk) Standardni meta-podatki so na voljo, ocena statistične kakovosti je odlična (boljša od obstoječih virov) Opisi podatkov, metodologije, poročila o kakovosti. Kriteriji dostopa, standardne rešitve, odprti podatki (izpolnjevanje večine kriterijev FAIR, v povprečju visoka org. zrelost) * Skladno s podlago, nameni in metodologijo. Vir: lastni prikaz Končna analiza temelji na opredelitvi posameznega vira oziroma zbirke, skladno s priporočili SURS, pregledu relevantnih informacij za statistično kakovost in organizacijsko zrelost ter oceni na podlagi poenostavljenega kriterija (Tabela 6).Pomembno je, da se ocene ne nanašajo na način izvajanja obstoječih administrativnih nalog temveč na potencial za podatkovno analitiko z vidika različnih nalog ministrstva, organov v sestavi ter drugih deležnikov in zainteresirane javnosti. Namenjene so predvsem spodbujanju kulture samo-ocenjevanja, identificiranju neizkoriščenega potenciala in dobrih praks, ter postopnim izboljšavam na podlagi aktivnega dvo-smernega odnosa z uporabniki. 4. Pregled in vrednotenje administrativnih virov s predlogi za izboljšave Opisni pregled se nanaša na evidence, za katere so bili v okviru projekta izvedeni intervjuji s pristojnimi uslužbenci posameznih notranje organizacijskih enot MKGP, v ponazoritveni shemi sistema izbranih javnih registrov, evidenc in zbirk podatkov v slovenskem kmetijstvu (Shema 4a) pa so prikazane tudi druge evidence in zbirke podatkov, ki se uporabljajo za izvajanje skupne kmetijske politike in nacionalnih predpisov s področja kmetijstva. RKG (Shema 4b), ki deluje v okviru Direktorata za kmetijstvo, je osrednji register MKGP, v katerem se vodijo osnovni podatki o KMG (nosilec, člani, naslov), podatki o kmetijskih zemljiščih v uporabi KMG ter drugi podatki našteti v 143. členu Zakona o kmetijstvu (podatki o trajnih nasadih, dopolnilnih dejavnosti, vključenosti v druge evidence in drugo), pri čemer so nosilci KMG tudi vir podatkov. Grafični del RKG podatkov je dostopen v javnem pregledovalniku, nekatere atributne podatke o KMG pa lahko nosilci in člani KMG z digitalnim certifikatom vpogledajo tudi sami. V RKG, pa tudi v javnem spletnem pregledovalniku, so prikazani tudi naravovarstveni, okoljski in drugi grafični sloji, povezani z ukrepi kmetijske politike; bodisi zaradi obveze upoštevanja pravil določenih z ukrepi, bodisi zaradi upoštevanja pravil, ki izhajajo iz zakonodaje na drugih področjih. Prevzemanje večine omenjenih slojev od vira podatkov spada v domeno Sektorja za trajnostno kmetijstvo7, nekateri pa so izvorno od MKGP. V domeno Sektorja za urejanje kmetijskega prostora in zemljiških operacij spadata evidenca melioracijskih sistemov in naprav in evidenca komasacij, ki temeljita na ločenem informacijskem uporabniškem sistemu. Sledi skupina registrov in evidenc z nekaterimi podrobnejšimi podatki o proizvodnji posameznih proizvodov, vključno z načini proizvodnje, relevantnimi z vidika trženja: RPGV (Sektor za kmetijske trge in sektorske načrte), evidenca pridelovalcev in predelovalcev ekoloških proizvodov (Sektor za trajnostno kmetijstvo), ter evidenci kmetijskih pridelkov in živil ter skupin proizvajalcev iz shem kakovosti (Sektor za hrano v okviru Direktorata za hrano in ribištvo). V tej skupini posamezne evidence temeljijo na lastnem ločenem informacijskem uporabniškem sistemu (ekološka pridelava), druge pa so vodene zgolj v obliki datotečnih tabel. Zadnjo skupino predstavljata zbirka in evidenca, ki se uporabljata za podporo izvajanja politike razvoja podeželja (zbirka podatkov mreže za podeželje v okviru Službe za strateški načrt) in posameznih ukrepov – konkretno usposabljanja (evidenca izobraževanja KMG in podjetij v okviru Sektorja za strukturno politiko in razvoj podeželja). Organ v sestavi MKGP – UVHVVR – Sektor za identifikacijo in registracijo ter informacijske sisteme in identifikacijo (SIRIS) pokriva sistem evidenc in registrov zlasti s področja živali. Gre za evidenco rejnih živali in imetnikov rejnih živali ter centralne registre goveda, kopitarjev, drobnice, prašičev, čebel, akvakulture in drugo. Sistem zbirk je povezan z RKG, kjer je viden del podatkov in od koder se del podatkov tudi prevzema. Zunanji uporabniki do nekaterih zbirk dostopajo preko vmesnika. 7V času priprave poročila je na MKGP potekala sprememba organizacijske strukture, ki je vplivala na umestitev registrov in evidenc pod posamezne direktorate, sektorje in službe, ter na spremembe v imenih le-teh. Medtem ko so priročniki in intervjuji kot vir podatkov temeljili na stari organizacijski strukturi, je bila končna verzija poročila pripravljena skladno z novim organigramom. Organ v sestavi MKGP – ARSKTRP – upravlja podatkovni sistem povezan z vlogami za ukrepe, kontrolami, plačilnimi pravicami, izplačili in povezano analitiko ter poročanjem. Tudi v tem primeru poteka izmenjava podatkov z MKGP in UVHVVR, del ustvarjenih podatkov pa je viden tudi v RKG. Zunanji uporabniki preko posebnega spletnega uporabniškega vmesnika dostopajo do dela zbirk, ki so vključene v upravne postopke. Omenjen podatkovni sistem je povezan z drugimi podatkovnimi sistemi v okviru javne uprave in izven. Vpis podatkov v RKG in RPGV poteka na upravnih enotah (UE). Podatki o subjektih se na primer prevzemajo iz centralnega registra prebivalstva (CRP) in poslovnega registra Slovenije (PRS). Izmenjava podatkov poteka tudi s Finančno upravo (FURS) in AJPES, pa tudi drugimi. Prostorski in okoljski sloji se pridobivajo predvsem s strani Geodetske uprave RS, Zavoda za gozdove (ZGS), Ministrstva za okolje – Agencije za okolje (ARSO) in Zavoda RS za varstvo narave (ZRSVN), pa tudi od drugih. Predvsem geodetska uprava, pa tudi drugi uporabniki, prostorske podatke MKGP tudi prevzemajo. Podatke o ekoloških certifikatih vodijo pooblaščene organizacije za kontrolo in certificiranje. V primeru podatkov o živalih nekatere podatke vnašajo rejci, pooblaščene veterinarske in rejske organizacije. V primeru AKTRP so vir različnih podatkov nosilci KMG, ki lahko za vnos zbirne vloge pooblastijo uslužbenca Javne kmetijske svetovalne službe (JKSS). Med druge uporabnike, ki podatke vključujejo v svoje zbirke in podatkovne sisteme lahko poleg JKSS, veterinarskih in rejskih organizacij, štejemo SURS, dostop bank in zavarovalnic (preko pravic dostopa zavarovancev-KMG), raziskovalnih institucij (CPZ govedo) in drugih. Poleg naštetih administrativnih registrov in zbirk, ki so predmet poročila, v času izvedbe intervjujev na MKGP za namen izvajanja nalog s področja ministrstva obstaja še množica podatkovnih zbirk, ki so bile bodisi v fazi vzpostavljanja, bodisi namenjene specifičnim nalogam (ter s tem ožjim vzorcem) in zanje nismo prejeli priročnikov o vodenju, ki so bili temelj za oblikovanje tematskih skupin in vzorčenje kot podlago za intervjuje.8 Posebna pozornost velja že omenjenemu sistemu FADN s podatki o KMG, proizvodnji, mesečnih denarnih gibanjih in osnovnih sredstvih kmetije. Do podatkov (zase) dostopajo vključene KMG, podatke o vzorcu ima KIS, o obveznikih pa MKGP oz. območna zavoda KGZS. Vir podatkov so zbirna vloga (nosilec KMG), CRG, evidence prejetih in izdanih računov. S FADN se v okviru tega CRP nismo posebej ukvarjali ker je že bil predmet omenjenega predhodnega CRP, medtem ko se je dotični CRP osredotočil na sistem mikro podatkov v okviru javnih administrativnih zbirk. 8 V okviru prostorskih podatkov mednje spadajo registra pašnih in agrarnih skupnosti, pedološka karta, evidenca strmin, krajinske značilnosti, območja zaraščanja, prostorski podatki s področja gozdarstva, pedološki profili, ekološko pomembna območja, parki (vse v okviru RKG); karta talnih števil, dovoljenja obnove vinogradov, vinorodni okoliši, podokoliši, ožji okoliši, lege, kraji, vinogradi in oljčniki brez GERK-ov, kataster čebelje paše, območja neprimerna za eko čebele (vse v okviru MKGP), zbirka podatkov za načrtovanje gnojenja-izdelavo gnojilnih načrtov, ki vključuje podatke o založenosti tal in pH (KGZS). V načrtovanju sta bili še zbirka podatkov iz analiz in zbirka podatkov o emisijah in odvzemu toplogrednih plinov v kmetijstvu. Ko gre za podatke o živalih gre za register pasem z zootehniško oceno (Javna služba za genske vire), seznam priznanih rejskih organizacij (MKGP), rodovniške knjige (rejske organizacije), evidenco izvajalcev osemenjevanja (UVHVVR). Na področju podatkov o podporah in trgu so to tržno-informacijski sistem s podatki o tržnih cenah, evidenca o finančnih pomočeh, evidenca trgovcev in uvoznikov določenih kmetijskih pridelkov in živil, evidenca za sektor mleka in evidenca posebnih kultur (vse v okviru AKTRP) ter evidenci centrov za certificiranje hmelja in pridelka hmelja (Organizacija za kontrolo in certificiranje). V okviru KGZS sta še zbirki Farm manager (katalog kalkulacij za načrtovanje na kmetijah) in BENAKTA (poročanje o delu kmetijskih svetovalcev). Z nekaterimi izmed omenjenih zbirk se ukvarjamo v okviru nadaljnjih delovnih sklopov projekta, namenjenih strateškemu načrtovanju in razvoju zbirk v okviru nove SKP. Sam pregled in vrednotenje temelji na osredotočenju na javne administrativne zbirke, dostopnih vhodnih podatkih (priročniki) za oblikovanje tematskih skupin kot predstavljeno v Shemi 4, ki so bile podlaga za vzorčenje intervjujev (Priloga II), ter na treh segmentih kakovosti – vsebinski opredelitvi, statistični ter organizacijski kakovosti, utemeljenih v literaturi in metodološkem delu. Tabelarni pregled posameznih zbirk je na voljo v Prilogi III. Shema 4a: Sistem izbranih (omenjeni v ZKme oz. v priročnikih) javnih registrov, evidenc in zbirk podatkov v slovenskem kmetijstvu Ministrstvo za notranje zadeve Upravne enote Centralni register prebivalstva Poslovni register Slovenije (AJPES) Javna služba kmetijskega svetovanja Zavod za varstvo narave Zavod za gozdove Agencija za okolje in prostor Geodetska uprava Finančna uprava ZPIZ -Register čebelnjakov** -Evidenca registra živilskih obratov/ Register obratov na področju primarne pridelave živil rastlinskega izvora in register obratov na področju primarne pridelave krme -Evidenca pridelka hmelja Legenda: Poševno: lastni informacijski uporabniški sistem z zunanjimi uporabniki */** V celoti/deloma vidno v RKG MKGP, Direktorat za kmetijstvo Sektor za trajnostno kmetijstvo -Evidenca grbinastih travnikov* -Evidenca mejic* -Evidence eko pomembnih območij za DŽ* -Območje Natura 2000 ptice in habitati* -Okoljsko občutljivo trajno travinje* -Seznam območij OMD -Točkovanje KMG v OMD -Elaborat območij z OND -Evidenca najožjih vodovarstvenih območij* -Evidenca prispevnih območij vodnih teles -Območje pojavljanja medveda in volka* -Evidenca eko pomembnih območij habitatov* -Pedološka karta -Karta talnih števil -Register pašnih skupnosti -Register agrarnih skupnosti -Evidenca skupin proizvajalcev in shem kakovosti** -Evidenca kmetijskih pridelkov in živil iz shem kakovosti** -Dovoljenja – gojenje konoplje in maka -Evidenca pri/predelov. eko. -Evidenca pri/predelovalcev eko in integr. kmet. prid. in živil proizvodov** -Evidenca centrov za -Evidenca prostovoljnih označb certificiranje hmelja kmetijskih pridelkov in živil AKTRP Inšpektorat -Vnos subvencijskih vlog** -Administrativna kontrola podatkov -Kontrola subvencij** -Register plačilnih pravic** -Obračun subvencij z obravnavo zahtevkov -Evidenca za sektor mleka -Tržno informacijski sistem -Evidenca posebnih kultur -X-tabela in poročilni sistem za kmetijstvo, gozdarstvo, lovstvo in ribištvo UVHVVR Sektor za identifikacijo in registracijo ter informacijske sisteme -Evidenca rejnih živali** -Evidenca imetnikov rejnih živali** -Centralni register drobnice** -Centralni register goveda** -Centralni register kopitarjev -Centralni register prašičev Sivo: ni zajeto v pregledu in vrednotenju Shema 4b: Nadaljevanje Sheme 4a – podrobni pregled za Register kmetijskih gospodarstev TNS -Omejitve na KMG ali pri -… spreminjanju podatkov v RKG Legenda: * Vir podatkov 4.1. Ministrstvo za kmetijstvo, gozdarstvo in prehrano 4.1.1. Subjekti, kmetijska gospodarstva in dejanska raba zemljišč Opredelitev podatkovnega vira Služba za RKG, ki deluje v okviru Direktorata za kmetijstvo, upravlja s tremi večjimi zbirkami: to so evidenca subjektov (ESUB), RKG in evidenca dejanske rabe kmetijskih in gozdnih zemljišč. ESUB je evidenca subjektov »s katerimi ima MKGP poslovni odnos oz. so vpisani v katero od zbirk« in je, poleg tega, da je vir podatkov o subjektih za druge aplikacije (registre, evidence) MKGP in organov v sestavi, ki so vezane na subjekt, pomembna tudi zaradi »vpogleda v zgodovino sprememb« (MKGP 2015b). RKG je osrednja zbirka podatkov namenjena »enotnemu vodenju podatkov o KMG« in zlasti izvajanju ukrepov kmetijske politike, pa tudi »spremljanju stanja in načrtovanju« (MKGP 2017a). Evidenca dejanske rabe kmetijskih in gozdnih zemljišč je v osnovi kontrolna evidenca prijavljenih kmetijskih zemljišč v RKG, prenaša se v zemljiški kataster. Zaradi svoje relativne natančnosti in ažurnosti evidenco dejanske rabe uporabljajo tudi zunanji uporabniki in je v smislu nalog pomembna še z vidika prostorskega načrtovanja; omeniti velja tudi, da se prenaša v zemljiški kataster (MKGP 2015a). V RKG se obvezno vpišejo enote, ki so definirane v 141. čl. ZKme-1, ki opredeljuje zavezance za vpis – KMG v Republiki Sloveniji, ki izpolnjujejo najmanj enega izmed pogojev: 1. so v skladu s predpisi zavezanci za vpis v zbirke podatkov z delovnega področja ministrstva; 2. uveljavljajo finančne podpore po tem zakonu ali kakršne koli druge ukrepe kmetijske politike; 3. so za opravljanje kmetijske dejavnosti vpisani v uradne evidence ali registre po drugih predpisih; 4. imajo v uporabi: -najmanj 1 ha zemljišč, ki po evidenci dejanske rabe kmetijskih in gozdnih zemljišč sodijo med kmetijska zemljišča, ali -najmanj 0,1 ha oljčnikov ali -najmanj 0,2 ha intenzivnega sadovnjaka ali 0,1 hektarja jagodičja ali lupinarja ali -hmeljišče; 5. tržijo pridelke, ki jih pridelujejo. V RKG se lahko prostovoljno vpišejo tudi druga KMG. Podatki o KMG se prenehajo voditi, če v petih zaporednih letih v obveznih zbirkah ni zaznane aktivnosti (sprememb podatkov), ni oddane vloge v povezavi z ukrepi, ni zavedenih kmetijskih zemljišč ali živali (MKGP 2017a). Vsebina RKG (atributi oz. spremenljivke) je določena v 143. čl. Zakona o kmetijstvu (ZKme-1). Prva skupina podatkov znotraj RKG so podatki o KMG (identifikacijska številka KMG-MID, naslov, domače ime kmetije), ter podatki o nosilcu, namestniku in članih kmetije ter zaposlenih (MKGP, Intervju 1-2).9 Drugo skupino, vezano na površine, predstavljajo podatki o kmetijskih zemljiščih v uporabi, s podrobnejšimi podatki o trajnih nasadih – vinogradih, intenzivnih in ekstenzivnih sadovnjakih ter oljčnikih in hmeljiščih. Vsebuje tudi podatke o planinah in skupnih pašnikih, pridelku oljk in oljčnega olja, o razvrstitvi KMG v območja z omejenimi dejavniki (OMD), tj. območja kjer je kmetovanje oteženo, medtem ko primarni proizvodnji živil in krme rastlinskega izvora v praksi še niso vključeni v RKG. Tretjo skupino predstavljajo podatki o staležu rejnih živali. Četrta se nanaša na dopolnilne dejavnosti. Zbirka podatkov o dopolnilni dejavnosti vsebuje popis dejavnosti, ki so registrirane na kmetijah (povezava 9 Član kmetije je lahko hkrati tudi nosilec drugega kmetijskega gospodarstva, če je na kmetiji v vlogi fizične osebe in na kmetijskem gospodarstvu v vlogi samostojnega podjetnika. Pri KMG s sedežem v RS, je naslov nosilca lahko drugje, tudi v tujini. V tem primeru se vpiše t.i. fiktivni naslov (MKGP, Intervju 1-2). dejavnosti in izpolnjevanje pogojev povezanih s KMG) (MKGP 2014a). Iz RKG je mogoče dobiti informacije tudi v zvezi z vključenostjo v posamezne ukrepe kmetijske politike in ekološko pridelavo. Članstvo v organizacijah, skupinah proizvajalcev in uporaba zaščitnih znakov je prav tako predpisana vsebina, vendar pa v RKG teh podatkov še ni. Peto skupino predstavljajo podatki o kontrolah. V nadaljevanju se ukvarjamo predvsem s podatki, ki so prvenstveno vezani na RKG, medtem ko druge obravnavamo v okviru primarnih registrov oz. evidenc. Ko gre za posamezne skupine podatkov oz. atributov je zajem populacije ožji: podatki o članih se v skladu s predpisi vodijo le za »kmetijo« kot eno izmed organizacijskih oblik KMG, kjer je nosilec fizična oseba s stalnim prebivališčem v Republiki Sloveniji. Medtem ko imajo nosilci KMG obveznosti in pravice povezane z ukrepi kmetijske politike, izpolnjevanjem predpisov glede obdelave zemljišč in rejo živali, člani kmetije posebnih odgovornosti praviloma nimajo, razen če so vpisani v katero od zbirk podatkov MKGP (npr. imetnik živali). So pa člani kmetij po drugih predpisih upravičeni do določenih pravic iz naslova socialne in davčne politike (MKGP, Intervju 1-2). Del RKG so tudi podatki o GERK, ki se vodijo za kmetijska gospodarstva, ki obdelujejo površine, podatki o trajnih nasadih, ki se vodijo za vse trajne nasade na KMG in podatki o sadilnem materialu trajnih nasadov, ki se v skladu s predpisi prav tako vodijo za vse trajne nasade (z delno izjemo za ekstenzivne sadovnjake). Zbirka podatkov o dopolnilnih dejavnostih vključuje podatke o nosilcih dejavnosti, o vrsti dejavnosti (npr. v povezavi s turizmom na kmetiji, predelavo kmetijskih pridelkov, prodajo izdelkov s kmetij ipd.), časovnem obdobju opravljanja (za sezonsko v mesecih), in letnih dohodkih iz dopolnilnih dejavnosti na kmetiji (MKGP 2014a). Podatke v RKG vodijo na UE, kjer na podlagi osebnega obiska, vloge stranke ali po uradni dolžnosti vpisujejo oz. posodabljajo podatke z vseh področij, ki jih pokriva RKG. Podatke vnašajo pooblaščene osebe z opravljenim izobraževanjem za delo z RKG. Podatki o zemljiščih KMG v uporabi in spremembah se vpisujejo na podlagi digitalnih ortofoto posnetkov (DOF) na zahtevo nosilca, pa tudi po uradni dolžnosti na podlagi kontrol AKTRP. Spremembe stanja mora sicer nosilec KMG v RKG sporočiti v 30 dneh od nastanka spremembe, vendar v praksi nosilci večinoma spremembe javljajo spomladi pred oddajo zbirne vloge. Spremembe iz drugih evidenc s katerimi je povezan RKG se najmanj enkrat letno po uradni dolžnosti prenesejo v RKG. Enkrat letno se podatki iz KMG preverijo z vsemi razpoložljivimi evidencami, neskladja se označijo v RKG. V določenih primerih se podatki iz teh evidenc ažurirajo ob vsaki spremembi, vedno pa se za nosilčev KMG ažurirajo vsakič kadar nosilec ureja podatke na UE oz. UE odpre sestanek po uradni dolžnosti. Vnos vsakoletnih zbirnih vlog ni mogoč, dokler nosilci neskladij v RKG ne uredijo. Letno se na UE oglasi okoli 29.000 nosilcev oz namestnikov – nekateri tudi večkrat, na UE je odprtih okoli 48.000 sestankov letno – po podatkih za 2018 (MKGP, Intervju 1-2). Podatki o dohodku iz dopolnilnih dejavnosti se do 30. junija sporočajo za preteklo leto, morebitne spremembe v zvezi z dopolnilnimi dejavnostmi pa na podlagi odločbe UE vnaša sproti. Podatki o staležu rejnih živalih se pridobijo s strani UVHVVR in sicer o stanju na dan 1. februarja, podatki iz AKTRP (zbirne vloge) pa so na voljo preko povezave v RKG (Intervju 1-2).10 Poleg podatkov o kmetijskih zemljiščih v uporabi KMG ter podatkov o dejanski rabi, je grafičnem delu RKG na voljo več grafičnih slojev, ki izvirajo iz več virov (GURS, ARSO, ZGS in dr. )(MKGP 2015b; MKGP 2017a). Evidenca dejanske rabe kmetijskih in gozdnih zemljišč je enotna državna evidenca o dejanski rabi kmetijskih in gozdnih zemljišč. Namenjena je ugotavljanju dejanskega stanja rabe zemljišč kot pogoja za izvajanje ukrepov kmetijske politike. Podatki o gozdu se usklajujejo z Zavodom za gozdove. Podatki 10 Od marca 2019 je predvidena tudi povezava z ZPIZ z namenom preverjanja upravičenosti do plačevanja kmečkega zavarovanja za nosilce in člane (MKGP, Intervju 1). za evidenco dejanske rabe se zajemajo na osnovi (DOF), v manjši meri pa je vir podatkov tudi zajem iz satelitskih posnetkov, meritve na terenu (AKTRP, MKGP, IKGLR) in vloge strank. Dejansko rabo zajema zunanji izvajalec, sprotne zahtevke za spremembe pa rešuje MKGP. Statistična kakovost RKG obstaja od leta 1998. V začetku se je vodil na MKGP in je takrat vseboval le podatke o nosilcih KMG, naslovu KMG, vključenosti KMG v OND, o staležu živali in površin po vrstah rabe (le sumarnik) in podobno. Med leti 2000-2005 je obstajala numerična evidenca kmetijskih zemljišč v uporabi KMG v digitalni obliki na osnovi zemljiškega katastra. Leta 2005 so se vzpostavili GERKi, ki so se prvič uporabili na zbirnih vlogah za leto 2006. V letih 2004-2005 se je povezalo nekatere samostojne zbirke podatkov MKGP v RKG kot je v današnji obliki. V letu 2006 so UE od MKGP prevzele tudi vodenje RKG. Postopoma se je v RKG dodajalo še druge vsebine (npr. dopolnilne dejavnosti). Med 115.600 vpisanimi KMG je neaktivnih – v postopkih preverjanja – do 5.000 vpisov. Evidenca subjektov se vodi od leta 1998, zgodovina pa je na voljo od leta 2006. Zaradi povezav s CRP in PRS je zbirka relativno dobro prečiščena, težava je edino v preverjanju za nazaj, ker ni zakonske podlage za ugotavljanje skladnosti in povezovanja v določenem trenutku v preteklosti (MKGP, Intervju 1-2). Kakovost podatkov v RKG v smislu točnosti in zanesljivosti je po ocenah skrbnikov (MKGP, Intervju 1­ 2) visoka. Kmetijska zemljišča v uporabi KMG (GERK/BLOK) je v skladu z EU predpisi obvezno potrebno kontrolirati s testom kakovosti, ki ima enako metodologijo na ravni EU. Testira se več elementov sistema, raven odstopanja za posamezni element je navadno okoli 0,5% (EU dopušča odstopanje v obsegu 2%) in je med boljšimi v EU. V primeru trajnih nasadov so na voljo podrobni podatki o sadilnem materialu za katere ocenjujejo, da so zanesljivi. Pri drugih podatkih, denimo dohodku iz dopolnilne dejavnosti, ki se sporoča zgolj zaradi preprečevanja preseganja zakonske meje, je kakovost vprašljiva a jo je mogoče izboljšati s pomočjo drugih zbirk (FURS ipd.). Zagotovljena pa je, v administrativnem smislu, sledljivost vseh sprememb za nazaj, od šifrantov, do posameznih vnosov sprememb. Pri evidenci dejanske rabi kmetijskih in gozdnih zemljišč uporabljajo svojo lastno kategorizacijo (skušali so sicer upoštevati mednarodne standarde a enotnih ni), raven podrobnosti omogoča pripravo za poročanje mednarodnim organizacijam. Problem predstavlja primerljivost za nazaj, npr. zaradi spremembe velikosti poligona, ki vpliva na obseg posameznih kategorij rabe kot je npr. voda. Posodabljanja na podlagi ortofoto potekajo po delih, vsako leto na tretjini površine RS, medtem ko ZGS podatke, ki so vir podatkov za zajem gozda, posodablja na 10 let. Organizacijska kakovost Podatki se v RKG in povezane evidence vpisujejo skladno z zakonskimi določili, ki vplivajo tudi na kakovost. Metapodatki so na voljo za nekatere prostorske podatke in izpolnjujejo zahteve s strani INSPIRE, vendar pa bi za druge namene lahko bili bolj podrobni. Ostali metapodatki niso sistematično urejeni – na voljo so zgolj podatki o vodenju zbirk (t.i. priročniki). Opise pripravijo na podlagi posameznega povpraševanja. Vsi podatki, ki se vodijo v okviru službe za RKG in tudi tisti, ki se prikazujejo v RKG aplikaciji, so shranjeni v Oracle. Podatki so locirani na strežnikih MKGP, vendar naj bi se v prihodnje selili na strežnike Ministrstva za javno upravo (MJU). Zgodovina podatkov, katerih skrbnik je služba za RKG, je shranjena na strežnikih MKGP in je za večino podatkov na voljo vsaj od leta 2006 naprej oz. odkar so bili podatki prevzeti v RKG. Podatki so shranjeni tudi na drugi lokaciji v RS. Posebne strategije arhiviranja nimajo, saj so, skladno z zakonom, vedno na voljo vsi podatki vključno z zgodovino, se pa podatke v tehničnem smislu arhivira v skladu s postopki oz. pravili arhiviranja v Oracle; v skladu z navodilom informacijske službe MKGP se za podatke baz enotno skrbi (MKGP, Intervju 1-2, 4). Prostorski podatki o kmetijskih zemljiščih v uporabi KMG, o dejanski rabi, kontrolnih slojih za ukrepe SKP in nekateri drugi so na voljo v javnem spletnem pregledovalniku (http://rkg.gov.si/GERK/WebViewer/). Z vpisom KMG-MID v javni pregledovalnik imajo nosilci vpogled v nekatere bolj podrobne podatke o svojih zemljiščih v uporabi ter nekatere najbolj splošne informacije o KMG. Z digitalnim spletnim potrdilom lahko nosilec za svoj KMG vpogleda v še bolj podrobne podatke. Med 'notranjimi uporabniki' (tj. drugimi povezanimi javnimi službami) sta najpomembnejša MKGP in AKTRP, katerih zaposleni lahko v primeru potreb pri delu dobijo polni dostop do RKG. JKSS ima z dostopom do RKG aplikacije dostop do vseh podatkov. Med 'zunanjimi' uporabnimi ima npr. SURS dostop na podlagi posebnega sporazuma, do podatkov pa dostopajo tudi občine, za katere imajo nekatere podatke pred-pripravljene, kmetijska stroka (Kmetijski inštitut, Biotehnična fakulteta), in nekateri drugi, ki se jim dostop lahko odobri, če zato obstaja zakonska podlaga (vključno z raziskovalnimi projekti). Zavarovalnice do podatkov dostopajo preko zavarovancev. Študenti, novinarji, zainteresirana javnost ipd. lahko prosto dostopajo do podatkov v javnem pregledovalniku, nekateri podatki, tudi zgodovinski podatki o pomembnejših grafičnih slojih, pa so na voljo tudi na portalu MKGP. Število povpraševanj po podatkih (sem niso šteta tista, kjer lahko iskalec sam najde podatke na portalu MKGP), na leto doseže do 1.000, najpogosteje gre za podatke o kmetijskih zemljiščih KMG v uporabi, trajnih nasadih in dopolnilnih dejavnostih. Obravnava in priprava podatkov je individualna, zato je časovno obremenjujoča. Sistematičnega pregleda nad rezultati uporabe izven MKGP nimajo, prepoznavajo pa posamezne dobre in slabe prakse (MKGP, Intervju 1-2, 4). V organizacijskem smislu si želijo podatkov o standardnem prihodku, ki bi jih želeli voditi na MKGP. Uporabnost podatka na mikro ravni je sicer vprašljiva. Zanimiva bi bila tudi povezava s FADN, kjer po mnenju RKG manjka del vzorca manjših kmetij. Potrebujejo centralno telo in boljšo koordinacijo izgradnje podatkovnih baz (MKGP, intervju 1-2). Dostop zunanjih uporabnikov do posamezne zbirka oz. sklopa je, kot ugotavljajo sami, pogosto odvisen od posameznega skrbnika. Zaradi rasti obsega shranjenih podatkov neizbežno prihajajo v fazo, ko bo potrebno trajno digitalno shranjevanje oz. arhiviranje posameznih podatkov, zaradi česar razmišljajo o vzpostavitvi statične baze, vendar pa za to še nimajo ustreznih (zakonskih) podlag, strategije in načrtov. Analitični del nalog je podhranjen v smislu izkoriščanja podatkov, saj bi za naloge spremljanja in snovanja kmetijske politike potrebovali ustrezne človeške vire in orodja, ki bi omogočili izkoriščenje analitičnega potenciala obstoječih 'množičnih podatkov' – ta morajo denimo po mnenju MJU zagotavljati sledljivost množične obdelave, česar obstoječe rešitve (npr. analitična orodja znotraj okolja Oracle) ne omogočajo. Obstajajo tudi dileme povezane z varovanjem osebnih podatkov in anonimizacijo (MKGP, Intervju 4). Ocena in predlogi Z vidika širše relevantnosti imajo podatki s katerimi upravlja Služba za RKG (evidenca subjektov, RKG, evidenca dejanske rabe, dopolnilna dejavnost na kmetiji) za področje kmetijstva posebno vrednost. Zbirke so si med seboj različne tako v namenu zbiranja (predpisano z zakonom), zajemu podatkov z vidika velikosti (t.j. enot, spremenljivk oz. atributov) in z vidika količine (t.j. zbirke poleg vodenja »lastnih« podatkov, le-te povzemajo tudi iz drugih primarnih virov, t.j. evidenc, registrov), kakor tudi vsebinsko (predpisano z zakonom). Med zbirkami vsekakor izstopa RKG, ki količinsko in vsebinsko zajema širok spekter podatkov (posamezne evidence so v RKG vidne v celoti, nekatere le delno), ki so medsebojno povezani (preko KMG-MID in številke subjekta) in zajemajo podatke na ravni enote (KMG). Ravno zaradi podatkov (vsebine), ki jih RKG zajema lahko na enem mestu pridobimo podroben vpogled o posameznem KMG, ki je zaveden v registru. Skupaj z ostalimi zbirkam v domeni Službe za RKG pa tako z vidika zajema in vsebine predstavlja veliko vrednost za področje kmetijstva. V primerjavi z obstoječimi statističnimi viri zbirke s področja dela službe za RKG predstavljajo edinstven vir za spremljanje KMG kot opazovane enote (na mikro ravni). Atributi oz. spremenljivke, ki jih je mogoče opazovati, vključujejo tip (KMG, kmetija, poslovni subjekt), relativno natančno opredelitev rabe zemljišč in s tem možnost ocene proizvodnje in povezanih parametrov (standardni prihodek, okoljski odtis), ter vključenih oseb. Na ta način omogočajo edinstveno opredelitev KMG po različnih tipologijah, ter spremljanje strukturnih sprememb (npr. velikost kmetij, raba) na makro ravni s primerljivo visoko ravnjo natančnosti in predvsem ročnosti (letna raven) glede na strukturna raziskovanja. Zbirke se v določeni meri že prevzemajo s strani SURS, vendar za namene dopolnjevanja strukturnih raziskovanj po makro enotah. Poleg tega so izračuni opravljeni v okviru CRP »Razvoj celovitega modela KMG« pokazali, da imajo administrativne zbirke neizkoriščen potencial za ugotavljanje in izboljšavo točnosti statističnih zbirk, predvsem ko gre za tipe KMG. Zaradi obsega podatkov in trendov bo kljub trenutnim zakonskim določilom na dnevni red slej ko prej prišlo vprašanje trajnega arhiviranja oz. oblikovanja statične longitudinalne zbirke arhivskih podatkov za različne analitične namene uporabe. Na podlagi tega lahko skladno z metodologijo podamo visoko kvantitativno oceno vsebinske relevantnosti (5). Ker se podatki v RKG zbirajo na podlagi Zakona o kmetijstvu (slednji definira kateri podatki se zbirajo in v kakšen namen, kar je osnova tudi pri ostalih evidencah in registrih), gre iz vidika statistične kakovosti za konsistentno zbiranje (in dopolnjevanje v smislu beleženja sprememb) podatkov. Register zajema veliko število spremenljivk in enot; predstavlja zbirko podatkov o kmetijskih gospodarstvih v Sloveniji, vpis vanj pa omogoča vodenje podatkov o KMG in uveljavljanje raznih pravic, kot so ukrepi kmetijske politike, če je nosilec vključen v sistem kmetijskih subvencij. Evidenca dejanske rabe kmetijskih in gozdnih zemljišč vsebuje podatke o dejanski rabi kmetijskih in gozdnih zemljišč na območju Republike Slovenije in je prvenstveno namenjena kontroli pri vpisu GERK. Kakovost podatkov je dobra, saj se izvaja sprotna kontrola vnosov z uradnimi bazami podatkov, pri čemer so kontrole vgrajene v aplikacijo za vodenje RKG. Podatki in podatki o spremembah in šifrantih so sicer dovolj podrobni, da omogočajo skladnost s statističnimi kategorijami tudi po časovni vrsti, z določenimi omejitvami povezovanja zbirk za nazaj in same kompleksnosti, zato ocena 4. Zaradi kompleksnosti podatkov in zakonskih omejitev v zvezi z osebnimi podatki je uporaba podatkov z vidika sekundarne rabe omejena tako v vsebinskem kot količinskem smislu. Priprava podatkov je individualna, pri čemer imajo nekateri redni uporabniki (SURS, občine) na voljo posebej pripravljeno možnost periodičnega izpisa na podlagi vnaprej pripravljenega servisa znotraj RKG. Uporabnik lahko, glede na potrebe, prejmejo tudi spremljajoče dokumente, npr. v zvezi s šifranti in spremembami. Podatki so v prvi vrsti namenjeni MKGP in javnim službam ter tistim, ki imajo za njihovo uporabo zakonsko podlago (npr. akademska sfera, splošna javnost, ostali zainteresirani deležniki), vendar za slednji dve kategoriji v omejenem (javno dostopnem) obsegu (brez oz. z anonimiziranimi osebnimi podatki). Zakon o kmetijstvu ne navaja možnosti uporabe za komercialne namene. Standardni meta-podatki, ocene kakovosti in podobno niso na voljo. Nameni uporabe in dostopanje do zbirk so urejeni v zakonodaji, vendar na način, ki je presplošen in neodločujoč ko gre za posamezna vprašanja, kar ima za posledico razlike v pristopu do uporabnikov, kar kaže na srednjo zrelost (ocena 3). Potencial zbirk s področja dela Službe za RKG je v povezovanju z zbirkami s podatki o proizvodnem potencialu (gojenih kulturah) iz zbirne vloge, o cenah (tržno-informacijski sistem ali anketno zbrani podatki o prodaji/odkupu) s čemer bi bil mogoč izračun (potencialne) proizvodnje in standardnega prihodka, vsaj za posamezne proizvode, ter različni drugi izračuni in križanja, vsaj na agregatni ravni. Potencial je tudi v povezovanju z vzorčnimi podatki (FADN) z namenom njihovega izboljšanja, preverjanja izračunov in projekcij in podobno. Dodano vrednost podatkom prinaša tudi prostorska komponenta podatkov, ki omogoča povezovanje z drugimi prostorskimi podatki, od ekonomskih, okoljskih, do družbenih. Posebej prilagojene za namene sekundarne rabe bi bilo smiselno pripraviti in trajno ohranjati dragocene podatke v zvezi z rabo površin in pridelavo (npr. oljk in oljčnega olja) ob hkratni odstranitvi osebnih podatkov. Ena izmed možnih rešitev bi bila priprava vsebinsko ciljanih podatkov na ravni nekaterih večjih prostorskih enot (t.j. statistični zbirka po vzoru SURS) s čimer bi zmanjšali količino odvečnih podatkov, kar bi imelo za posledico povečanje kvalitete drugih, vsebinsko najbolj relevantnih podatkov. Z vidika priprave tovrstnih podatkov bi to sicer glede na kompleksnost podatkov zahtevalo nekaj dodatnega časa in dela, predvsem v fazi uvedbe, vendar pa bi pomembno vplivalo na uporabniški in organizacijski vidik. Ena izmed cenovno dostopnejših možnosti bi bila razvoj statističnega produkta mikro-podatkov v fazi prevzemanja s strani SURS. Povezovanje zgoraj omenjenih zbirk bi izboljšalo statistično kakovost in potencial za različne namene uporabe in za različne uporabnike. Del najbolj zanimivih podatkov – agregranih po prostorskih enotah – bi lahko bil javno dostopen v spletnem pregledovalniku, ki bi s pomočjo orodij omogočal prostorske prikaze izbranih enot in spremenljivk, časovne trende in enostavne analize. Mikro-podatkovna zbirka (KMG) pa bi bila dostopna na zahtevo in ob anoninimizaciji oz. dostopu v varni sobi. Iz organizacijskega vidika je smiselno oblikovanje kataloških opisov, kriterijev in načinov dostopa za posamezne uporabnike, ter rešitev v smislu standardnega paketa podatkov (letni po izbranih enotah, KMG in/ali prostorskih, in izbranih atributih), do katerega bi v različnem obsegu dostopali opredeljeni uporabniki in ki bi razbremenile proces proizvodnje podatkov in dajalca. 4.1.2. Okolje in prostor Direktorat za kmetijstvo (večinoma) prevzema in uporablja, v manjši meri pa tudi vodi (Območja z omejenimi dejavniki v okviru Sektorja za trajnostno kmetijstvo in evidence v domeni Sektorja za urejanje kmetijskega prostora in zemljiške operacije) okoljsko-prostorske evidence, ki so bile vzpostavljene v povezavi z ukrepi kmetijske politike in/ali za območje, kjer je potrebno spoštovanje pravil, npr. v povezavi z varovanjem voda. Podatki so v obliki grafičnih-prostorskih slojev na voljo v javnem grafičnem pregledovalniku RKG. Pod Sektor za trajnostno kmetijstvo spadajo: - Evidenca OMD (MKGP 2016a) je bila vzpostavljena leta 2004 z namenom določiti območja, ki se soočajo z depriviligiranimi naravnogeografskimi pogoji za kmetijstvo kot podlago za ukrepe (podpore). Evidenca je del priloge programa razvoja podeželja (2004-2006, 2007-2013, 2014­ 2020). - Točkovanje KMG v OMD (2016b), ki predstavlja kvantifikacijo depriviligiranih pogojev, je bilo vzpostavljeno leta 2010 – aplikacija v RKG avtomatsko izvede izračun ob vsaki spremembi GERK. Točke predstavljajo atributni zapis na hektar v uporabi KMG. - Elaborat OND (MKGP 2016c) predstavlja prepis podatkov iz tiskane oblike iz leta 1991. V elaboratu se vodijo naselja v Republiki Sloveniji s pripisanim težavnostnim razredom. - Evidenca prispevnih območij vodnih teles površinskih voda in podzemne vode (MKGP 2015c) je namenjena upravnim pregledom ukrepov s strani AKTRP. Vodna telesa podzemne vode so pomembna za oceno tveganj in doseganje okoljskih ciljev po Okvirni direktivi o vodah. Zbirka vključuje lokacijske podatke in opis.11 Podatki so v domeni MOP/ARSO. - Pri evidencah vodovarstvenih območij (MKGP 2015d) gre za območja kjer velja poseben režim varovanja za zaščito vodnih virov – v Sloveniji slednje ureja zakon o vodah. Gre za več evidenc glede na raven varovanja na državni in občinski ravni. Za oboje je vir podatkov ARSO geoportal (geografski del je javno viden). Sektor za urejanje kmetijskega prostora in zemljiške operacije vodi evidenco melioracijskih sistemov in naprav (KatMeSiNa) (MKGP 2015e) ter evidenco komasacijskih območij. V prvem primeru gre za lokacijske in atributivne podatke kot so leto izgradnje, tip in podobno. Spremembe sporoča upravljavec v roku 30 dni. Podatki so vodeni v aplikaciji KatMeSiNa od leta 2004 in so združljivi z ostalimi bazami preko KMG-MID. Dejansko trajanje posameznega vpisa je sicer odvisno od MKGP. Atributivni del vsebuje tudi veliko dokumentov, sicer odvisno od starosti naprave. Za KatMeSiNa so na voljo nekateri metapodatki skladno s standardi. Podatki so shranjeni v Oracle in so povezani s katastrom. V primeru komasacij so podatki v aplikaciji KataKoma, ki je v vzpostavljanju. Podatke iz KatMeSiNe uporablja FURS za namene odmere nadomestila v skladu z Zakonom o kmetijskih zemljiščih. Pomembni so še iz vidika prostorskega načrtovanja. Z vidika dajanja podatkov je problem obeh zbirk, da Zkme ne določa, ali sta javni. Večina namakalnih sistemov je sicer zasebnih (lahko so še državni ali lokalni), osuševalni pa so 11 Vodna telesa so razdeljena glede na tip in vrsto (kategorija površinske vode), skladno s Pravilnikom o določitvi in razvrstitvi vodnih teles površinskih voda. vsi državni (MKGP, intervju 7). Ocena in predlogi Omenjene evidence z vidika velikosti zbirke (enote, atributi in spremembe) niso tako obsežne kot tiste v domeni Službe za RKG vendar se prav tako zbirajo kontinuirano (zaradi zakonske podlage) in zajemajo celotne populacije enot. Na področju okolja in prostora lahko ločimo dve vrsti zbirk: tiste, ki imajo podlago v drugi (nekmetijski) zakonodaji in so dostopne tudi drugje (npr. varovanje voda), ter tiste, ki imajo podlago v zakonodaji in ukrepih SKP. Med slednjimi ima velik pomen z vidika načrtovanja in analiz kmetijske politike evidenca OMD, pa tudi evidenca komasacij. Relevantnost obeh je sicer omejena na zelo specifične analize v okviru Slovenije (ocena vsebinske relevantnosti 3). Kakovost nekaterih omenjenih evidenc bi lahko z vidika kontrole oziroma ažurnosti ocenili kot dobro in sicer: zaradi vsakodnevnega posodabljanja (v primeru OMD, ki se sicer posodablja vsakih nekaj let, gre za točke na kmetiji, ki sicer niso dostopne javnosti, KatMeSiNa – dnevne posodobitve na atributivni ravni, ki ni javno dostopna, KataKoma) oziroma avtomatičnega izračuna aplikacije na GERKih ob vpisu KMG v RKG in ob vsaki spremembi na GERKU (točkovanje KMG v OMD), vendar so hkrati s tem podatki glede na atribute slabo primerljivi in povezljivi. Preverjanje podatkov, ki jih pripravi ARSO (evidenca NUV, evidenca VVO) je v njihovi domeni. Obseg izkušenj z dajanjem podatkov splošnim uporabnikom je omejen. Največ podatkov (spremenljivk) se vodi v KatMeSiNa. Aplikacija za pregled podatkov je trenutno v vzpostavljanju. Podatki (ne osebni) so vidni in na voljo v okviru portala in javnega pregledovalnika RKG. Na željo uporabnika je možno pridobiti grafične podatke (format SHAPE), medtem, ko je v primeru podatkov drugih evidenc npr. vodovarstvenih območij, viden oz. javno dostopen predvsem grafični del medtem ko pravni status vseh podatkov ne ustrezno urejen (zato ocena organizacijske kakovosti »zadostno«). Smiselna bi bila prostorska povezava npr. dela podatkov iz evidenc vodovarstvenih območij, reje živali in ugotovitev kontrol ter meritev kvalitete (onesnaženosti) voda. Načeloma bi bilo mogoče podatke v povezavi z osuševalnimi in namakalnimi sistemi prostorsko povezati s podatki o proizvodnem potencialu (vrsta rabe) in kriteriji vzdržnosti ter tveganj posameznih proizvodnih sistemov. Podatki OMD so zanimivi za različna raziskovanja povezana z ukrepi SKP, pa tudi druga raziskovanja, bodisi v smislu definiranja območij z omejujočimi dejavniki, bodisi v smislu ugotavljanja povezav z drugimi družbeno-ekonomskimi in okoljskimi dejavniki. Vsebinsko relevantne podatke bi bilo smiselno vključiti v splošno zbirko javno dostopnih podatkov z ustrezno ravnjo povezljivosti, opisov ipd. 4.1.3. Narava Sektor za trajnostno kmetijstvo prevzema več evidenc s področja naravovarstva, ki se povezujejo z ukrepi KOPOP, investicijskimi ukrepi SKP, pa tudi EK, OMD in DŽ in so namenjeni izvajanju ukrepov (določitev lokacjie, izvajanje upravnih pregledov). Vir podatkov je Zavod RS za varstvo narave (ZRSVN) razen pri evidencah grbinastih travnikov in območjih Nature 2000 – ptice in habitati, kjer je vir podatkov MOP-ARSO in o medvedu in volku, kjer je vir ZGS. Z izvajanjem PRP 2014-2020 so povezane naslednje evidence: -Evidenca mejic na Naturi 2000 (MKGP 2017b), ki je vezana na ukrep KOPOP. -Evidence ekološko pomembnih območij za ukrep DŽ (MKGP 2016d), ki se nanašajo na režim paše (3 sloji, ki prostorsko opredeljujejo različne režime). Območja so bila določena v prilogi 4 Uredbe o ukrepu DŽ iz PRP Republike Slovenije za obdobje 2014-2020. -Evidenca grbinastih travnikov (MKGP 2015f). - Evidenca ekološko pomembnih območij posebnih traviščnih habitatov metuljev in steljnikov ter območij pojavljanja ptic vlažnih ekstenzivnih travnikov (skupno 4 evidence, pri čimer se vsaka še deli na 2-8 slojev, ki opredeljujejo omejitve glede datuma košnje) (MKGP 2015g) - Evidenca območja pojavljanja medveda in volka (2 evidenci – sloja), (MKGP 2015h). Na področje ohranjanja narave spadajo tudi: -Sloj območje za ohranjanje prostoživečih ptic -Sloj območja NATURA 2000 -habitati (MKGP 2017c) -Sloji okoljsko občutljivega trajnega travinja (OOTT) (MKGP 2017d) (vodi se 3 sloje: sloj območja OOTT, sloj GERK s statusom OOTT in sloj kršitev) Prva dva sloja sta določena na osnovi varstvenih ciljev prostoživečih rastlinskih in živalskih vrst. Sloj OOTT je ZRSVN določil leta 2014 na podlagi 21.čl. uredbe, ki ureja sheme neposrednih plačil in sicer se nahaja na območju NATURA 2000. Sloji so vidni v javnem pregledovalniku. Ocena in predlogi Evidence s področja naravovarstva se, tako kot na ostalih področjih, vodijo na osnovi zakonske podlage, kar pomeni, da je njihov primarni namen vezan na izvajanje ukrepov s področja naravovarstva (kontrola skladnosti z zahtevami na določenem varovanem območju). Pri podatkih gre za grafične sloje s pripisanimi atributi, ki pa imajo sami po sebi omejeno uporabnost (izven izvajanja zakonskih nalog in z njimi povezanih analiz) saj gre predvsem za določitev občutljivih območij skladno z zakonodajo in predpisi ne pa za vsebinske 'aktivne' podatke o stanju narave na teh območjih (ocena relevantnosti »3«). Podatki, ki so pomembni za analize v smislu križanja z drugimi podatki o KMG so bolj relevantni (npr. povezava omejitev proizvodnje, ki izhajajo iz posebnih naravovarstvenih zahtev, s podatki o dejavnostih in poslovanju kmetije v navezavi z izračunom oportunitetnih stroškov, ovrednotenja ekosistemskih storitev in podobno, ali povezava podatkov o zaščitnih ukrepi na območju medveda in volka ter vlogami škodnih zahtevkov, pa tudi povezovanje prostorskih podatkov o občutljivih območjih s podatki o ugotovitvah nadzora ter drugimi zbirkami podatkov v zvezi s stanjem narave, npr. biološke raznovrstnosti-indeks ptic). Podatki, ki se zbirajo v evidencah so prevzeti iz drugih virov (vse sloje pred predajo na AKTRP pregleda MKGP, prevzet sloj preveri tudi AKTRP) in so dostopni na spletu (Javni pregledovalnik MKGP-RKG, pa tudi drugje, npr. nekateri na pregledovalniku ARSO). Podatke se zbira kontinuirano vendar so nekateri vezani na posamezen Program razvoja podeželja. Vsi grafični sloji s strani ARSO/MOP so izvorno na voljo na njihovem pregledovalniku od koder jih je mogoče prenesti v različnih oblikah. Smiselno bi bilo omogočiti enostaven prikaz prostorskih podatkov v javnem pregledovalniku skupaj z drugimi (omenjenimi) podatki (agregiranimi po prostorski enoti) glede na izbiro uporabnika. Potrebno bi bilo zagotoviti tudi ustrezne uporabniške opise podatkov ter povezave na dobre prakse uporabe podatkov pri analizah. 4.1.4. Proizvodi in sheme Na področju posameznih kmetijskih proizvodov je na voljo več različnih zbirk. Najpomembnejša je Register pridelovalcev grozdja in vina (MKGP 2017e) v okviru Sektorja za kmetijske trge in sektorske načrte, ki je namenjen »kontroli porekla vina, nadzoru nad prometom ter označevanju, kontroli finančnih podpor in ukrepov ter spremljanju stanja in načrtovanju politike«. Register je povezan z RKG in je po tehnični plati soroden, vendar poleg podatkov o dovoljenjih za zasaditev vinske trte in graifčnih/prostorskih podatkih o vinogradih, ki so dostopni v RKG, vsebuje še podatke o pridelovalcih, vinorodni enoti, pridelkih grozdja, mošta in vina, o oceni vina (fizikalno-kemijski parametri in organoleptična ocena), ki je potrebna, preden gre proizvod v promet, spremnih dokumentih za prevoz mošta in vina ter vsakoletni zalogi pridelka. Zavezanci za vpis so pridelovalci-nosilci KMG, ki pridelujejo grozdje, mošt, vino, in ki obdelujejo najmanj 0,05 ha vinogradov ali dajejo omenjeno v promet. V kolikor obdelujejo najmanj 0,1 ha vinogradov ali del pridelka tržijo, morajo vsako leto prijaviti podatke o pridelku grozdja, mošta, vina in zalogah vina. Register vodijo UE, kjer ima tečaj za ta namen opravljenih približno 50 oseb. Rok za posredovanje podatkov o vsaki spremembi je 30 dni, podatke o pridelku morajo pridelovalci sporočati vsako leto do 20. novembra, zaloge pa prijaviti do 7. septembra (MKGP 2017e). Podatki o pridelkih se vodijo za vse faze pridelave, kar omogoča sledenje tudi v primeru mešanja različnih pridelkov (vsak pridelek z enakimi karakteristikami, ki je v eni posodi, ima svoj ID) in se logično preverjajo s prejšnjimi (MKGP, Intervju 3). Med uporabniki so SURS (za površine, medtem ko pridelek izračunajo na podlagi vzorca)12, pooblaščene organizacije za oceno vina, FURS (trošarine, katastrski dohodek) in drugi. Med drugimi uporabniki prevladujejo novinarji, sledijo študentje in raziskovalci. Slednje običajno zanimajo podatki o ocenah vina, fizikalne karakteristike, sorte, starostna struktura ali območje. Ker gre po interpretaciji informacijske pooblaščenke za predelovalno dejavnost in trženje, so podatki o pridelovalcih vina in lokaciji pridelave javni (MKGP, Intervju 3). Sektor za trajnostno kmetijstvo upravlja z Evidenco pridelovalcev in predelovalcev ekoloških kmetijskih pridelkov ali živil (MKGP 2015i), ki je namenjena spremljanju in kontroli ukrepov kmetijske politike, spremljanju sektorja ekološkega kmetovanja in analizam (147.čl. Zkme). Evidenca vključuje podatke o zavezancih (pridelovalci in predelovalci), pridelku in živilih (kultura oz. kmetijske rastline ali živali), kontrolah, organizacijah za kontrolo in certificiranje in izdanih certifikatih. Gre za prostovoljno shemo. Vključenih je 3.700 pridelovalcev in 400 predelovalcev. Podatki so na voljo v posebni aplikaciji Ekokmetije, kamor jih vnašajo organizacije za kontrolo in certificiranje, po tem ko opravijo preglede, ki so pogoj za vključitev. Podatki o površinah so vneseni do 25. oktobra. AKTRP podatke o kontrolah sporoča do 30. oktobra. Evidenca podatke pridobiva tudi iz RKG in E-SUB (MKGP, Intervju 6; MKGP 2015i). Podatki so zelo zanesljivi ko gre za površine in živali, manj pa ko gre za pridelavo. V ozadju je strog nadzor, ki zaradi oblike sheme zajame vse zavezance. Šifrant kmetijskih rastlin še ni v celoti usklajen za vse namene (po navedbi v okviru Intervjuja 6 je usklajen z zbirno vlogo). Sama aplikacija je v tehničnem smislu zastarela, podatki v ozadju so v excelovih tabelah. Podatki o nosilcu certifikata (ime, priimek in naslov) so javno objavljeni. Javni so tudi nekateri drugi podatki, ki pa so dostopni na zahtevo.13 SURS je edini, ki do aplikacije dostopa neposredno, za druge uporabijo 169. čl. Zkme. Podatki po katerih se povprašuje so denimo količina ekoloških proizvodov na nekem prostoru po vrsti. Zainteresiranim je sicer na voljo tudi zasebna aplikacija Ekopodeželje (MKGP, Intervju 6). Evidenca skupin proizvajalcev iz shem kakovosti (MKGP X) je namenjena načrtovanju in usklajevanju proizvodnje, pospeševanju koncentracije in trženja.14 Vključuje podatke o proizvajalcu ali skupini in statusu, vrsti sheme15, kategoriji in imenu proizvoda, vrsti proizvodnje (pridelava in ali predelava in ali trženje), številu članov skupine po panogah proizvodnje, dejavnosti, letni proizvodnji (kg ali litri) ter dohodku za preteklo leto. Podatki se vodijo v excelovi tabeli (trenutno za 9 skupin). 12 V prihodnje naj bi SURS v večji meri uporabljal RPGV namesto vzorčenja, razen za enote pod pragom zajetja. 13 Skladno z zakonom se javni podatek objavi, če je zahtevan vsaj trikrat. 14 Skladno z navedbami v okviru Intervjuja 5 in naknadnimi komentarji pravna podlaga za vodenje evidence ni ustrezno urejena. 15 Vključuje podatke o naslednjih shemah: ekološka pridelava in predelava; zajamčena tradicionalna posebnost; zaščitena označba porekla; zaščitena geografska označba; integrirana pridelava; dobrote z naših kmetiji; višja kakovost. Evidenca kmetijskih pridelkov in živil iz shem kakovost ter priznanih naravnih mineralnih vod (MKGP 2017f) je namenjena »spremljanju in kontroli kmetijskih pridelkov in živil iz shem kakovosti, podeljenih zaščitnih znakov ter kontroli ukrepov kmetijske politike«. Vključuje podatke o kmetijskih pridelki in živilih, vrsti sheme16, skupini proizvajalcev, certificirani proizvajalcih, letni pridelavi in predelavi. Podatki se vodijo v Excelovih datotekah. Trenutno je v bazi vpisanih 45 proizvodov iz shem kakovosti ter 574 pridelovalcev in predelovalcev ali njihovih združenj, ki jim je bil podeljen zaščitni znak. Seznam dovoljenj za gojenje konoplje in maka (MKGP XX) vključuje podatke o nosilcu, površini, sorti konoplje in količini potrebnega semena za setev. Vsako leto je pridelovalcem izdano dovoljenje, na podlagi zemljišč in sorte zavedene v katalogu. Podatki se vodijo v excelovi tabeli. Evidenca prostovoljnih označb kmetijskih pridelkov in živil (MKGP XXX) vključuje navedbe posebnih lastnosti, postopkov pridelave in predelave ter drugih lastnosti kmetijskih pridelkov in živil, ki dopolnjujejo obvezno označevanje. Pogoj je certifikat in vpis v evidenco pri MKGP. Podatki, ki so vključeni, zajemajo: ime, naslov, vrsta izdelka, prostovoljna označba, pravnoorganizacijska oblika, letna proizvodnja in dohodek za preteklo leto. Trenutno je v evidenci ena prostovoljna označba (MKGP XXX). Organizacija za kontrolo in za certificiranje najpozneje v 15-ih dneh po izdaji certifikata o prostovoljni označbi živila podatek sporoči MKGP. Proizvajalci, ki uporabljajo prostovoljne označbe živil morajo ministrstvu naj pozneje do 31. marca za preteklo leto sporočiti količino pridelkov in izdelkov, ki so jih s prostovoljno označbo proizvedli in označili. Evidenca organizacij proizvajalcev, združenj organizacij proizvajalcev in skupin proizvajalcev za skupno trženje je trenutno v vzpostavljanju. Objavljen je pravilnik, ki ureja njeno podrobnejšo vsebino.17 Trenutno podzakonski predpis predvideva evidenco za 16 sektorjev in tri različne načine povezovanja KMG v pravne osebe (organizacije proizvajalcev, združenja organizacij proizvajalcev, skupine proizvajalcev za skupno trženje). Podatki vključujejo podatke o zavezancu in podatke o članih proizvajalcih, vključno z obsegom pridelave. Podatki o obsegu pridelave se bodo, kjer je to tehnično in normativno omogočeno, prevzemali iz obstoječih zbirk. Izpostavil se je problem povezljivosti evidenc (npr. ekološka pridelava). Skrbnica evidence ugotavlja, da je potrebno v prihodnje omogočiti enotno povezljivost zbirk med seboj (generalen problem, ne samo za to evidenco). Pri pripravi podzakonskega predpisa so želeli zasledovati cilj, da se pri vodenju evidence minimalizira administrativno obremenjevanje tako MKGP kot zavezancev (izključno elektronsko sporočanje podatkov, podatke bi zavezanci vnašali neposredno v evidenco ali bi se preko elektronske vloge v evidenco avtomatično prepisali, kjer je mogoče prevzemanje podatkov iz obstoječih evidenc). Želeli so tudi, da podatki ne bi bili namenjeni le kontroli zavezancev in ukrepov s strani MKGP, temveč bi bili zavezancem v pomoč pri načrtovanju pridelave, pri vodenju lastnih evidenc o obsegu pridelave njihovih članov ipd., za kar pa bi bilo potrebno zagotoviti dvosmeren pretok podatkov. V določenem obsegu so predvideni tudi računovodski podatki (MKGP, Intervju 5). Register dobaviteljev semenskega materiala kmetijskih rastlin (MKGP 2015j) vključuje vse, ki se ukvarjajo s pridelavo, pripravo za trg, uvozom oziroma trženjem semenskega materiala kmetijskih rastlin. Namen registra je enotno vodenje podatkov o pridelovalcih semenskega materiala za potrebe 16 Vključene so naslednje sheme kakovost: zajamčena tradicionalna posebnost; zaščitena označba porekla; zaščitena geografska označba; izbrana kakovost; višja kakovost; dobrote z naših kmetij. Zaščitni znak: ekološka pridelava in predelava, zajamčena tradicionalna posebnost, zaščitena označba porekla, zaščitena geografska označba, višja kakovost, integrirana pridelava, naravna mineralna voda. 17 Osnova zanjo je 152. čl. Zkme, ki pa poleg navedenih oblik združevanja iz 107. in 107.a člena ZKme, določa tudi evidenco za skupine proizvajalcev za izvajanje shem kakovosti iz 107.b. člena ZKme. Ker priznanje skupin proizvajalcev za izvajanje shem kakovosti še ni normativno urejeno (glej tretji odstavek 107.b člena ZKme), jih evidenca po 152. členu ne vključuje. inšpekcijskega nadzora in postopkov je je uradno potrjevanje semena. Podatki se vpišejo v spletni obrazec UVHVVR, slednji pa spremembe sporoča v roku 30 dni. UVHVVR vsako leto do 23. februarja MKGP sporoči seznam KMG-MID vpisanih v SEME, MKGP pa UVHVVR podatke o ekoloških pridelovalcih. Na MKGP je za register odgovoren Sektor za podeželje, na UVHVVR pa Sektor za zdravje rastlin in semenski material. Register deluje na posebni aplikaciji UVH-APL na strežnikih UVHVVR. Ocena in predlogi Na področju hrane in kakovosti je morda največji razkorak med potencialom posameznih zbirk in njihovo trenutno uporabo oz. stanjem. RPGV geografsko pokriva vinorodna območja in del populacije proizvajalcev, ki so zavezanci za vpis. Gre za edinstvene podatke, iz RKG se namreč povzema le del vezan na vinograde. RPGV ponuja natančne podatke o proizvodnji na ravni KMG, ko gre za grozdje in vino. Njihova relevantnost se kaže v podrobnih podatkih, ki omogočajo na eni strani agrarno ekonomske analize in na drugi strani varstvo geografskega porekla in potrošnikov. Zbirka omogoča popolno sledljivost vsake steklenice nazaj do vinograda, kjer je bilo proizvedeno grozdje. Zaradi tega je zanimiva tako iz vidika tržnih analiz, npr. ob povezovanju s podatki o cenah in prometu, kot tudi z vidika potrošnika.18 Zbiranje podatkov v RPGV je zaradi zakonske podlage kontinuirano, kar pomeni, da se podatki stalno dopolnjujejo in osvežujejo, kar vpliva tudi na samo kvaliteto podatkov. Hkrati so podatki pri vnosu podvrženi različnim kontrolam (primerjava s podatki v aplikaciji in v kontrolnih bazah RKG, ESUB, RPE ter z logičnimi kontrolami vnosov in ustreznimi opozorili in blokadami). Zaradi povezljivosti podatkov znotraj zbirke pa se vrši še dodatna kontrola vnosov. Samo točnost in zanesljivost bi lahko izboljšali z uporabo prostorskih podatkov (proizvodnja glede na površino), podatkov iz statističnih in vzorčnih raziskovanj, davčnih podatkov in drugim. Ko gre za ekološko proizvodnjo dotična zbirka – skladno z zakonsko opredelitvijo – pokriva celotno populacijo, same zakonske zahteve pa vplivajo na visoko stopnjo zanesljivosti in točnosti. Vsebinski potencial zbirke se nanaša na spremljanje podatkov o proizvodnji in povezovanju z različnimi parametri (ekonomski, okoljski, socialni) za ugotavljanje razmerja med stroški (spodbude) in koristmi (učinki) ekološke proizvodnje, ter v javni objavi večjega obsega podatkov, ki bi vplival na trženje, denimo v smislu namenskih geolokacijskih zemljevidov s podatki o proizvajalcih in proizvodih. Podatke o proizvodnji bi bilo mogoče izboljšati (oz. oceniti kakovost) s pomočjo podatkov iz vzorčnih raziskovanj. Ko gre za organizacije proizvajalcev, združenja organizacij proizvajalcev in skupine proizvajalcev za skupno trženje je trenutno problem v majhnem obsegu podatkov, ki je povezan z majhnim številom zavezancev na tem področju. Nova evidenca organizacij proizvajalcev, združenj organizacij proizvajalcev in skupin proizvajalcev za skupno trženje, ki je v vzpostavljanju, vključuje nekatere naprednejše ideje, hkrati pa izkušnje skrbnice opozarjajo na zakonske in druge ovire, ki izhajajo iz premalo strateškega in parcialnega pristopa k podatkom in analitiki. Z vidika kvantitativnih ocen je RPGV podoben RKG, medtem ko se pri drugih zbirkah kažejo problemi osredotočenosti na strokovne naloge in ne na vrednost podatkov kot takšnih, ter splošni problemi povezovanja zbirk in uporabe podatkov, vključno z informacijskimi vidiki, ki vplivajo na nižjo oceno organizacijske zrelosti (2,5). Poleg vključevanja posameznih podatkov v enotno zbirko dostopno v javnem pregledovalniku ter enotno zbirko podrobnejših mikro podatkov za natančnejše mikro analize z ustreznimi opisi podatkov (podobno kot v drugih primerih) bi bilo z uporabniškega vidika smiselno povezati podatke v tistem 18 Oba vidika bi lahko na primer povezali z dodajanjem QR kode na steklenico, povezane s podatkovno zbirko (povezava bi omogočila spremljanje interesa potrošnika, potrošniku bi dala informacijo o lokaciji proizvodnje, omogočila pa bi tudi nadzor nad poreklom – preverjanje količin, letnika, lokacije in podobno). delu, ki se nanaša na trženje in evidenco pridelovalcev in predelovalcev ekoloških kmetijskih pridelkov ali živil, ki so z vsebinskega vidika uporabniško med bolj zanimivimi. Podatki iz RPGV so uporabnikom namreč dostopni le glede na individualne zahteve, pri čemer lokacija vinograda ni posredovana, medtem, ko so podatki iz evidence pridelovalcev in predelovalcev ekoloških kmetijskih pridelkov ali živil v določenem obsegu javno dostopni (ime, priimek, poštna številka, pošta in številka certifikat) na portalu OPSI, oziroma v določenem obsegu na zahtevo na MKGP (uporabnik dobi izpis določenega podatka, ne dobi pa datoteke na kateri bi sam izvajal analize). Če bi združili določene podatke več evidenc bi bila to dodana vrednost z vidika sekundarne rabe. Vsebinsko zanimive so tudi ostale zbirke, ki zajemajo širše področje kakovosti, pri čemer bi združitev vseh zbirk v eno celoto, sicer le s podatki, katero objavo dopušča zakon, in ki bi bila pripravljena v bolj trajnem formatu in prosto dostopna vsem zainteresiranim dodalo še dodatno vrednost podatkom predvsem z vidika potrošnika kot uporabnika, pa tudi za druge namene. 4.1.5. Podeželje Evidenca o izobraževanju in usposabljanju za potrebe kmetijstva in razvoja podeželja (Sektor za podeželje) je namenjena kontroli izpolnjevanja pogojev za ukrepe programa razvoja podeželja (udeležba na usposabljanjih oziroma svetovanjih, ki se izvajajo v okviru ukrepa M01 in M02 predstavlja pogoj oziroma obveznost pri drugih ukrepih PRP 2014-2020). Vključuje podatke o usposabljanjih in svetovanjih za KMG ter podjetja vključena v ukrepe PRP 2014-2020 KOPOP, EK in DŽ. Za usposabljanje (ukrep M01) so vključeni podatki o vrsti, temi, ukrepu, podukrepu (vpiše skrbnik aplikacije), predavateljih in udeležencih (vpiše izvajalec). Za svetovanje (ukrep M02) pa podatki o temi, obsegu, izvajalcu, vrsti ukrepa in podukrepa, obdobju (vpiše skrbnik aplikacije), svetovalcu, instituciji, opravljenem svetovanju in skeniran izdelek (vnese izvajalec). Izvajalci usposabljanj in svetovanj imajo pravico vpogleda, vnosa in izdaje potrdil v času trajanja izvedbe storitve. Podatki so na voljo v posebni spletni aplikaciji EVIZO (MKGP 2016). Aplikacija je bila vzpostavljena za prejšnjo programsko obdobje za namene usposabljanja v okviru ukrepa KOP. V tem programskem obdobju pa služi novim ukrepom PRP 2014-2020. Zaradi prostorskih omejitev je vprašanje, kako bo s podatki v prihodnje. Podatki se uporabljajo za notranje namene, poročanje, revizijo in podobno. Ker se je vezava ukrepov na usposabljanja in svetovanja pokazala za problematično in ker je namen predvsem kontrola so vprašljivi prihodnji podatki. Evropska komisija nagovarja k povezovanju evidence s kazalci učinka, denimo izpusti toplogrednih plinov pred in po ukrepu, problem pa je v dostopnosti zanesljivih podatkov o učinku (MKGP, intervju 8). Zbirka podatkov mreže za podeželje (MKGP 2017) v okviru Sektorja za podeželje vključuje podatke o vključenih organizacijah in posameznikih v smislu vrste in kontakta. Namenjena je komuniciranju, denimo v okviru partnerskega sporazuma. Postopek registracije poteka preko spletne strani in je prostovoljen. Za vodenje zbirke je vzpostavljena posebna aplikacija. Ocena in predlogi Z vidika zunanjega uporabnika podatkov opisane zbirke ponujajo omejen vpogled v stanje na podeželju, dodatno omejitev pa predstavlja tudi omejeno trajanje ukrepov oz. spodbud na katere so vezane. Ne glede na to pa imajo zbirke tudi širši potencial. Vsebinska kakovost evidence izobraževanja KMG in podjetij se kaže v tem, da so podatki o opravljenem izobraževanju in svetovanju dostopni na enem mestu, hkrati pa je evidenca povezana tudi z RKG in ESUB iz katerih črpa del svojih podatkov. V ukrepe usposabljanja in svetovanja so bila vključena KMG, ki so vstopila v ukrepe KOPOP, EK in DŽ ter tista KMG, ki so se udeležila izbirnih usposabljanj. Ker se po koncu usposabljanj izvede tudi anketa o izvedbi usposabljanja, izvajalec usposabljanj izdela analizo anket, naročnik pa te podatke uporabi pri pripravi nadaljnjih javnih naročil. Zbirka podatkov mreže za podeželje je za sekundarno rabo z vidika vsebine manj uporabna, saj zajema le osebne podatke članov mreže za podeželje, ki po zakonu niso javni. Do celotne zbirke lahko dostopa le MKGP, medtem, ko registrirani člani preko prejetega gesla dostopajo le do svojega profila. Problem zbirke je tudi hramba podatkov, ki velja le za obdobje trajanja programa. Z vidika statistične kakovosti je problem podatkov (v primerjavi z nekaterimi drugimi zbirkami) v specifičnosti atributov in omejenosti časovne vrste ter prostovoljnem vpisu v primeru mreže za podeželje (zato ocena 2). Z organizacijskega vidika za zbirke kljub potencialu ni bilo izkazanega širšega zunanjega interesa oz. je bil izkazan v omejenem obsegu. Zbirkam prav tako grozi izbris. Hipotetično bi bilo mogoče s križanjem podatkov o izobraževanju in svetovanju z ekonomskimi podatki (npr. iz vzorca FADN), podatki o kontrolah oz. kršitvah, podatki o usmeritvi/tipu kmetije, regiji, starosti nosilca in drugimi, ugotavljati učinke in vpliv ter s tem izboljšati usposabljanje in svetovanje. Pri tem velja opozoriti na podrobnosti kot je npr. razlika med udeležencem in nosilcem KMG. Posamezne podatke bi lahko ponudili v okviru enotne zbirke po agregiranih prostorskih enotah dostopne v javnem pregledovalniku (npr. število udeležencev in teme po prostorskih enotah), druge bi vključili v enotno mikro-podatkovno zbirko (podatki na ravni posamezne KMG). Zbirka mreže za podeželje daje določen vpogled v zastopanost in organiziranost na tem področju, kar je mogoče križati s prostorsko pokritostjo s kmetijsko dejavnostjo, razvitostjo le-te ter splošnim razvojem. Z anonimizacijo, določitvijo tipov ter lokacije bi bilo mogoče ugotavljati prostorsko zgoščenost članov mreže, ki je lahko posredni kazalec aktivnosti ali zastopanosti na podeželju. 4.2. Uprava za varno hrano, veterinarstvo in varstvo rastlin: rejne živali Opredelitev podatkovnega vira Podatkovni viri UVHVVR zajemajo zbirki EIRŽ in ERŽ ter zbirke po posameznih vrstah živali (Centralni register goveda – CRG, centralni register kopitarjev – CRK, centralni register drobnice – CRD, centralni register prašičev – CRPš, Centralni register čebel – CRČ in Centralni register akvakultur – CRA). Registri so namenjeni »zagotavljanju sledljivost živali od rojstva do vstopa v prehransko verigo z namenom varovanja zdravja ljudi in živali; izvajanju administrativne kontrole pri dodeljevanju sredstev za ukrepe kmetijske politike; selekciji in drugim ukrepi v zootehniki, za statistiko in drugo« (UVHVVR 2017a). Poleg tega UVHVVR vodi še Register živilskih obratov (po novem register obratov na področju primarne pridelave živil rastlinskega izvora in register obratov na področju primarne pridelave krme). EIRŽ in ERŽ (UVHVVR 2017a) definirata opazovano enoto – imetnika živali – kot pravno ali fizično osebo odgovorno za živali, ki se ukvarja z rejo, varstvom, klanjem, nakupom in prodajo, prevozom ali drugim. Imetnik ni nujno tudi lastnik, takšnih je nekaj sto primerov (UVHVVR, Intervju 1). V zbirko so vključeni imetniki, ki redijo govedo, kopitarje, drobnico , prašice, divjad iz obore za rejo, alpake, lame, polže, perutnino , kunce, akvakulturo ali čebele. Izjema so tisti imetniki, ki na svojem gospodarstvu redijo izključno perutnino, kunce oziroma enega prašiča in so izpolnjeni naslednji pogoji: -živali se redijo izključno za lastno domačo porabo; -hkrati se ne redi več kot 50 kljunov perutnine , pet nojev, 50 kuncev oziroma en prašič; -živali se ne premika z gospodarstva , razen neposredno v klavnico/ v služnostno klanje za lastno domačo porabo (UVHVVR 2017a) . Naslednji podatek je lokacija – kmetijsko ali drugi gospodarstvo (G-MID) – kjer se, četudi začasno, nahajajo živali, vključno s planinskimi in skupnimi pašniki, razstavami in zbirnimi centri. V okviru KMG­MID je lahko več G-MID, več G-MID pa je lahko tudi na isti lokaciji, če gre za iste imetnike. Sledijo podatki o vrstah živali na lokaciji, razmnoževanju, nadzoru in ugotovitvah nadzora. Obseg podatkov se med registri razlikuje. Ko gre za govedo (UVHVVR 2017c) CRG vključuje podrobne podatke za vsako žival (dogodki, premiki in podobno), medtem ko so podatki za ovce in koze v CRD (UVHVVR 2017b) in podatki o prašičih CRPš (UVHVVR 2017e) manj podrobni (dogodki, premiki na skupinskem nivoju). CRK (UVHVVR 2017d) vključuje registrirane konje oz. kopitarje. Pri čebelah (UVHVVR 2016) se vodi podatek o lokaciji čebelnjaka in številu čebeljih družin. Do opustitve podatka pride če v treh letih v zbirkah ni izkazane aktivnosti na podlagi pregleda dosjeja gospodarstva, pri čebelah pa po dveh letih. Viri podatkov za omenjene registre so pooblaščene veterinarske organizacije, KGZ ali imetniki. Slednji spremembe sporočajo neposredno preko obrazca na spletnih straneh UVHVVR, zbirne vloge in kontrole. Veterinarska fakulteta izdaja ID dokumente za registrirane kopitarje in pasme, kobilarna lipica pa rodovniško knjigo za lipicanca (UVHVVR 2017d). Imetniki rejnih živali stanje sporočajo na dan 1. februar, najkasneje do 30. junija, razen za polže (popis 31. oktobra za tekoče leto). Tiste rejce, ki ne uveljavljajo subvencij – teh je približno 10.000 – SIRIS pozove k sporočanju podatkov (UVHVVR, Intervju 1). Število čebeljih družin se sporoča enkrat letno za stanje na 15. april in 31. oktober, preko obrazca (spletni ali tiskani) (UVHVVR 2016).19 Zbirka deluje v posebni aplikaciji v okolju Oracle (UVHVVR, Intervju 1). Evidenca registra živilskih obratov (UVHVVR 2014a) je namenjena »izvajanju učinkovitega uradnega nadzora z namenom varovanja zdravja ljudi in živali ter izvajanju administrativne kontrole pri dodeljevanju sredstev za ukrepe kmetijske politike«. Vključuje podatke o nosilcih dejavnosti, njihovih lokacijah, vključno s posameznimi obrati, aktivnostih, ki jih izvajajo, živilih in postopkih pri aktivnostih obrata, prevoznih sredstvih, premičnih obratih, stojnicah in prodajnih avtomatih, o internetni prodaji in prodaji po pošti. Zavezanci vključujejo nosilce dejavnosti – fizične in pravne osebe, ki se ukvarjajo s prometom, predelavo, pripravo, prodajo, gostinsko dejavnostjo in drugim, vključno z dejavnostmi v institucionalnih obratih kot so javni in zasebni zavodi. Zbirka deluje na posebni aplikaciji. Statistična kakovost Sistem za identifikacijo in registracijo živali se je pričel vzpostavljati ob krizi BSE v devetdesetih. Leta 1999 je bila vzpostavljena prva zbirka podatkov (govedo) za namene identifikacije in registracije živali. Do pred nekaj leti so organizacijsko delovali v okviru MKGP (UVHVVR, intervju 1). Zbirke podatkov so žive z okoli milijon spremembami podatkov letno. Poleg veterinarskih organizacij in KGZ ima okoli 15.000 kmetov neposredni dostop. Šifra gospodarstva (G-MID) ki v xy koordinatah določa tudi lokacijo gospodarstva, v nekaterih primerih ni enaka kot KMG-MID. Posamezen KMG-MID ima lahko tudi več G-MID (lokacij živali). Definicije so problematične v specifičnih primerih, npr. kaj je krava dojilja, kar je pomembno v primeru proizvodno vezanih ukrepov na tip ali celo na posamezno žival. 95% zbirk je predpisanih z evropskimi predpisi in podvrženih revizijam. Kakovost se razlikuje – najvišja je v primeru CRG s podrobnimi podatki in visoko stopnjo zanesljivost zaradi subvencij in kontrol ter nesorazmerno visokih kazni pri neizpolnjevanju pogojev za ukrepe oziroma navzkrižno skladnost. Delež tistih, ki dosegajo tedenski rok sporočanja premikov je 98,5%. Zbirka vsebuje tudi logične kontrole v povezavi s starostjo, lokacijo in podobnim. Baza, ki obstaja od leta 2000, je plod upoštevanja različnih izkušenj, ki so se nabrale skozi čas. Vprašanje napake je vprašanje odstopanj pri 500.000 glavah goveda, ki se stalno premika. Točnost je vsaj 95%. Število živali, ki niso zavedene v CRG je po oceni vodje sektorja morda dvomestno. Podatek o pasmi je manj zanesljiv ker je bolj stvar selekcije, genetike in rodovništva. Pri konjih je povezava z KMG slabša 19 V nekaj primerih čebelarji niso vpisani v RKG temveč samo v RČ kar ima za posledico fiktivno oznako lokacije KMG-MID. ker gre večinoma za ljubiteljsko rejo. Od približno 26.000 konjev jih je v Sloveniji polovica na KMG. Kakovost podatkov je relativno visoka tudi pri drugih bazah, čeprav je napak pri drobnici in prašičih več. Razlogov je več, od načinov poročanja, obsega kontrol idr. Drobnico redi 13.000 KMG, morda jih 500-1.000 ni zajetih. Pri prašičih je število še nekoliko večje (UVHVVR, intervju 1). Organizacijska kakovost Osnovno strukturo podatkovja v smislu upravnega poslovanja, klasifikacijskih načrtov za vsak podatek z roki hrambe določa zakonodaja. Podatki se hranijo trajno in so trenutno 'stari' 18 let. O trajnem digitalnem arhiviranju še ne razmišljajo. Zavedene so vse spremembe. Dolgoročno je predviden prenos podatkov v državni računalniški oblak (UVHVVR, intervju 1). V vsebinskem smislu podatkovna struktura izhaja iz nalog, tj. njihov namen ni vedeti, koliko živali ima kmet, temveč kako preprečevati tveganja. Vsebinska struktura je zelo kompleksna zaradi vseh podrobnosti zato zunanji uporabniki potrebujejo notranjo pomoč. Podatke uporablja AKTRP, ki ima replikacijsko shemo (pull pristop), veterinarski inštitut v omejenem obsegu, Zavod za blagovne rezerve, podatki o staležu rejnih živali so v RKG, MKGP pa podatke uporablja tudi za namene analitike pri čimer je možen obseg analitike odvisen od atributov in časovne vrste podatkov posameznih baz. Med uporabniki sta tudi SURS in KIS. Na leto imajo nekaj sto prošenj za različne namene. Podatke pripravijo po naročilu za vse uporabnike. Za podatke sicer večinoma zaprosijo tisti, ki že imajo predznanje o strukturi podatkov. Kmeta smatrajo kot poslovno dejavnost zaradi česar ime, priimek in naslov niso osebni podatki. Vendar pa s tem še ne gre za informacije javnega značaja. Raven podrobnosti – imajo vse podatke o tem kje kmetija kupuje, kam prodaja živali ipd. – bi se lahko smatrala kot poslovna skrivnost, vendar pa to ni ustrezno zakonsko urejeno ker mora biti poslovna skrivnost v naprej opredeljena, kar v tem primeru ni. Vpogled tako načeloma omogočijo na osnovi zakonske podlage, individualnega pogovora in dogovora s prosilcem. V posameznih primerih sklenejo poseben sporazum. Podatke za raziskave anonimizirajo. Posebnih postopkov in pravil nimajo. Kot drugje v javni upravi velja, da je manj tvegano dati manj podatkov in na podlagi odločbe informacijske pooblaščene kasneje dati še dodatne kot pa dati preveč in tvegati globo (UVHVVR, intervju 1). Dajanje podatkov je časovno obremenjujoče. Potrebovali bi knjižničarja, ki bi imel pregled nad podatki. Pogoste so zahteve, vezane na ukrepe, ki niso skladne s strukturo podatkov, zahtevajo dodatni razvoj podatkovja, iskanje ravnotežja z zakonodajo, pravili glede kontrole in podobno (UVHVVR, intervju 1). Ocena in predlogi Centralni registri posameznih vrst rejnih živali so precej obsežni, kar prinaša določene prednosti in tudi omejitve. Podatki so za svoje področje izčrpni in kakovostni (predvsem CRG). Ker se zbirajo redno (znotraj javnih registrov), to zbirki daje kontinuirano vrednost in možnost longitudinalne primerjave. H kakovosti podatkov pripomore dejstvo, da se podatki zbirajo na nacionalni ravni, tj. pokrivajo celotno območje RS z geografskega in populacijskega vidika (skladno z zakonskimi zahtevami, pragi ipd.), in so primerljivi skozi čas in prostor. Dodatno, zbirka vsebuje veliko število spremenljivk in enot, kar lahko poveča njeno kakovost in izčrpnost. Podatki iz registrov so vidni v RKG. Osnova za povezovanje je KMG­MID. Vsebinski obseg podatkov po besedah vodje SIRIS izhaja iz izkazanih potreb in zakonske podlage, večinoma na ravni EU, dogovora med deležniki na nacionalni ravni glede izvedbe ter ekonomskih virov in njihove smiselne uporabe. Zbiranje podatkov po posameznih vrstah živali, na podlagi različnih potreb, zakonskih določil ipd. vpliva na določene omejitve z vidika sekundarne rabe oz. uporabnika. Združitev v enotno statično zbirko z letnim presekom in anonimizacija bi povečala splošno oz. sekundarno uporabnost podatkov, tako na področju kmetijstva (reja po prostorskih enotah, križanje z drugimi spremenljivkami), kot na drugih področjih (okolje in naravovarstvo, podeželje) in v komercialne namene (raba v komercialne namene trenutno skladno z zakonom sicer ne predvidena). To bi sicer, zaradi kompleksnosti zbirk, zahtevalo precejšen dodani vložek, vsaj v začetni fazi. Nekatere podatke je kot uporabne že prepoznal SURS, dodatno jih uporabljajo v zoo tehnologiji. Podatki imajo širšo znanstveno-kulturno vrednost, saj so spremembe na področju kmetijstva in reje živali lahko povezane s širšimi družbenimi in naravnimi spremembami. Med uporabniško zanimive podatke lahko štejemo registre reje živali, tj. goveda, prašičev, kopitarjev in drobnice. Vsekakor bi zapolnili raziskovalno praznino tudi s podatki o čebelah, ki imajo precejšen pomen na področju kmetijstva in sadjarstva v navezavi na gospodarstvo in posledično na splošno kakovost življenja. Evidenca imetnikov živali ter evidenca rejnih živali se vodita na podlagi predpisanega zakona, pri čemer prva zajema podatke, ki se nanašajo na imetnika in gospodarstvo, druga pa stalež živali. Podatki se zbirajo na podlagi vlog oz. po uradni dolžnosti, hkrati pa se del podatkov kontrolira preko ESUB in RKG kar doda k točnosti in kakovosti podatkov. Podatki se vodijo na ravni enote KMG oziroma gospodarstva (G-MID). Evidenci pokrivata celotno ozemlje RS ter populacijo v celoti (le-ta je zakonsko predpisana). Problem kompleksnosti, ki vpliva na uporabniški vidik, ter opredeljenih meta-podatkov in statistične standardizacije kategorij in atributov (šifrantov) vpliva na oceno 4,5. Iz organizacijskega vidika je podobno kot v primeru RKG problem v odsotnosti v naprej opredeljene in pripravljene standardizirane statistični zbirke podatkov ter drugih rešitvah za potencialne uporabnike mikro podatkov, vključno z katalogizacijo, meta-podatki, ocenami kakovosti, postopkovniki, kriteriji, formati in drugim. Po mnenju vodje sektorja je problem v kompleksnosti podatkov, omejenem številu uporabnikov, ki so pogosto 'informirani uporabniki', ter specifičnih zahtevah, ki jih imajo. Slednje naj bi upravičevalo individualni pristop (zato ocena 3). Vendar pa hkrati s tem priznavajo pod-izkoriščenost podatkov za analitične namene ter velike obremenitve, ki jih imajo kot dajalci. Kriteriji višje organizacijske kakovosti kot so v naprej opredeljeni in javno objavljeni standardni postopki, pravila in rešitve, v tem smislu omogočajo izboljšano upravljanje zahtev tudi z vidika dajalca. Z vidika uporabnikov pa večja dostopnost (ponudba) generira tudi večjo povpraševanje, pri čemer podatki kot takšni predstavljajo javno dobrino z multiplikativnimi učinki v smislu informiranosti, transparentnosti in razvoja znanja ter storitev. 4.3. Agencija za kmetijske trge in razvoj podeželja: ukrepi Opredelitev podatkov Podatkovni sistem oz. sistem podatkovnih zbirk, s skupnim imenom »DATAPROD«, je na AKTRP vezan na zaporedje nalog – ključne zbirke tako po sklopih predstavljajo aplikacija za vnos subvencij, t.i. zajem, kontrolna aplikacija in aplikacija za obračun ter izplačilo, in register plačilnih pravic. Pomembne za delovanje sistema so različne analitične tabele ter sistem poročanja. Ločevanje zbirk po fazah je potrebno tako zaradi izpolnjevanja zahtev akreditacijskih kriterijev kot zaradi upravnih razlogov (revizijska sled, pritožbe ipd.) (AKTRP, Intervju 1). Vnos subvencij vključuje podatke iz zbirne vloge, vezane na ukrepe, v katere se upravičenci vključijo (AKTRP 2017b; 2018b). Med drugim gre za podatke o: -KMG in nosilcu; -oddaji in prejemu živinskih gnojil, digestata ali komposta; -geoprostorski obrazec, ki vključuje za glavne posevke (posejane ali posajene jeseni preteklega ali spomladi tekočega leta) prijavo vseh upravičenih površin in kmetijskih rastlin; -ukrepih neposrednih plačil (NP) (vloga za: izplačilo plačilnih pravic, plačilne pravice iz nacionalne rezerve, zeleno komponento (ZK), plačilo za mlade kmete, podporo za mleko v gorskih območjih, podporo za rejo govedi, plačilo za male kmete, plačila za območja z naravnimi omejitvami (PONO), podporo za strna žita, podporo za zelenjadnice, plačilo za zeleno komponento), plačilih za območja z naravnimi ali drugimi posebnimi omejitvami (OMD), kmetijsko-okoljsko-podnebnih plačilih (KOPOP) (operacije in zahtevki: poljedelstvo in zelenjadarstvo, hmeljarstvo, sadjarstvo, vinogradništvo, trajno travinje, posebni traviščni habitati, traviščni habitati metuljev, habitati ptic vlažnih ekstenzivnih travnikov, steljniki, vodni viri, ohranjanje mejic, grbinasti travniki in drugi), plačilih za ekološko kmetovanje (EK) (polek ukrepa ekološko kmetovanje tudi preusmeritev v ekološko kmetovanje, ekološko čebelarjenje) in plačlih za ukrep dobrobit živali (DŽ) (gre za zahtevke znotraj treh operacij: prašiči, govedo in drobnica). Število upravičencev/zavezancev, ki vložijo zbirne vloge za subvencijske podpore je okoli 58.000. Najmanjša velikost kmetijske površine, za katero se lahko vloži vloga za posamezno shemo neposrednih plačil na površino, je 0,1 hektarja (AKTRP, Intervju 1). Sočasno z zbirno vlogo se sporoča tudi naslednje podatke: -o staležu rejnih živali na dan 1. februarja (v primeru turnusne reje tudi povprečno število živali v turnusu in število dni turnusov) v evidenco rejnih živali, -v register obratov na področju primarne pridelave živil živalskega izvora in v register obratov primarne pridelave krme, -o površini posebnih kultur v evidenco posebnih kultur. Nekaj podatkov je razvidno tudi iz prilog.20 Posreduje se tudi podatke o: oddaji surovega mleka, če količina mleka presega 10.000 litrov letno oz. 30 litrov dnevno, o neposredni prodaji in uporabi za predelavo na kmetiji, prodaji preko mlekomatov in v okviru majhnih količin; podatke o oddaji jajc (nad 250 nesnic na mestu pridelave končnemu potrošniku), o zakolu majhnih količin perutnine (do 5.500 kokoši, brojlerjev ali prepelic in do 800 puranov letno) in kuncev (do 5.500 letno), oddaji živali v klavnico ipd. AKTRP na podlagi preveritev preko »poslovnih pravil«, ki se nanašajo na pravila oziroma pogoje glede ukrepov in drugih obveznosti, izvede administrativno kontrolo, t.i. upravne preglede za vse vloge in zahtevke (100%). Vsi podatki upravnih pregledov so sestavni del evidence o finančnih pomočeh. Poleg upravnih pregledov se, glede na posamezen ukrep/področje, na predpisanem vzorcu izvedejo tudi pregledi na kraju samem. V tej fazi se izloči vzorec za približno 10% pregledov na kraju samem – obseg vzorca za kontrole na terenu je odvisen od vrste ukrepa in deleža ugotovljenih nepravilnosti v predhodnem (AKTRP, Intervju 1). Vsi podatki pregledov na kraju samem so sestavni del evidence o finančnih pomočeh (AKTRP 2018a) in nastanejo na podlagi kontrol na terenu, kjer izvajalec kontrol ugotovi dejansko stanje glede na zahtevek (npr. izmeri površino s pomočjo GPS naprave) ter preveri upoštevanje zahtev in standardov iz naslova navzkrižne skladnosti. Vključuje grafične in atributne podatke, vključno z nekaterimi avtomatiziranimi izračuni (AKTRP, Intervju 1). Zbirka register plačilnih pravic (AKTRP 2017c) je bila vzpostavljena leta 2015. Če plačilne pravice dve leti niso koriščene (nosilec ne zahteva izplačila), se prenesejo v nacionalno rezervo. Register plačilnih pravic vsebuje podatke o plačilnih pravicah in tudi o prenosih plačilnih pravic (AKTRP, Intervju 1). Glavni namen zbirke Obračun subvencij je obravnava vseh zahtevkov in vlog (AKTRP 2017a; 2017e). Na podlagi izmere in definiranih ukrepov in vrednosti ter navzkrižnih kontrol podatkov se upravičencu izračuna in določi višina sredstev, do katerih je upravičen, na odlagi česar se izda odločba. Zadnja zbirka v tem nizu se nanaša na X-tabelo 20 Gre za podatke o izpolnjevanju pogojev za pridobitev dovoljenja za pridelavo konoplje in maka, zapisnik o prigonu na pašo ali planino in izjavo o številu pastirjev, zmanjšanje ali sprememba lokacije ali prenos površin, obrazec z opredelitvijo načina reje za izvajanje zahtev obveznosti gojenja z organskimi gnojili z nizkimi izpusti (v primeru ukrepa), trave za pridelavo semena, prenos plačilnih pravic, dokazila o kmetijski dejavnosti (v primeru uvrščenosti na seznam nekmetijskih dejavnosti ali podjetij), obrazec s podatki o plačah povezanih s kmetijsko dejavnostjo (v primeru vključitve v stroške ob večjih prejemkih NP). in poročilni sistem, kjer so obračunski podatki povezani s podatki, ki jih zahteva EU in na podlagi katerih slednja povrne zneske, izplačane iz nacionalnega proračuna (AKTRP, Intervju 1). Upravičenci in zavezanci zbirno vlogo oddajajo vsako leto ob določenem obdobju, za leto 2017 je to veljajo od 27. februarja do 6. maja (AKTRP, Intervju 1).21 Medtem, ko je del podatkov, ki se nanaša na izplačila neposrednih plačil in nekaterih ukrepov iz naslova Programa razvoja podeželje, ki se vodijo v okviru Sektorja za neposredna plačila, kampanjski, pa se drugi del nanaša na ukrepe razvoja podeželja, ki spada v okvir dela Sektorja za razvoj podeželja. Tudi v tem delu se najprej izvede vnos vlog, deloma tudi grafično, večinoma pa alfanumerično, glede na to, da gre pri ukrepih za gradnjo objektov, investicije in podobno. Sledi izdaja odločb. Glede na odločbo prejemnik podaja stanje, na podlagi slednijh pa dobi izplačila. Večinoma gre za več stanj znotraj ene odločbe, torej več zahtevov za izplačilo. Prva faza v postopku pomeni pridobitev pravice. Podatki se tudi v tem primeru zapišejo X-tabele, kjer se generirajo podatki za poročanje in podatki za izplačila. Razpisi se med leti ponavljajo, vlog pa je številčno manj kot v primeru neposrednih plačil – gre za od nekaj vlog do nekaj tisoč vlog (AKTRP, Intervju 1). Pri vnosu zahtevkov v aplikacijo Vnos subvencij (e-kmetija) so številni podatki pred-definirani. Dostop do grafičnih podatkov poteka preko posebnega vmesnika (ARSKTRP 2017b). Vnos podatkov poteka s strani upravičencev ali njihovih pooblaščencev (uslužbenci JSKS ali drugi) (ARSKTRP 2018b). Podatki o kontroli na kraju samem (klasični pregledi) se sporočajo preko posebne aplikacije, ki deluje na prenosnem računalniku kontrolorjev agencije (ARSKTRP 2018a). AKTRP je pristojna za izvedbo vseh pregledov na kraju samem, pri čemer na nivoju države opravi blizu 80% vseh pregledov na kraju samem iz naslova identifikacije in registracije živali. Iz naslova pregleda površin pa se opravijo tudi pregledi z daljinskim zaznavanjem, ki štejejo za preglede na kraju samem. Med MKGP in AKTRP poteka izmenjava podatkov. Za AKTRP sta najpomembnejši zbirki RKG in E-SUB22, pri čemer se uporablja replikacijska shema (AKTRP, Intervju 1). S strani MKGP pridobijo prostorske podatke, podatke aplikacije EVIZO, ki je namenjena izvajanju nekaterih ukrepov PRP 2014-2020, nekatere podatke za namen ukrepa EK, podatke o dovoljenjih za gojenje konoplje in maka, podatke o okoljsko občutljivem trajnem travinju, semenskih posevkih in druge. Od UVHVVR pridobijo podatke iz registrov živali, posamezne podatke tudi od Biotehniške fakultete – Centralnih podatkovnih zbirk o živalih. Podatke pridobivajo tudi iz zbirk FURS in AJPES. Statistična kakovost Večina podatkov temelji na zahtevah ukrepov, ki so določeni z uredbami EU, pri čemer so pogoji z nacionalnimi prilagoditvami predpisani v nacionalnih uredbah. Šifrant primarnih proizvodov (tipi proizvodov z oznakami) prevzemajo od MKGP. Identifikacijski sistem za kmetijske parcele deluje na ravni bloka, ti pa se glede na vrsto dejanske rabe delijo v GERKe. V vlogi se navede ID bloka, za posamezen GERK pa GERK-PID, domače ime in vrsto rabe. Podatki o površinah kmetijskih parcel in rastlin so navedeni v arih. Večina zbirk se vsako leto ustvari na novo, pri čemer je zagotovljena sledljivost za 10-letno obdobje. 21 Možna je kasnejša oddaja, ki ima za posledico sankcijo. Primeri višje sile se sporočajo v 15 dneh. Zapisnik o prigonu na pašo ali planino in izjavo o številu pastirjev upravičenec pošlje do konca junija. Spremembe vloge so možne do konca maja. Upravičenec mora sporočati določene spremembe vezane na ukrepe KOPOP, EK in OMD, če vplivajo na višino plačila EK, določene obveznosti KOPOP, izpolnjevanje pogojev za ZK, za rastline konopljo ali vrtni mak. Ne glede na slednje mora sporočiti tudi spremembo lokacije naknadnih posevkov in podsevkov trave vezanih na NP in sicer do 15. septembra (velja za 2017). 22 AKTRP ima sicer lasten register strank zaradi dodatnih podatkov kot so računi, nadomeščanje z vidika plačil ipd. Iz navedenega izhaja, da so zaradi ukrepov podatki na voljo za daljše obdobje, vendar pa primerljivost za celotno obdobje za nazaj ni sistematično urejena (prehodi med reformami). Teoretično je sicer harmonizacija podatkov, ki so podlaga izplačilom, mogoča. V X-tabelah, kjer so podatki od leta 2004, je razvidno kako težko je določiti skupni imenovalec posameznih vrst podatkov. Primerljivost je večja znotraj posameznega obdobja izvajanja SKP, denimo za leta 2014-2020. Šifranti se spreminjajo skupaj z zakonodajo (ARTKTRP, Intervju 1). Kakovost podatkov temelji na preverjanju z drugimi zbirkami23 in na navzkrižnih kontrolah podatkov. Dejansko izmerjenih površin je vsako leto za 10% upravičencev. Poznajo več vrst kontrol, obseg kontrol je predpisan z osnovno zakonodajo in mora sloneti na predpisani metodologiji izbora vzorca. Ta mora obsegati naključni vzorec in vzorec, izbran glede na analizo tveganja, ki vključuje faktor tveganja za napake, ugotovljene v preteklih letih. Ob naraščanju ugotovljenih napak vzorec za kontrolo na kraju samem narašča teoretično do zajetja celotne populacije. Na koncu izvedenega nadzora za subvencijsko leto se pripravi analiza rezultatov z ugotovitvami napakami (poročilo), ki je hkrati podlaga za izdelavo metodologije za novo obdobje. Podatke na zahtevkih lahko zase popravlja vsak upravičenec, seveda pod določenimi predpisanimi pogoji. Prostorski podatki se obnavljajo z zračnimi posnetki (vsako leto tretjina površin). Posredni kazalec kakovosti podatkov v bazah je število pritožb, ki z leti pada zaradi vpeljave mnogih logičnih kontrol in digitalizacijske obdelave, zaradi katere prihaja do manj napak (ARTKTRP, Intervju 1). Organizacijska kakovost Vloge obravnava Sektor za neposredna plačila, ki vključuje Oddelek za neposredna plačila (ONP) (Plačilne pravice, neposredna plačila, mladi, zelena komponenta) in Oddelek za sonaravno kmetijstvo (OSK) (ukrepi KOPOP, EK in OMD iz PRP) (AKTRP 2017d). Na nivoju Sektorja je umeščen tudi sistem za navzkrižno skladnost. Uporabljajo programsko opremo Oracle, razen posameznih dokumentov, ki so na diskih. Za dokumentacijo in hrambo gradiva, vključno z vodenjem upravnih postopkov, uporabljajo okolje Lotus Notes, aplikacijo SPIS 4. Večina aplikacij se vsako leto obnovi z ažurnimi podatki. Upravičenci oz. njihovi pooblaščenci so dolžni hraniti kopije vlog zahtevkov in predpisanih prilog še najmanj pet let po vložitvi. Podatkov še niso brisali, načeloma je obdobje hrambe 10 let. Zaenkrat so arhivirali predvsem dokumentarno gradivo, zbirke pa še čakajo na sprejem notranjih pravil (AKTRP, Intervju 1). Interni dokument o varstvu osebnih podatkov (ARSKTRP 2018c) sicer določa, da lahko vsak posameznik, na katerega se podatki nanašajo, zahteva informacijo o le-teh in v primeru, ko ni podlage za hrambo, lahko zahteva tudi izbris. Prav tako je potrebno posameznika obvestiti o obdelavi njegovih podatkov za druge namene, z določenimi omejitvami (statistični nameni) v smislu individualnega obveščanja in privolitve. Tako kot druge javne institucije imajo formalno opredeljeno analizo tveganj (AKTRP X), varnostno politiko (AKTRP 2016), krovno politiko varovanja informacij (AKTRP 2018d) in klasifikacijo informacij (AKTRP XX) z namenom ustrezne ravni zaščite in ravnanja s podatki. Vsak upravičenec ima vpogled v svoje podatke. Gre za podatke o blokih in GERKih, vrstah in sortah kmetijskih rastlin; sadnih vrstah in številu sadnih dreves ali grmov na hektar; razvrstitvi KMG v različna območja, opredeljena kot območja z omejenimi dejavniki za kmetovanje, neposredno ali posredno povezana z ukrepi KOPOP, EK; o vključenosti GERK-ov v OMD, ipd. V primeru DŽ gre za podatke o živalih, stanje v centralnih registrih dan pred vnosom zahtevka. Pri izpolnjevanju geoprostorskega 23 Površine in nasadi se preverjajo s podatki o blokih in GERKih iz RKG, dejavnost s PRS, plačilne pravice z registrom plačilnih pravic, podatki o plačah s FURS, starost kmeta z RKG (EMŠO), živali s CRG in CRK, CRPš, bazami rejskih organizacij, EK s certifikati, geoprostorski podatki z upravnimi evidencami idr. Za kontrolo CC agencija ravno tako uporablja geoprostorske evidence, ERŽ in EIRŽ, CRG, CRD, CRPš, register obratov, obrazce gnojil, zapisnik prigona ipd. obrazca se uporablja šifrant vrst oziroma skupin kmetijskih rastlin ter pomoči, ki je dostopen na spletni strani agencije in ministrstva. JSKS ima vpogled v podatke iz RKG, zbirnih vlog, evidence o mlečnih kvotah, CRG, CRD, CRPš, CRK, evidenc KOPOP, EK in OMD, zemljiški kataster, ortofoto in dejansko rabo zemljišč. Skrbniki kot širše zanimive ocenjujejo grafične podatke, ne le z vidika kmetijstva temveč tudi varovanja narave, vprašanj kot je zaraščanje kmetijske krajine ipd. Z novo SKP, ki gre v smer okoljskih ciljev, bodo pomembni podatki o prostoru, živalih, tudi potencialno povezovanje že obstoječih zbirk z drugimi zbirkami, tako za spremljanje kot za dokazovanje učinkov ukrepov. Podatki o izplačilih so javni, ker gre za dodeljevanje javnih sredstev, razen osebnih podatkov. Pred leti so objavljali tudi KMG-MID, ki pa se je sčasoma, vzporedno z izgrajevanjem predpisov s področja varovanja osebnih podatkov, opredelili kot del osebnega podatka. Podatki o prejemnikih se objavljajo skladno z določili 111. Člena Uredbe (EU) št. 1306/2013: ime in priimek prejemnika, vrsta ukrepa, znesek, lokacijski podatek v smislu občine. Pravne osebe so objavljene z nazivi. Poročila in izpise pripravijo na podlagi zahtev, ki pa so pogosto zelo specifične. Poizkušali so pripraviti standardni paket podatkov, vendar se je izkazal problematičen zaradi kompleksnosti vsebine, saj bi od uporabnikov zahteval določeno poznavanje strukture. Drug problem je bil v tem, da so se tudi sami ukvarjali s statističnimi definicijami, npr. kaj je to kmetija, kdo je upravičenec itd. Osredotočili so se na grobe (agregirane) podatke o površinah, rastlinah in časovni vrsti. Interes za zbirko je bil kljub promociji omejen. Za uporabnike je lažje, če zaprosijo neposredno, ker lahko skozi interakcijo izrazijo specifične želje, jih dopolnjujejo ipd. (AKTRP, Intervju 1). Podatkovne baze so velike in jih je v celoti nemogoče prenesti. V določenih primerih na zaprosilo dajejo del surovih (nepredprocesiranih) originalnih mikro podatkov – denimo KGZS, ki jih potrebuje za specifične naloge s področja dela, na primer za izdelavo gnojilnih načrtov. Prav tako MKGP na zaprosilo pridobi surove podatke. Zunanji uporabniki večinoma zaprošajo za agregirane podatke. Krog teh uporabnikov je omejen. Vsako prošnjo obravnavajo posebej. Prošnje niso časovno obremenjujoče – v primerjavi s samo izgradnjo baz. Srednjeročni cilj je razvoj podatkovnih zbirk na področju okolja, podobno kot so se v preteklosti povezali z zbirko rejnih živali BF. Za nadaljnji razvoj vidijo predvsem administrativno-pravne ovire (AKTRP, Intervju 1). Ocena in predlogi Podatkovje, ki se vodi v domeni AKTRP obsega z vidika te naloge 6 zbirk – aplikacij v osnovni bazi DATAPROD, ki si sledijo v določenem zaporedju z namenom izvajanja ukrepov na področju kmetijskih subvencij in ukrepov na področju razvoja podeželja. Zbiranje podatkov je kontinuirano (na letni ravni) in zelo podrobno, zato so kot vir relevantni za dopolnjevanje ostalih zbirk, npr. za spremljanje kmetijskih površin v uporabi, za podatke o proizvodno vezanih plačilih, za prenos plačilnih pravic, stanje oddaje in prejema živinskih gnojil idr. Podatki se vodijo na ravni enote t.j. KMG, zato so podatki med seboj povezljivi tako znotraj podatkovja AKTRP kot tudi z zbirkami v domeni MKGP in UVHVVR, kar je še dodatna vrednost samih podatkov. Vse zbirke vsebujejo veliko število spremenljivk in enot, hkrati pa geografsko in populacijsko pokrivajo celotno ozemlje RS. Zbirke vsebujejo atributne (alfanumerične) in grafične podatke. Nekatere zbirke vsebujejo tudi edinstvene podatke npr. podatki o zahtevah upravičencev (zbirka vnosa subvencij) oziroma avtomatizirani izračuni (zbirka kontrole subvencij, register plačilnih pravic, obračun subvencij z obravnavo zahtevkov), večina podatkov pa se pridobi iz drugih virov (v domeni MKGP, UVHVVR, zunanjih virov npr. AJPES, FURS idr.). Agencija ima vzpostavljen tudi lastni centralni register strank. Posebnost je zadnja zbirka t.i. X-tabele in poročilni sistem, saj povezuje obračunske podatke s podatki, ki jih zahteva EU, ko gre za izvajanje politik deljenega upravljanja (pokriva oba sklada, EKJS in EKSRP). Podatkovne zbirke AKTRP predstavljajo ključen vir podatkov o ukrepih in dodeljenih sredstvih ter kontrolah in (kot je pokazal CRP Razvoj celovitega modela KMG) z večjo ravnjo podrobnosti – na mikro ravni oz. na ravni posameznega KMG – pomembno dopolnjujejo ostale zbirke podatkov, pomembnih za področje kmetijstva in okolja. V ukrepe neposrednih plačil so vključena praktično vsa KMG, ki tudi sicer izpolnjujejo evropsko primerljive statistične kriterije KMG. Posamezni ukrepi, ki so stvar zakonodaje in so pogosto vezani na obdobje izvajanja SKP, so lahko kot takšni vir podatkov za sekundarne namene, vključujejo denimo številne aktivnosti na področju varovanja okolja in uravnavanja klimatskih sprememb, ki jih je mogoče povezovati z drugimi spremenljivkami, tako na mikro kot agregirani ravni. Uporabnost je odvisna od same definicije ukrepa, obdobja veljave, zanesljivosti in točnosti podatka, števila vključenih v ukrep in drugega. Kakovost podatkov je na visoki ravni, saj se vnosi podatkov vodijo preko različnih aplikacij, ki omogočajo sprotno navzkrižno preverjanje vnosov, kakor tudi preverjanje z drugimi zbirkami in evidencami (npr. evidenca kršitev iz naslova navzkrižne skladnosti, ki se dopolnjuje in sinhronizira od leta 2005 dalje). Dodatno se letno vrši kontrola na terenu na približno 10 % vzorcu upravičencev ter s posodabljanjem prostorskih podatkov. Časovna primerljivost podatkov je otežena zaradi sistematične neurejenosti (iz česar tako kot pri RKG izhaja ocena 4), je pa ta v določeni meri možna znotraj posameznega obdobja izvajanja SKP, kar z uporabniškega vidika doprinese k sami vrednosti podatkov. Pomembne so sicer specifične zakonske zahteve, ki vplivajo na posamezna področja, denimo poročanje o dohodku in izdatkih za zaposlene (pomembno za največje prejemnike sredstev) ali proizvodnji, ki ni najbolj zanesljivo. Kot organizacija poznajo različne vrst analiz tveganj, kontrole prilagajajo obsegu in vrsti kršitev, poznajo naknadne kontrole, s čimer preverjajo tako izvedbo postopka kot usposobljenost kontrolorjev, poročajo o ugotovljenih napakah, izvajajo analizo rezultatov in analizo analize tvegaj, kar je pomembno z vidika kakovosti vira. Podatki so dostopni ostalim državnim organom (v neanonimizirani obliki) kot tudi splošni javnosti (v anonimizirani obliki), vendar težavo predstavlja zahtevnost razumevanja samih podatkov, tako, da slednji po njih ne povprašujejo v velikem obsegu.24 Druge zaznane ovire pa so podobne kot pri drugih dveh organizacijah: opisi podatkov so na voljo predvsem v zakonodaji in temeljijo na zakonsko določenih nalogah, ki se skozi čas tudi spreminjajo, zaradi kompleksnosti in ločenosti podatkovnih sistemov, znanj ipd. je otežena tudi rekonstrukcija, mikro podatki se nahajajo v živih bazah-aplikacijah, ki služijo specifičnim namenom, priprava podatkov za uporabnika je časovno zamudna in zahtevna, potrebno je namreč veliko komunikacije v več fazah, vsak postopek je drugačen od drugega in tako odvisen od različnih okoliščin in podobno. Kot organizacija se (za razliko od drugih dveh) srečujejo z vprašanjem arhiviranja vendar ustreznih kriterijev in podlag še nimajo. Z vidika sekundarne rabe so potencialno zanimivi podatki, ki se navezujejo na dodeljene javne spodbude v okviru različnih ukrepov, vključno z vsebinskimi opisi ukrepov in izpolnjevanja zahtev (tudi navzkrižne skladnosti oz. pogojenosti), na splošne kontrolne ugotovitve in sankcije. Omenjeni podatki se nanašajo na letne kazalce izvajanja in rezultata, ki jih bo v agregirani obliki potrebno spremljati v okviru strateškega načrtovanja SKP po 2021. Podatki bi lahko bili predstavljeni tudi v okviru enotne zbirke dostopne v javnem pregledovalniku na ravni agregiranih prostorskih enot, kar bi npr. omogočilo povezavo podatkov o podporah s podatki o ekonomsko­strukturnih spremembah v kmetijstvu in okoljskimi, naravovarstvenimi in družbenimi kazalci, podatkov o kontrolnih ugotovitvah z delovanjem JKSS na določenem območju, proizvodno usmeritvijo, velikostno in demografsko strukturo, pa tudi uporabo kontrolnih ugotovitev, npr. na področju 24 Kot edini izmed treh organizacij so poizkusili pripraviti paket podatkov za potencialne uporabnike, vendar je bila težava – kot so jo predstavili sami – v premajhnem interesu, ki je izhajal iz nepoznavanja strukture podatkov. Dokumentarno gradivo, ki bi omogočalo vpogled v podrobnosti tega poizkusa ni na voljo. dobrobiti živali, kot kazalca stanja. Bolj podrobni mikro podatki bi lahko bili dostopni v okviru enotne zbirke za kmetijstvo (na podlagi anonimizacije oz. z dostopom v varni sobi). 5. Sklep in skupna priporočila »Na MKGP z organi v sestavi smo v preteklih 20 letih zbrali precej podatkov, ki niso optimalno izkoriščeni. Podatki so ustrezno strukturirani (podatkovni model je večinoma ustrezen, praktično vsi podatki so medsebojno povezljivi z ustreznimi ključi, kakovost podatkov je za analitične namene sorazmerno dobra, dostop do podatkov je ustrezen, saj imamo vzdrževalce, ki obvladujejo podatkovne sheme). Manjka pa vsebinsko analitska nadgradnja. Razlog za to je ta, da ni dovolj kadra, ki bi bil to zmožen uresničiti. Znanja, ki so za to potrebna, so kombinacija vsega naslednjega: poglobljeno poznavanje predpisov, ki urejajo podatkovne zbirke, poglobljeno poznavanje potreb (in bodočih potreb) na različnih vsebinskih področjih, poznavanje različnih kmetijskih vsebin, poglobljeno poznavanje zbirk podatkov, ki jih vodimo, poznavanje zbirk podatkov, ki jih pridobivamo iz drugih virov, poznavanje podatkovnih modelov, poznavanje orodij za analizo podatkov (npr. SQL za osnovno pregledovanje podatkov), poznavanje tehnik za pripravo agregiranih podatkovnih modelov, ter nazadnje orodje za sintezo in prikazovanje podatkov na podlagi agregiranih podatkovnih modelov; če se vključi sodobnejše pristope, kot je podatkovno rudarjenje, poslovna inteligenca itd., toliko bolje, a to je le nadgradnja. Pred tem je treba 'šlogati', kaj potrebujemo, in pripraviti zasnovo agregiranih podatkovnih modelov. Na MKGP je sicer dober tim analitikov, a manjka neposrednejša povezava s podatkovnimi viri.« Komentar Marjane Drobnič, vodje SIRIS Vsebinska relevantnost Pregled in vrednotenje centralnih administrativnih virov na področju kmetijstva (RKG in povezane evidence) sta pokazala, da le-ti ponujajo edinstven vir mikro podatkov ko gre za subjekte, KMG in rabo zemljišč, deloma in posredno pa tudi za proizvodnjo, ki omogočajo različne agrarno ekonomske in druge tipologije in raziskovanja na mikro ravni, predvsem pa na ravni agregatov (prostorska in strukturna raziskovanja). Povezovanje z drugimi podatkovnimi viri (podatki o cenah) bi denimo omogočilo dinamični izračun standardnega prihodka na ravni agregatov in tipov kmetij po različnih kriterijih. Podobno podatki o rabi omogočajo različne pavšalne okoljske izračune, pa tudi spremljanje sprememb v namembnosti (zaraščanje, pozidava). Registri in evidence so v določenimi meri že vir za statistične raziskave, v manjši meri pa tudi za preverjanje vzorcev in rezultatov. V RKG so dostopni in vidni posamezni podatki iz različnih področij opisanih v nadaljevanju in drugih virov. Na področju okolja in narave so na voljo podatki o prostorskih slojih z določenimi atributi, ki ustrezajo posameznim zakonskim in strokovnim nalogam (območja občutljiva z vidika okolja in naravo varstva). V širšem smislu vsebinskih prostorskih podatkov o stanju okolja in narave, ki so pomembni z vidika spremljanja vplivov kot je kmetijska proizvodnja, ki je neposredno povezana s stanjem okolja in narave na podeželskih območjih, pa so podhranjeni. Povezanost kmetijstva in okolja ter narave zahteva ustvarjanje in povezovanje tovrstnih podatkov. Med drugim tovrstne zahteve izhajajo tudi iz SKP po 2021, tako z vidika posameznih ukrepov kot tudi splošnega spremljanja stanja okolja in narave. Na področju posameznih proizvodov in kakovosti so obstoječi administrativni viri na različnih (razvojnih) stopnjah vsebinske kompleksnosti in uporabnosti – od področja vina s podrobnimi in bogatimi podatki, ki jih izkorišča SURS, na eni strani, do proizvodov iz posameznih shem kakovosti na drugi. Slednje je povezano tudi z ukrepi kmetijske politike, od investicij, shem, organizacije pa do promocije. Evidencam je skupen neizkoriščen potencial, tako z vidika ekonomske analize, razvoja poslovnih modelov in trženja kot z vidika potrošnika (javno vidni podatki o proizvajalcih s podatki o lokaciji). Ko gre za podeželje so podatki omejeni na posamezne ukrepe usposabljanja in svetovanja ter partnersko strukturo, neglede na to pa obstoječi viri omogočajo nekaj zanimivih raziskovanj, denimo v smislu prostorske pokritosti akterjev ali povezav med ukrepi usposabljanj in svetovanj ter uspešnostjo izvajanja drugih ukrepov in rezultati kontrol, ki so relevantni z vidika priporočil Komisije v zvezi s spremljanjem in vrednotenjem ter prihodnje SKP. Podobno kot pri okolju velja, da manjkajo dinamični podatki o stanju na podeželju, ki vključujejo različne družbeno-demografske podatke, od podatkov o izobrazbi do razmerij med spoloma (lastniki kmetij in zaposleni) ter podeželski revščini, o katerih govori nova SKP. Nekatere izmed omenjenih podatkov je mogoče posredno razbrati iz drugih administrativnih virov, drugi so dostopni v statističnih raziskovanjih. Vendar pa je z vidika povezanosti kmetijstva in kmetijske politike z različnimi družbenoekonomskimi kazalci stanja na podeželju pomembno sistematično zagotavljanje ustreznih virov in povezljivosti ter dejanskega povezovanja (uporabe) tudi znotraj sistema podatkov v kmetijstvu. Podatki s področja reje živali predstavljajo edinstven vir, ki omogoča posredno spremljanje proizvodnje na tem ožjem področju, z različno ravnjo podrobnosti za posamezne rejne živali. Skupaj s podatki o rabi zemljišč in podatki o proizvodnji iz zbirne vloge ter podatki iz nekaterih drugih registrov in evidenc za posamezne proizvode, omogočajo vpogled v proizvodnjo KMG, agrarno ekonomska in druga raziskovanja. Podatkovni sistem AKTRP poleg dopolnjevanja podatkov o uporabi površin in dejanski proizvodnji na podlagi zbirne vloge in različnih ukrepov kmetijske politike predstavlja primarni in edinstven vir podatkov o ukrepih, dodeljenih sredstvih ter kontrolah, ki so ključni z vidika načrtovanja, spremljanja in analize učinka ter vpliva v okviru SKP po 2021. Stopnja podrobnosti in dopolnjevanja drugih virov se razlikuje po posameznih področjih in je povezana z zasnovo ukrepov. Zaradi povezovanja prostorskih podatkov in podatkov iz registrov živali z vlogami za subvencije, ukrepi in s kontrolami, podatkovni sistem AKTRP predstavlja pomembno vozlišče mikro podatkov, ki omogoča vsebinski vpogled na enem mestu. Statistična kakovost Same zakonske zahteve in standardi vplivajo na relativno visoko statistično kakovost v smislu jasnosti, točnosti, ažurnosti – s pridržkom, da ne gre za statistične temveč za administrativne zbirke, zaradi česar pravzaprav govorimo o potencialni statistični kakovosti, torej o tem, kako kakovosten statistični rezultat bi bil mogoč s pripravo statistične zbirke na podlagi administrativnega vira. Med posameznimi področji in atributi so razlike, ki izhajajo iz razlik v potrebah z vidika izvajanja administrativnih nalog in v zakonskih določilih. Ključna pomanjkljivost je primerljivost s standardnimi statističnimi enotami in spremenljivkami, t.j. tistimi uporabljenimi v statističnih raziskovanjih. Ta se kaže predvsem pri specifičnih in manj vsebinsko bogatih evidencah in registrih, ki ne omogočajo zapolnjevanja širše relevantnih statističnih kategorij (okolje in narava, podeželje), medtem ko je drugje to možno (npr. agregatni in letni prerezi v primeru RKG). Registri in evidence so vezani na zakonodajo s katero se tudi spreminjajo, vendar pa so podatki o zakonskih določilih in zgodovina zbirk v večini primerov dostopni za nazaj. Administrativni viri so živi kar pomeni, da se spreminjajo v realnem času vendar pa večina in predvsem bolj razviti viri omogočajo vpogled v zgodovino sprememb (RKG, registri s področja reje, sistem AKTRP) ter najmanj letni prerez oz. letno časovno vrsto. Zaradi kompleksnosti in odsotnosti standardnih statističnih kategorij ter meta-podatkov operacije priprave statističnih zbirk sicer niso enostavne in zahtevajo precej časa in virov, vključno z delom produkcije podatkov. Obstajajo različni notranji viri v povezavi s kakovostjo podatkov, z velikimi razlikami med področji. Gre za zakonske in druge standarde kakovosti (INSPIRE – del prostorskih podatkov) ter za administrativni sistem medsebojnega preverjanja zbirk, logičnih, upravnih in drugih kontrol, ki omogoča pripravo poročil in kazalcev administrativne kakovosti. Zaradi tveganj, nesorazmernih kazni ipd. izstopa predvsem področje (posameznih) rejnih živali, sledijo posamezni prostorski podatki in podatki o ukrepih. Administrativni viri – kot izhaja iz uporabe s strani SURS – na področju posameznih kmetijskih proizvodov omogočajo ustrezno stopnjo statistične kakovosti, najmanj primerljivo z drugimi statističnimi metodami (ankete). Tudi na nekaterih področjih proizvodnje kjer SURS trenutno podatkov ne uporablja je njihova uporaba smiselna za navzkrižno primerjavo kakovosti z drugimi viri. Kakovost je nižja tam kjer gre za podatke povezane s specifičnimi zahtevami, ki so posredno povezane s področjem vsebinske relevantnosti (dejavnosti, delovna sila, dohodek v povezavi z pragom za ukrepe, posamezni proizvodi). Organizacijska kakovost Organizacijski vidik dajalca podatkov je tisti, ki je bil do sedaj v sistemu podatkov v kmetijstvu najbolj zapostavljen. Slednje je razvidno tudi iz komentarja iz začetka tega poglavja; medtem ko je razumevanje pomena vsebinske relevantnosti in v veliki meri tudi statistične kakovosti prisotno, je organizacijski vidik nekoliko potisnjen v ozadje. Zbirke podatkov se ustvarjajo za namene opredeljene v zakonodaji in podzakonskih aktih, skladno s slednjimi, priročniki in drugim. Vrednosti podatkov kot takšnih je posvečene manj pozornosti, čeprav je v posameznih primerih v zakonodaji ta opredeljena (npr. RKG, zbirke s področja reje) v smislu pomena trajne hrambe, zakonsko opredeljenih namenov, ki poleg različnih javnih nalog vključujejo statistična in druga raziskovanja. Notranjih aktov v zvezi z določanjem vrednosti posameznih podatkov, ki so denimo pomembni z vidika rešitev za dostop ali arhiviranja ni, kar je deloma povezano z individualnim pristopom k tistim, ki povprašujejo po podatkih, in deloma s trajno hrambo, pri čemer ni upoštevan vidik vrednotenja trajnega pomena podatkov za različne namene. Določen premislek o splošni vrednosti podatkov je bil opravljen na AKTRP v okviru poizkusa priprave splošnega paketa podatkov za zunanje uporabnike in zavedanja o prihajajoči potrebi po arhiviranju in izbrisu dela podatkov, tudi z vidika GDPR. Uporabnikom niso na voljo uporabniški katalogi (oz. vključenost v le-te, z izjemo portala OPSI, kjer so zelo splošni opisi posameznih zbirk), meta podatki in poročila o kakovosti. Upravljalci zbirk se pogosto sklicujejo na zakonsko podlago in podobno, tudi ko gre za javne pregledovalnike, vendar je tovrstni pristop z vidika uporabnika neprimeren. Posamezne razlage, šifranti in podobno se v okviru dostopov do podatkov, ki niso javno vidni, pripravijo na podlagi individualnega povpraševanja. Kot izhaja iz intervjujev je v primerih večjih baz (RKG, reja živali, AKTRP) pogosto potrebno več krogov izmenjave informacij preden uporabnik, glede na lastne potrebe, razume strukturo in ozadje podatkov. Večji in kompleksnejši registri generirajo več povpraševanja in s tem zavedanja o obstoju podatkov, praksah dostopa in podobno (čeprav ko gre za mikro podatke in naprednejše analize še vedno predvsem v zaprtih skupinah 'običajnih' uporabnikov) , medtem ko je na specifičnih področjih (podeželje, okolje in narava) kljub potencialni uporabnosti zaradi odsotnosti katalogov in drugih možnosti iskanja tega manj. Razlike so tudi v dostopu in obdelavi, ki sta, sicer na splošno, opredeljena v zakonodaji, medtem ko se nosilci in skrbniki v praksi glede na navedbe v intervjujih zanašajo na različne interpretacije zakonodaje na področju varovanja osebnih podatkov in dostopa do informacij ter lastno presojo. Uporabniki so odvisni od subjektivne obravnave, ki v praksi vpliva na končne odločitve, dostop in obdelavo. Standardih pravil in kriterijev dostopa, postopkovnika, predvidenega trajanja, metod dostopa in podobnega, nima opredeljenih in javno objavljenih nihče izmed dajalcev. Najpogostejši razlog je sklicevanje na specifične uporabnike, vendar pa hkrati odsotnost splošnih rešitev odvrača različne (druge, potencialne) uporabnike. Odsotnost standardnih rešitev v smislu katalogiziranih statističnih zbirk mikro-podatkov z opredeljenimi enotami in atributi, določeno časovno vrsto in opisi (šifranti), formati in oblikami, ki omogočajo neposredni spletni prevzem, vpliva celo na pod-uporabo za notranje analitične naloge, kar prepoznavajo skrbniki sami. Razumevanje, da dostopnost (odprtost) podatkov kot takšnih predstavlja odgovornost javnih služb in pomembno javno dobrino, ki lahko generira povpraševanje po podatkih in nove neslutene oblike rabe, je prisotno v le omejenem obsegu. Shema 4: Pregled kvantitativnih ocen tematskih področij zbirk* *Ocene predstavljajo prikaz samo-ocenjevanja na podlagi podanih kriterijev. Ocene se ne nanašajo na kakovost izvajanja z zakonom določenih nalog oz. administrativno kakovost temveč na širši potencial podatkov z vidika podatkovne znanosti, tako v okviru različnih nalog ministrstva in organov v sestavi, kot za druge deležnike. Ocene naj bi tako pripomogle k boljšemu izkoriščanju potenciala in načrtovanju razvoja podatkov in podatkovnih rešitev v prihodnje. Metodologija ocen je pojasnjena na koncu poglavja 3. Ocene so podrobneje opredeljene v poglavju 4 na koncu pregleda vsake izmed tematskih skupin. Ocene so narejene na podlagi evidenc znotraj posamezne skupine, za katere je bil na podlagi vzorčenja opravljen podatkovni intervju. Ocene predstavljajo skupno (posplošeno) oceno za posamezno skupino oz. področje. Vir: lastni prikaz Skupni predlogi Podobno kot CRP Razvoj celovitega modela KMG tudi mi priporočamo centraliziran pristop na področju upravljanja s podatkovnimi zbirkami. Centralizacija in integracija delujeta multiplikativno, krepita namreč vsebinsko relevantnost, izboljšujeta statistično kakovost ter cenita stroške dajalca podatkov. Z vidika dajalca podatkov in dostopnosti je potrebno opredeliti širšo vsebinsko relevantnost in uporabnost posameznih zbirk in podatkov na podlagi opredeljenih enotnih kriterijev (pristop v tem poročilu lahko služi kot primer), zbirke in podatke ustrezno opremiti z opisi, meta-podatki, jih pripraviti v ustrezni statistični uporabniški obliki in formatih, poskrbeti za ustrezne podatke o virih, kazalcih kakovosti ter standardih, pripraviti rešitve za prevzem glede na potrebe tipičnega uporabnika in upoštevaje zahteve varovanja osebnih podatkov, ter skrbeti za stik z uporabniki in povratne informacije. Tovrstne spremembe zahtevajo tudi nekatere organizacijske prilagoditve v smislu oblikovanja telesa za upravljanje s podatki, ki bi skrbelo za strateško načrtovanje, enotne standarde (pravilnike, kriterije, prakse, rešitve) ter usmerjalo razvoj posameznih zbirk, posodabljanje, kadre in znanje. Iz povezanosti zbirk, potreb strateškega načrtovanja na področju kmetijstva in stroškovne učinkovitosti izhaja predlog po centraliziranem pristopu na tem področju ter vključevanju različnih služb v okviru MKGP in organov v sestavi, drugih ministrstev ter javnih deležnikov. Ena od možnih rešitev je tudi predaja dela nalog zunanjemu izvajalcu kot je KIS. Naslednji sklop prilagoditev se nanaša na same informacijske sisteme, kjer je prav tako potrebna večja centralizacija v smislu integracije obstoječih zbirk in sistemov z moduli za posamezne interne in zunanje uporabnike. Posamezni registri, evidence in zbirke so glede na razvoj informacijskih sredstev in standardov trenutno v neprimerni obliki (različne sheme kakovosti, eko proizvodnja, EVIZO, mreža za podeželje), nekaj je tudi podvajanja (predvsem v hrambi – npr. medsebojno prevzemanje podatkov med RKG, registri živali ter AKTRP) in parcialnega upravljanja z dopolnjevanjem, dodajanjem novih aplikacij in podobno, namesto centralnega strateškega pristopa. Tretji sklop prilagoditev se nanaša na spodbujanje naprednih in sekundarnih oblik uporabe pri notranjih in zunanjih uporabnikih za oblikovanje in krepitev epistemske skupnosti uporabnikov podatkov v kmetijstvu, na podlagi razvoja splošnih javnih uporabniških vmesnikov z vizualizacijo, različnih specifičnih statističnih in drugih orodij, spodbujanja pretoka in povezovanja z drugimi zbirkami (statističnimi, raziskovalnimi, zbirkami JKSS), aktivnega sodelovanja v strokovnih in znanstvenih projektih, na statističnih in drugih konferencah, spremljanja načinov uporabe podatkov ter promocije dobrih praks in podobno. Še posebej je v luči sprememb SKP, ki predvideva okrepljeno odločanje na dejstvih, s tem pa specifično uporabo podatkov v procesih spremljanja in vrednotenja na eni strani, ter splošno podatkovno podporo partnerskim in deležniškim strukturam na drugi strani, potrebno načrtovanje razvoja podatkov in podatkovne skupnosti z vidika MKGP in različnih deležnikov. Potencialna ovira, ki bi jo bilo potrebno nasloviti, je vprašanje poenotene interpretacije zakonodaje glede dopustnih načinov dostopa do podatkov za različne namene v celotnem javnem sektorju. Zakon o državni statistiki npr. regulira dostop do podatkov za raziskovalne namene, pa tudi GDPR in ZVOP-2, ki je v pripravi, predvidevata izjeme dostopa tudi do osebnih podatkov za raziskovanje in uporabo podatkov v javnem interesu. Z vidika stroškovne učinkovitosti bi že sedaj sklopi posebej za določenega uporabnika pripravljenih podatkov, od občin, posameznih raziskovalcev, do različnih ustanov vključno z SURS, ki zahtevajo veliko vlaganj pri pripravi in dokumentaciji, lahko predstavljali podatkovne produkte z dodano vrednostjo, ki bi bili zanimivi še za koga. Ena izmed možnih rešitev je oblikovanje skupne statistične zbirke, ki bi zajemala izbrane podatke iz različnih administrativnih virov. Podatki bi bili na ravni agregiranih prostorskih enot dostopni v javnem pregledovalniku, ki bi omogočal uporabo orodij kot je prostorski prikaz glede na izbrane enote in spremenljivke, časovno vrsto ter enostavne analize. Enotna mikro podatkovna zbirka bi bila na voljo glede na individualno povpraševanje, na podlagi anonimizacije, v varni sobi ipd. Zbirka bi omogočila promocijo uporabe podatkov, spremljanje uporabnikov, dodajanje povezav na dobre prakse uporabe podatkov in podobno. Omogočila bi tudi povezovanje z zahtevami v okviru strateškega načrtovanja SKP po 2021, tako v smislu ožjih zahtev spremljanja izvajanja ukrepov in vključenosti kot širših zahtev vrednotenja vpliva ukrepov in politike kot takšne. Posamezni primeri možnih rešitev v zvezi s predlogi iz tega poročila bodo s pomočjo spoznanj iz tega poročila oblikovani tudi v okviru nadaljnjih delovnih sklopov – statistična zbirka mikro podatkov prevzetih s strani AKTRP bo oblikovana v okviru DS2, potrebe strateškega načrtovanja in deležnikov bodo skupaj s strategijo in načrtom razvoja podatkov definirane v okviru DS3, posamezna analitična orodja in njihova uporabnost pa v okviru DS4. Posamezne administrativne zbirke bomo evidentirali in opisali v okviru arhiva družboslovnih podatkov, arhivirali bomo ustvarjano statistično zbirko in objavili primere uporabe analitičnih orodij. Literatura ADP (2011) Odprti podatki. Intervju – Stanje, problemi, odgovornost in skrb nad podatki. https://www.adp.fdv.uni-lj.si/podatki/odpp11/odpp11_vp1_sl_v1_r1.pdf CESSDA (2017) How FAIR are your data. https://www.cessda.eu/content/download/3845/35038/file/20170707_How_FAIR_are_your_data_J ones.pdf Eurostat (2014) ESS Handbook for Quality Reports. Methodologies and Working Papers. Luxembourg: Eurostat. Kožar, Maja (2017) Analiza kakovosti rezultatov FADN za Slovenijo, 53-142 v Volk in dr. Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423) Zaključno poročilo. NERC Data Value Checklist. https://nerc.ukri.org/research/sites/data/policy/data-value-checklist/ OECD (2014) OECD expert group for international collaboration on microdata access. Final report. http://www.oecd.org/sdd/microdata-access-final-report-OECD-2014.pdf Rednak, Miroslav, Tina Volk, Barbara Zagorc, Ben Moljk in Maja Kožar (2017). Ocena standardnega prihodka KMG in njegova uporaba za presojo ukrepov in učinkov kmetijske politike, 7-52. V Volk in dr. Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423) Zaključno poročilo. SURS (2017) Metodološki priročniki. Kazalniki kakovosti 2017. št. 2. Volk, Tina, Jure Brečko, Emil Erjavec, Damjan Jerič, Stane Kavčič, Maja Kožar, Ben Moljk, Miroslav Rednak, Barbara Zagorc in Jaka Žgajnar (2017) Uvod, 5-7; Sklepne projektne ugotovitve in priporočila 291-295. V Volk in dr. Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (V4-1423) Zaključno poročilo. Viri MKGP (2014a) Priročnik o vodenju podatkov o dopolnilni dejavnosti na kmetiji v RKG, MKGP, direktorat za kmetijstvo, DD, 3315—2014/2, verzija 3, velja od 20.9.2013 MKGP (2015a) Priročnik o vodenju Evidence dejanske rabe kmetijskih in gozdnih zemljišč E-RKG-02 33010—100/2O15/25 Veljaven od 1 8 2015 MKGP (2015b) Priročnik o vodenju evidence subjektov in naslovov ESUB-01,MKGP, Služba za RKG, 33010-146/2015 verzija 4, velja od 1.9.2015 MKGP (2015c) Priročnik o vodenju Evidence prispevnih območij vodnih teles površinskih voda in vodnih teles podzemne vode iz načrta upravljanja voda E-NUV 3310-54/2015/1 Veljaven od: 1. 9. 2015 MKGP (2015d) Priročnik o evidenci najožjih vodovarstvenih območij – državni nivo E—VVO I 3310­53/2015/1 od. 1—9. 2015 MKGP (2015e) Priročnik o vodenju evidence melioracijskih sistemov in naprav, MKGP, Služba za urejanje kmetijskega prostora iz zemljiških operacij, E-EMSN, 3313-95/3015, verzija 2, Veljaven od 7.10.2015 MKGP (2015f) Priročnik o vodenju evidence grbinastih travnikov, E-GRB, 3310-52/2015/1 Veljaven od: 1. 9. 2015 MKGP (2015g) Priročnik o vodenju Evidence ekološko pomembnih območij posebnih traviščnih habitatov metuljev in steljnikov ter območij pojavljanja ptic vlažnih ekstenzivnih travnikov E-HAB 3310-51/2015/1 velja od 1.9. 2015 MKGP (2015h) Priročnik o Evidenci območja pojavljanja medveda in volka, E-MV, 3310-55/2015/1, velja od 1. 9. 2015 MKGP (2015i) Priročnik o vodenju Evidence pridelovalcev in predelovalcev ekoloških kmetijskih pridelkov ali živil, MKGP, Sektor za kmetijske trge, E-SKT, 33010-71/2011, verzija 1.4, velja od 1.9.2015 MKGP (2015j) Priročnik o vodenju Registra dobaviteljev semenskega materiala kmetijskih rastlin, Sektor za zdravje rastlin in rastlinski semenski material Sektor za kmetijske trge, E-UVHVVR, U0070­26/2015 veljaven od 18.9.2015, verzija 1 MKGP (2016a) Priročnik o vodenju seznama območij OND, MKGP, E-OMD 3310-9/2012, verzija 3, veljaven od 1. 1. 2016 MKGP (2016b) Priročnik o točkovanju KMG v območjih z OMD, MKGP, E-TKMG v OMD 3310-11/2012, verzija 3, velja od 1. 1. 2016 MKGP (2016c) Priročnik za vodenje elaborata v območjih z OND, MKGP, E-OND 3310-10/2012, velja od 1.1.2016 MKGP (2016d) Priročnik o vodenju evidenc ekološko pomembnih območij za ukrep DŽ, MKGP 3310­81/2016/1, veljaven od 26. 2. 2016 MKGP (2016e) Priročnik o vodenju Evidence izobraževanja kmetijskih gospodarstev in podjetij E­ EVIZO,3310-80/2016/1, verzija 1, velja od 1.10.2016 MKGP (2017a) Priročnik o vodenju RKG, MKGP, Služba za RKG, 33010-208/2017, verzija 7, velja od 1.6.2017 MKGP (2017b) Priročnik o vodenju Evidence mejic na Naturi 2000 (E-MEJ) MKGP 3310-34/2017, verzija 1, veljaven od 1. 1. 2017. MKGP (2017c) Priročnik o vodenju sloja Nature 2000 ptice in habitati E—P/H 330—142/2015 Veljaven od : 01.09. 2015, Posodobljen : 01. 02 . 2017 MKGP (2017d) Priročnik o vodenju slojev okoljsko občutljivega trajnega travinja : E-OOTT 330­ 141/2015, verzija 3, Veljaven od : 1.9.2016 Posodobljen : 01. 02. 2017 MKGP (2017e) Priročnik o vodenju registra pridelovalcev grozdja in vina, MKGP, MKO-SKT-RPGV, 33010-189/2013/3, verzija 5, veljaven od 7.7.2017 MKGP (2017f) Priročnik o vodenju evidence kmetijskih pridelkov in živil iz shem kakovost ter priznanih naravnih mineralnih vod Posodobljen 20 6. 2017 MKGP (2017g) Priročnik za vodenje Zbirke podatkov mreža za podeželje 3310-5/2014/122, verzija 1.1., velja od 26.6.2017 MKGP (X) Priročnik o vodenju Evidence skupin proizvajalcev iz shem kakovosti MKGP (XX) Priročnik o vodenju seznama dovoljenj za gojenje konoplje in maka MKGP (XXX) Priročnik o vodenju evidence prostovoljnih označb kmetijskih pridelkov in živil UVHVVR (2014a) Priročnik o vodenju evidence registra živilskih obratov, UVHVVR, Sektor za identifikacijo in registracijo ter informacijske sisteme, RŽO, 33207-145/2013/11 Veljaven od : 26. 9. 2014 UVHVVR (2016) Navodila za vnos, spremembo podatkov in sporočanje števila čebeljih družin v register čebelnjakov RČ U33207-72/2017/1 Verzija : 1.0, Veljaven od: 19.5.2016 UVHVVR (2017a) Priročnik o vodenju EIRŽ in ERŽ, UVHVVR, SIRIS, U33207-98/201 7/1, veljaven od 15. 12. 2017 UVHVVR (2017b) Priročnik o vodenju evidence rejnih živali, MKGP, UVHVVR, Sektor za identifikacijo in registracijo ter informacijske sisteme, U33207-98/2017/3, verzija 9, veljaven od 15.12.2017 UVHVVR (2017c) Priročnik o vodenju ERŽ-CRG, MKGP, UVHVVR, Sektor za identifikacijo in registracijo ter informacijske sisteme, U33207—98/2017/2, verzija 9, velja od 15. 12. 2017. UVHVVR (2017d) Priročnik o vodenju evidence rejnih živali CRK, UVHVVR, Sektor za identifikacijo in registracijo ter informacijske sisteme, U33207-98/2017/5, verzija 3, velja od 15. 12. 2017 UVHVVR (2017e) Vir: Priročnik o vodenju evidence rejnih živali CRPš, UVHVVR, Sektor za identifikacijo in registracijo ter informacijske sisteme, U33207-98/2017/4 Verzija 7, veljavna od 15. 12. 2017 ARSKTRP (2017a) Obračun, Postopkovnik: Aplikacija obračun subvencijskih vlog. MKGP, ARSKTRP, Verzija 1.0.03, Ljubljana, 30.06.2016 (zadnja sprememba 30.6.2017). AKTRP (2016) Varnostna politika. E-VP-0.01. MKGP, ARSKTRP, številka 0079-2/2013/3, verzija 2.1, veljaven od 15.04.2016. ARSKTRP (2017b) Priročnik za uporabo SUBV grafičnega urejevalnika. Verzija 1, 30.3.2017, IXTLANTEAM. ARSKTRP (2017c) Register plačilnih pravic. Uporabniški priročnik. MKGP, ARSKTRP. Verzija 2.1.09, 30.6.2017, Ljubljana. ARSKTRP (2017d) Splošni priročnik za obdelavo zahtevkov na sektorju za neposredna plačila. E-SNP­ 8.2 MKGP-ARSKTRP 0071-4/2007/15, verzija 13.0, veljaven od 29.12.2017. ARSKTRP (2017e) Posebni priročnik s postopkovniki za obdelavo zahtevkov na sektorju za neposredna plačila. E-SNP-8.3. MKGP, ARSKTRP, Sektor za NP. SPIS št. 0071-2/2007/17, verzija 12.0, veljaven od 29.12.2017. ARSKTRP (2018a) Priročnih za uporabo aplikacije Kontrole 2018, verzija 1, 6.4.2018, XTLANTEAM ARSKTRP (2018b) Priročnik za elektronsko izpolnjevanje zbirne vloge za leto 2017, 11.4.2018, verzija 1, XTLANTEAM. ARSKTRP (2018c) Navodilo o varstvu osebnih podatkov 1.1 E-SSZ-0.72, MKGP-ARSKTRP, Služba za splošne zadeve, Oddelek za pravne zadeve in javno naročanje, SPIS št. 0079-2/2017/6, verzija 4.0, veljaven od 26.10.2018 ARSKTRP (2018d) Krovna politika varovanja informacij na ARSKTRP, Izjava vodstva, E-VP-0.02, MKGP­ ARSKTRP, SPIS št. 0079-3/2013/3, verzija 2.1, veljaven od 31.05.2018. ARSKTRP (2018e) Analiza tveganja E-VP-0.08, št. 0079-9/2013/5, verzija 2.2, veljaven od 31.5.2018. ARSKTRP (X) Priročnik za klasifikacijo informacij v ARSKTRP E-VP-0.06 Priloga I: Podatkovni intervju I. Ustvarjanje podatkov Splošno -Kakšne podatke ustvarjate pri svojem delu (Registri, podatki na vzorcih, besedilni, slikovni, prostorski…)? Ali lahko pokažete datoteko, jo opišete? -Kakšni so formati in tipi podatkov? Kakšna je velikost (količina podatkov) in kompleksnost? -Kakšni so standardi, postopki za zagotavljanje kakovosti? -Kakšne so podatkovne potrebe? -Ali se podatki kje evidentirajo ob nastanku in kako poteka sprotno dokumentiranje? -Ali prejete surove podatke dodatno obdelate, da jim dodate vrednost? (čiščenje, opremljanje podatkov z opisi in šifranti, harmonizacija, povezovanje podatkov…) Ali so surovi podatki sploh uporabni (zase, za druge) preden jih posebej obdelamo, opremimo, dopolnimo? Kakšna znanja in orodja so potrebna za uporabo podatkov? -Katere dodatne informacije so potrebne (metapodatki, dokumentacija) o nastanku, obdelavi in dodajanju vrednosti za zagotavljanje istovetnosti podatkov in za razumevanje njihove vsebine? -Ali je možna standardizacija na področju priprave podatkov za uporabo, dokumentacije in opremljanja podatkov z metapodatki? Problemi -Kako poteka ugotavljanje podatkovnih potreb? -Ali se pred zbiranjem novih pregleda uporabnost obstoječih podatkov? Katere druge podatke uporabljate pri svojem delu (pridobivate od drugod)? Katere druge podatke, ki jih sami ne uporabljate, poznate in bi bili lahko uporabni? -Kako poteka pregledovanje podatkov in kontrola kakovosti z namenom presoje podatkov (izbor, vrednotenje za cilje) z vidika zagotavljanja trajnega obstoja podatkov? -Ali obstajajo navodila, politike, priporočeni metapodatki (jih pozna, so pomembne, kakšne so ovire pri implementaciji)? -Kako je opredeljen pomen podatkov z vidika dostopa za druge uporabnike? Kakšen je potencial uporabnosti podatkov za različne druge namene (zunaj ozkih ciljev)? Odgovornost -Ali je ustvarjanje podatkov ustrezno vrednoteno, so za skrb in čas posebej namenjena sredstva? II. Spravilo, dolgoročna razpoložljivost Splošno -Ali obstaja načrt in strategija skrbi z podatke? -Kje producenti hranijo podatke (mednarodni/državni/institucionalni repozitorij/strežnik znotraj ustanove kjer delajo/osebni računalnik)? Problemi -Ali je evidentiranje in dokumentiranje spremljajočih podatkov o nastanku pomembno z vidika hrambe? -Ali ob vstopu v sistem hrambe poteka pregledovanje podatkov in kontrola kakovosti? -Kakšen je pomen podatkov (izbor, vrednotenje za dolgotrajno razpoložljivost)? -Ali so podatki enkratni ali jih je mogoče ponovno pridobiti? III. Izbor, vrednotenje kakovosti, uporabnosti Splošno -Ali se podatki ločijo na bolj pomembne in manj pomembne? Kako lahko jih reproduciramo, če se uničijo, izgubijo? Kakšni so postopki, kriteriji (ocenjevanje na podlagi česa?)? -Kaj se dogaja s podatki od nastanka do točke spravila z vidika dodane vrednosti, ali podatki pridobivajo na vrednosti? -Ali so podatki dragoceni? (ponovljivi ali ne itd.; ali obstaja povpraševanje po podatkih, interes in možnosti ponovne uporabe – dostop do tujih podatkov) -Ali imate izoblikovana merila za ocenjevanje podatkov? Problemi -Kdo trenutno opravlja vrednotenje (sam ali pooblaščeni podatkovni center, repozitorij, ali specialist v okviru organizacije; centralni nacionalni digitalni arhiv)? -Ali so opredeljeni kriteriji, politike vrednotenja na nivoju organizacije, discipline, nacionalno) IV. Iskanje, dostop (objava), ponovna uporaba Splošno - Ali je omogočeno lociranje, dostop in ponovna uporaba podatkov? Komu, pod kakšnimi pogoji, kje? (Jaz/ostali člani projektne skupine/omejeno število zunanjih uporabnikov (do 20)/veliko zunanjih uporabnikov (več kot 20)/drugi) - Kakšna je praksa glede omejevanja dostopa? V kakšni obliki, formati in verzije podatkov, so podatki dostopni? (agregirani, dezagregirani itd.) - Katera orodja, metapodatki, standardi, postopki so uporabljeni za iskanje in dostop; ali so podatki evidentirani, kako podrobno so opisani v katalogu? Problemi -Orodja in tehnologije za analizo, dostop: Ali predstavljajo oviro z vidika dostopnosti podatkov? Odgovornost -Kaj bi bilo primerno mesto spravila in dostopa? -Ali so avtorske pravice, intelektualna lastnina, patenti ipd. ovira za uveljavitev odprtih podatkov? Kako je s problemom zaupnosti podatkov? -Ali imajo podatki vrednost za druge uporabnike? Ali se vrednost za ponovno uporabo vrednoti, kakšen je postopek, merila? -Ali ima uporabnik možnost oceniti vrednost in uporabnost podatkov na podlagi poročil o kakovosti in na podlagi metapodatkov in dokumentacije? -Ali imamo merila kakovostne podatkovne objave, ali pozna in podpira strategije in politike za zagotavljanje odprtega dostopa? -Kakšne so obveznost dostopa do podatkov s strani naročnika oz. financerja podatkov (javno financirani projekti, zahteve EU)? Priloga II: intervjuvanci Institucija Št. Intervjuvanec Termin MKGP 1-2 Subjekti, KMG, -Alenka Rotter (vodja RKG) 14. 12. 2018, 9.00-12.00 raba -Miran Tisu 3 Proizvodi in sheme -Mojca Jakša (skrbnik RPGV) 14.12.2018, 11.00-12.00 4 IT -Aleš Štrekelj (vodja IT službe) 18.12.2018, 10.00-10.30 5 Proizvodi in sheme -Alenka Marjetič Žnider (skrbnica 18.12.2018, 10.30.- Evidenca organizacij proizvajalcev) 11.00 6 Proizvodi in sheme -Maja Žibert (skrbnica Evidence 18.12.2018, 11.00-11.45 pridelovalcev in proizvajalcev ekoloških) 7 Okolje in prostor -Tomaž Primožič (skrbnik Evidenca 18.12.2018, 11.45-12.15 komasacij; Evidenca osuševalnih in namakalnih sistemov) 8 Podeželje -Petra Božič (skrbnica EVIZO) 18.12.2018, 12.15-13.00 UVHVVR 1 Rejne živali -Marjana Drobnič (vodja SIRIS) 16. 1. 2019, 9.00-11.00 AKTRP 1-7 Ukrepi -Miran Mihelič (direktor AKTRP) 23.1.2019, 9.00-12.25 -Boštjan Ključevšek (vodja SIUT), Mateja Strupeh (SIUT), Gregor Kočevar (SIUT), Gregor Kumer (SIUT) -Katarina Kerč (vodja Službe za kontrolo) -Aleš Osanič (Sonaravno kmetijstvo) Priloga III: Pregled zbirk podatkov na podlagi priročnikov, deloma dopolnjeno s strani skrbnikov Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Register kmetijskih MKGP, Direktorat Enotno vodenje podatkov o KMG in Zbirka podatkov o KMG v Republiki Grafični in Nosilec KMG, UE, CRP, PRS, RKG aplikacija (ni gospodarstev (RKG) za kmetijstvo, Služba za RKG subjektih, vezanih na KMG v Republiki Sloveniji. Prijava in kontrola finančnih podpor ter drugih ukrepov kmetijske politike. Spremljanje stanja kmetijstva ter načrtovanje kmetijske politike. Sloveniji25 , ki vključuje podatke o naslovu, nosilcu, pri kmetiji tudi podatke o namestniku nosilca, članih in zaposlenih, ter podatke o zemljiščih v uporabi KMG, vključno s podatki o trajnih nasadih.26 opisni podatki (Oracle okolje). ESUB, RPE, ZPIZ, RABA, RPGV, kontrolni sloji ukrepov, sloj vsakoletnih kontrol AKTRP, zemljiški kataster, … javno dostopno); Podatki o GERK (ne osebni), so javno dostopni na spletnem 'Javnem pregledovalniku grafičnih podatkov MKGP -RKG' Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18) -Pravilnik o registru kmetijskih gospodarstev (Uradni list RS, št. 83/16, 23/17, 69/17, 72/18 in 35/19) -Uredba o dopolnilnih dejavnostih na kmetiji (Uradni list RS, št. 57/15 in 36/18) -Uredba o sistemu dovoljenj za zasaditev vinske trte (Uradni list RS, št. 4/16 in 23/17). Naziv zbirke: Evidenca subjektov (E-SUB) Nosilec: MKGP, Direktorat za kmetijstvo, Služba za RKG Namen: Enotno vodenje subjektov. Vpogled v zgodovino sprememb. Vsebina: Ime in priimek, rojstni datum, naslov idr. Vrsta: Opisni podatki (Oracle okolje). Viri in povezane zbirke: CRP, PRS, Evidence uporabnikov na MKGP Dostop: E-sub aplikacija (ni javno dostopno) Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18) Naziv zbirke: Evidenca dejanske rabe kmetijskih in gozdnih zemljišč (Raba) Nosilec: MKGP, Direktorat za kmetijstvo, Služba za RKG Namen: Kontrola ob vpisu GERKov, za izvajanje ukrepov kmetijske politike, za spremljanje stanja zemljišč v RS ter za načrtovanje kmetijske politike. Vsebina: Grafični in opisni podatki o poligonih (strnjena površina kmetijskega ali gozdnega zemljišča z isto vrsto dejanske rabe).27 Vrsta: Grafični podatki (Oracle okolje). Viri in povezane zbirke: Ortofoto, Digitalini model reliefa, Topološke karte, RKG, ZGS Dostop: Javni grafični pregledovalnih MKGP-RKG in 25 Zavezanci za vpis v RKG (141. čl. ZKme-1) so KMG v RS, ki izpolnjujejo najmanj enega izmed pogojev: 1. so v skladu s predpisi zavezanci za vpis v zbirke podatkov z delovnega področja ministrstva; 2. uveljavljajo finančne podpore po tem zakonu ali kakršne koli druge ukrepe kmetijske politike; 3. so za opravljanje kmetijske dejavnosti vpisani v uradne evidence ali registre po drugih predpisih; 4. imajo v uporabi: najmanj 1 ha zemljišč, ki po evidenci dejanske rabe kmetijskih in gozdnih zemljišč sodijo med kmetijska zemljišča, ali najmanj 0,1 ha oljčnikov ali najmanj 0,2 ha intenzivnega sadovnjaka ali 0,1 hektarja jagodičja ali Iupinarja ali hmeljišče; 5. tržijo pridelke, ki jih pridelujejo. V RKG se lahko vpišejo tudi druga KMG, ki se jim po prejšnjem odstavku ni treba vpisati. 26 Vsebina RKG (143 čl. ZKme-1): KMG-MID; naslov ali sedež KMG in domače ime kmetije, če ga ima; nosilec in za kmetijo tudi podatki o namestniku nosilca, članih kmetije in zaposlenih na kmetiji s podatki iz 140. člena ZKme; dopolnilne dejavnosti na kmetiji iz 101. člena ZKme; kmetijska zemljišča v uporabi s podatki iz 144. člena ZKme; planine in skupni pašniki; pridelek oljk in oljčnega olja za KMG, ki imajo najmanj 0,1 hektarja oljčnikov; stalež rejnih živali; primarna proizvodnja živil rastlinskega izvora KMG; primarna proizvodnja krme rastlinskega izvora KMG; razvrstitev KMG v območja z omejenimi možnostmi za kmetijsko dejavnost; kontrolni in inšpekcijski pregledi KMG in podatki zbirne vloge iz predpisa o izvedbi ukrepov kmetijske politike; omejitve na KMG ali omejitve pri spreminjanju podatkov v RKG; članstvo KMG v organizacijah proizvajalcev in skupinah proizvajalcev; uporaba zaščitnih znakov; vključenost KMG v ekološko ali integrirano pridelavo in druge sheme kakovosti po ZKme. 27 Vsa kmetijska zemljišča, ki so večja od 1000 m2 ter tudi vsi vinogradi in oljčni nasadi, ki so večji od 500 m2 Iz njih so izključene vse površine, ki nimajo kmetijske rabe in so večje od 25 m2. Vsa gozdna zemljišča se vodijo če so večja od 2500 m2. Njiva; hmeljišče; trajne rastline na njivskih površinah; rastlinjak; vinograd; matičnjak; intenzivni sadovnjak; ekstenzivni oziroma travniški sadovnjak; oljčnik; ostali trajni nasadi; trajni travnik; barjanski travnik; kmetijsko zemljišče, poraslo z gozdnim drevjem; kmetijsko zemljišče v zaraščanju, plantaža gozdnega drevja; drevesa in grmičevje; neobdelano kmetijsko zemljišče; gozd. Druge oblike: pozidano in sorodno zemljišče, barje, trstičje, ostalo zamočvirjeno zemljišče, suho odprto zemljišče s posebnim rastlinskim pokrovom, odprto zemljišče brez ali z nepomembnim rastlinskim pokrovom, voda. možnost prenosa na portalu MKGP Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18) -Pravilnik o evidenci dejanske rabe kmetijskih in gozdnih zemljišč; (Uradni list RS, Št122/08, 4/10 in 110/10) Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Dopolnilne MKGP, Direktorat Vodenje registra dopolnilnih dejavnosti Podatki o nosilcu dopolnilne dejavnosti, Opisni podatki UE; CRP; ESUB; PRS; ZK; REN; RKG aplikacija (ni dejavnosti na za kmetijstvo, (izvajanje administrativne kontrole pri podatki o dopolnilnih dejavnostih, (Oracle okolje). RPGV; ERŽ; RŽO; CRČ; CRA. javno dostopno) kmetiji v RKG (DD) Služba za RKG obravnavi vlog za sofinanciranje naložb iz PRP) časovno obdobje opravljanja, letni dohodek iz dopolnilnih dejavnosti na kmetiji. Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18) -Uredba o dopolnilnih dejavnostih na kmetiji (Uradni list RS, št. 57/15 in 36/18) Naziv zbirke: Seznam območij OMD Nosilec: MKGP, Direktorat za kmetijstvo, Sektor za podeželje Namen: Vodenje seznama območiij OMD (ukrepi SKP). Vsebina: Seznam območij OMD (ukrepi SKP). Vrsta: Grafični sloj Viri in povezane zbirke: Priloga 11 Uredbe o ukrepih KOPOP, ekološko kmetovanje in plačila OMD iz PRP 2014— 2020 (Uradni list RS, št. 13/15) Primarni: RPE, Raba, pedološka karta, digitalni model reliefa Dostop: Javni grafični pregledovalnik MKGP-RKG in datoteka za prenos na portalu MKGP. Pravna podlaga: -PRP 2004-2006, 2007-2013, 2014-2020 -Uredba (EU) št. 1305/2013 evropskega parlamenta in sveta z dne 17. decembra 2013 o podpori za razvoj podeželja iz Evropskega kmetijskega sklada za razvoj podeželja (EKSRP) -Uredba o ukrepih KOPOP, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 (Uradni list RS, št. 13/15, 21/15, 30/15, 54/15, 97/15, 6/16 in 16/16). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Točkovanje KMG v MKGP, Direktorat Evidenca KMG glede na težavnost Aplikacija, ki znotraj RKG avtomatsko Opisni podatki RPE, Raba, digitalna karta Ni javno dostopno oz. območjih z OMD za kmetijstvo, Sektor za podeželje kmetovanja po enotnih kriterijih za vso državo. izvede izračun ob vsaki spremembi v GERKu. Točke predstavljajo atributivni zapis števila točk na ha kmetijskega zemljišča v uporabi na posameznem KMG. (Oracle okolje). talnega števila, digitalni model reliefa, grafični sloj OMD, podatki o GERKih iz RKG za posamezen KMG dostopno v okviru MKGP-RKG javnega pregledovalnika. Pravna podlaga: -PRP 2014-2020 -Uredba o ukrepih KOPOP, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz PRP 2014—2020 (Uradni list RS, št. 13/15, 21/15, 30/15, 54/15, 97/15, 6/16 in 16/16), -Pravilnik o razvrstitvi kmetijskih gospodarstev v območja z omejenimi možnostmi za kmetijsko dejavnost (Uradni list RS, št. 12/15 in 84/16) -Uredba (EU) št. 1305/2013 evropskega parlamenta in sveta z dne 17. decembra 2013 o podpori za razvoj podeželja iz Evropskega kmetijskega sklada za razvoj podeželja (EKSRP). Naziv zbirke: Elaborat območij z OND Nosilec: MKGP, Direktorat za kmetijstvo, Sektor za podeželje Namen: Administrativno vodenje baze podatkov. Vsebina: Vsa naselja v RS in tisti naslovi, ki so bili določeni kot izjema v naselju ob vzpostavitvi ali spreminjanju. Vrsta: Opisni podatki (Oracle okolje). Viri in povezane zbirke: RPE Dostop: Ni javno dostopno Pravna podlaga: -Uredba o ukrepih KOPOP, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 (Uradni list RS, št. 13/15, 21/15, 30/15, 54/15, 97/15, 6/16 in 16/16) Naziv zbirke: Evidenca prispevnih območij vodnih teles površinskih voda in podzemne vode iz načrta upravljanja voda (NUV) Nosilec: MKGP, Direktorat za kmetijstvo, Sektor za podeželje Namen: Izvajanje upravnih pregledov ukrepa KOPOP, EK, OMD iz PRP 2014-2020 (ARSKTRP). Pregled vodnih teles, grafična predstavitev vodnih teles površinskih voda in prostorske analize. Podatke podatkovnega niza je mogoče uporabljati za potrebe digitalne kartografije. Vsebina: Vodna telesa so razdeljena glede na tip in vrsto.28 Evidenca obsega seznam vodnih teles površinskih voda po Pravilniku o določitvi in razvrstitvi vodnih teles površinskih voda. Vrsta: Grafični sloj Viri in povezane zbirke: Geoportal ARSO Dostop: Javni grafični pregledovalnih MKGP-RKG Pravna podlaga: -Zakon o vodah (Uradni list RS, št. 67/02, 2/04 — ZZdrI-A, 41/04 — ZVO-1, 57/08, 57/12. 100/13, 40/14 in 56/15); Uredba o načrtu upravljanja voda za vodni območji Donave in Jadranskega morja (Uradni list RS, št. 61/11 in 49/12); -Pravilnik o določitvi vodnih teles podzemnih voda (Uradni list RS, št. 63/05); -Pravilnik o metodologiji za določanje vodnih teles podzemnih voda (Uradni list RS, št. 65/03); -Pravilnik o določitvi in razvrstitvi vodnih teles površinskih voda (Uradni list RS, št. 63/05, 26/06 in 32/11); -Pravilnik o metodologiji za določanje vodnih teles površinskih voda (Uradni list RS, št. 65/03); -Direktiva Evropskega parlamenta in Sveta 2000/60/ES z dne 23. oktobra 2000 o določitvi okvira za ukrepe Skupnosti na področju vodne politike (UL L št. 327 z dne 22. 12. 2000, str. 1) -Okvirna direktiva o vodah; -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o ukrepih kmetijsko-okoljska-podnebna plačila, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 (Uradni list RS, št. 13/15, 21/15. 30/15 in 54/15); -Uredba o izvedbi ukrepov kmetijske politike za leto 2015 (Uradni list RS, št. 13/15. 30/15, 62/15 in 62/15 — popr.), -Izvedbena uredba Komisije (EU) št. 809/2014 z dne 17. julija 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 227 z dne 31. 7. 2014, str. 69); -Delegirana uredba Komisije (EU) št. 640/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema, pogojev za zavrnitev ali ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna plačila, podporo za razvoj podeželja in navzkrižno skladnost (UL L št. 181 z dne 20. 6. 2014, str. 48). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Evidenca najožjih MKGP, Direktorat Izvajanje upravnih pregledov ukrepa Državni nivo vodovarstvenih območij je Grafični sloj Geoportal ARSO Javni grafični vodovarstvenih za kmetijstvo, KOPOP, EK, OMD iz PRP 2014-2020 območje, kjer velja poseben režim pregledovalnih območij – državni Sektor za (ARSKTRP). varovanja za zaščito vodnih virov glede na MKGP-RKG nivo (E-VVO) podeželje Pravilnik o kriterijih za določitev vodovarstvenega območja. Pravna podlaga: -Zakon o vodah (Uradni list RS, št. 67/02, 2/04 — ZZdrI-A. 41/04 — ZVO-1, 57/08, 57/12, 100/13, 40/14 in 56/15); -Pravilnik o kriterijih za določitev vodovarstvenega območja (Uradni list RS, št. 64/04, 5/06 in 58/11); -Uredba o vodovarstvenem območju za vodno telo vodonosnikov na območju občine Jesenice (Uradni list RS, št. 62/13 in 92/14); -Uredba o vodovarstvenem območju za vodno telo vodonosnikov na območju občine Jezersko (Uradni list RS, št. 24/12); -Uredba o vodovarstvenem območju za vodno telo vodonosnikov za območja občin Šmartno ob Paki, Polzela in Braslovče (Uradni list RS. št. 98/11 in 93/13); -Uredba o vodovarstvenem območju za vodno telo vodonosnikov Rižane (Uradni list RS, št. 49/08, 72/12 in 69/13); -Uredba o vodovarstvenem območju za vodno telo vodonosnikov Ljubljanskega barja in okolice Ljubljane (Uradni list RS, št, 115/07, 9/08 — popr., 65/12 in 93/13); -Uredba o vodovarstvenem območju za vodno telo vodonosnikov Dravsko-ptujskega polja (Uradni list RS, št. 59/07, 32/11 in 24/13); -Uredba o vodovarstvenem območju za vodno telo vodonosnika Apaškega polja (Uradni list RS, št. 59/07, 32/11 in 22/13); -Uredba o vodovarstvenem območju za vodno telo vodonosnikov Ruš. Vrbanskega platoja, Limbuške dobrave in Dravskega polja (Uradni list RS, št. 24/07, 32/11 in 22/13); -Uredba o vodovarstvenem območju za vodno telo vodonosnika Selniške dobrave (Uradni list RS, št. 72/06, 32/11 in 22/13); 28 Tip vodnega telesa je definiran glede na hidroekoregije in velikost prispevne površine. Vrsta vodnega telesa je definirana glede na kategorijo površinske vode (reka, jezero, obalna voda, umetno vodno telo, močno preoblikovano vodno telo, kandidat za močno preoblikovano vodno telo). 79 -Uredba o vodovarstvenem območju za vodno telo vodonosnika Ljubljanskega polja (Uradni list RS, št. 43/15); -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o ukrepih kmetijsko-okoljska-podnebna plačila, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014-2020 (Uradni list RS, št. 13/15, 21/15, 30/15 in 54/15); -Uredba o izvedbi ukrepov kmetijske politike za leto 2015 (Uradni list RS, št. 13/15, 30/15, 62/15 in 62/15 -popr.); -Izvedbena uredba Komisije (EU) št. 809/2014 z dne 17. julija 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 227 z dne 31. 7. 2014, str. 69); -Delegirana uredba Komisije (EU) št. 640/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema, pogojev za zavrnitev ali ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna plačila, podporo za razvoj podeželja in navzkrižno skladnost (UL L št. 181 z dne 20. 6. 2014, str. 48). Naziv zbirke: Evidenca melioracijskih sistemov in naprav (KatMeSiNa) Nosilec: MKGP, Direktorat za kmetijstvo, služba za urejanje kmetijskega prostora in zemljiških operacij Namen: Vodenje področja melioracij (načrtovanje, izvedba,...), podlaga za nadzor nad upravljanjem MS in naprav, podlaga za upravljalce MS, orodje v postopku uvedbe MS, podlaga pri prostorskem planiranju, , za izvajanje drugih nalog MKGP. Vsebina: Podatki o MS in napravah v Sloveniji. Pisni29 in grafični del.30 Vrsta: Grafični in opisni podatki (KatMeSiNa aplikacija). Viri in povezane zbirke: RKG, Evidenca dejanske rabe kmetijskih in gozdnih zemljišč, zemljiški kataster, ortofoto, digitalna topografska karta (DTK-SO) Dostop: Javni grafični pregledovalnik MKGP-RKG (vpogled) in prenos podatkov iz portala MKGP. Pravna podlaga: -(Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18) -Pravilnik o evidenci melioracijskih sistemov in naprav (Uradni list RS št. 3/2009). Naziv zbirke: Evidenca mejic na Naturi 2000 (E­MEJ) Nosilec: MKGP, Direktorat za kmetijstvo, Sektor za podeželje Namen: Izvajanje upravnih pregledov in pregledov na kraju samem za ukrep KOPOP iz PRP 2014—2020. Vsebina: Vrsta: Grafični sloj. Viri in povezane zbirke: ID sistema za zemljišča-RKG; Seznam območij Natura 2000 za vzpostavitev evidence mejic (Uredba KOPOP, EK, OMD za PRP 2014-2020); ZRSVN Dostop: Javni grafični pregledovalnih MKGP-RKG. Pravna podlaga: -Zakon o ohranjanju narave (Uradni list RS, št. 96/04 — uradno prečiščeno besedilo, 61/06 — ZDru—1, 8/10 — ZSKZ—B in 46/14); -Uredba o posebnih varstvenih območjih (območjih Natura 2000) (Uradni list RS, št. 49/04, 110/04, 59/07, 43/08, 8/12, 33/13, 35/13 — popr., 39/13 — odl.US, 3/14 in 21/16); -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o ukrepih kmetijsko-okoljska-podnebna plačila, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 (Uradni list RS, št.16/16, 51/16, 84/16 in 15/17); -Uredba o izvedbi ukrepov kmetijske politike za leto 2017 (Uradni list RS, št. 8/17); -Izvedbena uredba Komisije (EU) št. 809/2014 z dne 17. julija 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 227 z dne 31. 7. 2014, str. 69), zadnjič spremenjena z Izvedbeno uredbo Komisije (EU) 2016/1394 z dne 16. avgusta 2016. o spremembi Izvedbene uredbe Komisije (EU) št. 809/2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta 'in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 225 z dne 19. 8. 2016, str. 50-51); -Delegirana uredba Komisije (EU) št. 640/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št, 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema, pogojev za zavrnitev ali ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna plačila, podporo za razvoj podeželja in navzkrižno skladnost (UL L št. 181 z dne 20. 6. 2014, str. 48), zadnjič popravljena s 29 1. ime; 2. šifra; 3. UE kje se nahaja; 4. občine; 5. leto izgradnje; 6. parcele; 7. ustanovljena melioracijska skupnost; 8. tip (hidromelioracija, agromelioracija); 9. podtip (hidromelioracija — osuševanje, hidromelioracija — namakanje); 10. vrsta (VNS, MNS, OS, agromelioracija, ki pomeni poseg v prostor, agromelioracija, ki ne pomeni posega v prostor); 11. vodni vir (vodotok, podtalnica, vodni zadrževalnik)in količina porabljene vode; 12. faza izvedbe (planirano, V izgradnji, zgrajen, razgrajen); 13. firma ali ime in priimek, sedež ali naslov s hišno številko investitorja ter KMG-MID; 14. delovanje (delujoč, nedelujoč, delno delujoč); 15. izdani upravni akti; 16. projektna in druga dokumentacija; 17. vzdrževanje; 18. vsakoletna odmera stroškov za redno delovanje 30 1. lega in obod, zapisana v veljavnem državnem koordinatnem sistemu in parcelah, vključenih v melioracijskem območju; 2. melioracijski objekti, naprave in ureditve. Popravkom Delegirane uredbe Komisije (EU) 2016/1393 z dne 4. maja 2016 o spremembi Delegirane uredbe (EU) št. 640/2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema, pogojev za zavrnitev ali ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna pačila, podporo za razvoj podeželja in navzkrižno skladnost (UL L št. 227 z dne 20. 8. 2016, str. 5); -Pravilnik o registru kmetijskih gospodarstev (Uradni list RS, št. 83/16, 23/17, 69/17, 72/18 in 35/19). Naziv zbirke: Evidence ekološko pomembnih območij za ukrep DŽ Nosilec: MKGP, Direktorat za kmetijstvo, Sektor za podeželje Namen: Izvajanje upravnih pregledov ukrepa DŽ iz PRP 2014—2020. Vsebina: Posebni traviščni habitati kjer paša ni dovoljena do 30. junija; traviščni habitati metuljev, kjer paša ni dovoljena med 15. junijem in 15. septembrom; paša je prepovedana Vrsta: Grafični sloj Viri in povezane zbirke: Priloga 4 Uredbe o ukrepu DŽ iz PRP Republike Slovenije za obdobje 2014—2020 v letu 2016; ZRSVN Dostop: Javni grafični pregledovalnih MKGP-RKG Pravna podlaga: -Zakon o ohranjanju narave (Uradni list RS, št. 96/04 -uradno prečiščeno besedilo, 61/06 — ZDru-1, 8/10 — ZSKZ-B in 46/14); -Uredba o posebnih varstvenih območjih (območjih Natura 2000) (Uradni list RS, št. 49/04, 110/04, 59/07, 43/08, 8/12, 33/13, 35/13 — popr., 39/13 — odl. US in 3/14); -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o ukrepu dobrobit živali iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 v letu 2016, (Uradni list RS, št. 15/16); -Uredba o izvedbi ukrepov kmetijske politike za leto 2016 (Uradni list RS, št. 15/16); -Izvedbena uredba Komisije (EU) št. 809/2014 z dne 17. julija 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 227 z dne 31. 7. 2014, str. 69) z vsemi spremembami; -Delegirana uredba Komisije (EU) št. 640/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema. pogojev za zavrnitev ali ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna plačila, podporo za razvoj podeželja in navzkrižno skladnost (UL L št. 181 z dne 20. 6. 2014, str. 48) z vsemi spremembami. Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Sloj območje MKGP, Direktorat Izvedba kontrole za navzkrižno skladnost Sloja sta določena na osnovi varstvenih Grafični sloj ARSO-GIS Javni grafični Natura 2000 ptice za kmetijstvo, in informiranju zavezancev ali njihove ciljev na teh območjih, ter varstvenih pregledovalnih in habitati (E-P/H) Sektor za podeželje kmetijske površine (GERK) ležijo na območju teh slojev. usmeritev za ohranitev ali doseganje ugodnega stanja prosto živečih rastlinskih in živalskih vrst, njihovih habitatov ter habitatnih tipov. MKGP-RKG Pravna podlaga: -Zakon o ohranjanju narave (Uradni list RS, št. 96/04 -uradno prečiščeno besedilo, 61/06 — ZDru-1, 8/10 — ZSKZ-B in 46/14); -Uredba o posebnih varstvenih območjih (območjih Natura 2000) (Uradni list RS, št. 49/04, 110/04, 59/07, 43/08, 8/12, 33/13, 35/13 — popr., 39/13 — odl. US, 3/14 in 21/1); -Uredba navzkrižni skladnosti (Uradni list RS, št. 97/15, 18/16 in 84/16). -Pravna podlaga za uporabo sloja ptice je PZR2 iz Priloge 1 Uredbe o navzkrižni skladnosti, za uporabo sloja habitati pa PZR 3 iz Priloge 1 Uredbe o navzkrižni skladnosti. Naziv zbirke: Sloji okoljsko občutljivega trajnega travinja (E­OOTT) Nosilec: MKGP, Direktorat za kmetijstvo, Sektor za podeželje Namen: Informiranje upravičencev do neposrednih plačil. Območje NATURA 2000, kjer se hkrati pojavljata vsaj dve vrsti oziroma habitatne tipa z oceno slabe stanja ohranjenosti in kjer je hkrati kot varstveni cilj zastavljeno povečanje površin travnikov. Vsebina: Območje OOTT (GERK katerekoli vrste rabe leži na območju OOTT, vendar še nima pripisanega statusa OOTT); Status OOTT (GERK ima dodeljen status OOTT, kar pomeni da se ga ne sme spreminjati ali preorati); Kršitve statusa OOTT (pri pregledih-upravnih ali na kraju samem). Vrsta: Grafični sloj Viri in povezane zbirke: Sloj območja OOTT je določil ZRSVN leta 2014 na podlagi 21. člena uredbe, ki ureja sheme NP. Dostop: Javni grafični pregledovalnih MKGP-RKG Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredbo o shemah neposrednih plačil (Uradni list RS, št. 2/15, 13/15, 30/15,103/15, 36/16, 84/16 in 23/17). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Evidenca grbinastih travnikov (GRB) MKGP, Direktorat za kmetijstvo, Sektor za podeželje Izvajanje upravnih pregledov ukrepa KOPOP iz PRP 2014-2020 (tudi EK, OMD). Območja grbinastih travnikov. Grafični sloj MOP-ARSO Javni grafični pregledovalnih MKGP-RKG Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o ukrepih kmetijsko-okoljska-podnebna plačila, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvaja podeželja Republike Slovenije za obdobje 2014-2020 (Uradni list RS, št. 13/15, 21/15. 30/15 in 54/15); Uredba o izvedbi ukrepov kmetijske politike za leto 2015 (Uradni list RS, št. 13/15. 30/15, 62/15 in 62/15 — popr.); -Izvedbena uredba Komisije (EU) št. 809/2014 z dne 17. julija 2014 o pravilih za uporabo Uredbe (EU) št. 130612013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 227 z dne 31. 7. 2014, str. 69); -Delegirana uredba Komisije (EU) št. 640/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema, pogojev za zavrnitev ali ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna plačila, podporo za razvoj podeželja in navzkrižno skladnost (UL L št. 181 z dne 20. 6. 2014, str. 48). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Evidenca ekol. MKGP, Direktorat Izvajanje upravnih pregledov ukrepa Grafični sloji ekološko pomembnih Grafični sloj ZRSVN Javni grafični pomembnih za kmetijstvo, KOPOP, EK, OMD iz PRP 2014-2020. območij: posebnih traviščnih habitatov, pregledovalnih območij … (E-HAB) Sektor za podeželje traviščnih habitatov, steljnikov, območij pojavljanja ptic, vlažnih ekstenzivnih travnikov. MKGP-RKG Pravna podlaga: -Zakon o ohranjanju narave (Uradni list RS, št. 96/04 -uradno prečiščeno besedilo, 61/06 — ZDru-1, 8/10 — ZSKZ-B in 46/14); -Uredba o posebnih varstvenih območjih (območjih Natura 2000) (Uradni list RS, št. 49/04, 110/04, 59/07, 43/08, 8/12, 33/13, 35/13 -popr., 39/13 — odl. US in 3/14); -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o ukrepih kmetijsko-okoljska-podnebna plačila, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 (Uradni list RS, št, 13/15, 21/15, 30/15 in 54/15); -Uredba o izvedbi ukrepov kmetijske politike za leto 2015 (Uradni list RS, št. 13/15,30/15, 62/15 in 62/15 — popr.); -Izvedbena uredba Komisije (EU) št. 809/2014 z dne 17. julija 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 227 z dne 31. 7. 2014, str. 69); Delegirana uredba Komisije (EU) št. 640/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema, pogojev za zavrnitev ali ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna plačila, podporo za razvoj podeželja in navzkrižno skladnost (UL L št. 181 z dne 20. 6. 2014. str. 48). Naziv zbirke: Evidenca območja pojavljanja medveda in volka (E-MV) Nosilec: MKGP, Direktorat za kmetijstvo, Sektor za podeželje Namen: Izvajanje upravnih pregledov ukrepa KOPOP, EK, OMD iz PRP 2014-2020. Vsebina: Varovanje črede z visokimi premičnimi varovalnimi elektromrežami; varovanje črede ob prisotnosti pastirja in varovanje črede s pastirskimi psi Vrsta: Grafični sloj Viri in povezane zbirke: ZGS Dostop: Javni grafični pregledovalnih MKGP-RKG Pravna podlaga: -Zakon o ohranjanju narave (Uradni list RS, št. 96/04 — uradno prečiščeno besedilo, 61/06 — ZDru—1, 8/10 — ZSKZ—B in 46/14); -Uredba o zavarovanih prosto živečih živalskih vrstah (Uradni list RS, št. 46/04, 109/04, 84/05, 115/07, 32/08 — odl. US, 96/08, 36/09, 102/11 in 15/14); -Strategija upravljanja z rjavim medvedom (Ursus arctos) v Sloveniji; † Strategija ohranjanja volka (Canis lupus) v Sloveniji in trajnostnega upravljanja z njim; -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o ukrepih kmetijsko-okoljska—podnebna plačila, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 (Uradni list RS, št. 13/15, 21/15, 30/15 in 54/15); -Uredba o izvedbi ukrepov kmetijske politike za leto 2015 (Uradni list RS, št. 13/15, 30/15, 62/15 in 62/15 -popr.); -lzvedbena uredba Komisije (EU) št. 809/2014 z dne 17. julija 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 227 z dne 31. 7. 2014, str. 69); -Delegirana uredba Komisije (EU) št. 640/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema, pogojev za zavrnitev aii ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna plačila, podporo za razvoj podeželja in navzkrižno skladnost (UL L št. 181 z dne 20. 6. 2014, str. 48). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Register MKGP, Direktorat Kontrola porekla vina, nadzor nad Zbirka podatkov o pridelovalcih v RS31 , Opisni podatki -pridelovalci Aplikacija za vodenje pridelovalcev za kmetijstvo, prometom z vinom ter ustreznostjo vinogradih, ki jih obdelujejo, njihovih (Oracle okolje). -RKG, RPE, ESUB RPGV (ni javno grozdja in vina Sektor za označevanja vina; Kontrola finančnih pridelkih grozdja, mošta in vina, spremnih dostopno). (RPGV) kmetijske trge podpor ter drugih ukrepov kmetijske politike; Spremljanje stanja kmetijstva ter načrtovanje kmetijske politike. dokumentih za prevoz mošta in vina in vsakoletni zalogi pridelka. Pravna podlaga: -Zakon o vinu (ZVin; Uradni list RS, št. 105/06, 72/11. 90/12-Zd2PVHWR, 111/13 in 27/17 —kme-1D), -Pravilnik o registru pridelovalcev grozdja in vina (Uradni list RS. št. 16/07, 62/09 in 4/16)) -Uredba (EU) št. 1308/2013 Evropskega parlamenta in Sveta o vzpostavitvi skupne ureditve trgov kmetijskih proizvodov (UL L št. 347 z dne 20.12.2013) -Delegirana uredba Komisije (EU) 2018/273 z dne 11. decembra 2017 o dopolnitvi Uredbe (EU) št. 1308/2013 Evropskega parlamenta in Sveta glede sistema dovoljenj za zasaditev vinske trte, registra vinogradov, spremnih dokumentov in certificiranja, registra o prejemu in izdaji, obveznega prijavljanja, uradnega obveščanja in objavljanja sporočenih informacij ter o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede ustreznih preverjanj in kazni, spremembi uredb Komisije (ES) št. 555/2008, (ES) št. 606/2009 in (ES) št. 607/2009 ter razveljavitvi Uredbe Komisije (ES) št. 436/2009 in Delegirane uredbe Komisije (EU) 2015/560 (UL L št. 58 z dne 28.2.2018) -Izvedbena uredba Komisije (EU) 2018/274 z dne 11. decembra 2017 o določitvi pravil za uporabo Uredbe (EU) št. 1308/2013 Evropskega parlamenta in Sveta glede sistema dovoljenj za zasaditev vinske trte, certificiranja, registra o prejemu in izdaji, obveznega prijavljanja in uradnega obveščanja ter Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede ustreznih preverjanj ter razveljavitvi Izvedbene uredbe Komisije (EU) 2015/561 (UL L št. 58 z dne 28.2.2018) Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Evidenca MKGP, Direktorat Spremljanje in kontrola ekološke Pridelovalec ali predelovalec, 32 pridelava Opisni podatki -Aplikacija Ekokmetije Ni javno dostopno; pridelovalcev in za kmetijstvo, pridelave ter predelave in kontrola oziroma predelava kmetijskega pridelka -RKG sumarni podatki za RS predelovalcev Sektor za ukrepov kmetijske politike. Analize ali živila, kontrole, ki jih izvajajo dostopni na spletnih ekoloških kmetijske trge spremljanja stanja in načrtovanje razvoja organizacije za kontrolo ali certificiranje, straneh MKGP. kmetijskih ekološkega kmetovanja v prihodnosti. izdani certifikati. pridelkov ali živil Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o ukrepih kmetijsko-okoljska podnebna plačila, ekološko kmetovanje in plačila območjem z naravnimi in drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014-2020 (Uradni list RS. 13/15, 21/15, 30/15 in 54/15); -Pravilnik o ekološki pridelavi in predelavi kmetijskih pridelkov oziroma živi!(Uradni list RS, 8/2014). -Uredba Sveta (ES) št. 834/2007 z dne 28. junija 2007 o ekološki pridelavi in označevanju ekoloških proizvodov in razveljavitvi Uredbe (EGS) št. 2092/91; -Uredba Komisije (ES) št. 889/2008 z dne 5. septembra 2008 odločitvi podrobnih pravil za izvajanje Uredbe Sveta (ES) št. 834/2007 ekološki pridelavi in označevanju ekoloških proizvodov glede ekološke pridelave, označevanja in nadzora; -Uredbo Komisije (ES) št. 1235/2008 z dne 8. decembra 2008 o določitvi podrobnih pravil za izvajanje Uredbe Sveta (ES) št. 834/2007 v zvezi z ureditvami za uvoz ekoloških proizvodov iz tretjih držav. Naziv zbirke: Evidenca skupin Nosilec: Namen: Načrtovanje in usklajevanje proizvodnje s Vsebina: Sheme kakovosti33 in skupine34 . Vrsta: Excelova tabela. Viri in povezane zbirke: Dostop: 31 Zavezanci za vpis so pridelovalci-nosilci KMG, ki pridelujejo grozdje, mošt, vino, in ki obdelujejo najmanj 0,05 ha vinograda ali obdelujejo manj kot 0,05 ha vinograda, če dajejo v promet grozdje. mošt, vino. Če obdelujejo najmanj 0,1 ha vinogradov ali del pridelka tržijo, morajo vsako leto prijaviti podatke o pridelku grozdja, mošta, vina in zaloge vina. 32 Pravna/fizična oseba, naslov, davčna, EMŠO/matična, pravnoorganizacijska oblika, dejavnost, ID subjekta, za pridelovalce podatki iz RKG (KMG-MID, naslov in sedež, nosilec, kmetijska zemljišča v uporabi). 33 Ekološka pridelava in predelava; zajamčena tradicionalna posebnost; zaščitena označba porekla; zaščitena geografska označba; integrirana pridelava; dobrote z naših kmetiji; višja kakovost. 34 Ime, naslov in status skupine proizvajalcev; Vrsta shem kakovosti; Kategorije proizvoda oziroma ime zaščitenega kmetijskega pridelka ali živila, katerega skupina proizvajalcev iz shem kakovosti proizvaja; Vrste proizvodnje (pridelava in/aIi predelava in/ali trženje); Število članov skupne proizvajalcev vključenih v shemo kakovosti z razmejitvijo po posameznih panogah panogah proizvodnje; Matična in davčna številka skupine; 83 proizvajalcev iz MKGP, Direktorat povpraševanjem, pospeševanje shem kakovosti za kmetijstvo, Sektor za podeželje koncentracije ponudbe-skupnega trženja proizvodov. Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Pravilnik o priznavanju skupin proizvajalcev iz shem kakovosti (Uradni list RS. št. 71/2009 1116/2010). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Evidenca kmetijskih MKGP, Direktorat Spremljanje in kontrola kmetijskih Podatki za sheme35 in zaščitni znak36 . Excelova tabela Na spletnih straneh pridelkov in živil iz za kmetijstvo, pridelkov in živil iz shem kakovosti, MKGP (brez osebnih shem kakovost ter Sektor za podeljenih zaščitnih znakov ter kontrola podatkov) priznanih naravnih podeželje ukrepov kmetijske politike. mineralnih vod Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Pravilnik o shemah kakovosti kmetijskih pridelkov in živil (Uradni list RS, št. 23/15 in 43/15) -Pravilnik o zaščitnem znaku za označevanje kmetijskih pridelkov oziroma živil (Uradni list RS, Št. 3/2011) -Pravilnik o postopku priznanja označbe »izbrana kakovosti (Uradni list RS, Št. 79/2015) Naziv zbirke: Seznam dovoljenj za gojenje konoplje in maka Nosilec: MKGP, Direktorat za kmetijstvo, Sektor za kmetijske trge Namen: Osnova za posredovanje dokazil za pridelavo konoplje (uredba ES). Vsebina: Ime in priimek nosilca kmetijskega gospodarstva, KMG-MID, naslov, številka GERK-a s površino za katero je bilo izdano dovoljenje, sorta konoplje in količina potrebnega semena za setev. Vrsta: Excelova tabela Viri in povezane zbirke: -RKG Dostop: Ni javno dostopno Pravna podlaga: Zakon o proizvodnji in prometu s prepovedanimi drogami (Uradni list RS, št. 108/99, 44/00, 2/04 — ZZdrI-A, 47/04 — ZdZPZ in 37/05 — odl. US) Zakon o kmetijstvu -kae—1 B (Uradni list, št. 45/2008, 57/2012 in 26/2014) Uredba o izvedbi ukrepov kmetijske politike za leto 2013 (Uradni list RS, št. 14/2013) Pravilnik o pogojih za pridobitev dovoljenja za gojenje konoplje in maka (Uradni list RS, št. 40/2011) -Uredba Sveta (ES) št. 73/2009 z dne 19. januarja 2009 0 skupnih pravilih za sheme neposrednih podpor za kmete v okviru skupne kmetijske politike in o uvedbi nekaterih shem podpor za kmete, spremembi uredb (ES) št. 1290/2005, (ES) št. 247/2006, (ES) št. 378/2007 in razveljavitvi Uredbe (ES) št. 1782/2003 (UL L št. 30 z dne 31. 1.2009, str. 16 -Uredba Komisije (ES) št. 1120/2009 z dne 29. oktobra 2009 o podrobnih pravilih za izvajanje sheme enotnega plačila iz naslova iii Uredbe Sveta (ES) št. 73/2009 0 skupnih pravilih za sheme neposrednih podpor za kmete v okviru skupne kmetijske politike in o uvedbi nekaterih shem podpor za kmete (UL L št. 316 z dne 2.12.2009,str. 1), -Uredba Komisije (ES) št. 1121/2009 z dne 29. oktobra 2009 o določitvi podrobnih pravil za izvajanje Uredbe Sveta (ES) št. 73/2009 v zvezi s shemami podpor za kmete iz naslovov IV in V Uredbe (UL L št. 316 z dne 2. 12. 2009, str. 27) in -Uredba Komisije (ES) št. 1122/2009 z dne 30. novembra 2009 o podrobnih pravilih za izvajanje Uredbe Sveta (ES) št. 73/2009 v zvezi z navzkrižno skladnostjo, modulacijo ter integriranim administrativnim in kontrolnim sistemom v okviru shem neposrednih podpor za kmete, določenih za navedeno uredbo, ter za izvajanje Uredbe Sveta (ES) št. 1234/2007 v zvezi z navzkrižno skladnostjo v okviru sheme podpore, določene za sektor vina (UL L št. 316 z dne 2. 12. 2009, str. 65) Naziv zbirke: Evidenca Nosilec: Namen: Vsebina: Navedbe posebnih lastnosti, postopkov Vrsta: Excelova tabela Viri in povezane zbirke: Dostop: Podatki o dejavnosti; podatki za stik; Številka in datum izdane odločbe; Letna proizvodnja (v kg ali litri) ter dohodek za preteklo leto. 35 Zajamčena tradicionalna posebnost; zaščitena označba porekla; zaščitena geografska označba; izbrana kakovost; višja kakovost; dobrote z naših kmetij. Podatki: kmetijski pridelki in živila iz shem, vrsta sheme, firma ali ime in naslov skupine proizvajalcev, ki je vložila vlogo, matična in davčna št. vlagatelja oziroma v primeru kmetijskega gospodarstva KMG-MID; certificirani pridelovalci in predelovalci kmetijskih pridelkov in živil iz shem, letna pridelava in predelava kmetijskih pridelkov in živil iz shem. 36 Ekološka pridelava in predelava, zajamčena tradicionalna posebnost, zaščitena označba porekla, zaščitena geografska označba, višja kakovost, integrirana pridelava, naravna mineralna voda. Podatki: firma ali ime in naslov, davčna številka, matična številka oziroma v primeru kmetijskega gospodarstva KMG-MID. prostovoljnih MKGP, Direktorat pridelave in predelave ter drugih lastnosti označb kmetijskih za kmetijstvo, kmetijskih pridelkov in živil, ki pridelkov in živil Sektor za podeželje dopolnjujejo obvezno označevanje.37 Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Pravilnik o pogojih in načinu prostovoljnega označevanja kmetijskih pridelkov in Zivil(Uradni list RS. št. 43 Jim?) Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Evidenca MKGP, Direktorat Enotno vodenje podatkov o opravljenem Ukrep M01 usposabljanje38 in Ukrep M02 Opisni podatki EVIZO spletna izobraževanja za kmetijstvo, usposabljanju in svetovanju za KMG ter svetovanje39 . aplikacija (ni javno kmetijskih Sektor za podjetja, ki so vključena v ukrepe PRP dostopno) gospodarstev in podeželje 2014-2020: KOPOP; EK; DŽ in podatki o podjetij (EVIZO) opravljenem usposabljanju za izbirne vsebine za potrebe izvajanja PRP 2014­2020. Pravna podlaga: -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o ukrepu dobrobit živali iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 (Uradni list RS, št. 15/14 z vsemi spremembami); -Uredba o ukrepih kmetijsko—okoljska-podnebna plačila. ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 (Uradni list RS, št. 16/16 u vsemi spremembami); -Uredba o ukrepih prenosa znanja in svetovanja iz Programa razvoja podeželja Republike Slovenije za obdobje 2014—2020 (Uradni list RS, št. 9/15 z vsemi spremembami); -Uredba o izvedbi ukrepov kmetijske politike (Uradni list RS, št. 113/13 z vsemi spremembami). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Zbirka podatkov Medsebojna komunikacija med Ime in priimek, naslov, naslov elektronske Opisni podatki Spletna aplikacija za vodenje Ni javno dostopno mreža za podeželje ministrstvom in osebami, ki se vpišejo v zbirko. pošte, telefonska številka, številka faksa, naslov spletne strani, tip organizacije, področje zanimanja. zbirke. Pravna podlaga: Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); ter pisna privolitev posameznika. Naziv zbirke: Evidenca imetnikov rejnih živali (EIRŽ) Nosilec: UVHVVR, Sektor za identifikacijo in Namen: Varovanje zdravja ljudi in živali ter izvajanje ukrepov zootehnike in kmetijske Vsebina: Podatki o imetnikih40 , o KMG oz. 41 gospodarstvu. Vrsta: Opisni podatki (Oracle okolje). Viri in povezane zbirke: Spletni portal VOLOS, spletni obrazec za vnos Za poročanje Dostop: 37 Podatki: ime, naslov, vrsta izdelka, prostovoljna označba, matična in davčna številka proizvajalca, pravnoorganizacijska oblika, podatki za klic, št. in datum odločbe, letna proizvodnja in dohodek za preteklo leto. 38 Vrsta usposabljanj (predavanje/prikaz), teme/vsebina, izvajalca, vrsta ukrepa, poudkrepa, javno naročilo, obdobje, predavatelji, nazivi institucij, lokacije usposabljanj, opravljena usposabljanja, udeleženci (ime in priimek, KMG-MID ali davčna podjetja, datum), izdaja potrdil. 39 Tema, vsebina, obseg, izvajalec (iz šifranta), vrsta ukrepa in podukrepa, javno naročilo, obdobje, svetovalci in nazivi institucij od koder prihajajo, opravljena svetovanja, izdelek svetovanja (skeniran izdelek). 40 Imetniki, ki redijo: govedo, kopitarje, drobnico, prasice, divjad iz obore za rejo, alpake, lame, polže, perutnino, kunce, akvakulturo, čebele. Izjema so tisti imetniki, ki na svojem gospodarstvu redijo izključno perutnino , kunce oziroma enega prašiča in so izpolnjeni naslednji pogoji: živali se redijo izključno za lastno domačo porabo; hkrati se ne redi več kot 50 kljunov perutnine , pet nojev, 50 kuncev oziroma en prašič; živali senepremika zgospodarstva,razen neposredno vklavnico/ v služnostno klanje za lastno domačo porabo. Vodijo se naslednji osebni podatki: ime, priimek oziroma firma ter naslov oziroma sedež imetnika, enotna matična številka občana oziroma matična števil ka poslovnega subjekta, davčna številka. 41 Kmetijsko ali drugo gospodarstvo oziroma objekt, razen prevoznega sredstva, kjer se, četudi samo začasno , redijo oziroma zadržujejo rejne živali zaradi reje, proizvodnje,nakupa,prodaje, razstave, pase ali drugih namenov, vključno s planinskimi in skupnimi pašniki, razstavami ter zbirnimi centri za živali. Podatki o gospodarstvu:identifikacijska številka gospodarstva, lokacija gospodarstva, kjer se in Evidenca rejnih registracijo in politike (vnos podatkov) so odgovorni Spletni portal VOLOS živali (ERŽ) informacijske sisteme imetniki živali. Podatke lahko vnašajo sami prek spletnih aplikacij ali pa prek vzpostavljene mreže veterinarskih organizacij in kmetijsko gozdarskih zavodov. – EIRŽ (dostop z geslom) Pravna podlaga: https://www.gov.si/drzavni-organi/organi-v-sestavi/uprava-za-varno-hrano-veterinarstvo-in-varstvo-rastlin/zakonodaja-uprave-za-varno-hrano-veterinarstvo-in-varstvo-rastlin/ (identifikacija in registracija živali) Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Centralni register UVHVVR, Sektor Sledljivost ovc in koz za opravljanja Podatki: lokacija, premiki živali, stalež po Opisni podatki Spletni portal VOLOS, spletni Spletni portal VOLOS drobnice (CRD) za identifikacijo in registracijo in informacijske sisteme veterinarskih kontrol pristojnega organa za veterinarstvo, opravljanja kontrol izvajanja ukrepov kmetijske politike pristojnega organa za kmetijstvo. Namen: varovanja zdravja ljudi in živali, izvajanje administrativne kontrole pri dodeljevanju sredstev za ukrepe kmetijske politike, selekcija in ukrepi v zootehniki, statistika ... vrstah ovce/koze, , o izdanih dokumentih in ušesnih znamkah in o nadzoru. (Oracle okolje). obrazci za vnos. Za poročanje (vnos podatkov) so odgovorni imetniki živali. Podatke lahko vnašajo sami prek spletnih aplikacij ali pa prek vzpostavljene mreže veterinarskih organizacij in kmetijsko gozdarskih zavodov. – CRD (dostop z geslom) Pravna podlaga: https://www.gov.si/drzavni-organi/organi-v-sestavi/uprava-za-varno-hrano-veterinarstvo-in-varstvo-rastlin/zakonodaja-uprave-za-varno-hrano-veterinarstvo-in-varstvo-rastlin/ (identifikacija in registracija živali) Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Centralni register UVHVVR, Sektor Sledljivost goveda od rojstva do vstopa v CRG vsebuje identifikacijske in druge Opisni podatki Spletni portal VOLOS, spletni Spletni portal VOLOS goveda (CRG) za identifikacijo in registracijo in informacijske sisteme prehransko verigo z namenom varovanja zdravja ljudi in živali. Izvajanje administrativne kontrole pri dodeljevanju sredstev za ukrepe kmetijske politike. Selekcija in pri drugih ukrepih v zootehniki, za statistiko ter za druge namene. podatke o rejnih živalih (identifikacijska številka živali, datum rojstva, spol, pasma, ID matere), o lokacijah, staležu, nadzoru in ukrepih (Oracle okolje). obrazci za vnos. Za poročanje (vnos podatkov) so odgovorni imetniki živali. Podatke lahko vnašajo sami prek spletnih aplikacij ali pa prek vzpostavljene mreže veterinarskih organizacij in kmetijsko gozdarskih zavodov. – CRG (dostop z geslom) Pravna podlaga: -DELEGIRANA UREDBA KOMISIJE (EU) št. 640/201 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema, pogojev za zavrnitev ali ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna plačila, podporo za razvoj podeželja in navzkrižno skladnost -[ZVEDBENA UREDBA KOMISIJE (EU) št. 809/2014 z dne 17.julija 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo Naziv zbirke: Centralni register Nosilec: Namen: Sledljivost enoprstih kopitarjev od rojstva Vsebina: CRK vsebuje podatke o identificiranih Vrsta: Viri in povezane zbirke: Spletni portal VOLOS, spletni Dostop: redijo živali (postni naslov , če ta ne obstaja, pa geografske koordinate lokacije), vrsta gospodarstva , vrsta rejnih živali. kopitarjev (CRK) UVHVVR, Sektor za identifikacijo in registracijo in informacijske sisteme do vstopa v prehransko verigo z namenom varovanja zdravja ljudi in živali. Izvajanje administrativne kontrole pri dodeljevanju sredstev za ukrepe kmetijske politike. Selekcija in pri drugih ukrepih v zootehniki, za statistiko ter za druge namene. kopitarjih, podatke o izdanih identifikacijskih dokumentih, podatke o premikih in podatke o smrti kopitarjev. Zbirajo se tudi podatki o uporabi veterinarskih zdravil in podatki o statusu kopitarja za zakol za prehrano ljudi. Opisni podatki (Oracle okolje). obrazci za vnos. Vnos podatkov in izvedbo identifikacije izvajajo organi izdaje ID (Kobilarna Lipica, Veterinarska fakulteta), pooblaščene veterinarske organizacije. Spletni portal VOLOS – CRK (dostop z geslom) Pravna podlaga: -Izvedbena uredba Komisije (EU) 2015/262 z dne 17. februarja 2015 o določitvi pravil v skladu z direktivama Sveta 90/427/EGS in 2009/156/138 v zvezi z metodami za identifikacijo enoprstih kopitarjev (uredba o potnih listih za enoprste kopitarje) (Ur. 1. št. 59 z dne 3. 3. 2015. str. 1; Uredba 262/2015/ES) (Uredba 262/2015/ES). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Centralni register UVHVVR, Sektor Sledljivost prašičev za opravljanja Podatki: lokacija, premiki živali, stalež, , , Opisni podatki Spletni portal VOLOS, spletni Spletni portal VOLOS prašičev (CRPš) za identifikacijo in registracijo in informacijske sisteme veterinarskih kontrol pristojnega organa za veterinarstvo in kontrol izvajanja ukrepov kmetijske politike pristojnega organa za kmetijstvo. Namen: varovanja zdravja ljudi in živali, izvajanje administrativne kontrole pri dodeljevanju sredstev za ukrepe kmetijske politike, selekcija in ukrepi v zootehniki, statistika o izdanih dokumentih in ušesnih znamkah in o nadzoru. (Oracle okolje). obrazci za vnos. Za poročanje (vnos podatkov) so odgovorni imetniki živali. Podatke lahko vnašajo sami prek spletnih aplikacij ali pa prek vzpostavljene mreže veterinarskih organizacij in kmetijsko gozdarskih zavodov. – CRPš (dostop z geslom) Pravna podlaga: Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Register UVHVVR, Sektor -zaščita kranjske čebele kot avtohtone Podatki o čebelnjakih: lokacija, premiki Opisni in Spletni portal VOLOS, spletni Spletni portal VOLOS čebelnjakov (RČ) za identifikacijo in registracijo in informacijske sisteme pasme čebel; -varovanje zdravja čebel; -zagotavljanja varne hrane; -zagotavljanja porekla slovenskega medu in drugih čebeljih pridelkov; -spremljanja številčnega stanja čebeljih družin, finančnih ukrepov in nadzora v prometu; -selekcije, vodenja rodovniških knjig, kontrole proizvodnje in drugih namenov. čebel, stalež čebeljih družin. grafični podatki (Oracle okolje). obrazci za vnos. Za poročanje (vnos podatkov) so odgovorni čebelarji. Podatke lahko vnašajo sami prek spletnih aplikacij ali pa jih pošiljajo na UVHVVR. – CRČ (dostop z geslom) Pravna podlaga: -Zakon o živinoreji (ZŽiV, Ur. 1. RS, št. 18/2002, 110/2002-ZUreP-1 (8/2003 popr.), 110/2002—ZGO-1, 45/2004-ZdZPKG, 90/2012—ZdZPVHVVR in 45/2015) -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Zakon o veterinarskih merilih skladnosti (ZVMS, Ur. 1. RS, št. 93/2005, 90/2012—ZdZPVHVVR, 23/2013-ZZZiV-C in 40/2014-ZIN-B ) -Pravilnik o označevanju čebelnjakov in stojišč (Ur. 1. RS, št. 117/2008, 55/2013, 92/2015) Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Register UVHVVR, Sektor Enotno vodenje podatkov o pridelovalcih Opisni podatki -Spletni obrazec Aplikacija UVH-APL dobaviteljev za zdravje rastlin semenskega materiala kmetijskih rastlin, (Oracle okolje). -RKG semenskega in rastlinski za potrebe inšpekcijskega nadzora in materiala semenski material drugih uradnih postopkov npr. uradno kmetijskih rastlin potrjevanje semena. 43 Dobavitelji42 in semena. V registru se vodijo podatki o dobaviteljih, ki se ukvarjajo s pridelavo, pripravo za trg, uvozom oziroma trženjem semenskega materiala kmetijskih ter odgovornih strokovnih osebah, ki so odgovorne za izpolnjevanje obveznosti dobaviteljev po Zakonu o semenskem materialu kmetijskih rastlin. Pravna podlaga: -Zakon o semenskem materialu kmetijskih rastlin (Uradni list RS, št. 25/05 -uradno prečiščeno besedilo, 41/09, 32/12 in 90/12 — ZdZPVHVVR); -Pravilnik o vodenju registra dobaviteljev semenskega materiala kmetijskih rastlin (Uradni list RS, št. 29/03, 71/03, 24/05 in 45/07); -Uredba o ukrepih kmetijsko-okoljska podnebna plačila, ekološko kmetovanje in plačila območjem z naravnimi in drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014-2020 (Uradni list RS, 13/15, 21/15, 30/15 in 54/15). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Register nosilcev UVHVVR, Sektor Sledljivost izvajanje učinkovitega Zbirka vsebuje podatke o imenu in Opisni podatki Na voljo je spletni vpogled v Spletna aplikacija ISI, živilske dejavnosti za živila, krmo in zdravila uradnega nadzora z namenom varovanja zdravja ljudi in živali. Izvajanje administrativne kontrole pri dodeljevanju sredstev za ukrepe kmetijske politike. naslovu obrata, osebno ime in naslov oziroma firmo in sedež nosilca živilske dejavnosti, davčno številko, EMŠO ali matično številko poslovnega subjekta, podatke o dejavnostih, ki jih izvaja obrat, ter opis živil in postopkov dejavnosti obrata, v primerih kmetijskih gospodarstev pa tudi KMG-MID (Oracle okolje). podatke (za nosilce živilske dejavnosti, ki opravljajo svojo dejavnost v odobrenih obratih) oziroma so na voljo na podlagi zahteve za dostop in ponovno uporabo (za nosilce živilske dejavnosti, ki opravljajo svojo dejavnost v registriranih obratih) spletni portal VOLOS ­RŽO Pravna podlaga: -Uredba (ES) št.] 78/2002 -Uredba Evropskega parlamenta in Sveta (ES) št. 852/2004 -Uredba (ES) št. 882/2004 Evropskega parlamenta in Sveta -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Uredba o izvajanju določenih uredb Skupnosti glede živil, higiene živil in uradnega nadzora nad živili (Uradni list RS, št.72/2010) -Pravilnik o registraciji in odobritvi obratov na področju živil (v pripravi) -Pravilnik o določitvi majhnih količin živil, njihovih pogojih za pridelavo in označitev ter o določitvi določenih odstopanj na področju obratov, ki proizvajajo živila živalskega izvora (V pripravi). Naziv zbirke: Nosilec: Namen: Vsebina: Vrsta: Viri in povezane zbirke: Dostop: Obdelava subvencij AKTRP, Sektor za neposredna Vloge se iz e-hrambe prenesejo v aplikacijo za obdelavo zbirnih vlog, kjer Podatki iz zbirnih vlog upravičencev za ukrepe kmetijske politike (NP, KOPOP, EK, Spletni portal e-kmetija: Spletna aplikacija 42 Registrska številka dobavitelja; identifikacijski podatki o dobavitelju (osebno ime in naslov stalnega ali začasnega prebivališča ali firma in sedež, dobavitelja; davčna številka ali EMŠO ali matična številka poslovnega subjekta; pravna organizacijska oblika); podatki o dejavnosti dobavitelja (pridelava, priprava za trg, uvoz oziroma trženje; po vrstah oziroma skupinah kmetijskih rastlin in po mestih pridelave, če te dejavnosti opravlja na več mestih pridelave); naziv in naslov kmetijskega gospodarstva ter njegovo neponovljivo identifikacijsko številko (KMG-MID), če je dobavitelj kmetijsko gospodarstvo; identifikacijski podatki o odgovorni strokovni osebi (osebno ime in naslov stalnega ali začasnega prebivališča, EMSO ali davčna številka); podatek o dovoljenjih za izdajo etiket in potrdil dobavitelja iz 20. člena ZSMKR. 43 Seme žit, krmnih rastlin, pese, ojnic in predivnic, zelenjadnic, semenski krompir, razmnoževalni oziroma sadiini material zeienjadnic, razen semena, razmnoževalni material oziroma sadike sadnih rastlin, material za vegetativno razmnoževanje trte, razmnoževalni material oziroma sadike hmelja, razmnoževalni material okrasnih rastlin. 44 plačila: Oddelek za neposredna plačila in Oddelek za sonaravno kmetijstvo sledi postopek obdelave z upoštevanjem oz. neupoštevanjem vseh dopolnitev in prilog. S poenotenim obravnavanjem zahtevkov in izvedbe kontrol na vseh oddelkih, ki rokujejo z vlogami za NP in za plačila za ukrepe PRP (OMD, KOPO, EK in DŽ), od prihoda vlog na AKTRP do izplačila zahtevka stranki omogoča pregledno delovanje in prispeva k manjšemu številu napak in učinkovitemu upravnemu postopku. OMD in DŽ). 45 Agencija pri izvajanju upravnih kontrol preverja podatke iz zbirnih vlog in ostalih zahtevkov s podatki iz zbirk podatkov ministrstva in drugih državnih organov -kontrola podatkov na zbirnih vlogah se izvede preko prenosa podatkov iz aplikacije Vnos subvencij v aplikacijo Obdelava subvencij. Izvaja se tudi kontrola navzkrižne skladnosti in naknadne upravne kontrole. Atributni (alfa numerični) in grafični, Okolje Oracle Zbirno vlogo46 za sredstva poda upravičenec ali pooblaščenec javne svetovalne službe. Podatki iz drugih virov v domeni MKGP, UVHVVR, zunanjih virov (npr. AJPES, FURS). DATAPROD 47 Pravna podlaga: -Uredba (EU) št. 1306/2013 (Popravek, UL L št. 327 z dne 9. 12. 2017, str. 83) Evropskega parlamenta in Sveta z dne 17. decembra 2013 o financiranju, upravljanju in spremljanju SKP; -Uredba (EU) št. 1303/2013 Evropskega parlamenta in Sveta z dne 17. decembra 2013 o skupnih določbah o ESRR, ESS, KS, EKSRP in ESPR, o splošnih določbah o ESRR, ESS, KS in ESPR; -Delegirana uredba Komisije (EU) št. 640/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta glede integriranega administrativnega in kontrolnega sistema, pogojev za zavrnitev ali ukinitev plačil in za upravne kazni, ki se uporabljajo za neposredna plačila, podporo za razvoj podeželja in navzkrižno skladnost (UL L št. 181 z dne 20. 6. 2014, str. 48); -Izvedbena uredba Komisije (EU) št. 809/2014 z dne 17. julija 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 227 z dne 31. 7. 2014, str. 69); -Delegirana uredba Komisije (EU) št. 907/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi s plačilnimi agencijami in ostalimi organi, finančnim upravljanjem, potrditvijo obračunov, varščinami in uporabo eura (UL L št. 255 z dne 28. 8. 2014, str. 18); -Izvedbena uredba Komisije (EU) št. 908/2014 z dne 6. avgusta 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi s plačilnimi agencijami in drugimi organi, finančnim upravljanjem, potrjevanjem obračunov, pravili o kontrolah, varščinami in preglednostjo (UL L št. 255 z dne 28. 8. 2014, str. 59): 44 Opis podatkovnih zbirk AKTRP se razlikuje od opisa drugih podatkovnih zbirk zaradi razlik v dostopni dokumentaciji. Osnovna baza na AKTRP, ki se uporablja za namen subvencij je DATAPROD (Oracle). Za ustrezen vpogled v podatkovni sistem AKTRP glej vsebinski del poročila, ki temelji na različnih virih. Podrobnosti zbirke Obdelava subvencij so navedene v Splošnem priročniku za obdelavo zahtevkov na SNP (E-SNP-8.2), kjer so navedene vse zahteve iz uredb, ki jih morajo stranke izpolnjevati za pridobitev plačil; postopki pa so opisani v Posebnem priročniku s postopkovniki za obdelavo zahtevkov na SNP (E-SNP-8.3). Kontrolo navzkrižne skladnosti je opisana v priročniku za navzkrižno skladnost E-SNP-8.5. 45 Upravičenci zbirno vlogo oddajo če uveljavljajo ukrepe ali so zavezanci za to. Izjema so upravičenci, ki imajo v uporabi manj kot 1ha površin in vzrejajo samo čebele. Pri posameznih ukrepih veljajo še dodatne zahteve (npr. pri EK – program aktivnosti, načrt preusmeritve). Zbirna vloga vključuje podatke o KMG in nosilcu; oddaji in prejemu živinskih gnojil; geoprostorski obrazec za glavne posevke (posejane ali posadene jeseni preteklega ali spomladi tekočega leta) podatke o upravičenih površinah in kmetijskih rastlinah, strnih žitih, zelenjadnicah, rastlinah, ki vežejo dušik za zagotavljanje površin z ekološkim pomenom, zahtevke za ukrepe KOPOP (zeleno gnojenje, ohranjanje tal), EK in OMD ter za naknadne neprezimne in prezimne posevke glede na KOPOP (ozelenitev njivskih površin, tradicionalne sorte) in ekološki pomen; zahtevke in vloge za ukrepe (mejice, plačilne pravice iz nacionalne rezerve, zelena komponenta, OMD, mladi kmetje, mlečna podpora v gorskih območjih, reja govedi, mali kmeti, KOPOP-lokalne pasme, DŽ prašiči, govedo in drobnica ter EK ekološko čebelarjenje). Prijava vseh kmetijskih površin, kmetijskih rastlin in vlog ter zahtevkov na površino se vnaša grafično prek vmesnika, ki temelji na geografskem informacijskem sistemu. Obrazec za oddajo in prejem živinskih gnojil vloži upravičenec, ki oddaja oziroma prejema živinska gnojila, prejemnik živinskih gnojil pa s podpisom računalniškega izpisa tega obrazca potrdi prejem živinskih gnojil. Istočasno z zbirno vlogo se oddajo tudi: Obrazec Stalež živali; Zahtevek za registracijo živilskega obrata; Vloga za prijavo površin posebnih kultur. 46 Za razumevanje te aplikacije je bila pregledana tudi aplikacija za Vnos subvencij, ki deluje v okviru portala e-kmetija: vnaprej pripravljen obrazec vključuje podatke iz RKG, registra naravnih vrednot, o vodovarstvenih območjih, območju NATURA 2000, okoljsko občutljivem trajnem travinju in ekološko pomembnih območjih, na katerih je omejitev ali prepoved paše za ukrep dobrobit živali. Namenjen je seznanitvi upravičencev s podatki, ki jih potrebujejo pri vnosu zbirne vloge. Grafični prikaz podatkov o kmetijskih površinah je omogočen prek grafičnega vmesnika na spletni strani agencije. Dostop do podatkov, objavljenih na spletu, je mogoč z navedbo KMG-MID. 47 Podatkovni sistem oz. sistem podatkovnih zbirk, s skupnim imenom »DATAPROD« sestavlja 6 aplikacij: KSS ( aplikacija: Vnos subvencij (KSS), tudi Zajem), SBV (Obdelava subvencij; Obravnava kontrolnih ugotovitev (PINSU), KONTROLE (aplikacija: Kontrola subvencij), Register plačilnih pravic (REGPP) in OBR (aplikacija: Obračun subvencij AKTRP). Znotraj Zajema so vključeni vsi potrebi Registri (npr. registri trajnih nasadov, živali ­VOLOS registri, itd…), Šifranti (šifrant rabe, KMRS, skupin EKSEME, vrst živali, PZR/DKOS, itd…) in Evidence (izobraževanj, plačilne pravice, evidenca združitev KMG, Itd…). DATAPROD je na AKTRP vezan na zaporedje nalog. Pomembne za delovanje sistema so različne analitične tabele ter sistem poročanja. Ločevanje zbirk po fazah je potrebno tako zaradi izpolnjevanja zahtev akreditacijskih kriterijev kot zaradi upravnih razlogov (revizijska sled, pritožbe ipd.). -Uredba (ES) št. 1760/2000 Evropskega parlamenta in Sveta z dne 17. julija 2000 o uvedbi sistema za identifikacijo in registracijo govedi ter o označevanju govejega mesa in proizvodov iz govejega mesa in razveljavitvi Uredbe Sveta (ES) 820/97 (UL L št. 204 z dne 11. 8. 2000, str. 1); -Uredba Sveta (ES) št. 21/2004 z dne 17. decembra 2003 o uvedbi sistema za identifikacijo in registracijo ovc in koz ter o spremembi Uredbe (ES) št. 1782/2003 in direktiv 92/102/EGS in 64/432/EGS (UL L št. 5 z dne 9. 1. 2004, str. 8); -Uredba (EU) št. 1307/2013 Evropskega parlamenta in Sveta z dne 17. december 2013 o pravilih za neposredna plačila kmetom na podlagi shem podpore v okviru skupne kmetijske politike; -Delegirana uredba Komisije (EU) št. 639/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1307/2013 Evropskega parlamenta in Sveta o vzpostavitvi pravil za neposredna plačila kmetom v podpornih shemah v okviru skupne kmetijske politike ter o spremembi Priloge X k navedeni uredbi (UL L št. 181 z dne 20. 6. 2014, str. 1); -Izvedbena uredba Komisije (EU) št. 641/2014 z dne 16. junija 2014 o določitvi pravil za uporabo Uredbe (EU) št. 1307/2013 Evropskega parlamenta in Sveta o pravilih za neposredna plačila kmetom na podlagi shem podpore v okviru skupne kmetijske politike (UL L št. 181 z dne 20. 6. 2014, str. 74); -Izvedbena uredba Komisije (EU) 2016/1616 z dne 8. septembra 2016 o odstopanju od Uredbe (EU) št. 1307/2013 Evropskega parlamenta in Sveta glede morebitne revizije ukrepov prostovoljne vezane podpore v sektorju mleka in mlečnih izdelkov za leto zahtevka 2017 (UL L št. 242 z dne 9. 9. 2016, str. 19); -Uredba (EU) št. 1305/2013 Evropskega parlamenta in Sveta z dne 17. decembra 2013 o podpori za razvoj podeželja iz Evropskega kmetijskega sklada za razvoj podeželja (EKSRP); -Delegirana uredba Komisije (EU) št. 807/2014 z dne 11. marca 2014 o dopolnitvi Uredbe (EU) št. 1305/2013 Evropskega parlamenta in Sveta o podpori za razvoj podeželja iz Evropskega kmetijskega sklada za razvoj podeželja (EKSRP) in o uvedbi prehodnih določb (UL L št. 227 z dne 31. 7. 2014, str. 1); -Izvedbena uredba Komisije (EU) št. 808/2014 z dne 17. julija 2014 o določitvi pravil za uporabo Uredbe (EU) št. 1305/2013 Evropskega parlamenta in Sveta o podpori za razvoj podeželja iz Evropskega kmetijskega sklada za razvoj podeželja (EKSRP) (UL L št. 227 z dne 31. 7. 2014, str. 18); -Izvedbena uredba Komisije (EU) št. 809/2014 z dne 17. julija 2014 o pravilih za uporabo Uredbe (EU) št. 1306/2013 Evropskega parlamenta in Sveta v zvezi z integriranim administrativnim in kontrolnim sistemom, ukrepi za razvoj podeželja in navzkrižno skladnostjo (UL L št. 227 z dne 31. 7. 2014, str. 69); -Zakon o kmetijstvu (Uradni list RS, št. 45/08, 57/12, 90/12 – ZdZPVHVVR, 26/14, 32/15, 27/17 in 22/18); -Zakon o splošnem upravnem postopku (ZUP, Ur. l. RS, št. 24/2006 – uradno prečiščeno besedilo, 105/2006 – ZUS-1, 126/2007, 65/2008, 8/2010 in 82/2013); -Zakon o varstvu osebnih podatkov (ZVOP-1) (Ur. l. RS, št. 94/2007 – uradno prečiščeno besedilo); -Zakon o kmetijskih zemljiščih (ZKZ) (Ur. l. RS, št. 71/2011 – uradno prečiščeno besedilo, 58/2012, 27/2016 in 27/17 – ZKme-1D); -Zakon o inšpekcijskem nadzoru (Ur. l. RS, št. 43/2007 – uradno prečiščeno besedilo in 40/2014); -Uredba o izvedbi ukrepov kmetijske politike za leto 2017 (Ur. l. RS, št. 8/2017); -Uredba o upravnem poslovanju (Ur. l. RS, št. 20/2005, 106/2005, 30/2006, 86/2006, 32/2007, 63/2007, 115/2007, 31/2008, 35/2009, 58/2010, 101/2010 in 81/2013); -Pravilnik o izvrševanju uredbe o upravnem poslovanju (Ur. l. RS, št. 75/2005, 86/2006, 47/2008 in 58/2010); -Pravilnik o določanju rokov hranjenja dokumentarnega gradiva v javni upravi (Ur. l. RS, št. 52/2009); -Zakon o varstvu dokumentarnega in arhivskega gradiva ter arhivih (ZVDAGA) (Ur. l. RS, št. 30/2006 in 51/2014); -Zakon o poštnih storitvah (Ur. l. RS, št. 51/2009, 77/2010, 40/2014 – ZIN-B in 81/2015); -Uredba o navzkrižni skladnosti (Ur. l. RS, št. 97/2015, 18/2016 in 84/2016); -Zakon o elektronskem poslovanju in elektronskem podpisu (ZEPEP) (Ur. l. RS, št. 98/2004 – uradno prečiščeno besedilo, 61/2006 – ZEPT in 46/2014); -Uredba o varstvu dokumentarnega in arhivskega gradiva (Ur. l. RS, št. 42/2017); -Pravilnik o registru kmetijskih gospodarstev (Ur. l. RS, št. 83/2016, 23/2017 in 69/2017); -Pravilnik o Evidenci imetnikov rejnih živali in Evidenci rejnih živali (Ur. l. RS, št. 87/2014 in 15/2016); -Pravilnik o registraciji in odobritvi obratov na področju živil (Ur. l. RS, št. 96/2014). -Uredba o shemah neposrednih plačil (Ur. l. RS, št. 2/2015, 13/2015, 30/2015, 103/2015, 36/2016, 84/2016 in 23/2017). -Uredba o ukrepih kmetijsko-okoljska-podnebna plačila, ekološko kmetovanje in plačila območjem z naravnimi ali drugimi posebnimi omejitvami iz Programa razvoja podeželja Republike Slovenije za obdobje 2014­2020 (Ur. l. RS, št. 16/2016, 51/2016, 84/2016, 15/2017, 63/2017 in 68/2017); -Uredba o ukrepu Dobrobit živali iz Programa razvoja podeželja Republike Slovenije za obdobje 2014-2020 v letu 2017 (Ur. l. RS št. 84/2016 in 86/2016-popr.); -Pravilnik o razvrstitvi kmetijskih gospodarstev v območja z omejenimi možnostmi za kmetijsko dejavnost (Ur. l. RS, št. 12/2015 in 84/2016); -Program razvoja podeželja Republike Slovenije za obdobje 2014-2020 II. Povpraševanje po podatkih: Analiza podatkovnih potreb za izvajanje prihodnje SKP (R3.1), povzetek posvetovanja (R3.2), zakonske zahteve in dobre prakse (R3.3), predlog strategije in načrt (R3.4 in R3.5) (Marko Lovec, Janez Štebe, Brigita Bočkaj, Maša Kerstein, Andrej Jamšek, Gregor Kramberger) 1. Uvod Pričujoče poročilo je namenjeno pregledu rezultatov v okviru 3. delovnega sklopa projekta Zasnova informacijskih rešitev v podporo izvajanju Skupne kmetijske politike (SKP) Evropske unije (EU) na osnovi dejstev. Izhodišče projekta so spremembe v SKP, ki prinašajo večji poudarek na okoljskih in družbenih ciljih, s tem pa tudi potrebo po novih podatkovnih osnovah za odločanje. Poleg tega se SKP vse bolj približuje politiki, ki temelji na dejstvih, t.j. na ustreznih analizah o vlogi javnih intervencij na podlagi relevantnih in zanesljivih podatkih o učinku, rezultatih intervencij in vplivu (glede na dan kontekst oz. druge relevantne dejavnike). Slednje pa zahteva ustrezne podatke kot osnovo za odločanje, pa tudi oblikovanje 'skupnosti uporabnikov' podatkov, vključno z ustreznimi informacijskimi podpornimi sistemi. SKP bo v novem ciklu po letu 2021 temeljila na spremenjenem izvedbenem modelu (new delivery model), ki bo državam članicam omogočal večjo prilagodljivost, hkrati s tem pa bo od njih zahteval ustrezne utemeljitve za zagotavljanje ustrezne ambicioznosti in odgovorne porabe denarja, pa tudi spoštovanje načel enotnega trga. Skladno z novim modelom bodo na ravni EU določeni specifični cilji, okvirni ukrepi in kazalci, države članice pa bodo odgovorne za oblikovanje prioritet (na podlagi ustreznih analiz), vključno s kvantifikacijo ciljev, ter prilagoditve ukrepov (tudi definicije, pogoji) – slednje bodo zapisale v t.i. nacionalne Strateške načrte – in spremljanje ter poročanje v zvezi z doseženimi rezultati in izvajanjem. Spremembe v SKP in nov model izvajanja prinašajo številne izzive v procesu oblikovanja in izvajanja politike. Z vidika podatkov gre predvsem za povezovanje in dopolnjevanje obstoječih virov in uporabnikov v enotni podatkovni sistem za informirano odločanje, tako v družbenem kot tehničnem smislu. Tak podatkovni sistem bo zagotavljal nujno podporo v procesu spremljanja, ključno vlogo pa bo igral pri strateškem načrtovanju in vrednotenju (v okviru prihajajočih ciklov). CRP ITzaSKP omenjen izziv naslavlja skozi različne vidike oz. delovne sklope (DS): DS1 pregled javnih administrativnih registrov, evidenc in zbirk, DS2 opredelitev metodologije za izgradnjo zbirk za analitične namene, DS3 strategijo razvoja podatkov v odnosu do uporabnikov ter DS4 izvedbo testnih analitičnih nalog. DS3 se kot pove že naslov ukvarja s strateškimi vprašanji – analizo podatkovnih potreb za izvajanje prihodnje SKP, tako tistih, ki izhajajo iz širšega konteksta razvoja SKP in kmetijskih politik v povezavi s podatkovnimi sistemi, kot specifičnih zahtev SKP 2021-2027 kot izhajajo iz predloga nove uredbe. Posebej se ukvarja tudi s slovenskim strateško-zakonodajnim okvirom in podatkovnimi potrebami, ki iz njega izhajajo. Kot drugo pregleduje dobre prakse in primere, kako so podatki in podatkovne skupnosti organizirane v najbolj razvitih državah. V tretjem delu povzema odzive in posvetovanja z deležniki v zvezi s pregledom in različnimi možnostmi. Na koncu sledi predlog podatkovne strategije z izvedbenimi koraki. 2. Literatura: projekt FLINT 2.1. O projektu Vprašanje podatkovnih potreb v okviru sprememb v SKP je naslavljal mednarodni raziskovalni projekt »Kazalci na ravni kmetije za nove teme v vrednotenju kmetijstva« (Farm Level Indicators for New Topic in policy evaluation – FLINT), ki ga je Evropska komisija finančno podprla v okviru 7. Okvirnega programa. 92 Projekt je izhajal iz zaznanih potreb nacionalnih in mednarodnega sektorja kmetijstva, živilstva in maloprodaje na področju ažurnih informacij v zvezi s kazalci trajnosti. Vključene so bile potrebe industrije, raziskovalcev in odločevalcev, še posebej z vidika spremljanja in ocenjevanja SKP in ukrepov kot so navzkrižna skladnost, zelena komponenta in PRP v obdobju 2014-2020. SKP se je razvila od politike osredotočene na dohodkovni položaj kmetijskega gospodarstva in proizvodnjo v t.i. multifunkcionalno politiko. V tem okviru je prišlo do vključevanja okoljskih in naravovarstvenih ukrepov ter definiranja minimalnih zahtev in standardov. Iz slednjega pa je izhajala tudi potreba po integrirani oceni učinkov. SKP je bila vključena v horizontalne zaveze v zvezi s cilji trajnostnega razvoja (Sustainable development goals – SDGs) in pariškega klimatskega sporazuma (COP21), podvržena direktivi o nitratih in vodi ter drugim. Vrednotenja so zahtevala ustrezne podatke. Uradne državne statistike so se le počasi prilagajale novih potrebam. Na drugi strani je iz zahteve robustnega vrednotenja izhajala potreba po integriranem naboru podatkov in merjenju različnih kazalcev trajnosti na istem naboru (vzorcu) kmetij. Samo tovrstni podatki bi namreč omogočili analize v smislu doseganja ciljev s posameznimi ukrepi, dejanskega vpliva na odločitve kmetij ter ocene vzdržnega kmetovanja, vključno s kompromisi med različnimi učinki, kot podlage za ustrezne odločitve v zvezi z javno intervencijo. Namen projekta FLINT je bil razviti podatkovno infrastrukturo za ažurne informacije na ravni kmetije v zvezi s trajnostjo in drugimi relevantnimi temami. Sam pristop so podprle tudi organizacije deležnikov iz področja agroživilske industrije in kmetijstva (Platforma za trajnostno kmetijstvo, Konzorcij za trajnost). Projekt je temeljil na znanjih s področij razvoja politik, analize učinkov, mikro-ekonomskih podatkovnih zbirk, okoljskih kazalcev, merjenja trajnosti, spremljanja inovacij ter IKT infrastrukture v posameznih državah članicah. Številni vključeni partnerji so imeli izkušnje z zbiranjem in analizo podatkov FADN v svojih državah ter z implementacijo podatkovnih nalog v smislu definiranja in zbiranja podatkov, agrarno ekonomskega modeliranja in analiz. V okviru projekta so bile zastavljene štiri skupine vprašanj (Kaj želimo oz. potrebujemo; Kaj je izvedljivo; Kaj je uporabno; Kaj je sprejemljivo) na katere so se navezovali posamezni delovni sklopi in naloge. Strukturo projekta predstavljamo v Tabeli 2.1.1. Tabela 2.1.1: Struktura projekta FLINT Kaj želimo? Kakšne podatke na ravni kmetij potrebujemo? DS1: Kaj želimo/potrebujemo? -Pregled literature: o Ekonomski kazalci (dohodek, produktivnosti, input in output, pogoji trgovanja, inovacije) o Okoljski kazalci (biološka raznovrstnost, zemlja, emisije, voda) o Družbeni kazalci (delovna mesta) -Obstoječe dobre prakse zbiranja: statistika, administrativne, upravljanje kmetij, zasebni sektor. -Oblikovanje idealnega nabora kazalcev. Kaj je izvedljivo v verigi vrednosti (stroški, sodelovanje, obstoječa infrastruktura)? DS2: Kaj je izvedljivo? -Vključevanje deležnikov v testiranje po celotni verigi -Posvetovanje po skupni metodologiji -Oblikovanje končnega nabora kazalcev DS3: Pilotna mreža zbiranja podatkov -Decentralizirano zbiranje podatkov – software, standard za združevanje, upravljanje podatkov, kontrola kvalitete, analiza in statistike DS4: Kaj je uporabno? 93 Kaj je uporabno (testirane zanesljivosti, uporabnosti, -Infrastruktura za zbiranje podatkov: izobraževanje zbiralcev, navodila, zbiranje na vzorcu 1000 kmetij, selekcija, izkušnje primerljivosti)? DS5: Kaj je zanesljivo? -Ovrednotenje podatkov, ocena kakovosti na ravni kmetije in vzorca, policy analize, integrirane ocene z različnimi cilji, metodološki pregled Kaj je sprejemljivo (scenariji glede na razpoložljiva sredstva, razvoj infrastrukture)? DS6: Kaj je sprejemljivo? -Skupnost praks, informiranje, razširjanje -Potencialna razširitev vzorca, scenariji -Integrirane ocene za prihodnjo SKP: bolj ciljni ukrepi, razvoj kazalcev, standardov, administrativna bremena ipd. Vir: prirejeno po Poppe 2016 Raziskovalci so v okviru projekta FLINT na podlagi pregleda literature, potreb odločevalcev in nacionalnih pobud za merjenje trajnosti razvili t.i. nabor tematik. Pri tem so upoštevali različne okvirje kazalcev kot so Milenijski cilji/Cilji trajnostnega razvoja (Sustainable development goals – SDGs), Kazalci trajnostnega razvoja Organizacije za kmetijstvo in prehrano (Food and agriculture organisation – FAO), kmetijsko­okoljske kazalce Organizacije za ekonomsko sodelovanje in razvoj (Organisation for economic cooperation and development – OECD), okoljske kazalce Evropske statistične agencije Eurostat, kazalce Evropske okoljske agencije, projekta IRENA v zvezi z interakcijami med kmetijstvom in okoljem, ter druge podatke (npr. o kmetijsko-okoljskem odtisu ter o učinkovitosti okoljskih shem). Ugotovili so, da so na izvedbeni ravni v smislu evropsko primerljivih podatkov kazalci še v povojih. Izpostavili so nekaj projektov kot je vključevanje kazalcev trajnosti v FADN na Nizozemskem, podatke s katerimi razpolaga Irska, kmetijske podatke v Flandriji ipd. Izpostavili so, da na ravni EU ni dogovora o bodoči podatkovni infrastrukturi – bodisi razširitvi FADN na nove teme, povezavi med FADN in administrativnimi podatki ali ločenih okoljskih podatkih. Kot smiselne so ocenili ideje o povezovanju statističnih in administrativnih podatkov. Kmetje so namreč pogosto že primorani zbirati in zagotavljati različne podatke povezane s trajnostjo, varnostjo hrane in podobnim, ki bi jih bilo mogoče uporabiti še za druge namene. Raziskovalci so tudi ocenili, da na področju izmenjave podatkov med državami prihaja do določenega napredka z vidika razširjanja skupnih standardov (EDI standardi, SDMX, standardno poslovno poročanje XBRL). Projekt FLINT je na tej podlagi skušal (1) pokazati izvedljivost zbiranja relevantnih podatkov v različnih administrativnih okoljih z na novo razvitimi tematikami/kazalci ekonomske, okoljske in družbene trajnosti ter (2) pokazati kako je slednje mogoče uporabiti pri razreševanju relevantnih vprašanj. 2.2. Izbrani rezultati projekta Posamezne teme oz. kazalce, ki so izhajali iz pregleda literature in praks, so preverili z deležniki z namenom ugotavljanja izvedljivosti. Na podlagi tega so identificirali končni seznam 31 tem, ki so jih prevedli v nabor podatkovnih domen, ki naj bi se zbirale na ravni kmetij. Vključena so bila nekatera področja kot so stabilizacija trgov, dohodkovne podpore, okoljska trajnost, prilagajanje in uravnavanje klimatskih sprememb, inovacije ter učinkovita uporaba virov. Končni seznam tem je predstavljen v Tabeli 2.2.1. Tabela 2.2.1: Identificirane teme/podatkovne domene v okviru projekta FLINT Ekonomija in EI1: Inovacije (CIS) EI2: Proizvodnja-sheme EI3: Tržne poti inovacije EI4: Trajanje kmetije EI5: Učinkovita raba poljine (LPIS) EI7: Zavarovanje 94 (Economy and Innovation) EI8: Delež proizvodnje po pogodbi o dobavi s fiksno ceno EI9: Izpostavljenost tveganjem (ne-kmetijske dejavnosti) EI6: Modernizacija: naložbe, posodobitev Okolje (Environment) E1, E2, E18 Zelenitev (trajno travinje, EFA, diverzifikacija ali Simpsonov indeks) E3: Pol-naravna kmetijska zemljišča E4: Uporaba pesticidov (ocena tveganja rabe pesticidov) E5: Bilanca hranil (N, P) (stanje na kmetiji) E7: Posredna raba energije E8: Neposredna raba energije E9: Proizvodnja elektrike na kmetiji E6: Organska snov v tleh E10: Izpiranje nitratov E11: Erozija tal E12: Stročnice E13, 14, 15: TGP izračun (na izdelek, ha) E16: Poraba vode in skladiščenje E17: Namakalne prakse Družba (Society) S1: Svetovalne storitve S2: Izobraževanje in usposabljanje S3: Lastništvo / upravljanje S4: Socialna vključenost / sodelovanje S5: Zaposlovanje in delovni pogoji S6: Kakovost življenja / Odločanje S7: Socialna diverzifikacija: podoba in položaj kmetov v lokalni skupnosti Vir: lastni prikaz na podlagi rezultatov projekta FLINT Pri iskanju pilotne mreže za zbiranje podatkov so se raziskovalci odločili za FADN. Razlogi za to so bili ustrezna motivacija na ravni kmetij, več-dimenzionalnost vira, harmonizirani podatki za EU, letni podatki in zanesljivi podatki (objektivni, primerljivi, empirični). Ob tem so se zavzeli za povezavo z obstoječimi podatkovnimi viri – administrativnimi in drugimi, kjer je to mogoče (Poppe 2016). Znotraj FADN so nato oblikovali vzorec 1.100 kmetij, ki naj bi odražal raznolikost kmetijstva na ravni EU, vključno z različnimi administrativnimi okolji in sistemi zbiranja podatkov. Slednje so dosegli z vključitvijo devetih držav članic (Nizozemska, Španija, Grčija, Nemčija, Francija, Poljska, Madžarska, Finska, Irska) v vzorec. Tovrstni vzorec naj bi zagotavljal posplošljivost rezultatov na celotno EU. Skupaj z deležniki so nato preverili izvedljivost kazalcev, pripravili in izvedli zbiranje ter s pomočjo anket zbrali izkušnje kmetov in zbiralcev. Analiza je pokazala, da je možnost uporabe obstoječih podatkov (napram intervjujem oz. zbiranju na ravni kmetij) naslednja: delež obstoječih podatkov je najvišji (okoli 70%) pri opremi in infrastrukturi, živini (GVŽ), poljščinah (količina proizvodnje); sledijo področje energije, gnojevka, kupljena krma in semena (40-60% razpoložljivih podatkov); nato področje zelenitve, vode, pesticidov, uravnavanja tveganj, prodajnih poti, znamčenja, informacij in znanja. Najmanj podatkov je bilo razpoložljivih na področju kvalitete življenja, inovacij, nitrifikacije, erozije tal, upravljanja zemljišč, organske snovi, zavarovanja in trženja. Anketa med uporabniki v zvezi z razpoložljivostjo podatkov na podlagi že definiranih domen je pokazala na pomanjkanje predvsem na področjih upravljanja zemljišč (v poprečju 60% slabih podatkov), vode (60% slabih in zadostnih podatkov), pesticidov in energije (30% slabih podatkov), ravnotežja hranil, inovacij in ekonomskih kazalcev (14% slabih podatkov). Rezultati ankete so predstavljeni v Shemi 2.2.1. 95 Vir: Rezultati projekta FLINT Na podlagi rezultatov uporabniške ankete so definirali naslednje podatkovne domene, kjer je potrebno dodatno zbiranje podatkov: nasledstvo kmetij, uporaba vode, GVŽ za izračun uporabe gnojil, uporaba pesticidov in ravnotežje hranil v zmelji, uporaba gnojil, izobraževanje in usposabljanje, svetovalne storitve, upravljanje lastništva, trženje, zelenitev, zavarovanje, količina krme za živali, energija (tipi, količina), gospodinjska ekonomika na KMG, zasebna poraba, plačani davki, tip zemlje, uporaba energije, izračun GHG. Poleg tega so znotraj FADN opredelili potrebo po bolj podrobnih kategorijah rastlin in živali. Sledila je anketna ocena izvedljivosti zbiranja teh podatkov, ki je predstavljena v Shemi 2.2.2. Pokazala je na (pričakovane) težave in ovire predvsem na področju upravljanja z zemljišči (60% slabih in komaj zadostnih podatkov), na področju vode, ravnotežja hranil (20% slabih in komaj zadostnih podatkov), inovacij (20% komaj zadostnih podatkov), energije, uporabe pesticidov in ekonomskih kazalcev. Na teh področjih bi bilo mogoče kakovostne mikro podatke pridobiti zgolj z izdatnimi viri. Primerjava med anketno dostopnostjo in izvedljivostjo, ki je lahko v primeru odstopanj med vrednostjo obeh anketnih kazalcev znak neizkoriščenega potenciala, v povprečju kaže na precejšnjo povezavo in s tem ustrezno izkoriščenost. Izvedljivost je sicer v večini primerov ocenjena bolje od dostopnosti a na račun ocene komaj zadostno, kar pomeni, da bi bila uporabnost podatkov, ki jih je mogoče pridobiti brez obsežnih dodatnih virov, omejena (čeprav še vedno zadostna – ob tem opozarjamo, da gre za mikro podatke, ki so uporabni na ravni kmetije). Bistvene izboljšave podatkov so glede na razmerje med ocenama (sprememba v deležu ocen slabo in komaj zadostno) možne predvsem na področjih vode, energije in pesticidov, kjer bodisi obstoječi sistemi spremljanja ali stroški izgradnje/nadgradnje omogočajo pridobivanje novih podatkov. 96 Vir: Rezultati projekta FLINT Nadalje so v okviru projekta identificirali dva različna tipa zbiranja podatkov v posameznih državah okviru FADN glede na izvajalca: (1) s pomočjo lastnih zaposlenih na pristojnih ministrstvih ter (2) s pomočjo zunanjega izvajalca, pri slednje pa še dva podtipa glede na izvajanje nadzora – (a) nadzor ministrstva nad zunanjim izvajalcem in (b) nadzor s strani raziskovalnega inštituta (Tabela 2.2.2). Tabela 2.2.2: Sistemi zbiranja podatkov v okviru mreže FADN Tip (izvedba) 1: Lastno osebje 2: Zunanji izvajalec Pod-tip (nadzor) 2.a Ministrstvo 2.b Raziskovalni institut Države v vzorcu Nizozemska, Irska, Poljska, Grčija, Španija Nemčija, Francija Madžarska, Finska Vir: Prirejeno po projektu FLINT Izvedljivost pa tudi kompleksnost, razpoložljivost in kakovost podatkov so raziskovalci nato primerjali glede na tip in podtip zbiranja podatkov (Shema 2.2.3). Pokazalo se je, da so rezultati najboljši v primeru tipa 2.b (zunanji izvajalec, nadzor s strani raziskovalne institucije), predvsem na področju kakovosti in deloma razpoložljivosti podatkov, najslabši pa v primeru tipa 2.a (zunanji izvajalec pod nadzorom ministrstva), ki je od ostalih dveh negativno odstopal predvsem na področju kakovosti, razpoložljivosti in izvedljivosti. Zunanja izvedba zbiranja, obdelave in dostopa do podatkov je bila zaradi specifičnih nalog, potreb bo specifičnih znanjih in veščinah ter povezavah z drugimi nalogami v okviru zunanjih izvajalcev-inštitutov torej ocenjena kot ustreznejša rešitev. Na drugi strani je potrebno zaradi morebitnega vpliva specifike držav in majhnega števila držav v podkategorijah 2a. in 2.b rezultate interpretirati z določeno previdnostjo. 97 Vir: Rezultati projekta FLINT V okviru preverjanja izvedljivosti so raziskovalci identificirali tudi posamezna 'ozka grla' pri zbiranju dodatnih podatkov: - Na prvem mestu so to bili stroški oz. vprašanje kdo bo plačal za dodatno delo. Stroške bi povzročile tudi spremembe v programski opremi, dodatna bremena pa bi čutili tudi kmeti. Vključitev posameznih občutljivih vprašanj bi lahko celo ogrozila FADN (upad vključenih). Kmetje so se denimo negativno odzvali na predlog poročanja o uporabi gnojil. - Na drugem mestu sta se znašla znanje in drugi viri, vključno z izobraževanjem zbiralcev podatkov, ki potrebujejo poglobljeno znanje o področju, pomanjkanje usposobljenih zbiralcev, pa tudi potreba po politični podpori tovrstnih spremembam. - Nazadnje vzorec FADN ni bil oblikovan za namene okoljskih in družbenih kazalcev in bi zahteval ponovno vzorčenje. Raziskovalci so zapisali, da je zbiranje novih podatkov vedno povezano z določenimi porodnimi težavami, vendar pa je prvo leto zbiranja podatkov v okviru projekta povzročilo manj težav kot prvo leto delovanja FADN. Uporaba FADN ima tudi druge prednosti kot so vzorec, standardi kakovosti in podobno (Vrolijk 2016). Kljub nekaterim težavam so zbiranje ocenili kot izvedljivo. 2.3. Zaključki projekta Sam pilotni eksperiment je pokazal na pomen znanja in kompetenc na strani zbiralca podatkov ter upoštevanje in poznavanje namena uporabe podatkov. Ključnega pomena za kakovost je bila tudi vključenost kmeta (odnos med kmetov ter FADN) in njegov odnos oziroma izkušnja z zbiralcem podatkov. Izgradnja zaupanja je pomemben dejavnik na strani kmeta kot dajalca podatkov. Rezultati testne uporabe podatkov v analitične namene so pokazali kako ima lahko analiza politike korist od dodatnih podatkov in kazalcev uspešnosti na področju trajnosti kmetij (dobiček, vidik okolja in ljudi). Podatke so uporabili v več študijah primera. Nabor vključuje: -Strategije obvladovanja tveganj, uvajanja inovacij, uporabe svetovanja, zelenitve in uporabe krme v mlečni proizvodnji; -Povezave med dvema ali več dimenzijami trajnostni kot so vpliv starosti kmeta na trajnost, povezava med svetovalnimi storitvami na ravni kmetije in trajnostjo ter vplivom subvencij na tehnološko učinkovitost ter okoljske rezultate; -Integrirano analizo kompromisov med ekonomskimi cilji, okoljsko in družbeno trajnostjo. 98 Ključno opažanje je, da čeprav so okolje in drugi splošni cilji v središču politike, javne oblasti ciljajo na spremembo v upravljanju kmetij na sami kmetiji. To pomeni, da analiza politik zahteva integrirane nabore podatkov na ravni kmetij, da bi razumela odločitve kmetij ter kompromise med ekonomskimi in, včasih nasprotujočimi, okoljskimi in socialnimi cilji, ko gre za odločitve kmeta. Raziskovalci so proučevali možnost razširitve vzorca iz 9 na 28 držav članic za reprezentativni panel podatkov (Tabela 2.3.1). Zaključili so, da je najbolj smiselno zmanjšati obstoječi FADN vzorec v smislu podvzorca s podatki o trajnosti. Ta rešitev bi predstavljala kompromis. Identificirali so tudi možnosti nadaljnjega razvoja kazalcev, standardizacije, povezovanja s shemami kmetijsko-živilske industrije ter možne IKT rešitve. Tabela 2.3.1: Scenariji nadaljnjega pridobivanja podatkov s področja trajnosti 1. Projekt s področja raziskovalne infrastrukture, ki bi vključil 28 držav -Fleksibilnost na ravni DČ -Ni potreb po spremembi zakonodaje -Možni hitri rezultati 2. Pod-vzorec FADN s podatki FLINT -Sprememba zakonodaje -Reprezentativnost na nižji ravni -Dva ločena sistema 3. Zmanjšana frekvenca zbiranja podatkov FLINT -Sprememba zakonodaje -Usklajevanje s strukturnimi raziskovanji 4. Poln vzorec FADN: -Sprememba zakonodaje -Vpliva na reprezentativnost na nižji ravni Vir: Lastni prikaz na podlagi rezultatov projekta FLINT V sklepnih ugotovitvah so raziskovalci zapisali, da so vse predstavljene ideje izvedljive vendar je vprašanje za kakšno ceno, tako za proračun kot za kmete.48 Vključevanje tematik in kazalcev vpliva na obseg kvalitativnega zbiranja, pogostost, potrebe po znanju in izobraževanju. V primerjavi s tem sami modeli organizacije FADN ne igrajo tako pomembne vloge. Na drugi strani so raziskovalci prepoznali tudi nekatere pozitivne učinke razširitve FADN kot so povečana vrednost za uporabnike, velike možnosti za analizo zaradi kombiniranja kazalcev znotraj FADN, upoštevanje krepitve pomena okoljskih kazalcev za politiko in javnost in drugo. Ena izmed možnih rešitev je bila usmerjanje FADN na družbene vidike na področju malih kmetij ter na okoljske vidike na področju velikih kmetij. Številne države v okviru FADN že zbirajo dodatne podatke, na voljo pa imajo tudi druge podatkovne vire. Z vidika zbiralcev in zbiranja podatkov bi bilo mogoče spodbuditi izmenljivost med različnimi viri podatkov (bazami), še posebej v državah z manj izkušnjami, ter s pomočjo tega oblikovati vzorce. Na področju informacijske tehnologije je bilo prepoznanih veliko različnih domačih sistemov. Slednji ponujajo možnosti v okviru bolj modularne zasnove in upoštevanja načel odprtih virov oz. podatkov. Srečanja raziskovalne skupine z ministrstvi so pokazala, da je vsem skupna zaznava potrebe po podatkih o trajnosti. Trenutno obstajajo različne ad-hoc zbirke s tega področja. Integriran nabor podatkov bi medtem omogočal ustrezno policy analizo pa čeprav ne bi bila optimalna za nekatera vprašanja. Glede na obseg 48 V sedmih (izmed devetih vključenih) državah članicah ni posebnih finančnih spodbud za dajalce podatkov. V teh primerih dober odnos med kmeti in zbiralci še posebej spodbuja sodelovanje. V Nemčiji spodbuda na kmetijo znaša med 150-500€. Stroški pridobivanja podatkov so na drugi strani znašali od 100€ na kmetijo na Poljskem (brez vnosa podatkov) do 300€ v Španiji, na Madžarskem in Finskem (izpolnjen obrazec). Skladno z anketami je priprava (na kmetijo) zahtevala 3 ure, intervju 2,5 ure, dokončanje, oddaja in kontrola pa 3 ure dela, skupaj torej 8,5 ure na kmetijo. 99 podpor bi bili stroški spremljanja še vedno relativno majhni. Pogledi na zmanjšanje FADN vzorca so bili različni. Ideja oblikovanja podvzorca FADN je bila medtem deležna splošne podpore. Omogočila bi spremljanje učinkov na EU ravni, kar je pomembno, ker gre za skupno politiko. V primeru iskanja zunanjih virov podatkov bi morale biti spodbude jasno opredeljene. Zbiranje in izmenjava podatkov so podvrženi zakonodaji s področja varovanja zasebnosti, pomembna pa je tudi pripravljenost kmetov, pri čemer se interesi med državami razlikujejo. Kjer je to mogoče, je potrebno uporabljati obstoječe podatke ter krepiti pravni okvir za to. Okoljski kazalci, ki so bili opredeljeni v okviru projekta so bili ocenjeni kot relevantni. Med družbenimi je bilo kot posebej relevantno izpostavljeno vprašanje nasledstva kmetij. 2.4. Primerjava za Slovenijo Pregled kazalcev FLINT z vidika Slovenije kaže, daso na področju ekonomije in inovacij kazalci, za katere je že sedaj mogoče (v določeni meri) zagotoviti podatke iz drugih virov. Gre za kazalce, ki so vezani na izvajanje ukrepov, predvsem za naložbe (EI6) in zavarovanje (EI7), kjer delež prispevajo javni viri (SKP).49 Mikro podatki iz administrativnih virov so na voljo za pomemben del populacije in so statistično kakovostni.50 Sledijo kazalci, kjer bi podatke lahko zagotovili na podlagi obstoječih virov. Gre za proizvodnjo v okviru shem kakovosti (EI2) (zbirke MKGP, nekatere v procesu vzpostavljanja) in trajanje kmetije (EI4) (podatki v okviru RKG, registrov živali, zbirnih vlog, ukrepov pomladitve). V nekaterih primerih je mogoča dovolj zanesljiva ocena na ravni različnih agregirani skupin. Gre za tržne poti (EI3), kjer so na voljo podatki o dodani vrednosti po sektorjih znotraj verige, cenah na kmetiji in maloprodajnih cenah (tržno­informacijski sistem), pa tudi podatki o odkupu (zadruge, GZS-živilska sekcija), učinkoviti rabi poljine (EI5) (produktivnost), kjer je mogoče povezovanje različnih prostorskih in drugih 'proizvodnih' podatkov (RKG­gerki in raba, registri živali, zbirna vloga, mikro podatki SURS), ter izpostavljenosti tveganjem (EI9), kjer je mogoče izračunati indeks tveganja na podlagi diverzifikacije (vključno z drugimi dejavnostmi) ter nihanja cen po vrstah proizvodov. Nazadnje sledijo kazalci, kjer zanesljivih podatkovnih virov ni: gre za inovacije (EI1) ter delež proizvodnje za dobavo s fiksno ceno (EI8). Na področju okoljskih kazalcev v zvezi z okoljsko-kmetijskimi praksami (E1, E2, E18) obstajajo viri podatkov vezani na ukrepe, ki so zanesljivi na mikro ravni in pokrivajo precejšen del KMG. V drugih primerih so na voljo predvsem podatki, ki so zanesljivi na agregirani ravni. Ko gre za uporabo pesticidov (E4) so to podatki o vsebnosti v živilih (vzorčenje) ter porabi FFS, rabi energije (E8), izpustih dušika in vsebnosti v podzemni vodi (E10) ter namakanju zemljišč (E17). Nekateri podatki so mogoči tudi na ravni kmetije v obliki uporabe vzorčnih podatkov, povprečnih preračunov (mikro podatki SURS o rabi energije, uporabi pesticidov in gnojil) in lokacijskih povezav (območje namakanja, uporaba mineralnih goril glede na rabo tal). Kazalci, kjer je mogoče dobiti (nekatere) podatke zajemajo pol-naravna kmetijska zemljišča (E3) (na podlagi prostorskih podatkov), bilanco hranil (E5), kjer so trenutno na voljo nekateri administrativni podatki AKTRP v zvezi z gnojevko in digestatom za kmetije vključene v posamezne ukrepe, različni vzorčni podatki SURS ter meritve tal, ki se ne opravljajo po enotni metodologiji in niso centralizirane, proizvodnjo elektrike na kmetiji (E9), posredno rabo energije (E7), npr. s pomočjo trošarin, ter TGP izračun (E13, E14, E15), predvsem s pomočjo povprečij in indeksov glede na rabo tal in GVŽ (podatek o izpustih obstaja, možen je izračun hrambe glede na spremembo rabe). Zanesljivi podatki manjkajo na področju organske snovi v tleh (E6), erozije tal (E11), stročnic (E12) ter porabe in skladiščenja vode (E16) na kmetiji za različne namene. Pri družbenih kazalcih so na voljo mikro podatki o svetovanjih (S1) in izobraževanju in usposabljanju (S2), predvsem glede na ukrepe. Podatke o lastništvu (S3) je mogoče pridobiti iz RKG, težava pa je z zanesljivimi podatki o najemu, ker ta pogosto ni formalno urejen. Določene vzorčne podatke in podatke s strani Sklada kmetijskih zemljišč ima SURS. SURS bo v popis 2020 vključil dodatna vprašanja na totemo. Na voljo so določeni administrativni podatki in podatki SURS o zaposlenih (S5) (tudi na ravni kmetije), dohodkih, socialni vključenosti (S4, S6) (dostop do interneta), tudi glede na spol in starost. Vprašanje socialne 49 Kakovost podatkov je mogoče ugotavljati na podlagi primerjave z agregatnimi podatki SURS. 50 Podatke o pridobitvi podpor uporablja tudi SURS – glej 4. poglavje. 100 diverzifikacije (S7) bi zahtevalo ustrezno spremljanje v okviru javnomnenjskih anket (Eurobarometer in nacionalne javnomnenjske raziskave sicer vsebujejo nekatera uporabna vprašanja). Tabela 2.4.1: Kazalci FLINT in Slovenija Že na voljo v določeni meri Mogoče pridobiti-obstoječi viri Ni zadostne podlage Ekonomski in EI6: Modernizacija: naložbe, EI2: Proizvodnja-sheme EI1: Inovacije (CIS) inovacije posodobitev* EI3: Tržne poti** EI8: Delež proizvodnje (Economy and EI7: Zavarovanje* EI4: Trajanje kmetije po pogodbi o dobavi s innovation) EI5: Učinkovita raba poljine (LPIS)** EI9: Izpostavljenost tveganjem (ne-kmetijske dejavnosti)** fiksno ceno Okoljski E1, E2, E18 Zelenitev (trajno E3: Pol-naravna kmetijska E6: Organska snov v (environment) travinje, EFA, diverzifikacija ali Simpsonov indeks)* E4: Uporaba pesticidov (ocena tveganja rabe pesticidov)** E8: Neposredna raba energije** E10: Izpiranje nitratov ** E17: Namakalne prakse** zemljišča E5: Bilanca hranil (N, P) (stanje na kmetiji) E9: Proizvodnja elektrike na kmetiji E7: Posredna raba energije* E13, 14, 15: TGP izračun (na izdelek, ha)** tleh E11: Erozija tal E12: Stročnice E16: Poraba vode in skladiščenje Družbeni S1: Svetovalne storitve S2: S3: Lastništvo / upravljanje S7: Socialna (social) Izobraževanje in usposabljanje* S5: Zaposlovanje in delovni pogoji S4: Socialna vključenost** / sodelovanje S6: Kakovost življenja / Odločanje** diverzifikacija: podoba in položaj kmetov v lokalni skupnosti *Glede na ukrepe ** Agregirani ali povprečja (na podlagi vzorca) Primerjava z analizo v okviru FLINT kaže, da je največ podatkov že dostopnih na sorodnih področjih – gre za podatke o poljščinah (raba površin), GVŽ. Slabša pa je dostopnost podatkov na področjih opreme in infrastrukture, ki je na ravni FLINT v najvišji kategoriji dostopnosti (preko 70% podatkov). Pri nas se denimo podatki GURS sistematično ne uporabljajo v agrarno-ekonomskih analizah, vprašljiva je tudi zanesljivost podatkov o vrednostnih infrastrukture in zemlje. Podatki SURS na tem področju (ekonomski račun) so agregatni, izkušenj z uporabo mikro podatkov na tem področju je malo. V drugo skupino (40-60% dostopnih podatkov) lahko tudi v Sloveniji uvrstimo podatke o energiji, gnojevki, krmi in semenih, sicer bolj na spodnji rob, sledijo pa področja zelenitve, vode, pesticidov, tveganj, prodajnih poti, znamčenja, informacij in znanja. Tako kot v primeru FLINT je najmanj podatkov v Sloveniji dostopnih na področjih inovacij, tal, upravljanja zemljišč in trženja. Primerjava med anketno oceno FLINT in oceno na podlagi kazalcev FLINT in razprav z deležniki (5. poglavje) kaže, da negativno odstopamo predvsem na področjih ravnotežja hranil, inovacij ter delovnih pogojev in kakovosti življenja. 101 Tako projekt FLINT kot ocena za Slovenijo izpostavljata potrebo po dodatnem zbiranju podatkov pri sorodnih domenah: nasledstvo kmetij, uporaba vode, pesticidov in gnojil, ravnotežje hranil, izobrazba, upravljanje lastništva, trženje, zavarovanje, količina krme, poraba energije, gospodinjska ekonomika na KMG, izračun TGP. Naredimo lahko še primerjavo izvedljivosti zbiranja dodatnih podatkov. 102 Z vidika izvedljivosti je podatke s področja vode mogoče izboljšati z povezavo lokacijskih podatkov, podatkov iz meritev, kontrolnih ugotovitev, podatkov o gnojevki ter različnih podatkov o rabi in proizvodnji iz katerih izhaja uporaba vode in vplivi na kakovost vode. Podobno velja za področje energije in ravnotežja hranil, kjer je med drugim potrebno tudi poenotenje metodologije in centralizacija zbiranja podatkov. Mogoče je uvesti zanesljivo poročanje oz. pridobiti podatke o porabi pesticidov ter v zvezi s tveganji (npr. uporaba raziskovanj SURS, podatkov o dejavnosti in proizvodnji, ekonomskega računa), ovire pa so pri upravljanju zemljišč (SURS sicer načrtuje vključitev dodatnih vprašanj v prihajajoč popis 2020). Večji izziv je zbiranje podatkov v zvezi z inovacijami na kmetijah ter delovnimi pogoji in kakovostjo življenja kjer so problemi tudi na ravni opredelitev in metodologije. 3. Zakonodajni okvir 3.1. Predlog nove uredbe SKP 3.1.1. Uvod Strateško sporočilo Evropske komisije iz leta 2017 in predlog nove uredbe iz leta 2018 nadaljujeta s trendom družbene usmeritve SKP. Hkrati s tem pa bistveno spreminjata način izvajanja SKP in sicer od modela 'skladnosti' s skupno zakonodajo (določitev SKP do izvedbene ravni na skupni ravni) k modelu 'uspešnosti' (večja prilagodljivost za učinkovitejše doseganje merljivih ciljev). Sprememba prihaja v kontekstu nezadovoljstva s pretirano centralizacijo politik, britanskega izstopanja iz EU in realno manj razpoložljivih sredstev. Skladno z novim modelom bodo na ravni EU zastavljeni splošni in specifični cilji, okvirni ukrepi in sistem kazalcev. Omenjeni sicer ostajajo podobni oz. nadgrajujejo tiste iz obdobja 2014-2020. Države članice bodo na drugi strani na podlagi potreb definirale ukrepe na izvedbeni ravni, vključno z definicijami in pogoji (aktivni kmetovalec, mladi kmet ipd.) si zastavile merljive cilje in poročale o izvajanju in neposrednih rezultatih. Ključno vlogo bodo pri tem igrali nacionalni strateški načrti, ki bodo vsebovali omenjene elemente in ki jih bo morala potrditi Komisija. Strateški načrti bodo tako zagotavljali ustrezno ambicioznost držav članic, finančno odgovornost in spoštovanje načel EU (enotni trg) ter Svetovne trgovinske organizacije (STO). Skladno z novim izvedbenim modelom bo vzpostavljen tudi sistem sankcij in nagrad. Kot smo opozorili že drugje (Erjavec in dr. 2018) nov model vladanja prinaša številne izzive: od omejenih dejanskih prilagoditev ukrepov, razpoložljivih sredstev (administrativne zmogljivosti), do vzpostavitve sistema spremljanja in poročanja, vključno z razpoložljivostjo podatkov. Z namenom bolj trajnostnega razvoja kmetijstva, hrane in podeželja se splošni cilji SKP z novo Uredbo usmerjajo na področja ekonomske vzdržnosti, izboljšanja okoljskih učinkov in podeželja (Tabela 3.1.2.1). Spodbujanje znanja, inovacij in digitalizacija predstavljajo horizontalni cilj. Z namenom boljšega doseganja posameznih ciljev Uredba uvodoma govori o prilagoditvi ukrepov: še posebej okoljskih in klimatskih, generacijske prenove ter boljši uporabi znanja in svetovanja ter digitalnih tehnologij – s čemer so ukvarja tudi pričujoč projekt. Sledi največja novost, skladno s katero bodo države članice »ukrepe za doseganje specifičnih ciljev predstavile v okviru Strateških načrtov« (Evropska komisija 2018: 11). Strateški načrti oz. intervencijske strategije, ki jih bo pregledala in potrdila Komisija bodo vključevali večino ukrepov v okviru obeh skladov/stebrov, vključno s sektorskimi. Omogočali bodo večjo prilagodljivost in subsidiarnost. Slednje vključuje tudi posamezna pravila in načine spremljanja. Manjši obseg predpisanih zahtev naj bi prispeval k premiku SKP k rezultatom, oziroma od »skladnosti« k »uspešnosti«. Slednje pa pomeni tudi velik premik v pristojnosti in odgovornosti na strani posamezne države članice. 103 Ob skupnih splošnih in specifičnih ciljih bodo države članice morale Komisiji poročati o rezultatih (doseženih ciljnih vrednostih na podlagi nacionalnih ciljev), računovodska preverba (clearance) pa bo v pristojnosti držav (Evropska komisija 2018: 12-15). Vendar pa princip pristojnosti deljenega upravljanje kmetijskih skladov ostaja enaka -porazdeljena med Komisijo in državo članico, prav tako potrditev obračunov, in s tem odgovornost pravilnega obračuna, ostaja v domeni Komisije, skladno z določbami Pogodbe o delovanju Evropske unije (317. člen). Uredba posamezne elemente nove SKP podrobneje obravnava v poglavjih (Evropska komisija 2018: 12­ 13): I. Obseg in definicije II. Splošni in specifični cilji III. Skupne zahteve za strateške načrte in elementi za ukrepe (izogibanje motenj trg a, pravila Svetovne trgovinske organizacije, pravila notranjega trga), zahteve za načr te kot so definicija kmetijskega območja, kmetijske aktivnosti, aktivni kmet, mladi kmet, zahteve v okviru pogojenosti (prejemniki na površino vezanih podpor, zahteve iz pove zane zak onodaje, svetovalna služba), tipi ukrepov. IV. Finančne alokacije V. Pravila za strateške načrte VI. Odgovornosti držav članic v postopku upravljanja (odbor za spremljanje z deležniki, mreža na nacionalni in EU ravni, EIP) VII. Okvir za spremljanje in ocenjevanje, poročanje, nagrade za učinkovitost. VIII. (in IX.) Pravila konkurence, državne pomoči. V nadaljevanju podrobneje obravnavamo dele uredbe, ki so pomembni s podatkovnega vidika. 3.1.2. Cilji, ukrepi in kazalci V II. poglavju so zapisani splošni (čl.5) in specifični cilji (čl.6). Posamezne skupine ciljev so razporejene v prioritetnem vrstnem redu, glede na namen kmetijske politike, ki je predvsem spodbujati vzdržno kmetijsko proizvodnjo. Cilji so zastavljeni tako, da višje zapisani znotraj posamezne izmed treh kategorij – šlo naj bi za cilje, kjer je skupni in enotni pristop bolj smotrn in učinkovit – predvidevajo tudi večji obseg skupnih ukrepov (in sredstev), medtem tisti zapisani nižje predvidevajo večji obseg prilagodljivosti in pristojnosti držav članic, pa tudi druge finančne vire (tako kot doslej). Neglede na to pa ostajajo del SKP. Tabela 3.1.2.1: Splošni (a-d) in specifični cilji nove SKP (1-9) (a) Ekonomska vzdržnost (b) Okolje (c) Podeželje I. Steber 1) Vzdržni dohodek in 4) Prispevek k uravnavanju in 7) Pritegniti mlade kmete in (pretežno) odpornost po vsej EU za izboljšano prehransko varnost prilagajanju na podnebne spremembe ter trajnostna energija spodbujati razvoj poslovnih pobud na podeželju II. Steber 2) Krepitev tržne 5) Spodbujanje trajnostnega 8) Spodbujanje (pretežno) usmerjenosti in konkurenčnost vključno z večjim poudarkom na raziskavah, tehnologiji in digitalizaciji razvoja in učinkovitega upravljanja naravnih virov (voda, zemlja, zrak) zaposlovanja, rasti, socialne vključenosti in lokalnega razvoja, vključno z biogospodarstvom in trajnim gozdarstvom III. Steber 3) Izboljšan položaj kmetov 6) Prispevek k varovanju 9) Izboljšati odziv kmetijstva (nacionalni v verigi vrednosti biotske raznovrstnosti, na družbena pričakovanja v ukrepi – izboljšanju ekosistemskih zvezi s hrano in zdravjem, pretežno) storitev in ohranjanju habitatov ter krajin vključno z varno, bogato in 104 trajno hrano, kot tudi dobrobit živali (d) Znanje, inovacije, digitalizacija Vir: Prilagojeno na podlagi Evropska komisija 2018: 41 V čl. 7 so opredeljeni kazalci: doseganje ciljev iz čl. 5 in 6(1) bo temeljijo na kazalcih izvajanja (output indicators), kazalcih učinka/rezultata (result indicators) in kazalcih vpliva (impact indicators). Kazalci izvajanja se nanašajo na realizacijo ukrepov; kazalci učinka/rezultata na specifične cilje, kvantitativne mejnike in cilje v strateških načrtih, na področju okolja in klimatskih sprememb pa lahko vključujejo nacionalne instrumente in EU zakonodajo51; kazalci vpliva temeljijo na splošnih statistikah. Komisija si skladno z Uredbo pridržuje pravico dodati nove kazalce (Evropska komisija 2018: 42). Tabela 3.1.2.2: Sistem kazalcev v predlogu uredbe SKP Vpliv (Impact) Rezultat (Result) Izvajanje (Output) Definicija Dolgoročni učinek (sprememba kazalcev stanja upoštevajoč druge spremenljivke) Kratkoročni neposredni učinek (posledica izvedbe ukrepa) Izvedba ukrepa in poraba načrtovanih sredstev Primer Produktivnost, izpusti TGP, podeželska revščina Obseg in delež KMG, površin in živali (glede na ukrep) vključenih v določen ukrep v danem letu Število realiziranih aktivnosti (npr. dodeljenih podpor, vključenih KMG) in poraba sredstev Spremljanje Evropska komisija na podlagi Eurostat, JRC, vmesno vrednotenje in zaključno vrednotenje 2031 Država članica, letno poročanje Država članica, letno poročanje Vir: Lastni prikaz Kazalci (konceptualni pregled v Tabeli 3.1.2.2) so podrobneje opredeljeni v prilogi I predloge uredbe. Predstavljamo jih v Prilogi II tega poročila (za primerjavo z obstoječimi kazalci glej prilogo I). Spremljanje kazalcev vpliva je predvideno po zaključku programskega obdobja, deloma pa v okviru vmesnega pregleda. Večina kazalcev vpliva se že spremlja preko Evropskih statistik, JRC in uporablja v okviru druge EU zakonodaje za namene poročanja (npr. SDGs). Problem kazalcev vpliva je v ročnosti, zanesljivi letni podatki so namreč na voljo z zamikom, zaradi česar bodo uporabljeni za vrednotenje celotnega cikla politike s strani Evropske komisije. 51 Zakonodaja EU na področju okolja in klimatskih sprememb, ki vključuje cilje relevantne za strateške načrte glede na čl. 96, 97 in 103 je opredeljena v Prilogi XI (Evropska komisija 2018b: 33): -Direktiva 2009/147/ES o ohranjanju prostoživečih divjih ptic; Direktiva 92/43/EGC o ohranjanju naravnih habitatov ter prosto živečih živalskih in rastlinskih vrst divjega rastja in živali; Direktiva 2000/60 / ES o določitvi okvira za ukrepe Skupnosti na področju vodne politike; Direktiva Sveta 91/676 / EGS o varstvu voda pred onesnaževanjem z nitrati iz kmetijskih virov; Direktiva 2008/50/ES o kakovosti zunanjega zraka in čistejšem zraku za Evropo; Direktiva (EU) 2016/2284 o zmanjšanju nacionalnih emisij nekaterih onesnaževal zraka; -[Uredba o vključitvi emisij in odvzemov toplogrednih plinov iz rabe zemljišč, sprememb rabe zemljišč in gozdarstva v podnebni in energetski okvir do leta 2030]; -[Uredba o zavezujočih letnih zmanjšanjih emisij toplogrednih plinov s strani držav članic od 2021 do 2030 za prožno energetsko unijo in za izpolnjevanje obveznosti iz Pariškega sporazuma]; -Direktiva 2009/28 / ES o spodbujanju uporabe energije iz obnovljivih virov; -[Direktiva o energetski učinkovitosti]; -[Uredba o upravljanju energetske unije]; -Direktiva 2009/128 / ES o določitvi okvira za ukrepe Skupnosti za doseganje trajnostne rabe pesticidov. 105 Kazalci rezultata oz. učinka se bodo medtem spremljali v okviru letnega pregleda uspešnosti – za poročanje o doseganju kvantitativnih mejnikov in podatke bo odgovorna država članica. Kazalci izvajanja bodo vključeni v letno potrjevanje izvajanja (plačil). Poleg omenjenih lahko država članica uporabi tudi druge kazalce, študije in analize, zato da v okviru nalog, ki jih predvideva predlog Uredbe dodatno utemelji svoje odločitve. V III. poglavju je navedeno, da države članice na nacionalni ravni definirajo standarde za dobro kmetijsko in okoljsko stanje zemljišč (DKOS) (General Good agricultural and environmental conditions – GAEC) glede na specifične pogoje (Evropska komisija 2018: 44). Tipi ukrepov razkrivajo manjše spremembe glede na obdobje 2014-2020. Ne glede na to pa prilagoditve, kjer so mogoče, zahtevajo utemeljitev, pa tudi določitev kvantitativnih ciljnih vrednosti. Ključni ukrep ostajajo nevezane in vezane podpore; slednje v obliki osnovne dohodkovne podpore (na upravičen hektar, letno, za 'pristnega kmeta', razen če država članica drugače definira pravice, možna je tudi diferenciacija). Uredba predvideva prerazdelitveno shemo med velikimi in malimi prejemniki, komplementarno shemo za mlade kmete, ter shemo za klimatske ukrepe in okolje (t.i. Eko shema). Natančne pogoje teh shem določi država članica. Prostovoljne so tudi vezane52 in sektorske podpore. Prerazdelitvena shema se nanaša na zmanjšanje prejemkov med mejama za določen delež: med 60.000­75.000€ za 25%, med 75.000-90.000€ za 50%, med 90.000-100.000 za 90%, nad 100.000 pa za 100%. Ob tem se kot olajšavo upošteva bruto stroške dela, vključno z neplačanim delom (izračun na podlagi povprečnih plač v kmetijstvu na nacionalni ali regionalni ravni). Zmanjšana sredstva se usmerijo v komplementarno prerazdelitveno shemo ali prenesejo v II. steber (Evropska komisija 2018: 47-8, 52). Eko sheme (čl. 28) so prostovoljne, namenjene 'pristnim kmetom' ki izvajajo prakse koristne za klimatske cilje in okolje. Prakse morajo biti povezane s cilji iz poglavja II, presegati predpisane zahteve ravnanja (PZR) in standarde za dobro kmetijsko in okoljsko stanje zemljišč (DKOS), ki predstavljajo sistem razširjene pogojenosti standardne zahteve upravljanja (SMR) in druge standarde, ki izhajajo iz nacionalno določenih osnovnih zahtev. Plačilo za prakse je letno in vezano na površino (ha). Mogoča so »kompenzacijska« ali »oportunitetna« plačila (Evropska komisija 2018: 52-3). Medtem ko prva predvidevajo povračilo nastalih stroškov zaradi uvedbe določene prakse, druga predvidevajo plačilo izgubljenih koristi zaradi ne-uporabe za alternativne namene. Razlikovanje med slednjima lahko zahteva dobre agronomske podatke. Sektorske podpore so opredeljene v čl. 29. Vključujejo sektorje sadje in zelenjava, apikulturo, vino, hmelj, olivno olje in olive, ter druge (Evropska komisija 2018: 58). Vključujejo načrtovanje proizvodnje in prilagajanje povpraševanju, marketing, nove metode proizvodnje, področje odpornosti, okoljske cilje, povečano potrošnjo … skozi različne investicije. Ukrepe razvoja podeželja naslavlja čl. 64. Nanašajo se na okoljsko-klimatske in druge cilje, naravne in druge prostorsko specifične omejitve, prostorsko specifične omejitve, ki izhajajo iz obveznih zahtev, investicije, namestitev mladih kmetov in poslovnih pobud (zagonska podjetja), upravljanje s tveganji, sodelovanje, prenos znanja in informacij (Evropska komisija 2018: 77). Ukrepom je skupna zahteva, da morajo dosegati cilje, ki presegajo obvezne zahteve. 52 Možnost vezanih podpor vključuje naslednje proizvode: žita, oljnice, stročnice, lan, konopljo, riž, oreščke, škrobni krompir, mleko in mlečne izdelke, semena, ovčje in kozje meso, goveje in telečje meso, oljčno olje, sviloprejke, posušeno krmo, hmelj, sladkorno peso in cikorijo, sadje in zelenjavo, panjevce s kratko rotacijo in druge neživilske rastline, razen dreves, ki se uporabljajo za proizvodnjo proizvodov, ki lahko nadomestijo fosilne materiale (Evropska komisija 2018: 53). Vendar pa se taka podpora lahko določi pod posebnimi pogoji – država članica mora izkazati, da je sektor v krizi. 106 S podatkovnega vidika je pomemben tudi čl. 87 o spremljanju podpor iz naslova klimatskih ciljev. Odgovornost za podatke je na strani države članice, poročanje pa naj bi potekalo skladno s poenostavljeno skupno metodologijo po kateri podpore za klimatske cilje vključujejo (Evropska komisija 2018: 91-92): - 40% izdatkov v okviru osnovne dohodkovne podporo za trajnost in komplementarno dohodkovno shemo - 100% izdatkov za eko sheme - 100% izdatkov za okoljske ukrepe v okviru PRP - 40% izdatkov za naravne in druge prostorsko omejitve v okviru PRP Doseganje višjih vrednosti po omenjeni metodologiji bo mogoče interpretirati kot večji prispevek države (in njenega kmetijstva) na klimatskem področju, kar lahko predstavlja spodbudo tako za krepitev vloge omenjenih ukrepov (npr. II. steber napram I. stebru) kot tudi za preprosto in jasno zasnovo vstopnih pogojev v sodelovanju z deležniki (predvsem KMG in njihovi predstavniki, pa tudi okoljsko ministrstvo, organizacije in drugi). Nova uredba predvideva možnost premeščanja do 15% razpoložljivih sredstev posameznega stebra v drug steber in še dodatnih 15% pod pogojem, da gre za doseganje specifičnih okoljskih in klimatskih ciljev iz čl. 6(1), ter še dodatna 2% pod posebnimi pogoji vezanimi na posamezne proizvode (Evropska komisija 2018: 92-3). 3.1.3. Strateški načrt Strateške načrte naslavlja V. poglavje. Strateški načrti naj bi se nanašali na specifične cilje iz čl. 6. Izhodišče zanje naj bi bila SWOT analiza in ocena potreb, na kateri bi temeljila intervencijska strategija s kvantitativnimi cilji in mejniki za doseganje specifičnih ciljev na podlagi kazalcev učinka iz priloge I. Pričakuje se »ambicioznost« glede na okoljske in klimatske specifične cilje v primerjavi z obdobjem 2014­2020 – slednje se nanaša na predviden obseg sredstev za te namene. Predviden je enoten načrt za državo članico, ki zajema vse ukrepe iz poglavja III (Evropska komisija 2018: 94). Sam nov izvedbeni model predvideva vključenost okoljskih in klimatskih akterjev (okoljsko ministrstvo), partnerstvo z lokalnimi oblastmi, ekonomskimi in socialnimi partnerji, vključenost civilne družbe in drugih v pripravo strateškega načrta (čl.94). Zahtevani elementi strateških načrtov so opredeljeni v čl. 95 in natančneje obrazloženi v čl. 96-103. Predstavljamo jih v Tabeli 3.1.3.1. Tabela 3.1.3.1: Zahtevani elementi Strateškega načrta Ocena potreb (čl. 96) ---- Povzetek SWOT Potrebe za vsak specifični cilj, neglede na to ali bodo naslovljene ali ne, še posebej za upravljanje s tveganji v okviru odpornosti ter kjer je smiselno za posebej ranljiva območja Rangiranje potreb Na področju okolja in klimatskih sprememb nacionalni načrti iz priloge XI – za slednje morajo države članice uporabiti najbolj nedavne ocene Intervencijska strategija (čl. 97) ---- Za vsak specifični cilj ciljne vrednosti in kjer je relevantno kazalci učinka in mejniki z vrednostmi na podlagi ocene potreb Intervencijska logika, ki je konsistentna in koherentna glede na ostalo, vključno z zadostnimi finančnimi viri Pregled okoljsko-klimatske 'arhitekture' in kako naj bi prispevala k nacionalnim ciljem Specifični cilj pomladitve in konsistentnost z nacionalnimi ukrepi 107 -Sektorski ukrepi, sektorski cilji -Vezani ukrepi -Koherentnost upravljanja s tveganji Opis -Definicije in minimalne zahteve za neposredno nevezano podporo, pogojenost elementov -Kako slednje prispeva k okoljsko-klimatskim ciljem skupnih -Plačilne pravice, rezerva, tehnična pomoč, demarkacije med skladi ukrepom -Skladnost z STO vključno z natančnimi popisi količin Opis ukrepov -Opis neposrednih plačil (morebitna diferenciacija), sektorskih in ukrepov PRP Cilji in finančni načrt (čl. 100) -Cilji in mejniki: alokacija neposrednih plačil, sektorskih podpor, ukrepov razvoja podeželja, načrtovani izvedbeni kazalci na ukrep, tehnična pomoč (vse na letni ravni) Opis sistema vladanja in koordinacije (čl. 101) -Telesa, koordinacijska telesa, sistem kontrol in kazni, IACS, pogojenost, kontrolna telesa za nadzor, spremljanje in poročanje Modernizacija -Prispevek k prečnemu cilju spodbujanja in prenosa znanja, inovacij in digitalizacije SKP – opis AKIS, svetovalne službe, strategije za razvoj digitalnih tehnologij v kmetijstvu in na podeželju ter njihove uporabe za izboljšanje učinka in učinkovitosti strateškega načrta Poenostavitev in zmanjšanje bremen (V tem delu uredbe ni podrobnega opisa vsebine) Priloge (čl.103) -Priloga I: Predhodna ocena in strateška okoljska ocena (SEA) -Priloga II: SWOT (na podlagi specifičnih ciljev, kazalcev, vključno s kazalci stanja, drugih podatkov in študij, evalvacij, posebni sektorski in teritorialni vidiki, dostop do zemlje in zemljiške operacije, AKIS) -Priloga III: posvetovanje s partnerji (opis) -Priloga IV: plačila vezana na posamezne proizvode -Priloga V: dodatno nacionalno financiranje in skladnost z zakonodajo Vir: Evropska komisija 2018: 95-102 Skladno s čl. 106 naj bi bili strateški načrti oddani do 1.1.2020 (predlog se je glede na podaljške pri izstopanju Velike Britanije ter imenovanju nove Komisije izkazal za nerealen), Komisija pa jih bo ocenila glede na naslednje kriterije: - Celost, konsistentnost in koherenco s splošni načeli prava EU, to uredbo in določili, ki sledijo ter horizontalno uredbo - Učinkujoč prispevek k specifičnim ciljem - Vpliv na delovanje notranjega trga in motnje konkurenci ter - Obseg administrativnih bremen na strani upravičencev in administracije Ocena bo naslovila primernost glede na specifične cilje, ciljne vrednosti, ukrepe in usmerjanje virov glede na SWOT in ex-ante analizo (slednji kot takšni torej ne boste predmet ocene). Komisija lahko v zvezi s strateškim načrtom poseduje prošnjo za utemeljitev in dodatne informacije. Strateški načrt je lahko potrjen tudi brez določenih elementov na podlagi utemeljene prošnje države članice (Evropska komisija 2018: 103). Možne so kasnejše dopolnitve ipd. (Evropska komisija 2018: 105). 108 3.1.4. Drugi elementi VI. poglavje predloga Uredbe podrobneje razdeluje področje koordinacije in vladanja: vlogo plačilne agencije, pomen javnosti strateških načrtov in informiranja vseh deležnikov, možnost upravljavskega telesa/ministrstva, da ustanovi posredniška telesa ter zahtevo po vzpostavitvi odbora za spremljanje. Slednji naj bi spremljal napredek, komuniciranje in vprašanja administrativne zmogljivosti. Ocenil naj bi osnutek in metodologijo načrta. Na pobudo države članice je za te namene sicer mogoče uporabiti tehnično pomoč. Država članica bo morala vzpostaviti nacionalno mrežo za SKP z deležniki in sicer največ 12 mesecev po potrditvi strateškega načrta. Vzpostavljena bo tudi mreža na EU ravni, ki bo skrbela za izmenjavo informacij, podatkov, praks in podobno. S temi nameni bo vzpostavljen tudi poseben EIP (Evropska komisija 2018: 106-110). Poglavje VII podrobneje obravnava spremljanje, poročanje in evalvacijo. Država članica je odgovorna za t.i. okvir za uspešnost (performance framework), ki vključuje nabor kazalcev konteksta, izvajanja, rezultatov/učinkov ter vpliva, vključno s tistimi iz čl. 7, cilje in mejnike, zbiranje, hrambo in prenos podatkov, redno poročanje, spremljanje in vrednotenje, mehanizme za nagrajevanje dobrih in kaznovanje slabih rezultatov, predhodna, vmesna in naknadna vrednotenja. Skladno s čl. 117 mora država članica vzpostaviti elektronski informacijski sistem spremljanja s ključnimi informacijami o izvajanju strateških načrtov, še posebej glede posameznih ukrepov, upravičencev in operacij. Država članica je odgovorna, da bodo za ocenjevanje napredka s pomočjo kazalcev izvajanja, učinka in vpliva na voljo popolni, ročni in zanesljivi viri podatkov (čl. 118). Evropska Komisija bo sprejela metodologije za izračune do februarja 2023. Februarja vsako leto do leta 2030 bo država članica oddala letno poročilo za preteklo leto. Prvo poročilo bo zajemalo zadnji dve leti. Zadnjo poročilo leta 2030 bo vključevalo pregled evalvacij. Letna poročila bodo vključevala kazalce izvajanja in učinka glede na cilje. Če bodo rezultati 25% ali več pod zastavljenimi kvantitativnimi cilji na letni ravni lahko Komisija zahteva oblikovanje posebnega akcijskega načrta s strani države članice. Leta 2026 bodo tisti, ki bodo dosegali zastavljene cilje prejeli poseben bonus (performance bonus). Vrednotenja -predhodno, vmesno in naknadno, vključno z vprašanji administrativnih zmogljivosti, področjem okolja in klimatskih sprememb, naj bi, tako kot doslej, izvajali »neodvisni strokovnjaki«. Komisija bo naknadno vrednotenje izvedla do leta 2031. Vmesno vrednotenje (uspešnost, učinkovitost, relevantnost, koherenca in EU dodana vrednost skladov) bo izvedeno na podlagi posameznih kazalcev iz priloge I.53 Vir podatkov za kazalce vpliva in konteksta bosta večinoma zbirki FADN in Eurostat. Primanjkljaj bo naslovljen s pomočjo prilagoditev statistične zakonodaje, FADN in dela JRC. Pri naj se, tako uredba, »podatke iz upravnih registrov za statistične namene uporablja kolikor je mogoče, v sodelovanju s statističnimi agencijami v članicah ter Eurostatom«. Po potrebi lahko Komisija sprejme tudi dodatno zakonodajo za sinergije med viri podatkov (Evropska komisija 2018: 111-118). Države članice in Komisija bodo za namene kontrole, spremljanja in vrednotenja zbirale in obdelovale osebne podatke. Za namene spremljanja in vrednotenja je predvidena anonimizacija podatkov in obdelava samo v agregatni obliki (ko gre za skupni informacijski sistem). Podatki se skladno z GDPR ne bodo hranili dlje kot je to potrebno in ne bodo omogočili identifikacije posameznikov, ti pa bodo obveščeni o namenu zbiranja in obdelave (Evropska komisija 2018: 120). Na področju podatkov naj bi se iskale sinergije z raziskavami v okviru 9. okvirnega programa (FP9) in cilja »Hrana in naravni viri«, prioritete kmetijstvo in hrana kot varen, trajen, odporen, krožen, raznolik in 53 V prilogi I so kazalci, ki pridejo v poštev za vmesno vrednotenje, posebej označeni. 109 inovativen sektor, ter prednostnega področja biogospodarstvo. V okviru cilja hrana in naravni viri je med drugim poudarek na koristih digitalne revolucije in digitalnem preoblikovanju kmetijstva (Evropska komisija 2018: 26). Plačilne agencije in certifikacijski organi bodo skladno z novim izvedbenim modelom prevzeli naloge, ki jih nalaga načelo enotnega revizijskega pristopa, katerega poglavitna novost je, da se revizije ne nanašajo neposredno na kontolo upravičencev, kar predstavlja veliko spremembo v samem načinu in pristopu revidiranja sredstev iz naslova kmetijskih skladov EU. Evropska komisija bo spremljala sam sistem in rezultate, na podlagi česar bo sprejela odločitev ali zaupa delu certifikacijskih organov. To pomeni, da bo še vedno potekalo preverjanje skladnosti standardov in upravljavskih struktur. V posebnih primerih, ko se Komisija ne bo mogla zanesti na delo CO in bodo rezultati/kazalci izkazovali določeno stopnjo tveganja, bo Komisija sama izvedla neposredno revizijo upravičencev. Države članice lahko v novem modelu, skladno z načelom proporcionalnosti in uporabo načela subsidiarnosti poenostavijo postopke in zmanjšajo administrativna bremena skozi definiranje kontrole in pogojev upravičenosti. Tako naj se kljub bremenom novega pristopa celotno breme ne bi povečalo (Evropska komisija 2018: 128-132). 3.1.5. Podatkovne potrebe z vidika Slovenije Čeprav kazalci vpliva niso neposredno del odgovornosti organa za upravljanje (MKGP) so zaradi povezave z analizo stanja, opredelitvijo potreb, izbiro in določanjem ukrepov ter razporejanja finančnih virov, na dolgi rok pa tudi celovitega vrednotenja vpliva ukrepov in strateškega načrta, kljub temu pomembni. Kazalci rezultata glede samega poročanja prinašajo spremembe predvsem v smislu opredelitve števila vključenih kmetij, površin, GVŽ in podobno (kjer je relevantno). Glavni izziv kazalcev rezultata in izvajanja je v vsebinski opredelitvi ukrepov (vključno z definicijami, npr. kdo je kmet), ki bodo vplivale na relativne vrednosti kazalcev, ter letnem zbiranju in preračunih posameznih podatkov. Seveda pa je z vidika načrtovanja in vrednotenja pomembna tudi povezava med kazalci rezultata in vpliva. Na področju presečnega cilja znanja in inovacij lahko izpostavimo kazalec rezultata (R.2) števila svetovalcev vključenih v AKIS glede na število kmetov, ter kazalec izvajanja (O.2) število svetovalcev vključenih v EIP, ki bosta zahtevala letno pridobivanje podatkov s strani JKSS. Na področju 1. specifičnega cilja (odpornost) lahko izpostavimo kazalec vpliva relativni dohodek na območjih OMD (I.5) ki zahteva združevanje prostorskih podatkov z dohodkovnimi (npr. SURS). Bolj ažurne in točne podatke za ustrezne analize vpliva OMD bi lahko zagotovili tudi z uporabo FADN ali standardnega prihodka na podlagi administrativnih virov. Med kazalci rezultata pa lahko izpostavimo kazalca (R.6) delež dodatne podpore na ha male kmetije (glede na podpore – prerazporeditev) za upravičence pod povprečno velikostjo kmetije v primerjavi s povprečjem, ter podobno (R.7) za kmetije v depriviligiranih območjih, kar zahteva preračun glede na letne podatke o povprečnih velikosti ter dodeljevanju podpor. Kazalec R.6 bo vključen tudi v srednjeročno vrednotenje. Izpostavimo lahko še kazalca izvajanja (O.6 in O.7) v zvezi s številom mladih kmetov in površin, ki jih obdelujejo, vključenih v ukrepe. Na področju 2. specifičnega cilja (konkurenčnost) lahko opozorimo na splošnost kazalcev (npr. faktorska produktivnost na podlagi strukturnih raziskovanj) in potrebo po natančnem spremljanju strukturnih sprememb ter vloge investicij, vključno z učinkovito rabo virov, npr. s pomočjo dela s podatki SURS ali nadgradnje in analiz na vzorcu FADN, kot predlagano v okviru CRP SKP po 2020, evalvacij ukrepov ipd. Na področju 3. specifičnega cilja (živilska veriga) lahko izpostavimo kazalec rezultata R.11, ki se nanaša na delež proizvodnje na strani organizacij proizvajalcev z operativnim programom, ki zahteva zbiranje teh podatkov znotraj organizacij proizvajalcev. Pri 4. specifičnem cilju (klimatske spremembe) lahko med kazalci vpliva izpostavimo indeks odpornosti kmetij (I.9), ogljični zajem v tleh (I.11) ter proizvodnjo OVE iz kmetijstva in gozdarstva (I.12), ki doslej niso 110 bili sistematično vključeni v oblikovanje kmetijske politike. Na slednje so vezani tudi nekateri kazalci rezultata – npr. GVŽ v okviru ukrepov za znižanje emisij in/ali amonijaka, vključno z upravljanjem z gnojevko (R.13), ohranjanja ali izboljšanja stanja v zvezi s hrambo ogljika v zemlji in biomasi (R.14), ki bo vključen v srednjeročno vrednotenje, prihranki energije v kmetijstvu na račun ukrepov URE (R.16) in nekatere druge. Čeprav bodo vezani na ocene v okviru ukrepov (npr. naložb) bodo naknadna vrednotenja posameznih ukrepov zahtevala robustno empirično oceno doseženih rezultatov glede na siceršnje stanje (intervencijska logika). Kazalci izvajanja v okviru 4. specifičnega cilja predvidevajo natančne podatke o površinah in GVŽ vključenih v ukrepe. Pri 5. specifičnem cilju (naravni viri) imamo podobno kot pri 4. številne kazalce vpliva, kjer doslej zanesljivi podatki niso bili sistematično uporabljeni pri oblikovanju (nacionalne) kmetijske politike: npr. (I.13) spremembe v deležih zemlje z določeno stopnjo erozije, (I.14) zmanjševanje emisij amonijaka, (I.15) bruto razmerje hranil v kmetijski zemlji, (I.17) indeks izrabe vode idr. Na slednje so vezani kazalci rezultata, ki sicer govorijo o deležih površin vključenih v ukrepe za izboljšave stanja na področjih kot kakovosti prsti, zraka in vode, vključno s porabo vode in gnojil, vendar pa slednje zahteva povezavo z agregatnimi podatki na teh področjih, pa tudi mikro podatke (v primeru robustnih empiričnih evalvacij ukrepov). Pri 6. specifičnem cilju (ekosistemske storitve) imamo podobno kot v zgornjih primerih problem vključevanja zanesljivih podatkov o stanju vrstah in habitatov ter trendih (I.19) ter s tem povezanim kazalcem rezultata (R.27) – ta bo vključen v srednjeročno evalvacijo –, ki sicer govori o vključenosti v ukrep, a sam ukrep zahteva ohranjanje/izboljšanje stanja. Pri 7. specifičnem cilju (generacijska prenova) je ob splošnih ciljih potreba po letnem podatku o starostni strukturi nosilcev. Pri 8. specifičnem cilju (diverzifikacija) je težava lahko v široki definiciji podeželja v primeru Slovenije, vsekakor pa se kazalci vpliva doslej niso sistematično uporabljali pri načrtovanju kmetijske politike. Eden izmed kazalcev rezultata – delež posameznikov iz manjšinskih in ranljivih skupin s koristmi iz projektov socialne vključenosti (R.35) zahteva definiranje in spremljanje števila teh posameznikov. V okviru 9. specifičnega cilja (potrošnik) kazalci vpliva predvidevajo spremljanje vrednosti hrane prodane v okviru shem (I.28), kazalci rezultata pa obseg GVŽ in površin pod ukrepi omejevanja uporabe antibiotikov in pesticidov (R.36 in R.37), ki zahtevajo skladnost s trendom agregiranega podatka ter v primeru vrednotenj posameznega ukrepa tudi zanesljive mikro podatke (na vzorcu). Če povzamemo, so podatkovni izzivi trije: - Sistematično spremljanje in vključevanje podatkov o vrednostih kazalcev stanja/vpliva (vključno z vrednotenji, znanstvenimi članki ipd.) v analizo stanja, potreb, prioritet, oblikovanja ukrepov in usmerjanja sredstev - Centralizacija podatkov o izvajanju in vključenosti v ukrepe za namene letnih prerezov, načrtovanja in prilagajanja skladno z uredbo - Nadgradnja/Izgradnja mikro-podatkovnih zbirk (FADN, SO) za namene robustnih vrednotenj na vzorcih V širšem smislu slednje zahteva tudi oblikovanje podatkovne skupnosti uporabnikov ter ustrezne tehnične rešitve za predstavitve in dostop do podatkov. 111 3.2. Resolucija Naša hrana, podeželje in naravni viri po letu 2021 Temeljni strateški dokument na področju kmetijske politike v Sloveniji po letu 2021 predstavlja Resolucija Naša hrana, podeželje in naravni viri po 202154. Kot pravi dokument sam je njegov namen »opredeliti temeljni strateški okvir delovanja kmetijstva, živilstva in podeželja po letu 2021« (MKGP 2019: 4). Resolucija izhaja iz logike potreb, ciljev in ukrepov za njihovo uresničevanje, vključno s kazalniki za spremljanje, pri čemer se opira na študijo o uspešnosti izvajanja SKP v preteklem obdobju in usmeritvah po letu 2020 (Erjavec in dr. 2018) (MKGP 2019: 4). S tem odločanje na podlagi dejstev (in podatki) stopajo v ospredje slovenske kmetijske politike. Tako kot strateški dokumenti na Evropski ravni resolucija poudarja pomen širše družbene vloge kmetijstva, t.j. potrošnika, sledljivosti, živali, podeželja, narave (MKGP 2019: 2-3), s tem pa tudi ustvarjanja, povezljivosti in dostopnosti ustreznih podatkovnih virov. V nadaljevanju resolucija navaja tiri vertikalne in en horizontalni cilj (MKGP 2019: 6) z več specifičnimi cilji in opisi stanja in sprememb, iz katerih je mogoče izločiti kazalce stanja in vpliva ter nekatere kazalce učinka/rezultata (t.j. neposredne posledice izvajanja ukrepov) (Tabela 3.2.1). Tabela 3.2.1: Splošni cilji (A), specifični cilji (1-) in kazalci v okviru Resolucije Naša hrana, podeželje in naravni viri po letu 2021 A. Odporna in konkurenčna pridelava in predelava hrane A.1 Zagotavljanje visokih standardov varne in Kazalci stanja, vpliva in rezultata/učinka: kakovostne hrane faktorski dohodek, cene, naravne ujme in pogoji, A.2 Učinkovita raba in dostopnost virov (zemlja, vlaganja, povprečna velikost kmetij, tip kmetij, kapital, delo, znanje) samooskrbne kmetije, opredelitev kmeta in KMG, A.3 Primerljiv dohodkovni položaj povezovanje, veriga, starost, struktura (obdelava po A.4 Stabilnost dohodka starosti, tipu, velikosti …) dodana vrednost, veriga, A.5 Krepitev agroživilskih verig in izboljšanje primerljiv dohodkovni položaj, tehnologija, družinska položaja kmeta v verigi kmetija, … A.6 Spodbujanje pridelave in porabe hrane z višjo dodano vrednostjo Kazalci izvajanja: A.7 Krepitev tržne naravnanosti in podjetništva neposredna plačila, vezana plačila, OMD, podjetništvo, A.8 Spodbujanje generacijske prenove prenos znanja, povezovanje, sektorske politike, A.9 Ohranitev proizvodnega potenciala in obsega zemljiška politika, socialna in davčna politika, kmetijskih zemljišč (MKGP 2019: 9). regulatorni ukrepi (prakse v verigi …) (MKGP 2019: 8­15). B. Trajnostno upravljanje z naravnimi viri in zagotavljanje javnih dobrin B.1 Zmanjšanje negativnih vplivov na vode, tla in zrak B.2 Prilagajanje in blaženje podnebnih sprememb B.3 Varovanje biotske raznovrstnosti B.4 Ohranjanje kulturne krajine B.5 Zagotavljanje višjih standardov dobrobiti živali (MKGP 2019: 17). Kazalci stanja, vpliva in rezultata/učinka: izpusti toplogrednih plinov, pesticidi, indeks ptic, kmetijske krajine, območja natura, površina kmetijskih zemljišč, površina pod ekološko proizvodnjo … krožno gospodarstvo, OVE, slovenski genski viri, URE, raba vode, trajnostni materiali, ogljični ponori, biotska pestrost, kmečka kulturna krajina, dobrobit živali Kazalci izvajanja: pogojenost, shema za podnebje in okolje, eko, KOPOP­PRP, naravovarstveni, prenos znanja, naložbe, OMD, https://www.gov.si/assets/ministrstva/MKGP/DOKUMENTI/KMETIJSTVO/ded1a797fe/Resolucija­ Nasa-hrana-podezelje-in-naravni-viri-po-2021.pdf dobrobit živali … naložbe ki zmanjšujejo tveganja (MKGP 2019: 15-21) C. Dvig kakovosti življenja in gospodarske aktivnosti na podeželju C.1 Spodbujanje dopolnilnih dejavnosti na Kazalci stanja, vpliva in rezultata/učinka: kmetijah depopulacija, socialni kazalci na podeželju, stanje C.2 Krepitev lokalnih pobud in medpanožnega infrastrukture, revščina … dopolnilne dejavnosti, lokalne sodelovanja ter krepitev navezave turizma na pobude, kakovost bivanja, vključenosti, lokalne pobude, kakovostno hrano iz lokalnega okolja poseljenost, podeželska revščina, … C.3 Razvoj biogospodarstva C.4 Socialna vključenost, ženske na podeželju in Kazalci izvajanja: skrb za ranljive skupine naložbe, lokalne, pobude, socialna politika …(MKGP C.5 Zmanjševanje vrzeli v dostopnosti in 2019: 22-25) kakovosti storitev v urbanem in ruralnem okolju (MKGP 2019: 22) D. Horizontalni cilj: krepitev oblikovanja in prenosa znanja D.1. Krepitev raziskovalne podpore za razvoj Kazalci stanja, vpliva in rezultata/učinka: kmetijstva in podeželja AKSI in rezultati, sodelovanje med institucijami znanja, D.2. Učinkovit prenos znanja do končnih svetovalne in raziskovalne storitve, mreže upravičencev D.3. Delujoč in učinkovit sistem AKIS (MKGP Kazalci izvajanja: 2019: 26) … naložbe, strokovne naloge (živinoreja, rastline, genska banka in drugo) (MKGP 2019: 26-29) Vir: lastni prikaz na podlagi MKGP 2019 Splošni cilji resolucije so usklajeni s cilji SKP 2021-2027. Specifični cilji so medtem nekoliko drugače razdeljeni, bolj razvejani in vključujejo različne ravni podrobnosti. Na področje odpornosti so tako umeščeni cilji s področja kakovosti (A.1 in A.6), generacijske prenove (A.8), dodani so nekateri splošni ekonomski cilji (učinkovita raba in dostopnost virov -A.2) in nacionalno posebni cilji (ohranitev proizvodnega potenciala in obsega zemljišč A.9). Drugačno je tudi zaporedje ciljev, čeprav ni razvidno, ali ima hierarhija ciljev poseben pomen. Za cilj A.1 (varna hrana) je vprašanje ali spada na področje kmetijske politike. Posamezni cilji kot je A.3 (primerljiv dohodkovni položaj) v okviru Uredbe igrajo vlogo kazalcev vpliva. Prihaja tudi do določenega podvajanja (npr. dostopnost virov A.2 in obseg kmetijskih zemljišč A.9). Na področju okolja je razlik bistveno manj; dodana sta cilja B.4 (ohranjanje kulturne krajine) in B.5 (dobrobit živali), slednji se v okviru specifičnih ciljev SKP umešča v tretjo skupino ciljev. Na področju podeželja so prav tako prisotni različni specifični poudarki, razvidni iz števila in opisa vseh ciljev. Horizontalni cilji so v primerjavi z predlogom Uredbe bolj razdelani. Resolucija vključuje številne kazalce stanja, vpliva, rezultata/učinka in izvajanja, ki pa so navedeni (našteti) v strnjeni opisni obliki in niso vezani na posamezne cilje v smislu formalno opredeljene povezave. Kazalci so opredeljeni na različne načine, nekateri kot samostojne politike, drugi kot teme, tretji kot standardne domene ali statistične kategorije. Resolucija je sicer »podlaga za nacionalne ukrepe in enovit Strateški načrt za izpolnjevanje Skupne kmetijske politike, ki ga pripravljajo vse države članice EU v skladu napovedanih sprememb SKP.« Ob upoštevanju natančne analize stanja, ugotovljenih potreb bodo definirane prioritete ter izvedbeni mehanizmi za doseganje vseh specifičnih ciljev. V strateškem načrtu bodo izbrani mehanizmi ovrednoteni ter določeni kazalniki učinka in rezultata, s katerimi se bo spremljalo učinkovitost izvajanje načrta (MKGP 2019: 30). 113 3.2.1. Podatkovne potrebe na podlagi resolucije Iz nacionalne resolucije izhajajo nekatere posebne podatkovne potrebe. Na ekonomskem področju cilja A.1 in A.6 govorita o kakovostni hrani in dodani vrednosti, ki jo lahko povezujemo z že omenjenimi podatki o shemah kakovosti in iz potrošniških anket. Cilj A2 v zvezi z učinkovito rabo in dostopnostjo virov se nanaša na strukturne spremembe, vlogo samooskrbnih in družinskih kmetij, ter učinkovito uporabo kapitala in dela, ki zahtevajo podrobnejše podatke in specifične študije. V ta sklop sodi tudi cilj A.7, ki govori o tržni naravnanosti in podjetništvu. Na voljo so denimo podatki o dejavnostih. Cilj A.9 govori o proizvodnem potencialu in obsegu zemljišč, ki zahteva spremljanje obsega, rabe ter zaraščanja. Med kazalci se omenjajo še naravne ujme, ki zahtevajo oblikovanje ustreznega kazalca in spremljanje (recimo škodni primeri, zahtevki za izredne omoči) ter namenske študije (povezave z različnimi dejavniki in ukrepi v smislu odpornost). Posebej se omenja tudi vloga državne zemljiške politike, ki zahteva oblikovanje zbirke podatkov o najemu, cenah in analizo. Na področju okoljskih ciljev lahko z vidika dodatnih zahtev izpostavimo cilj B.4 ohranjanje kulturne krajine, ki je deloma povezan s pol-naravnimi značilnostmi ter B.5 zagotavljanje višjih standardov za dobrobit živali, ki zahteva podatke o minimalnih zahtevah, običajnih praksah, prostovoljnih ukrepih in vključenosti. Gre za nadgradnjo kazalcev outputa in rezultata, ki se bodo spremljali v okviru izvajanja Strateških načrtov. Med navedenimi kazalci najdemo številne, ki se doslej niso sistematično spremljali in/ali kjer je potrebno razviti ustrezen kazalec ter zagotoviti vir podatkov kot so indeksi ptic, krajine, krožno gospodarstvo, slovenski genski viri, raba vode, trajnostnih materialov in drugo. Na družbenem področju je cilj C.1 spodbujanje dopolnilne dejavnosti povezan z zgoraj omenjenim ciljem A.7, pa tudi z odpornostjo in diverzifikacijo v smislu kazalcev FLINT in SKP. Cilj C.2 krepitev lokalnih pobud, medpanožnega sodelovanja, navezave na turizem in kakovostno hrano iz lokalnega okolja zahteva povezovanje podatkov v zvezi z drugimi strukturnimi skladi, projekti, posamezne namenske študije ter definiranje kazalcev. Za cilj C.3 razvoj biogospodarstva so na voljo osnovni podatki v okviru študije JRC, natančnejši pregled pa poteka v okviru CRP biogospodarstvo. Pri cilju C.4 socialna vključenost je kot že omenjeno problem v pomanjkanju študij in podatkov. Pri cilju C.5 zmanjševanje vrzeli v dostopnosti in kakovosti storitev v ruralnem in urbanem okolju so nekateri podatki na voljo, problem pa je v ustrezni razmejitvi podeželja in urbanega okolja v slovenskem kontekstu. Na horizontalnem področju resolucija vključuje cilj D.1 raziskovalna podpora za razvoj kmetijstva in podeželja, ki je hkrati lahko tudi kazalec, ter cilj D.2 učinkovit prenos znanja do končnih upravičencev ki pa zahteva smiselno oblikovanje kazalca, spremljanje in analize. Pri cilju D.3 delujoč učinkovit sistem AKIS je smiselna predvsem ocena stanja na podlagi različnih posrednih kazalcev. 3.2.2. Kazalci in viri podatkov v slovenski kmetijski politiki O razpoložljivih relevantnih podatkih v uporabi lahko sklepamo iz kazalcev uporabljenih v okviru vrednotenja uspešnosti uresničevanja ciljev slovenske kmetijske politike v obdobju 2014-2020 s strani CRP Perspektive SKP po 2020 (Erjavec in dr. 2018). V okviru projekta so bili vrednoteni cilji prilagojeni strukturi ciljev v okviru SKP. Za namene celovite presoje je bilo izbranih 50 kazalnikov. Od tega se jih 22 nanaša na ekonomsko področje, 16 na področje okolja, 7 na podeželje in 5 na znanje in inovacije. Kazalnike predstavljamo v prilogi III k temu poročilu. Uporabljene so bile letne vrednosti razen kjer te niso na voljo – pri povprečni velikosti in velikostni strukturi KMG, osnovnih proizvodnih dejavnikih v uporabi, stanju ohranjenosti habitatnih tipov, površini zemljišč ogroženih zaradi erozije, rabi kmetijskih zemljišč na vodovarstvenih območjih, KMG in GVŽ vključenih v ukrep DŽ, starostni in spolni strukturi gospodarjev KMG, vključenosti podeželskega prebivalstva v formalno in neformalno izobraževanje, ter gospodarjih KMG s formalno kmetijsko izobrazbo. 114 Pri večini kazalcev – vezanih na velikostno strukturo in demografsko strukturo gospodarjev KMG, rabo zemljišč na VVO – je zanesljive in točne letne podatke mogoče zagotoviti s pomočjo administrativnih virov. Pri izobrazbi alternativni 'administrativni' kazalec predstavlja vključenost v ukrepe usposabljanja, ki so bili v obdobju 2014-2020 pogoj za številne druge ukrepe. Vrednotenje je navedlo predloge o izboljšavi in oblikovanju novih kazalcev: -Odporna in konkurenčna proizvodnja: o izboljšanje podatkov o dohodkovnem položaju s pomočjo empiričnih podatkov o dodani vrednosti na vzorcu (FADN) o Izboljšanje podatkov o stabilnosti z empiričnimi podatki o SO na vzorcu (FADN) o Izboljšanje podatkov o učinkoviti rabi virov s pomočjo podatkov o kapitalski intenzivnosti in bruto investicijah na empiričnem vzorcu (FADN) -Trajnostno upravljanje z naravnimi viri: o Izboljšanje podatkov o podnebnih spremembah s pomočjo spremljanja podatkov o kapacitetah modernih gnojišč, trajnih nasadih z mrežami, oroševanju in podobnem o Podatke na področju biodiverzitete dopolniti s podatki iz spremljanja ptic in metuljev na Naturi 2000 in travniških vrstah metuljev o Na področju varstva tal dodati podatke o založenost tal in organskih snoveh v tleh o Na področju dobrobiti živali podatke dopolniti z rezultati nadzora, deležem reje, ki dosega minimalne standarde ter nadstandard -Znanje in komuniciranje o Na področju informiranost in ozaveščenosti dodati podatke o dejavnosti mreže za podeželje, KGZS, ZZ ter potrošnji živil iz shem Za predloge, ki se nanašajo na področje odporne in konkurenčne proizvodnje je nekatere populacijske mikro podatke – npr. o SO ali investicijah, ki so vključevale javne vire, mogoče pridobiti tudi iz administrativnih in statističnih virov (oz. slednje uporabiti za izboljšanje kakovosti vzorčenja). Na področju trajnostnega upravljanja so prav tako na voljo omejeni podatki o gnojevki, analizi tal (vprašljiva kakovost), vključenih v ukrep dobrobiti živali ter rezultatih nadzora. Na področju znanja in komuniciranja je mrežo za podeželje ob upoštevanju omejitev zbirke (prostovoljni vpis) mogoče uporabiti za analizo vključenosti, sistematično bi bilo mogoče pristopiti tudi k potrošniškim anketam in anketam o odnosu do hrane, kmetijstva in podeželja v Sloveniji. Raziskovalci so opozorili tudi na potrebo po vključitvi kazalcev, ki se spremljajo na evropski ravni (navajamo jih v prilogah). 115 4. Dobre podatkovne prakse Namen tega poglavja je pregledati dobre prakse zagotavljanja (odprtega) dostopa do podatkov na področju kmetijstva in hrane s poudarkom na primeru Velike Britanije, ter na podlagi tega opraviti primerjavo s stanjem v Sloveniji in podati predloge. 4.1. Primer Velike Britanije 4.1.1. Ponudniki podatkov V študiji potreb po podatkih za ugotavljanje ekoloških tveganj v povezavi s kmetijstvom v Veliki Britaniji, avtorji (Winter in dr., N.L.) začnejo z vprašanjem: »Ali so podatki prosto dostopni v zadostni ločljivosti in dovolj kakovostni skozi čas in za vrsto uporabniških zahtev ter na ravni kmetijskega gospodarstva?« Študija izvedljivosti glede na proučevano temo nato identificira vrsto podatkovnih datotek različnega izvora in vrste ponudnikov storitve dostopa do podatkov. Med ponudniki podatkov, ki večinoma ločujejo komercialno rabo in rabo za akademske namene, kot je poučevanje in raziskovanje, ter popolnoma javne podatke pod ustreznimi licencami, so: . Britansko Ministrstvo za okolje, hrano in podeželje (Department for Environment, Food and Rural Affairs – DEFRA), ki ponuja več kot 500 podatkovnih sklopov dostopnih preko portala odprtih podatkov55 . Podatkovni centri Nacionalnega raziskovalnega sklopa za naravo (The Natural Environment Research Council – NERC), ki je nacionalni javni financer znanstvenega raziskovanja na področju okolja in ki podpira delovanje petih podatkovnih centrov – ti se nanašajo na področja od raziskovanja morja, ozračja in tal.56 Povezani so tudi s centrom za Arheološke podatkovne storitve. . Center za geoprostorske, kulturne in zgodovinske raziskovalne podatkovne storitve – EDINA57. V okviru DEFRA poteka več projektov, ki so usmerjeni k zagotovitvi podatkovnih produktov z dodano vrednostjo za širši krog uporabnikov. Tako na primer, kot predstavljajo v okviru objave »Obdelaj enkrat, uporabljaj povsod« (»Process once. Use everyhwere«)58, pripravljajo projekt za centralizirano in avtomatizirano čiščenje in pred-procesiranje satelitskih posnetkov, pri čemer bodo podatki in orodja za vizualizacijo podatkov na voljo vsem zaposlenim v okviru DEFRA, posebej pa tudi njihovim podatkovnim znanstvenikom za analizo podatkov in pripravo produktov, ki so namenjeni izboljšanju rezultatov različnih politik. Primer kmetijskega ministrstva – DEFRA59 je zanimiv zaradi celovite opredelitve vsebinskega obsega in poslanstva oblikovanja zbirke podatkov (opazovanj zemlje): “Tehnologije opazovanja zemlje nam pomagajo razumeti kako naša dejanja vplivajo na naše okolje in so ključ do zagotavljanja boljših storitev s pomočjo pametnejše uporabe podatkov. Opazovanje kemijskega, fizičnega in biološkega okolja je ključ za razumevanje kje, kako in zakaj se planet zemlja spreminja. Na okolje se zanašamo za proizvodnjo hrane, ki jo zaužijemo, in prostor, kjer živimo. Naš odnos z okoljem je kompleksen; od njega smo odvisni, izvajamo lahko pritisk nanj, ga spreminjamo na bolje ali slabše. 55 https://data.gov.uk/publisher/department-for-environment-food-and-rural-affairs 56 https://nerc.ukri.org/research/sites/data/ 57 https://edina.ac.uk/ 58 https://defradigital.blog.gov.uk/2017/09/07/process-once-use-everywhere/ 59 https://defradigital.blog.gov.uk/2017/04/07/why-defra-has-an-earth-observation-centre-of-excellence/ Razvoj in vse večja naprednost tehnologij za oddaljeno zaznavanje sta prinesla revolucijo v opazovanju zemlje in omogočila obsežno zbiranje okoljskih podatkov, ki nam omogoča opazovanje in razumevanje sprememb in vpliva naših dejanj. Opazovanje zemlje predstavlja izjemno priložnost kot sredstvo uporabno v realnih razmerah, ki omogoča ukrepe na cenejši in bolj učinkovit način čez raznolik nabor politik in ukrepov.” NERC centri dajejo poudarek ustreznemu ravnanju s podatki za zagotavljanje dolgoročne dostopnosti. Njihov cilj je priprava visoko kakovostnih in nacionalno pomembnih podatkovnih virov, ki so široko dostopni vsakomur. Podatkovni viri so namenjeni novim raziskavam, tudi s področja okoljskih problemov, npr. podnebnih sprememb, podpori vladnim politikam na različnih področjih kot je skrb za kakovost voda, na voljo pa so tudi za komercialne projekte. EDINA med drugim združuje podatke iz različnih virov in jih, urejene, ponuja v dostop za produkt EDINA Kmetijski cenzus za Anglijo, Wales in Škotsko (Agricultural Census for England, Wales and Scotland), kjer so na voljo na ravni 2-kilometerskih ali večjih kvadratih. Dostop za akademske uporabnike je preko enotne avtentikacijske storitve za celotno državo. Posebej je na voljo tudi dostop za ne-akademske namene, a za plačilo, ki je odvisno od števila uporabnikov, namena (za kakšen projekt gre) in glede na posebne zahteve glede načinov prenosa podatkov. 4.1.2. Mednarodno povezovanje Splošni cilji zbiranja in namen podatkov v kmetijstvu utemeljeni skozi različne možne načine uporabe, podkrepljene s primeri v mednarodnem okolju, so opredeljeni v okviru pobude Globalni odprti podatki za kmetijstvo in prehrano (Global Open Data for Agriculture and Nutrition – GODAN), ki ima sedež v Veliki Britaniji.60 Predstavljamo jih v Tabeli 4.1.2.1. Tabela 4.1.2.1: Akterji, nameni in primeri podatkov v kmetijstvu Javni akterji Zbirajo, združujejo in delijo različne podatke Nekatere izmed ključnih zbirk (kmetijske, gospodarske in relevantne za kmetijstvo. Ti podatki se lahko zgolj zbirajo in zadržijo, lahko pa se tudi delijo z drugimi zajemajo podatke o proizvodnji, živalih v reji, vremenu, tržnih statistične vladnimi službami z namenom podpore v procesu cenah in registrih kmetijskih službe) odločanja, ali pa so odprti in splošno dostopni. gospodarstev. Npr. Kmetijsko ministrstvo iz Urugvaja zbira in objavlja četrtletne statistike o cenah zemlje in poljščin. 60 GODAN podpira proaktivno deljenje odprtih podatkov o kmetijstvu in prehrani za zagotavljanje razpoložljivosti, dostopa in uporabe pri soočanju z izzivom svetovne prehranske varnosti. Hitro rastoča skupina trenutno vključuje 981 partnerjev – vlad, nevladnih, mednarodnih in zasebnih organizacij – ki so se zavezali k skupni Izjavi o namenu. Pobuda se osredotoča na podporo na najvišji ravni – med vladami, odločevalci, mednarodnimi organizacijami in podjetji. Spodbuja sodelovanje za skrb za rastoč obseg podatkov, ki izhajajo iz novih tehnologij, za reševanje perečih problemov in v korist kmetov ter zdravja potrošnikov. Pobuda je bila vzpostavljena na vrhu G-8 leta 2012 na temo prehranske varnosti. Zaveze med drugim vključujejo delitev relevantnih kmetijskih podatkov iz držav G-8 z afriškimi partnerji in podobno, na podlagi obstoječih kmetijskih podatkovnih sistemov. Na konferenci leta 2013 so se zavzeli za vzpostavitev odprtih podatkov na področju kmetijstva. Raziskovalci iz Zbirajo in analizirajo podatke v zvezi z bio in Primer je Raziskovalni inštitut za univerz, think zootehniko, prstjo, klimo in drugim. Zbirajo podatke kokos iz Gane ali globalno tankov, s strani kmetov preko vprašalnikov in intervjujev, da raziskovalno partnerstvo CGIAR z inštitutov, bi bolje razumeli lokalne trge in omejitve na strani več smermi raziskovanja, vključno organizacij in kmeta. Institucije vključujejo od zelo specializiranih, s programi vzreje za rastline in podjetij komercialno usmerjenih do velikih mednarodnih organizacij in konzorcijev, ki se ukvarjajo z globalnimi temami kot so ohranjanje narave ter prehranska varnost. Tudi velika podjetja imajo pogosto posebne oddelke za raziskave in razvoj. družbenoekonomskimi raziskavami. Kmetijska Zbirajo, analizirajo in uporabljajo podatke za Primer Dobaviteljev kmetijske podjetja prilagajanje storitev ali izdelkov, ki jih tržijo. Podatki izhajajo iz različnih virov, lastnih, s strani vladnih agencij ali samih uporabnikov. Nanašajo se na izdelke kot so kmetijska oprema, gnojila, semena, ali storitve kot so satelitski posnetki in finančne storitve. opreme (Agriculture Technology Providers – ATPs) kot je Rezatec, ki zbirajo satelitske posnetke in uporabljajo tehnike modeliranja za podporo kmetom in poslovnih odločitvam. Kmetje Ustvarjajo primarne kmetijske podatke na svojih kmetijah. Zbira jih lahko kdo izmed navedenih zgoraj ali pa so, v primeru velikih kmetijskih podjetij, analizirani na kmetiji. Kmetje so lahko koristniki informacij, ki izhajajo iz teh podatkov, ali iz drugih virov, kot so javni sektor, ponudniki storitev, raziskovalne institucije idr. Glede na izvedene intervjuje najdragocenejši podatki vključujejo podatke o vremenu, prsti, zemljiščih, lastništvu in trgih. Npr. podatki o vzreji/gojenju posamezne živalske ali rastlinske vrste, vremenu. Vir: GODAN61 V okviru Združenja raziskovalnih podatkov (Research Data Alliance – RDA), ki je je združenje različnih podatkovnih strokovnjakov, podatkovnih znanstvenikov in drugih profilov, ki imajo opravka s podatki, namenjenimi analizam, deluje interesna skupina za kmetijske podatke (Interest Group on Agricultural Data – GAD). Združujejo se v različne skupine in pobude za pripravo naprednih rešitev za delo s podatki iz kmetijstva v mednarodnem okolju. Aktivne so naslednje skupine: - Delovna skupina za interoperabilnost podatkov o pšenici (The Wheat Data Interoprability Working Group) se ukvarja s standardi za pripravo, povezovanje in izmenjavo podatkov o pšenici. Ukvarjajo se z določanjem kakšni minimalni metapodatki bi bili primerni, podatkovni tipi in vodiči, da bi podatki o pšenici ustrezali standardom FAIR. Med drugim so oblikovali smernice za pripravo podatkov ter strokovni terminološki slovar.62 - Delovna skupina za agrisemantiko se ukvarja s presekom med semantičnimi (jezikovnimi, znakovnimi) orodji in pristopi ter kmetijstvom. Cilj skupine je ugotoviti, na katerih področjih kmetijskih podatkov bi se ti pristopi lahko uvajali.63 - Skupina za zbiranje, dokumentiranje, povezovanje, arhiviranje in dostop do podatkov na kmetijah (On-Farm Data Sharing – OFDS WG)64 - Delovna skupina za izobraževanje in osveščanje o pomenu podatkov s področja kmetijstva (Capacity Development for Agriculture Data WG)65 61 https://www.godan.info/sites/default/files/documents/Godan_Responsible_Data_in_Agriculture_Publication_lo wres.pdf 62 https://www.rd-alliance.org/groups/wheat-data-interoperability-wg.html 63 https://www.rd-alliance.org/groups/agrisemantics-wg.html 64 https://www.rd-alliance.org/groups/farm-data-sharing-ofds-wg 65 https://www.rd-alliance.org/groups/capacity-development-agriculture-data-wg IGAD organizira različne delavnice in seminarje, tako v okviru RDA konference kot izven. Tako so npr. iz zadnje konference jeseni 2019 na voljo predstavitve, ki zajemajo tematike od FAIR podatkov na kmetijah do etičnih, pravnih in organizacijskih problemov pri delu s podatki in njihovem dostopu.66 Naslavljali so teme kot Kako vzpostaviti zaupanje pri kmetih, pri katerih se zbirajo podatki? Kakšna je zaščita podatkov? Probleme 'podatkovnega fevdalizma', asimetrije moči med industrijo in kmeti ipd. Omenjali so različne vire in projekte, ki so lahko v oporo pri posodabljanju podatkovne organiziranosti. GODAN npr. ponuja brezplačne online tečaje o problematiki skrbi za za različne namene dostopne podatke v kmetijstvu.67 EU ponuja Etični kodeks ravnanja pri skrbi za podatke s kmetijstva.68 Sodelovanje v skupini IGAD in z njimi povezanimi skupinami je dostopno komurkoli, ki ga področje zanima. 4.1.3. Integracija ponudbe podatkov Program Podeželsko gospodarstvo in uporaba zemljišč (Rural Economy and Land Use – RELU) je bil interdisciplinarno zasnovan sklic raziskovalnih projektov na teme družbenih in okoljskih problemov podeželja, ki so jih podpirali javni financerji znanosti iz različnih področij skupaj s Škotsko vlado in vladnim oddelkom/ministrstvom DEFRA med leti 2004-2013. Program izpostavljamo zaradi pomembnega poudarka, kako približati skupnosti raziskovalcev iz različnih področij in z različnimi navadami in kulturo deljenja podatkov in njihovo pripravo, kar na splošno označujemo kot ravnanje s podatki. Za CRP je primer zanimiv zaradi vsebinske sorodnosti tematike: kmetijstva in okolja, ter zaradi partnerskega sodelovanja področnega podatkovnega središča za družboslovje pri širitvi dobrih praks na druga področja. Na sklopu dela s podatki so sodelovali partnerji pod vodstvom Britanskega središča za podatkovne storitve (UK Data Service), ki je osrednji podatkovni arhiv za družboslovje v Veliki Britaniji, in Podatkovnega centra za okoljske podatke (Environmental Information Data Centre – EIDC), ki je eden od petih podatkovnih središč financerja za področje raziskovanja o okolju NERC. V okviru projekta so oblikovali skupna načela in obveznosti glede arhiviranja raziskovalnih podatkov ter omogočanja dostopa za druga raziskovanja. Vzpostavili so dejavno podporo pri delu s podatki, ki je vključevala usposabljanje ter storitev prevzema in priprave podatkov za trajno arhiviranje in dostop. Model tako zasnovanega interdisciplinarnega dela s podatki predstavlja zgled za druge podobne projekte69. Eden glavnih rezultatov projekta je bil priročnik za delo s podatki v življenjskem krogu podatkov70. Priročnik začne z vprašanjem, zakaj in kako deliti podatke za nadaljnjo uporabo, ter nato obravnava korake od načrtovanja, dokumentacije, izbire tehničnih karakteristik in sledljivosti podatkov, spravila in varovanja, in na koncu razčiščevanje etičnih ter pravnih vprašanj. Nasledniki tega priročnika so posodobljene različice, kot je spletni vodič Priprava in upravljanje podatkov (Prepare and manage data)71 kot tudi npr. CESSDA Ekspertni vodič za upravljanje s podatki (Data Management Expert Guide)72, v osnovi namenjen družboslovcem v evropskih državah, ter različnim deležnikom namenjen vodič skupine Ekosistemske storitve za odpravo revščine (Ecosystem Service for Poverty Alleviation ­ESPA) (Veerle, Schreckenberg in Corti 2015). 66 http://aims.fao.org/activity/blog/presentations-available-igad-meeting-during-rda-14th-plenary 67 https://www.godan.info/pages/open-data-management-agriculture-and-nutrition 68 https://copa-cogeca.eu/img/user/files/EU%20CODE/EU_Code_2018_web_version.pdf 69 Glej poročilo Inovation in Interdisciplinary Methods – the RELU Experience, http://repository.essex.ac.uk/2447/1/relubriefingpaper.pdf . 70 UK Data Archive: Managing and Sharing Data: Best Practice for Researchers, http://repository.essex.ac.uk/2156/1/managingsharing.pdf , skupaj z gradivi za usposabljanje za delo s podatki na http://repository.essex.ac.uk/2398/1/TrainingResourcesPack.pdf 71 https://www.ukdataservice.ac.uk/manage-data.aspx 72 CESSDA Training Working Group (2017 -2018). CESSDA Data Management Expert Guide.Bergen, Norway: CESSDA ERIC. Retrieved from https://www.cessda.eu/DMGuide Za ilustracijo o rezultatih projekta lahko izpostavimo konkreten opis določenih podatkov. Metapodatki, po katerih se da iskati znotraj kataloga, vsebujejo bibliografske informacije, začenši z naslovom (npr. Upravljavske možnosti za biološko raznovrstno kmetovanje -Management Options for Biodiverse Farming, 2006-2009), stalnimi identifikatorjem ter informacijo o avtorjih73. Vključeni so podatki o raziskovalnem projektu in izvajalcu raziskave ter priporočen način citiranja podatkov v publikacijah, kadar jih na podlagi novih analiz podatkov pripravijo drugi uporabniki. Sledijo podrobni opisi vsebine in metodologije podatkov skupaj s povezano dokumentacijo. Na koncu so pojasnila glede dostopnosti, katere edini pogoj je v tem primeru registracija uporabnika pri arhivu, razen za komercialno uporabo, glede katere je potreben pristanek nosilcev pravice razpolaganja s podatki. V katalogu je kot nasledek programa na podoben način pripravljenih in urejenih še 35 podatkovnih sklopov podatkov iz RELU programa74. Na voljo so za različne interdisciplinarne raziskave, deležne digitalnega skrbništva in zagotavljajo preglednost in preverljivost zaključenih projektov in poročil. Na podlagi zgledov je za CRP pri načrtovanju zbirke podatkov v povezavi s kmetijstvom potrebno izbrati strategijo oblikovanja zbirke, in sicer glede vsebinskih področij, tipov podatkov (kvalitativni kot so besedilni – kvantitativni oz. številski; anketni, eksperimentalni, registrski; mikro podatki – makro oz. agregirani; surovi in predobdelani itd.; prostorski in glede na enote in drugo) in glede na sektor nastanka (javni sektor, akademski sektor, komercialni). Nato so pri načrtovanju pomembni dejvniki, ali so podatki pripravljeni samostojno s strani ustvarjalca podatkov in samoarhivirani v repozitoriju za ta namen, ali pa so deležni kasnejšega ovrednotenja in presoje glede kakovosti, ter deležni nadaljnjega digitalnega skrbništva. Slednje je upravičeno za reprezentativne podatkovne sklope, ki imajo trajno vrednost in uporabnost za veliko namenov. 4.2. Pregled stanja v Sloveniji Na podlagi mednarodnega pregleda lahko primerjalno presojamo stanje v Sloveniji. Primerljive slovenske storitve dostopa do podatkov zemeljskih opazovanj predstavlja Geoportal75, ki je povezan v evropsko Inspire infrastrukturo. Obdelave satelitskih in lidarskih podatkov ter njihova vizulizacija so del dejavnosti Centra odličnosti Vesolje.si. Produkt Geopedia76 omogoča ogledovanje tovrstnih podatkov, ki je po funkcionalnosti zelo podobno Gerk/Raba storitvi77. Osrednje statistične zbirke podatkov relevantnih z vidika kmetijstva so poleg FADN zbirke SURS in KIS, ki jih podrobneje obravnavamo v nadaljevanju. Poleg teh so relevantni še podatki panožnih organizacij in zbornic (s podatki KGZS se ukvarjamo v nadaljevanju), dobaviteljev opreme in sredstev ter administrativni podatki (poleg kmetijskih) GURS (vrednosti zemljišč in infrastrukture), ARSO (vremenski podatki), Finančne uprave in drugi, ki so v določeni meri vključeni v raziskovanja SURS. Pozabiti ne smemo na zbirke ustvarjene v okviru različnih drugih raziskovanj (s strani raziskovalnih institucij) ter na podatke zasebnih združenj, organizacij, dobaviteljev opreme in izvajalcev storitev v kmetijstvu. 73 Sutherland, W. (2019). Management Options for Biodiverse Farming, 2006-2009. [data collection]. UK Data Service. SN: 6728 74 https://beta.ukdataservice.ac.uk/datacatalogue/studies/#!?Search=relu&Page=1&Rows=10&Sort=1&DateFrom= 1753&DateTo=2019 75 http://www.geoportal.gov.si/slo/o-portalu/ 76 www.Geopedia.world 77 http://rkg.gov.si/ 4.2.1. SURS SURS razpolaga z osrednjo statistično zbirko mikro podatkov o kmetijstvu v Sloveniji. Podatki temeljijo na različnih raziskovanjih, od popisa kmetijstva vsakih 10 let do vmesnih vzorčnih raziskovanj. Strukturo in vsebino zbirk predstavljamo v Prilogi IV. Raziskovanja temeljijo na telefonskem anketiranju ali po pošti ter uporabi različnih drugih (administrativnih) zbirk podatkov. V zadnjem popisu kmetijstva (2010) so podatke na terenu zbrali na način računalniško podprtega osebnega intervjuja. Različne metode in viri ter kontinuirano zbiranje ima za rezultat kompleksen sistem mikro podatkov, ki omogoča ocene kakovosti posameznih virov. Podatki so javno dostopni v spletnem pregledovalniku na spletnem portalu SI-STAT v obliki agregatov po različnih kategorijah in domenah. Dostop do mikropodatkov na SURS je opisan v dokumentih na spletni strani »Za raziskovalce«78. Javno objavljeni in prosto dostopni so tudi vprašalniki, metodološka pojasnila, ki se sproti dopolnjujejo ter periodična poročila o oceni kakovosti posameznih statistik. Metodološka pojasnila predstavljajo standard opisa podatkov za uporabnike. Metodološka pojasnila za posamezne sklope raziskovanj vključujejo naslednje elemente: namen, pravno podlago, enoto opazovanja, ki jo podatki opisujejo, izbor enot, zbiranje podatkov in vire, definicije (večinoma usklajene z Eurostat razen kjer je navedeno drugače), pojasnila v zvezi s klasifikacijami, urejanje – vključno z uteževanjem, obdelavo, objavljanje, morebitne prelome v časovni vrsti in revidiranje. V nadaljevanju (Tabela 4.2.1.1) predstavljamo reprezentativne primere treh skupin statistik glede na ponudbo vseh statistik: Strukture KMG, ki predstavljajo temeljno skupino osnovano na mikro podatkih, Ekonomske podatke računov za kmetijstvo79, kjer so na voljo agregatni podatki za državo, ter Porabo mineralnih gnojil po kmetijskih kulturah, ki temelji tako na mikro podatkih kot oceni na podlagi modela.80 Tabela 4.2.1.1: Primeri statistik SURS Struktura KMG Ekonomski podatki računov za kmetijstvo Poraba mineralnih gnojil po kmetijskih kulturah Namen Prikaz strukture KMG, opreme in delovne sile (primerjava s podatki drugih držav članic EU) Prikaz stanja v kmetijstvu za posamezno leto in računanje dohodkovnih kazalnikov. Prikaz porabe mineralnih gnojil oz. glavnih rastlinskih hranil dušika (N), fosforja (P2O5) in kalija (K2O) po najpomembnejših kmetijskih kulturah81 78 https://www.stat.si/StatWeb/StaticPages/Index/for-researchers 79 Ekonomski podatki računov za kmetijstvo omogočajo primerjavo med leti (stabilnost, spremembe) in izračun BDP. Vključujejo faktorski dohodek kot eno izmed ključnih statistik, ki omogoča analizo strukture glede na delež iz kmetijske dejavnosti, iz subvencij ter njegovo delitev med proizvodne faktorje delo, kapital in zemlja. Uporaba delovne sile je izražena v PDM in razdeljena na plačano in neplačano. Pomembni so še podatki o investicijah v kmetijske in nekmetijske proizvode. 80 Ocene površin v okviru porabe mineralnih gnojil se izračunajo tako da se seštejejo površine z najmanj enim hranilom po kategorijah rabe, količine mineralnih gnojil pa se preračunajo v količine makro hranil glede na podatke o vsebnosti posameznih gnojil. Ker so vključene glavne kategorije rabe podatki predstavljajo oceno o porabi za Slovenijo. Podatki so statistični urejeni s kombinacijo sistemskih podatkov in postopki vstavljanja podatkov (THD metoda naključnega notranjega darovalca za več spremenljivk hkrati glede na podobnost). Določene ocene populacijske vsote vključujejo opozorilo v zvezi z natančnostjo za zemljišča (do 2012) in makro hranila (od 2014). 81 Raziskovanje poteka vsako drugo leto (2006, 2008, 2012, 2014, 2016). Leta 2010 zaradi popisa telefonska anketa ni bila izvedena. Porabo za leto 2010 so ocenili z ustreznim modelom na podlagi razpoložljivih podatkov iz let 2008, 2010 in 2012. Ključne -Površina in struktura -Vrednost kmetijske Izbrana kmetijska kultura, statistike kmetijskih in drugih zemljišč, posejanih njiv, trajnih travnikov in pašnikov ter trajnih nasadov; -Število in struktura živine; -Struktura delovne sile, obseg dela v pridobitnih dejavnostih; -Posek lesa; -Število kmetijske in gozdarske mehanizacije82; -Ekonomska velikost; -Tip kmetovanja83 proizvodnje, vmesne potrošnje, dodane vrednosti, -Vrednost davkov in subvencij, potrošnje stalnega kapitala, -Vrednost sredstev za zaposlene, faktorskega dohodka, poslovnega presežka / raznovrstnega dohodka, podjetniškega dohodka, bruto investicij in zaposlenost v kmetijstvu. posejana ali posajena na kmetijskem zemljišču v uporabi v referenčnemu obdobju in pognojena z najmanj enim mineralnim gnojilom, ki vsebuje najmanj eno od glavnih rastlinskih hranil. Kulture so omejene na tiste, ki se spremljajo v okviru statistike pridelave. Enota KMG na ozemlju RS, ki Kmetijska dejavnost po SKD Družinska kmetija z rastlinsko opazovanja vključuje družinske kmetije ter kmetijska podjetja, ki izvajajo kmetijsko proizvodnjo 84 nad določenim pragom. 2008 ki sodi v področje dejavnosti A, v oddelek 01. Vključene so družinske kmetije s proizvodnjo nad pragom, kmetijskega podjetja, družbe in zadruge. pridelavo nad določenim pragom pridelave.85 Vzorčni okvir Statistični RKG, ki ga vodi SURS. Običajno v vzorec izberejo 15-20% enot. Vsakih 10 let (2000, 2010) popis z vsemi enotami iz vzorčnega okvirja upoštevaje prag. Vzorec je stratificirani sistematični naključni.86 / V vzorec izberejo okoli 12.000 enot od okoli 70.000). Vzorčenje je stratificirano enostavno naključno. Pri podjetjih je vključenih okoli 250 enot oz. vsa podjetja s pridelavo v referenčnem letu). Zbiranje telefonska anketa (vse enote v Podatke na družinskih podatkov vzorcu), zbiranje po pošti ter administrativni viri. Podatke kmetijskih podjetij zberejo po pošti, družinskih kmetij pa preko ankete. Vprašalnika se razlikujeta v poglavju o delovno aktivnih osebah na KMG. kmetijah zberejo z računalniško podprto telefonsko anketo (CATI).87 Podatke kmetijskih podjetij pridobijo po pošti s papirnim vprašalnikom. 82 V letih 2000, 2005, 2010 in v letu 2013. 83 V letu 2010 so v okviru popisa kmetijstva objavili tudi nekatere statistike o proizvodnih metodah v kmetijstvu. 84 Uporabljajo najmanj 1 ha kmetijskih zemljišč ali pa b) 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. 85 Do leta 2012 je prag predstavljalo več kot 20kg makrohranila N (ali drugega) na hektar (pri travnikih in pašnikih z enkratno in dvakratno rabo pa več kot 10kg). Od leta 2014 pa prag predstavlja 5kg na hektar. 86 Končne uteži so produkt uteži zaradi vzorčenja ter uteži neodgovora na ravni stratumov (dve regiji na ravni NUTS2, štirje velikostni razredi glede na proizvodnjo). 87 Aplikacija zajame podatke o površinah kmetijskih zemljišč v uporabi, ki jih uporabljajo posamezne poročevalske enote, in sicer iz administrativnih virov ali pa iz drugih statističnih raziskovanj. Enote sprašujejo, katere površine so bile pognojene z mineralnimi gnojili ter katere vrste mineralnih gnojil in kolikšno količino so uporabili. Identifikacija posameznih mineralnih gnojil in vsebnosti rastlinskih makrohranil v mineralnih gnojilih je omogočena na podlagi statističnega šifranta mineralnih gnojil, ki je del računalniške aplikacije. Viri -RKG (naslov in lokacija KMG, trajni nasadi in hmelj, dopolnilne dejavnosti) -Evidence ekoloških pri-in predelovalcev -CRG in CRČ -AKTRP-Zbirna vloga (Posejane površine iz vloge za neposredna plačila v kmetijstvu), pridobitev podpor za ohranjanje podeželja, razvoj podeželja -Podatki SURS88 -RKG (novi trajni nasadi po vrstah sadja) -AKTRP (agregirani podatki o ukrepih, kapitalskih transferjih) -FURS (podatki carinske uprave o trošarinah) -Sklad kmetijskih zemljišč (podatki o najetih zemljišči, povprečni zakupnini). -KIS: sodelovanje pri metodologiji in izračunih. -RKG (trajni nasadi in hmelj) -CRG -Evidenca ekoloških pridelovalcev. Vir: SURS, lastni prikaz V prilogi V predstavljamo definicije statistik Strukture KMG. V Tabeli 4.2.1.2 predstavljamo primer združevanja različnih virov za pridobivanje podatkov o mleku in mlečnih izdelkih. Tabela 4.2.1.2: Drugi viri podatkov SURS – mleko in mlečni izdelki Podatkovna domena Vir-organizacija Podatki Mesečna in letna proizvodnja mleka in mlečnih izdelkov v mlekarnah89 Gospodarska zbornica Slovenije (Zbornica kmetijskih in živilskih podjetij GZS – ZKŽP) Podatki o količinah proizvedenih mlečnih izdelkov AKTRP Podatki, ki se zbirajo na podlagi 3. člena Pravilnika o tržno-informacijskem sistemu za mleko Mesečna in letna količina odkupljenega mleka, ki ga AKTRP Podatki, ki se zbirajo na podlagi 5. člena Pravilnika o tržno-informacijskem sistemu za mleko odkupijo registrirani odkupovalci mleka Statistično raziskovanje Odkup kmetijskih pridelkov (KME-ODK/M) Letni podatki o prireji mleka pri pridelovalcih mleka AKTRP Podatki, ki se zbirajo na podlagi 7. člena Pravilnika o tržno-informacijskem sistemu za mleko (KMG) in uporabi in porabi mleka na KMG90 Statistično raziskovanje Podatki o živinoreji in površinah, posejanih v jesenski setvi (KME-DEC) Podatki o vsebnosti maščob in beljakovin v prirejenem kravjem mleku Kmetijski inštitut Slovenije (KIS) Podatki o vsebnosti se uporabljajo le za kontrolne namene 88 Kmetijske statistike: od strukture KMG, posejanih površin, pridelkov, živine, zakola, odkupa, prodaje, porabe reprodukcijskega materiala, uvoza gnojil, porabe pesticidov, bilance preskrbe z rastlinskimi pridelki, menjave blaga. Nacionalni računi: obračun makroekonomskih kategorij in zaposlenosti za gospodarske družbe, obračun DDV za kmetijstvo, ostali davki, finančni prihodke za gospodarske družbe, zavarovalne premije za kmetijstvo, kapitalizacija R&R v kmetijstvu, BDP deflator. 89 Pri letni objavi podatkov, ki se nanašajo na predelavo mleka v mlekarnah, mesečne podatke o količinah dopolnijo še s podatki o deležu maščob in beljakovin v mlečnih izdelkih, ki jih enkrat letno pridobijo od mlekarn (prek GZS – ZKŽP). 90 Podatke o prireji ter uporabi in porabi mleka na KMG pridobijo s kombiniranjem podatkov. Za odkupljeno kravje mleko (količinsko je to že skoraj 90 % vsega prirejenega mleka) uporabljajo samo administrativne podatke (do leta 2015 kvotne podatke, sedaj podatke, ki se zbirajo na podlagi 5. člena Pravilnika o tržno-informacijskem sistemu za mleko. Za izračun uporabe preostalega dela mleka, porabljenega na kmetijskih gospodarstvih, so do 2015 uporabljali kvotne podatke o direktni prodaji mleka ter podatke o predelavi mleka v mlečneizdelke, od 2015 naprej pa podatke, ki se zbirajo na podlagi 7. člena Pravilnika o tržno-informacijskem sistemu za mleko. Te podatke kombinirajo tudi s podatki iz vzorčnega letnega raziskovanja KME-DEC, v katerem pridobimo podatek o količini namolzenega mleka, ki se porabi za krmo ter hrano na kmetijskem gospodarstvu, ter deloma podatke o manjših predelovalcih mleka (ki mleko predelajo v mlečne izdelke predvsem za lastno porabo). Podatki o količinah in vrednosti uvoženega in izvoženega mleka in mlečnih izdelkov Statistično raziskovanje Uvoz in izvoz blaga Podatki o mlečnosti pri drobnici Biotehniška fakulteta, Oddelek za zootehniko (BF) Podatki so dosegljivi tudi na spletni strani.91 Vir: SURS, lastni prikaz 4.2.2. KIS Nekatere najbolj poznane zbirke, ki jih ustvarja KIS, vključujejo Centralno podatkovno zbirko Govedo (portal govedo.si), meta-podatkovno zbirko Modelne kalkulacije KIS, raziskovalne podatke iz sistema laboratorijev, pa tudi zbirke podatkov za čebelje paše, pregled tal (portal e-tla), Integrirano varstvo rastlin ter Gensko banko. Namen CPZ Govedo je vodenje redovništva, spremljanje proizvodnosti (prireja mleka in mesa), obračun PV za proizvodne in telesne lastnosti, selekcija (plemenjaki), ter zagotavljanje storitev za različne uporabnike. Vodenje rodovniških podatkov poteka že od leta 1971. Podatki so bili prepisani skladno z metodologijo CASE in so na Oracle platformi od 1997. V zbirki se vodijo podatki, ki nastajajo pri izvajanju javne službe strokovnih nalog v govedoreji. Dodatno se vodijo tudi osebni podatki rejcev, vključenih v kontrolo prireje in porekla.92 CPZ govedo črpa iz podatkov o KMG in kmetijah, identifikacije in registracije živali (novi vnosi, telitve, premiki, izločitve), specifičnih podatkov o registraciji plemenskih bikov in bikovskih mater, mlečnih kontrol in laboratorijskih analiz mleka, obračuna plemenskih vrednosti in ocenjevanja telesnih lastnosti, osemenitev, preverjanja porekla, redovništva, mesne kontrole (meritve živih živali, klavnih polovic). Možno je povezovanje z laboratorijskimi analizami tal in krme. Podatki vključujejo 160-190.000 registracij in 260.000 osemenitev na leto. Dostop do podatkov imajo izvajalci javne službe strokovnih nalog v govedoreji, do omejenega obsega podatkov pa tudi izvajalci javne službe kmetijskega svetovanja, izvajalci ukrepov kmetijske politike ter dejavnosti osemenjevanja govedi. Rejci, vključeni v rejske programe pa imajo dostop do podatkov o svoji čredi. Podatki so dostopni registriranim uporabnikom preko spletnega portala GOVEDO.si – tako posameznikom kot organizacijam. Rejci in drugi uporabniki (npr. za potrebe napredovanja PV, raziskovalnih nalog, podporo upravljanju na kmetijah in drugo) lahko dobijo podatke ali že opravljene analize na KIS. Podatke posedujejo tudi SIRIS in AKTRP. Preko spletnega sistema okoli 4000 rejcev goved spremlja proizvodne lastnosti, reprodukcijo in kakovost mleka na ravni posameznih molznic in kmetij. Drugi uporabniki, od svetovalcev, načrtovalec politike, rejskih organizacij, raziskovalcev, industrij dostopajo do podatkov o stanju in trendih pri prireji mleka na različnih ravneh. Pod CPZ Govedo se štejejo tudi orodja, npr. orodje KOKRA (za načrtovanje prehrane živali) in druga orodja za podporo managementu na kmetijskih gospodarstvih. Jerina (2019) ocenjuje, da so prednosti CPZ Govedo poznavanje materije s strani upravljavca in ustrezen podatkovni interes, omejitve pa kadri, finance, nedostopnost podatkovnih zbirk na MKGP, podvajanje zbirk zaradi ozke namembnosti ter birokratski pristop do urejanja pravic dostopa in rabe. Problemi administrativnih zbirk so, da do metapodatkov pridemo šele z obdelavo osnovnih podatkov. Potrebne se informacijske rešitve v okviru razvoja informacijskih sistemov, reševanje zahtev GDPR, integracija zbirk in iskanje rešitev v okoljih z ustreznimi znanji. 91 http://www.drobnica.si/index.php?option=com_content&view =article&id=112&It emid=87 92 Zaradi varnosti se spremljajo tudi IP naslovi tistih, ki dostopajo do podatkov. Modelne kalkulacije KIS so hkrati meta-podatkovna baza, ki črpa iz različnih javno dostopnih uradnih virov (SURS, Eurostat, MKGP), katalogov, literature (raziskave in poročila) pa tudi neposrednih informacij proizvajalcev, trgovcev in spletnih ponudnikov (cene neposrednega reprodukcijskega materiala, storitev in kmetijske mehanizacije). Modelne kalkulacije so izdelane v okviru strokovne naloge Spremljanje razvoja kmetijstva v Sloveniji (naročnik MKGP). Njihov osnovni namen je spremljanje stroškov in ekonomskega položaja pridelave (od leta 1992). V praksi so modelne kalkulacije pomemben vir v podporo odločanju v kmetijstvu v Sloveniji. Sistem laboratorijev Lab KIS vključuje centralni laboratorij KIS, KVZ Nova Gorica ter Emona Ljubljana (slednja v lasti podjetja Emona RCP d.o.o.). Analitski podatki Lab KIS se uporabljajo za načrtovanje kmetovanja (analize tal), prehrane živali in sledenje oz. varnost hrane. Centralni laboratorij KIS je razdeljen na Agrokemijski in Enološki laboratorij. V prvem opravljajo analize tal, medu in drugih prehranskih izdelkov, analize krme, gnojil, sredstev za varstvo rastlin in onesnaževal. V Enološkem laboratoriju pa izvajajo analize in senzorično ocenjevanje vina ter analize žganih pijač. Enološki laboratorij izdaja tudi odločbe za promet z vinom v Sloveniji in dokumente za njegov izvoz in je pooblaščen za nadzor uvoza vina. Portal eTLA omogoča dostop do interpretiranih podatkov tal in vezanih na tla ki so pomembni za kmetijsko pridelavo, varovanje okolja in naravnih virov. Skušajo jih urediti, harmonizirati in standardizirati ter omogočiti dostop do podatkov pridobljenih z javnimi sredstvi. Preko namenskih GIS spletnih pregledovalnikov omogočajo dostop kmetijskim pridelovalcev, državnim ustanovam in službam, raziskovalcem in drugim. Trenutno so na voljo interpretirani in nadgrajeni podatki pedološke karte Slovenije, nekaterih pedoloških kart, pedoloških profilov ter nekateri podatki raziskovalnih projektov KIS. Dodatno je omogočen dostop do različnih izvedenih informacij v rastarski obliki (pomembni za usmerjanje v trajnostno pridelavo, varovanje okolja in naravnih virov). Sistem poteka na Oracle in spletnih GIS tehnologijah, ki omogoča vizualizacijo, izvajanje osnovnih prostorskih vektorskih in rastarskih analiz in operacij ter izdelavo povzetkov in izris. Integrirano varstvo rastlin je namenjeno obvladovanju škodljivih organizmov, ki naj nebi bilo odvisno zgolj od uporabe kemičnih sredstev. Združevalo naj bi različne pristope zdravstvenega varstva rastlin ko so biotični, obdelovalno gojitveni, fizikalni, biotehnični in kemijski, z namenom zmanjševanja tveganja ter doseganja različnih povezanih ciljev. Portal Integriranega varstva rastlin vključuje opise in informacije o škodljivih organizmih posameznih kulture ter ukrepe za zmanjševanje porabe FFS. Genska banka je ena izmed štirih genskih bank, ki delujejo v okviru Javne službe nalog rastlinske genske banke in je največja med njimi. Genski viri se uporabljajo za žlahtnjenje novih sort kmetijskih rastlin, kot material v raziskovalne namene in za neposredni prenos v pridelovanje, hkrati pa so shranjeni, da bi bili uporabni tudi za prihodnje rodove. Sistematično zbiranje podatkov poteka od leta 1989. Banka hrani več kot 3300 genskih virov kmetijskih rastlin. Urejenih v zbirke krmne rastline, žita, krompir, vrtnine, jagodičje, vinska trga in sadne rastline. Dodatno se hranijo tudi slovenske sorte vzgojene na KIS po drugi svetovni vojni v okviru programa žlahtnenja. Zbirke so žive – se dopolnjujejo z novimi viri. Za vse vire so zbrani osnovni podatki o vzorcu (kraj in datum zbiranja, opis lokacije itd.) za posamezne genske vire pa tudi podrobnejši podatki o karakterizaciji in evalvaciji. Podatki so vneseni tudi v mednarodne baze podatkov (EURISCO, CSDB). Shranjeni genski viri so v omejenem obsegu na razpolago vsem uporabnikom, raziskovalcem, žlahtniteljem ali pridelovalcem. 4.2.3. Zaključki Pri načrtovanju zbirk podatkov v povezavi s kmetijstvom v Sloveniji bi bilo najprej potrebno opredeliti bodočo pričakovano skupnost uporabnikov. S sistematičnim ugotavljanjem njihovih potreb po vrstah podatkov in razširjenih podatkovnih storitvah lahko načrtujemo ponudbo podatkovnih storitev. Nasloviti je potrebno ciljne javnosti in pričakovane učinke za uporabnike z vidika njihovih potreb. Posebej lahko ločimo uporabnike po tipih: . Notranji uporabniki (ministrstva , agencije itd. znotraj javne uprave), katerih potrebe so administrativna kontrola in načrtovanje ter preverjanje učinkovitosti ukrepov politike; . Zunanji uporabniki: raziskovalci, novinarji, kmetje, NGO, podjetja, državljani Potrebno se je povezati v mednarodnem okolju in slediti priporočilom RDA skupnosti in drugih mednarodnih pobud za strokovne podlage pri izvajanju podatkovnih storitev. 5. Posvetovanje z deležniki Posvetovanje je potekalo v dveh korakih. V prvem koraku so bili pridobljeni viri v povezavi s potrebami različnih skupin (zaključki projektov, zakonodaja in podobno). Opravljeni so bili pogovori z deležniki – v okviru podatkovnih intervjujev s skrbniki in nosilci nalog na MKGP in organih v sestavi ter na KGZS kot ključnem deležniku. V tem delu poročila v okviru prvega koraka predstavljamo rezultate posvetovanja s KGZS, medtem ko so drugi elementi predstavljeni v drugih delih poročila in poročilu v okviru DS1. V drugem koraku je bil organiziran javni dogodek s predstavitvijo rezultatov pregleda obstoječih virov. Nanj so bili povabljeni vsi deležniki, od pristojnega ministrstva, organov v sestavi, drugih ministrstev, statističnega urada, KGZS, JKSS, raziskovalnih institucij in drugih. V okviru dogodka so bili pridobljeni splošni odzivi in specifični odzivi glede na posamezna področja: (a) informacijska orodja, (b) povezovanje zbirk podatkov in (c) podatkovne zahteve strateškega načrtovanja. Dodatno je po izvedbi delavnice potekalo zbiranje testnih nalog za uporabo analitičnih orodij v okviru katerega so lahko vsi deležniki posredovali svoje predloge. V nadaljevanju predstavljamo rezultate posvetovanj in druge odzive. 5.1. KGZS, JKSS in kmetje kot vir in uporabnik podatkov Kmetijska gospodarstva oz. kmetje ter KGZS kot krovna predstavniška organizacija, ki izvaja javno kmetijsko svetovalno službo, predstavljajo ključnega deležnika, ustvarjalca in vir podatkov. Podatki v kmetijstvu se nanašajo na KMG in so v prvi vrsti tudi namenjeni učinkovitemu izvajanju dejavnosti ter doseganju javnih ciljev (ciljev javnih politik) v povezavi s tem; KMG so ključni vir populacijskih mikro podatkov in hkrati referenca za ocenjevanje kakovosti podatkov in zbirk ter orodij, tj. relevantnosti, točnosti in zanesljivosti podatkov; podatkovni interes in vključenost KMG je tako ključen za razvoj uspešnega in učinkovitega podatkovnega sistema/skupnosti in odločanja na podlagi podatkov na različnih ravneh. V okviru pogovora, ki je potekal na KGZS93 je bilo izpostavljeno, da imajo na KGZS potrebe povezane s programom gnojenje, ki vključuje analize tal in gnojilne načrte na kmetijah. Želijo si dostopa do živih registrov. Do sedaj so dobili podatke o fiksnem stanju GERK-ov na določen presečni datum 93 Pogovor/fokusna skupina je potekala 29.5.2019 na KGZS v Ljubljani. S strani KGZS so bili prisotni Tone Jagodic, dr. Jernej Demšar in Marinka Korošec. (september, preteklo leto). Gnojilne načrte pripravljajo za pet let v naprej zato nekaterih statičnih podatkov kot je npr. stanje rastlin ne potrebujejo. Gnojilni načrt pripravljajo na podlagi analize tal, ki pa ni dostopna v registru. Opravljajo jo namreč različni izvajalci. Kmetje podatek JKSS prinesejo na papirju, kot pred 30 leti. Sprašujejo se, zakaj je npr. količina fosforja v vzorcu zaupen podatek? Ker nimajo dostopa do živih baz nimajo natančnega podatka o tem kaj se goji. Gnojilni načrt sicer pripravlja približno 12.000 KMG. Načrt bi lahko temeljil na podobnem registru kot vino; povezavi z GERK, kulturo, analizo tal. Pomembno pa je, komu so dostopni podatki – vpogled za podjetja, ki prodajajo gnojila, ima lahko tudi negativne posledice za kmete. Druga zbirka, ki jo sami ustvarjajo, je povezana s programom farm manager – pripravo poslovnih načrtov. Koristno bi bilo, če bi lahko uvozili podatke z RKG, npr. prostorske podatke. Zanimivi bi bili tudi podatki UVHVVR (škodljivci) ter meteorološki podatki v povezavi z varstvom rastlin (pojavljanje in širjenje škodljivcev …). Potem podatki o zakolih živali na kmetijah, ki bi bili dostopni svetovalcem za določeno obdobje. S strani KIS kontrola mlečne proizvodnje – kakovosti. Trenutno je dostopna kmetom, ki pa jim zelo podrobni podatki veliko ne povedo. V splošnem bi potrebovali tudi enostaven pregled parametrov po občinah, regijah, tipu, kulturi, kategoriji (npr. po št. živali). Za kategorizacijo-tipe kmetij je mogoče uporabiti študijo KIS. V praksi je pogost boj s skrbniki za dostop do živih podatkov. Druge zanimive zbirke so zbirka dovoljenih sredstev za ekološko kmetovanje, opravljenih tečajev oz. izobraževanj za izkaznico (UVHVVR), s strani javnih zavodov. Tudi FADN bi lahko povezali z CRG. Kmetije z DDV podatke ročno prepisujejo v FADN. Kmetom so težko osmislili evidence KOPOP – če pa bi podatki imeli določeno vrednost znanje bi bilo to lažje. Opravila bi lahko povezali z FADN, ekonomiko, rabo tal, gnojilnimi načrti, svetovanjem in drugim. Izpostavljen je bil tudi konkreten primer problema ko niso dobili podatkov o najemu zemljišč – tako ni jasno kdo je lastnik, kdo obdeluje in kdo ima koristi (prejemnik sredstev) ter kako se učinki prelivajo (npr. skozi najemnine). Javne službe (MKGP, organi v sestavi) namreč postanejo pozorne le, če je dvakrat podan zahtevek za isto površino. Omenjeno je bilo še, da bi v smislu orodij lahko e-kmetijo razvili v smer e-prostora. Prav tako je tudi veliko podatkov, ki se ustvarjajo, a se sistematično ne beležijo in hranijo, kot so nitratni testi. Omenjeno bi lahko izboljšalo učinkovitost svetovanja in znižalo stroške, omogočalo bi e-svetovanje. Svetovalec ima danes omejen čas za to, da iz kmeta izvleče prave podatke. Omogočen bi moral biti tudi prenos podatkov zato, da lahko svetovalci potem razvijajo in uporabljajo ustrezne aplikacije. Konkreten primer izboljšanja učinkovitosti in zmanjšanja bremen bi bil uvoz podatkov v gnojilne načrte neposredno iz analize tal. Drug podoben primer so krmni obroki in analize krme – vendar gre za manjše število KMG in zahteve niso neposredno določene v zakonodaji. 5.1.1. Uporabniški pregled zbirk vključenih v delo KGZS/JKSS Pregled temelji na podatkih, ki jih pri svojem delu ustvarjajo in ali uporabljajo KGZS , JKSS in kmetovalci. Pregled skladno z metodologijo predstavljano v okviru DS1 temelji na raziskovalnih vprašanjih predstavljenih v Tabeli 5.1.1.1. Tabela 5.1.1.1: Vprašanja za pregled podatkovnih virov s strani KGZS a) Vsebinska relevantnost b) Statistična kakovost c) Organizacijska zrelost - Katere podatke in - Kako ocenjujete točnost, - Kako ocenjujete podatkovne zbirke pri zanesljivost, urejenost dostopa, svojem delu uporabljajo reprezentativnost, vprašanja varovanja KGZS, svetovalci in skladnost in ažurnost osebnih podatkov, - kmetovalci? Kakšen je osnovni namen posamezne izmed navedenih zbirk? zahteve po formatih in orodjih za obdelavo ter zbirk (zakonska podlaga, sodelovanje med skrbniki drugo) in vsebina (zajem in deležniki na sploh? enot, časovna vrsta, atributi)? Vir: lastni prikaz Za namene pregleda je KGZS-KZM izvedel krajšo interno anketo med zaposlenimi-vključeni v izvajanje njihovih dejavnosti. Podrobni rezultati so predstavljeni v Prilogi VI k temu poročilu. Pregled rezultatov kaže, da KGZS, svetovalci in kmetje v največji meri uporabljajo administrativne registre, evidence in zbirke, ki imajo ustrezne uporabniške vmesnike skladno z izvajanjem zakonskih nalog in pridobivanjem podatkov s strani KMG, ki smo jih zajeli v pregledu v okviru DS1: gre za RKG, vnos zbirnih vlog, registre živali, pa tudi nekatere druge kot je EVIZO. Ob teh so bili izpostavljeni še podatki o nepremičninah (GURS), e-tla, geoportal ARSO in orodje KGZS v zvezi z izdelavo gnojilnih načrtov, FADN ter obveščanje v zvezi z varstvom rastlin (UVHVVR). Iz vsebinskega vidika gre v večini primerov za grafične in opisne podatke o poligonih, podatke o KMG – subjektih, nasadih, živalih in dejavnostih, podatke o nepremičninah in tleh, ter podatke povezane s specifičnimi ukrepi in javnimi nalogami (izobraževanje, semenski material, vreme in namakanje, vsebnost snovi v gnojilih, uporaba FFS, pojav škodljivcev ipd.). Pregled kaže povezavo z ugotovitvami iz pregleda administrativnih zbirk, iz katere izhaja nižja vsebinska relevantnost zbirk na področjih posameznih proizvodov, shem in trženja ter razvoja podeželja, ki je povezana z omejeno funkcionalnostjo za KMG. Hkrati s tem kaže na možnosti zbirk s podatki o FFS v smislu zbiranja podatkov o sami uporabi s strani KMG, ki bi nadgradila funkcionalnost z vidika različnih deležnikov. Drugi del pregleda v zvezi s statistično kakovostjo kaže visoko stopnjo zanesljivosti in točnosti (z vidika te uporabniške skupine) ko gre za RKG in vnos zbirnih vlog ter registre živali, kar potrjuje rezultate administrativnega pregleda zbirk. Ob tem je zaznana težava točnosti oz. ažurnosti javnega pregledovalnika GERK in e-tal. Velik del zbirk oz. vmesnikov je ocenjen kot zelo relevanten in tudi uporaben. Na drugi strani je vnos zbirnih vlog opredeljen kot srednje zahteven (nekatere funkcije bi lahko bile enostavnejše), FADN pa kot »zelo zahteven za uporabo«. Izdelava gnojilnih načrtov ima nekatere zastarele funkcije, težave z uporabnostjo pa so tudi pri FITO-INFO in prognostičnih obvestilih v zvezi z varstvom rastlin. Omejen dostop zaradi varstva osebnih podatkov je opredeljen kot ovira pri velikem delu najbolj uporabljenih zbirk – od RKG, GURS, EVIZO idr. kar se sklada z ugotovitvami v okviru DS1. V nekaterih primerih niso uporabljene ustrezne rešitve primerne informacijski dobi (deloma vnos zbirnih vlog, še posebej pa varstvo rastlin). V več primerih je bila pogrešana ustrezna povezljivost z drugimi zbirkami, npr. med e-RKG, GERK, GURS, zbirnimi vlogami, e-tla, geoportal ARSO, registri živali, pa tudi gnojilnih načrtov in FADN z drugimi zbirkami. Slednje se sklada z oceno o povezljivosti v okviru DS1. V nadaljevanju so bila zastavljena še naslednja vprašanja v zvezi z razvojem podatkovnih zbirk: - Katere zbirke, podatke pogrešate pri svojem delu? - Katere podatke ustvarjate pri svojem delu, pa niso ustrezno izkoriščeni (s strani drugih)? Katerih obstoječih podatkov/zbirk ne izkoriščate dovolj in zakaj? - Predlogi in dobre prakse Med zbirkami in podatki, ki jih KGZS, JKSS in kmetje pogrešajo pri svojem delu so bili izpostavljeni predvsem obveščanje o ukrepih in novostih iz zakonodaje ter enotna zbirka za Vpis vlog. Med pod­izkoriščanimi zbirkami so bile omenjena obvestila javne službe zdravstvenega varstva rastlin, analize tal in voda ter FADN (za izdelavo poslovnih načrtov). Med predlogi in dobrimi praksami je bil izpostavljen Mark Online, orodje za načrtovanje in registracijo uporabljeno med danskimi kmeti za načrtovanje, optimizacijo in nadzor. Kmetje ga v sodelovanju s kmetijskimi svetovalci uporabljajo za vse vidike ravnanja s pridelki, vključno s izdelovanjem podrobnih načrtov za gojenje in zaščito pridelkov ter z optimizacijo in dokumentacijo. Sistem podrobneje predstavljamo v Prilogi VII. 5.1.2. Predlog sistema za podporo odločanju in evidenca na kmetiji Programska oprema za podporo pri odločanju kmetu in svetovalcu je lahko pomembno orodje za odločanje v kmetijstvu – za optimizacijo proizvodnje in izboljšanje produktivnosti, zagotavljanje varnosti hrane in za zmanjšanje okoljskih obremenitev. Takšno orodje lahko uporabnika vodi skozi jasne korake in predlaga optimalne odločitve ali pa deluje zgolj kot informacijski vir za razlago tehnoloških navodil in zakonodajnega ozadja dobre kmetijske prakse. Kmetijski sistemi za podporo pri odločanju lahko vključijo vhodne podatke o podnebnih, vodnih, genetskih, energetskih, krajinskih, človeških in gospodarskih virih in tako tudi omogočijo analizo, kako ti dejavniki vplivajo na produktivnost in finančno bilanco kmetije. Shema 5.1.2.1: sistem za podporo odločanju na kmetiji Vir: lastni prikaz Orodje je uporabno pri načrtovanju, optimizaciji in nadzoru na kmetiji. Kmet lahko uporablja orodje za podporo pri odločanju ali pa preko svojega svetovalca dobi informacije, tako da s pridelavo pridelkov zagotovi vnos gnojil ali FFS v dovoljenih mejah in čim manjšem obsegu, vendar še zmeraj toliko kot je potrebno z vidika optimizacije proizvodnje. Inšpektor ima dostop do evidence na kmetiji tako da se lahko lažje posveča kmetijam na »problematičnimh točkah«. Zbirka podatkov lahko vključuje vse vidike upravljanja s pridelki, vključno z načrti za pridelavo, tehnološka navodila, priporočila za zaščito pridelkov, gnojilne načrte ter optimizacijo in zakonodajo. Prav tako se lahko vključijo 'opozorilne točke' na mestih s problemi/nevarnostmi, kot na primer mesta širjenja invazivnih vrst plevela, stroga vodovarstvena območja, območja suše, kamnita, nerodovitna območja, … ki jih lahko pozneje lokaliziramo in obdelamo z ustrezno ciljno rešitvijo. Smiselna je vključitev različnih podatkovnih zbirk in podlag: GIS, GERK, VVO (omejitve, dovoljena področja), Natura 2000, Karte okolja, pedološke karte (Talni informacijski sistem), meteoroogijje, vremensko napoved, podatkovnih zbirk za pomoč v pripravi gnojilnih načrtov in škropilnih načrtov in drugih. Povezava informacij s pomočjo podatkovnih baz omogoča povezavo med strokovnjaki na področju okolja in kmetijstva (Univerze, inštituti, Kmetijski zavod, …), ter ažurnost informacij. Smiselna je uporaba mobilne aplikacije na telefonu za sledenje in vnos podatkov s podlagami z GERKI-i in za določanje lokacije. Z aplikacijo za sledenje lahko kmetje lokalizirajo posamezen GERK preko GPS-a na telefonu in nato registrirajo vse aktivnosti na terenu, in tako dobijo obvestila o ustreznih predpisih za posamezno območje. Preko aplikacije prav tako poteka sporočanje informacij in opozoril. Podatkovno bazo bi lahko uporabili tudi za izračun potrebe po škropljenju FFS na podlagi podatkov o pridelku, stopnji rasti, optimalnih vremenskih razmerah, pojavu škodljivcev in bolezni, plevelov itd. Omogočila bi lahko podporo pri možnosti izbire med različnimi ustreznimi pesticidi na podlagi informacij o optimalnem odmerku, indeksa uspešnosti delovanja, obremenitvi s pesticidi in ceni. Uporabna bi bila v kombinaciji s s Fitoinfo, navodili za dobro prakso (navodila za integrirano pridelavo), vremenskimi podatki, satelitsko sliko, obvestili iz javne službe zdravstvenega varstva rastlin, podatki o kontroli za izpit FFS, testiranje škropilnic. Prednost takšnega sistema je, da lahko kmet registrira svojo strojno mehanizacijo v bazo podatkov, in v primeru, če uporablja sodobno tehniko za varovanje okolja, se mu lahko odobrijo izjeme glede posameznih obvez. Primer je lahko VVO, v kolikor kmet uporablja škropilnico primerno za VVO ali cisterno za gnojevko. Z vidika analiz je mogoče evidentiranje predhodnih analiz (tal, gnojilni nasveti, krma). Analiza tal na določenem GERK gre avtomatsko v izdelavo gnojilnega načrta. Mogoče je učinkovito načrtovanje kolobarja in gnojilnega načrta. To vključuje odvzem hranil iz tehnoloških navodil in priporočila za izpopolnitev kolobarja. sledi izračun gnojilnega načrta, ki ga svetovalec pripravi in pošlje kmetu preko aplikacije. Potrjen gnojilni načrt kmet lahko odpre na svojem mobilnem telefonu in pripravi gnojilne norme. Uporaba bar kod ali šifre izdelka za vpis v bazo omogoča sledenje. Evidenca na kmetiji s pomočjo programskega orodja (aplikacija) daje nasvete na osnovi zakonodaje in hkrati omogoča kontrolo s strani uradnih organov (na primer ozelenitev, koliko dosevkov je vključenih v kolobar, kako obsežen je kolobar, je dovolj skladiščnih kapacitet, kontrola živali GVŽ/na ha). Nadzorni organ lahko tudi preveri kako določena zakonodaja učinkuje, kmetje lahko dajo povratne informacije, komentarje in sporočajo težave. Organ lahko spreminja dovoljene vrednosti za določeno območje. Orodje bi lahko omogočilo tudi 'borzo gnojevke' -izmenjavo organskega gnojila (gnojevke) med sosedi. 5.2. Javno posvetovanje V uvodnem nagovoru94 je naročnik izpostavil, da je, z vidika, naročnika, osnovna ideja projekta, da kmetovalec prepozna in ve kaj mora narediti na terenu skladno z zakonskimi zahtevami. Za to je potrebno poznavanje zbirk podatkov, ki so jim na voljo na področju kmetijstva. V SKP je zbranih ogromno podatkov, za katere pa ne vemo, na katere načine bi jih lahko smiselno uporabili. Z reformami SKP se je ta potreba razširila, npr. z uredbo o navzkrižni skladnosti (po novem pogojenosti). Prisotni v razpravi so po predstavitvi zasnove projekta ter pregleda zbirk in predlogov (DS1) izpostavili pomislek, da precej podatkov že obstaja v različnih zbirkah prav tako različnih orodij za analizo teh podatkov. 70-80% podatkov na MKGP naj bi bilo tako ali drugače »povezanih«. Raziskovalci so pri tem izpostavili, da obstoječi podatki in povezave ne omogočajo priprave strategij kmetijske politike, o čemer so se strinjali tudi prisotni. Eden izmed ključni poudarkov je bil, da je potrebno razumevanje strukture razpoložljivih podatkov ter potreb. Vsebina je v tej fazi bolj pomembna od tehnoloških rešitev. Na podlagi vprašanj na katere bi bilo potrebno odgovoriti pa je mogoče določiti kakšne podatke je potrebno zbrati. Pri tem so bili izraženi tudi pomisleki v zvezi z obdelavo podatkov in javno dostopnostjo, npr. v zasebne namene (interesi podjetij). Eden izmed izpostavljenih povezanih problemov je tudi drobitev projektov, ki ne omogoča sistemskih rešitev. MKGP bi lahko zahtevala večje povezovanje projektov in strateško usmerjanje k sistemskim ciljem. 94 Podatki o dogodku in udeležencih so na voljo v Prilogi VII. V nadaljevanju je delo potekalo v treh ločenih skupinah, ki so obravnavale (a) definiranje testnih nalog, (b) povezovanje zbirk ter (c) podatkovne potrebe v okviru strateškega načrtovanja. Sledil je skupinski del, v katerem so bile predstavljene ključne ugotovitve, ter razprava. V okviru definiranja analitičnih testnih nalog je bil izpostavljen pomen vsebine in sodelovanje med institucijami. Registrov, evidenc ipd. je veliko, pogled na povezljivost in dostop pa je že z vidika MKGP in organov v sestavi zelo različen. Nekateri imajo vpogled, ne pa tudi dostopa; povezljivost je visoka, ne pa tudi združljivost za določene namene. Predstavljena je bila tehnika strojnega učenja na primeru profiliranja kmetij, kjer z uporabo računalniških tehnik na podlagi vsebinskega poznavanja področja lahko dosegamo rezultate, uporabne za več-nivojsko nadaljnje delo deležnikov in napovemo trende; hkrati pa želene podatke in njihove kombinacije postavimo na zemljevid naloge. Za prikaz delovanja so bile po korakih predstavljene izbrane, vnaprej pripravljene analitične naloge, ki se nanašajo na podatke, ki jih pri svojem delu uporablja AKTRP in se tako posredno nanašajo tudi na podatkovne baze RKG in SIRIS. Tekom predstavitve je bilo na željo udeležencev prikazano sprotno oblikovanje profilov, gručenje, odnosi med izbranimi spremenljivkami, analiza rezultatov in prikaz na mapi (zemljevidu). Oblikovan je bil predlog odprtega poziva za posredovanje predlogov nalog v povezavi z izzivi. V okviru skupine, ki se je ukvarjala s povezovanjem zbirk so sodelujoči udeleženci predstavili uveljavljen načine preprečitve možnosti zlorab podatkov kot je dostop v varni sobi ali pod določenim protokolom. Pri skrbnikih podatkov je namreč na prvem mestu vselej skrb za pravno in etično skladno rabo podatkov in s tem varovanje osebnih podatkov, kar so izpostavili tudi v razpravi. Predstavniki SURS so izrazili načelno pripravljenost, da se prouči, kako bi se storitve varne sobe na SURS uporabljalo tudi za raziskovalne namene povezovanja različnih administrativnih zbirk podatkov, vključno s tistimi, ki jih SURS že pripravlja v okviru programa statističnih raziskav. Za splošnega uporabnika bi bili na voljo agregirani, anonimizirani podatki. Predpogoj pa so kakovostno zbrani mikro podatki. Možna je tudi uporaba različnih licenc za različne podatke, s čimer bi se regulirala komercialna raba podatkov, ki je tudi pogosto eden od pomislekov skrbnikov podatkov. Razprava je odprla tudi vprašanje, kako omogočiti večjo fleksibilnost pri povezovanju in uporabi podatkov, zlasti pri medčasovnih pregledih. Prvi pogoj je priprava podatkov za možnost uporabe z orodji za analitično pregledovanje, pri čemer je potrebno uskladiti in harmonizirati uporabljene klasifikacije oz. dokumentirati spremembe. Usposobiti bi bilo potrebno različne uporabnike za naprednejše možnosti analiz in pri tem sodelovati z raziskovalci. V okviru tretje skupine je bilo največ razprave v zvezi s kazalci FLINT namenjene vprašanju lastništva in najema. Trenutno je namreč edini kazalec, ki opozarja na neskladje, dvakrat zaprošena podpora za isto površino. Potencialno pa tudi razlike z lastništvom glede na sodne registre (kataster). Podatek o najemu je dostopen v strukturnih raziskovanjih (obseg zemlje v najemu). Glede samega lastništva pa bo v popisu za leto 2020 dodano vprašanje, ali podjetje spada pod skupino podjetij v tujini. Podatke bi lahko izboljšali oz. pridobili tako, da bi MKGP kmete zavezal k ureditvi najemov preko pogodb. Drugi kazalci, ki so bili deležni pozornosti, so bili interpretacija inovacij, problem izračuna erozije zemlje ter podatki o uporabi pesticidov, ki temeljijo na vzorčnih raziskovanjih. Potekal je tudi pregled dostopnosti podatkov v zvezi s kazalci vpliva (impact), rezultata (result) in izvajanja (output) iz priloge I. V okviru podatkovnih potreb za strateško načrtovanje so na SURS opozorili na projekt s katerim bo mogoče pridobiti delež najemnikov in lastnikov kmetijskih površin. Uradni najem zemljišča bi moral biti sicer vpisan v ZK. Ob vnosu obrazca v zvezi z zemljišči v uporabe KMG morajo nosilce navesti ali res obdelujejo zemljo katere lastniki so. Problem se pojavlja, ker so lastništva zemljišča deljena. Sistem je sicer že sposoben javiti določene napake kot je še en vnos upravljanje zemljišča, ki je bil že vnesen. Pri tem pa je nujen natančen podatek zaradi zlorab sistema subvencij in črnih najemnin zemljiških površin. Udeleženci so še izpostavili, da za številne kazalnike ne vemo kako naj bi jih izračunali oz. nimamo ustreznih podatkov, čeprav nekateri že obstajajo. Tak primer so inovacije, bilanca, raba energije, erozija zemlje, tržne poti idr. Nekateri kazalci bodo relevantni na dolgi rok zaradi česar je že sedaj potrebno razmišljati kaj bomo potrebovali za izračune in kako to zbrati. V Sloveniji bo pri kazalnikih podeželja problematično tudi definiranje podeželja. Pravih razlik med urbanim in ruralnim ni, ker nimamo pravega urbanega okolja. Potrebno je tudi sodelovanje institucij in deležnikov, ki bi morali imeti dostop do podatkov vključenih v poročanje in analize. V času približevanja EU je tovrstna usklajenost obstajala, potem pa več ne, kar je vplivalo na fragmentacijo vloge podatkov v procesu. Prof. Emil Erjavec, dekan biotehniške fakultete, je podal naslednji zaključni komentar: Ukvarjamo se predvsem z delitvijo sredstev in domnevamo, da ima redistribucija sredstev že pozitiven učinek. Če se pri načrtovanju politike ne uporablja dostopne podatke, je enako kot, če bi si politiko izmišljevali na pamet. V Sloveniji imamo dobre podatke in statistiko. Potreben pa je preskok pri povezovanju. To je odgovornost zaposlenih in institucij v javnem sektorju. V prihodnjih letih bo potrebno nuditi podporo pri odločanju v kmetijski politiki. Prej se je s tem ukvarjal KIS, potrebno je dodati znanja iz ekonomike. Deležniki morajo prav tako sodelovati, izpostavljati probleme, predlagati rešitve. Potrebno je določiti razmeroma ozek osnovni okvir za kazalnike (ki jih bo treba poročati). Kazalniki vpliva bodo vključeni. Vsega tega v okviru projekta ni mogoče rešiti. Treba bo delati na povezovanju. Kljub volji vključenih bo združevanje težko. Nekdo bi moral bdeti nad vsebinskimi rešitvami, reševati konflikte ter prepričevati institucije, da se povezujejo. Potrebno je graditi na tem, kar že imamo. To je kar nekaj administrativnih zbirk. Potrebno je začeti z enostavnim in od tam nadaljevati na bolj kompleksno. Velik problem bo pri okoljskih kazalnikih. Analitika je pomembna, strokovno znanje je podhranjeno. Potrebna je interdisciplinarnost. Veliko bi bilo treba delati na predstavitvah, odprtosti, s povezovanjem za iste cilje. Oblikoval se je splošen konsenz, da bi javno zbrani podatki bi morali biti dostopni ključnim skupinam. Omejitve se pojavljajo iz treh strani: časa, financ ter zakonodaje. Evropska zakonodaja določa nacionalno zakonodajo, ki opredeljuje tudi namen uporabe podatkov. Če podatkov ne poznaš, lahko pri obdelavi prideš do napačnih zaključkov. Podatki naj bi se načeloma hranili trajno. Državna uprava jih ne more tržiti. Podatki bi morali biti dani v uporabo primarnim uporabnikom: MKGP, AKTRP, JKSS svetovalcem, kmetom in drugim. 5.3. Odprti poziv Predloge demonstracijskih nalog je v okviru odprtega poziva poslalo pet zainteresiranih deležnikov, pri čemer so posamezniki posredovali tudi več pod-predlogov. Dva predloga sta prišla s strani MKGP (prvi in zadnji), trije pa s strani AKTRP. Prvi predlog se je nanašal na problem opuščanja in zaraščanja kmetijskih površin, ki v določenem trenutku “izginejo” iz RKG. Slednje se zgodi praviloma na dva načina: površina je prijavljena v RKG in na zbirni vlogi, pri pregledu na kraju pa kontrolor ali inšpektor ugotovi, da gre za delno ali v celoti zaraščeno površino, ki ne sodi med upravičene površine. Drug način pa je opustitev kmetijske dejavnosti, zaradi česa UE v RKG izloči površino iz GERK. Poleg tega kmetje ne prijavljajo več vseh kmetijskih zemljišč za namen pridobivanja subvencij, zlasti v primerih, ko zemljišča ne koristijo več v kmetijske namene in jih uporabljajo tudi za različna odlagališča ipd., saj posledično ne bi zadostili osnovnim zahtevam za pridobitev subvencij, kar rezultira v znižanju ali celo zavrnitvi sredstev. V zvezi s tem bi bil z vidika analize zanimiv podatek o količini, lokaciji površin, ki se zarastejo in izginejo, značilnosti KMG ter rabe na teh površinah. Zbirke relevantne za ugotavljanje so zbirne vloge, RKG (KMG-MID, razlog izbrisa površine – kontrole ali na zahtevo nosilca), upravičeni GERK za ukrepe (njiva, začasno travinje …), Evidenca dejanske rabe (možen vir podatka o tem v kaj so se površine spremenile – kmetijsko zemljišče v zaraščanju, drevesa in grmičevje … pri tem velja omejitev, da se vsako leti ažurira tretjina evidence). Drug predlog se je nanašal na prostorsko razporeditev kmetij po starostnih razredih nosilcev v povezavi z izobrazbo nosilcev. Dodatno vprašanje je bilo, ali so uporabniki pametnih telefonov. Ter ali dodelitev sredstev za investicije vpliva na povečevanje povprečne velikosti kmetije, depopulacijo. Tretja skupina predlogov se nanaša na napade divjadi in sicer koliko KMG-MID in uveljavljenih ha v neki občini je vključenih v ukrepe varovanja po območjih iz evidenc pojavljanja medveda in volka. Viri podatkov so zahtevki za podpore, uveljavljena površina iz zbirnih vlog, evidence slojev pojavljanja medveda in volka ter občine. V okviru te skupine predlogov je bilo zastavljeno tudi vprašanje ali se da pri proizvajalcih zelenjave ugotoviti razmerje med količino pridelane zelenjave ali sadja in prijavljenimi površinami, koliko je ekoloških in koliko integriranih (ter kdo dejansko pridela zelenjavo, kdo pa se ukvarja zgolj s prodajo). Slednje bi bilo mogoče povezati tudi z uporabo FSS na KMG (evidence, ki se trenutno vodijo doma v papirni obliki). V okviru te skupine predlogov je bilo posredovano tudi vprašanje katere svetovalne službe imajo v svojem okolišu največ nosilcev s čezmerno prijavo površin, kar bi lahko nakazovalo na slabše svetovanje ali večje število goljufov, ter vprašanje kateri GERK in v katerih občinah se najbolj spreminjajo v rabi in površini (so razlogi zakupne pogodbe, komasacije, obnove tajnih nasadov …?), ter kateri KMG-MID oddajajo gnoj drugemu KMG-MID, ki v RKG nima vpisanih površin in nima svoje bioplinarne (kjer in zakaj se to dogaja -kompostarna, predelava in/ali pakiranje gnoja). Četrta skuina predlogov je dopolnila predloge pripravljene v okviru raziskovalne skupine s podrobnejšimi podatki o tipu kmetije (naravovarstvena – ukrepi, EK kmetija, vzdrževana kmetija), povezave kršitev s starostjo, dostopom do internet, oddaljenostjo do središč, povezavo med zaraščanjem in dejavniki kot so obremenitev, število članov, naklon, kršitve, izobrazbena in starostna ter zemljiško struktura tistih, ki izvajajo posamezne operacije, ter podrobno analizo EK kmetij (vloga tistih, ki ne pridelujejo hrane). Peta skupina predlogov se nanaša na naloge, v zvezi s katerimi na MKGP pogosto sami delajo poizvedbe in imajo pred-pripravljene skripte v aplikaciji RKG. Njihova dodatna vrednosti bi bila samodejno prikazovanje na spletnih straneh: povprečna starost nosilca, število in povprečna velikost KMG glede na prostorsko enoto, skupna površina poljin, struktura zemljišč po kategorijah rabe/GERK in prostorskih enotah, delež območij, ki potencialno lahko vstopijo v ukrepe po administrativni prostorski enoti, pokritost površin prostorskih enot z rabo GERK po območjih NATURA 2000, vinogradi po prostorskih enotah (površina, povprečna velikost, starost trsov, naklon, sorte ipd.), število registriranih dopolnilnih dejavnosti po prostorski enoti. Dodatno bi bil zaželen prikaz časovne vrste in s tem trendov. Predlogi kažejo na nekatere stične točke: velik del se jin nanaša na razmeroma preproste operacije združevanja in vizualizacije, ki kažejo na problem pomanjkanja združljivih statističnih zbirk za analitične namene v okviru obstoječih relativno kakovostnih in dostopnih registrov, evidenc in zbirk. Sledijo predlogi, ki se nanašajo na podatke, ki manjkajo, a bi jih bilo mogoče ustvariti – denimo podatki o zahtevkih z naslova napada divjih zveri, oddaljenost do središč, pokritost z internetom. Tretjo skupino prestavljajo naloge, ki zahtevajo ustvarjanje novih podatkov na podlagi trenutno pomanjkljivih ali neobstoječih virov, na primer v povezavi z gnojevko, proizvodnjo sadja in zelenjave. V vsebinskem smislu je največ povpraševanja povezanega z podatki o površinah in spremembah le teh, npr. za ugotavljanje zaraščanja. Sledijo agregacije podatkov po prostorskih enotah. Na tretjem mestu so povezave med spremenljivkami (izobrazba, kontrola), na različnih ravneh (od KMG do večjih enot), ki jih je mogoče prikazati tudi kot statistični rezultat (torej brez podatkov o individualni enoti). Na četrtem mestu so posamezne specifične naloge. Iz slednjega izhaja predvsem potreba po statistični prostorski zbirki po agregirani enotah z izbranimi atributi oz. spremenljivkami ter v uporabniškem smislu z različnimi možnostmi prikaza in trendi (po vzoru Eurostat). 6. Podatkovna strategija in načrt Namen podatkovne strategije95 je krepiti konkurenčnost in trajnost kmetijstva v Sloveniji, ter spodbuditi ekonomsko prenovo na podlagi podpore (poslovnim) odločitvam, znanju, inovacijam in naložbam. To je mogoče doseči dosežemo s (po)močjo podatkov in analitike za zbiranje preprečljivih dokazov za učinkovite ukrepe in prakse. Podatkovna strategija je osnovana na obstoječih dosežkih/stanju in si prizadeva za nadaljnje naložbe v zmožnost ustvarjanja, deljenja in uporabe kakovostnih podatkov. Vključuje vizijo in načrt za to, da bi podatki postali osrednje orodje delovanja, uporaba podatkov pa kulturna norma. Prepoznava, da zasledovanje cilja biti bolj produktiven zahteva zavedanje o vrednosti in uporabo podatkov v vsakodnevnem odločanju. To zahteva tudi voditeljstvo, temelječe na odgovornem sprejemanju odločitev in spremembe v načinu razmišljanja, ravnanja in vedenja na različnih ravneh. Zahteva ideje, razpravo, sredstva, dialog in sodelovanje za z informacijami podprte odločitve. Nenazadnje zahteva tudi zaupanje tistih, na katere se podatki nanašajo. Strategija predvideva podporne načrte in pobude za razklenitev potenciala podatkov, spremljanje napredka in vpliva: - Opremljanje in opolnomočenje kadrov s podatkovnimi znanji in kompetencami - Gojenje skupne kulture agilnega, pogumnega in angažiranega odločanja na podlagi podatkov - Cenjenje podatkov kot kapitala za to, da bi bili bolje osredotočeni na deležnike, uspešnost in rezultate - Kulturo zaupanja vrednih in ustrezno pripravljenih podatkov za takojšnjo splošno uporabo brez varnostnih in drugih tveganj - Razširjeno uporabo obstoječih podatkov skozi njihovo integracijo - Razširjanje upravljanja s podatki in dobrih praks - Zagotavljanje zaščite podatkov in upravljanje licenc - Vzpostavljanje podatkovne infrastrukture in analitskih zmogljivosti - Odkrivanje priložnosti za napredne uvide - Doseganje sinergij s horizontalnimi pobudami na ravni ministrstva in vlade za doseganje skupnega vpliva Strategija je povezana s strateškim načrtovanjem SKP po letu 2021, ki krepi vlogo odločanja utemeljenega na dejstvih in vključuje elemente kot so poenostavljanje (v odnosu do uporabnikov oz. upravičencev) in digitalizacija, na Evropski podatkovni strategiji (Evropska komisija 2020), ki predvideva enotni podatkovni prostor na področju kmetijstva, ter drugih strategijah v povezavi z digitalizacijo, uporabo umetne inteligence, odprtimi podatki in drugim, ki izboljšujejo načine uporabe podatkov in zaupanja vredne (analitične) podlage za oblikovanje politike, uporabniško izkušnjo, kvaliteto in hitrost sprejemanja odločitev ter optimalne rezultate. 95 Prilagojeno na podlagi strategije avstralske zvezne vlade. 6.1. Vizija Kot navaja Evropska podatkovna strategija (Evropska komisija 2020) se kmetijstvo, tako kot drugi sektorji, sooča z bliskovito rastjo podatkov. Ob tem se spreminja način njihove uporabe: če se je doslej 80% podatkov uporabljalo na mestu ustvarjanja, se predvideva, da bo že do leta 2025 80% uporabe potekalo v okviru oddaljenih naprav in aplikacij. Podatki omogočajo preoblikovanje načina proizvodnje, potrošnje in življenja. Omogočajo učinkovitejšo porabo sredstev, sledljivost in koristi za zdravje in okolje. Omogočajo personalizacijo oz. prilagoditev rešitev posameznemu primeru. Omogočajo preprečevanje neželenih dogodkov, krepitev produktivnosti in učinkovitosti uporabe virov, boljše odločanje ter prijaznejše javne storitve. Predstavljajo ključen vir za majhne akterje kot so posamezne kmetije, njihovo dejavnost, proizvode in storitve. Razpoložljivost podatkov je ključna tudi za razvoj umetne inteligence, ki se premika od prepoznavanja vzorcev in vpogledov k bolj naprednim tehnikam napovedovanja in boljših odločitev. Omogoča spremembe praks na podlagi modelov oz. digitalnih dvojnikov, ki predstavljajo replike za simuliranje proizvodov, procesov ali sistemov. Omogoča številne javne koristi, od naslavljanja okoljskih in družbenih izzivov do zdravja ljudi in živali. Za države kot je Slovenija, kjer glavni vir podatkov in analitike v kmetijstvu predstavljata javna uprava in znanstveno-raziskovalna sfera (ne pa denimo velika tehnološka podjetja), je odpiranje podatkov ključno za razvoj manjših propulzivnih kmetij in podjetij. Evropska strategija izpostavlja, da so podatki javna oz. skupna dobrina saj jih je v primerjavi z drugimi viri mogoče uporabljati (ponovno, hkrati) s skoraj nič dodatnimi stroški. Vendar pa je za to potrebno zagotoviti ustrezen dostop, pa tudi odgovorno uporabo. Izpostavljene so tri skupine izzivov: -Izzivi povezani s podatki, od njihove povezljivosti do obdelave, -Strukture vladanja in ravnanja s podatki za krepitev bazena kakovostnih podatkov za uporabo in ponovno uporabo, -Zajemanje koristi od boljše uporabe podatkov, vključno s produktivnostjo in konkurenčnostjo, pa tudi javne koristi, od okolja, transparentnosti in prijaznih javnih storitev Ukrepi za naslavljanje teh izzivov se nanašajo na krepitev uporabe in povpraševanja po podatkih in podatkovno omogočenih produktih in storitvah. Strategija se nanaša na ukrepe za srednje ročno obdobje. Ukrepi naj bi prispevali ko oblikovanju ekosistema poslovnih subjektov (kmetij), družbe in posameznikov, ki ustvarjajo nove produkte in storitve na podlagi dostopnih podatkov. Javna politika lahko krepi povpraševanje po podatkih skozi zmožnost javnega sektorja za uporabo podatkov v odločanju ter pri zagotavljanju javnih storitev. Priložnosti lahko zagotavlja tudi skozi ustrezno regulacijo področja zbiranja, obdelave in dostopa do podatkov. Delovanje enotnega podatkovnega prostora je odvisno tudi od (zmožnosti vključevanja oz. prilagajanja na) nove generacije tehnologij in infrastrukture, digitalnih kompetenc in podatkovne pismenosti. Vključevanje in povezovanje akterjev in podatkov bo prispevalo k možnostim za analitiko velikih podatkov in strojno učenje. Tisti, ki bodo prispevali podatke bodo imeli koristi od podatkov drugih, analitičnih rezultatov na podlagi bazena podatkov, ter različnih (prilagojenih) storitev, na podlagi ustreznih dogovorov, licenc in podobnega. Na podlagi ukrepov naj bi do leta 2030 zaživelo podatkovno gospodarjenje na področju kmetijstva, ki bi vključevalo hrambo, obdelavo in uporabo podatkov. Enotni podatkovni prostor bi zajemal osebne in neosebne podatke, vključno z občutljivimi, za zagotavljanje zasebnih in javnih koristi. Za to bi bila prilagojena tudi namenska zakonodaja in rešitve za dostop, opravljene investicije v standarde, orodja in infrastrukturo ter kompetence za ravnanje s podatki. Podatkovno upravljanje bi zagotavljalo pretok na podlagi upoštevanja pravil, pravic in vrednosti; pravila o dostopu in uporabi bi morala biti pravična, praktična in javna, mehanizmi podatkovnega upravljanja jasni in zaupanja vredni, pristop k podatkovnim tokovom pa odprt a hkrati aktivno voden in odziven. Nenazadnje mora biti pristop za zajemanje koristi podprt z gospodarsko strategijo na različnih ravneh. 6.2. Cilj Na področju kmetijstva Evropska strategija (Evropska komisija 2020) navaja: »Podatki so ključ do izboljšanja trajnostne učinkovitosti in konkurenčnosti kmetijstva. Obdelava in ustvarjanje podatkov, še posebej v povezavi s podatki znotraj dobaviteljske verige in drugimi vrstami podatkov, kot so opazovanja zemlje ali meteorološki podatki, omogoča precizno in prilagojeno uporabo proizvodnih modelov na ravni kmetij.« Strategija želi prispevati k učinkovitosti in blaginji v kmetijskem sektorju in širše na podlagi spodbujanja konkurenčnosti in strukturnih reform s pomočjo ustvarjanja, deljenja in uporabe kakovostnih podatkov in dokazov v podporo oblikovanja politik, programov, izvajanja storitev (svetovanja) in poslovnih odločitev (kmetov). Temelji na krepitvi moči podatkov v zvezi z vsem kar počnemo. To vključuje vrednost/vrednotenje podatkov, analitične kompetence, odstranjevanje ovir za dostop in ustrezno uporabo podatkov. Želja je, da bi uporabnik – tako zunanji kot notranji – dejal: kot uporabnik enostavno in dovolj hitro dostopam do podatkov, zaupam, da podatki in vpogled vanje omogočajo ustrezne odločitve. Na tem temelji tudi gradnja na dokazih utemeljenega raziskovanja, oblikovanja ukrepov/intervencij, programov in storitev. To je mogoče doseči z zagotavljanjem ustrezno pripravljenih, zaupanja vrednih in preverjenih podatkov, ki so enostavno dostopni vsem, naložbami v podatke in analitične zmogljivosti, izgradnjo podatkovne kulture in ustreznim ovrednotenjem podatkov: A) Z izboljšanjem podatkovne pismenosti, angažiranjem in opolnomočenjem; B) Na podatkih utemeljenih, odzivnih in pravočasnih odločitvah in izbirah; C) Boljšo zasnovo politik, intervencij, programov, svetovanja in poslovnih odločitev; D) Razumevanjem ukrepov/intervencij in njihovega vpliva na kmetijstvo, podeželje in posameznike. 6.2.1. Vertikalne in horizontalne povezave Ena izmed ključnih vertikalnih povezav se nanaša na reformo SKP za obdobje 2021-2027, ki zastavlja sistemsko vprašanje kako vzpostaviti učinkovit, poenostavljen in hkrati manj obremenjujoč ter vzdržen sistem, ki ga zahteva nov izvedben model SKP, utemeljen na dokazih oz. dejstvih. Na kakšen način lahko v razpoložljivem času povežemo (že obstajajoče in nastajajoče) zbirke za pretok podatkov in ob tem uvedemo enolični zapis podatkov, ki bodo zagotavljali največjo možno uporabo javnih evidenc, ter hkrati omogočali uporabo podatkov za različne namene? Vidik poenostavitve izvajanja SKP in zmanjševanja administrativnih bremen tesno sovpada z možnostjo uporabe podatkov iz uradnih (javnih) evidenc za različne namene. V povezavi z vzpostavitvijo tovrstnega sistema je mogoče izkoriščati tudi različne Evropske, programske in projektne (raziskovalne) finančne vire. Podobno velja za različne vidike digitalizacije in uporabe podatkov s strani KMG ter drugih deležnikov. Na horizontalni ravni Evropska strategija navaja različno zakonodajo v povezavi s podatki sprejeto od leta 2014 kot je GDPR ali Direktiva o odprtih podatkih. Hkrati s tem se sprejema sektorsko specifična zakonodaja o deljenju podatkov.96 Leta 2018 so deležniki na ravni EU že dogovorili kodeks o deljenju podatkov, ki vključuje kmetijstvo in sektor dobaviteljev kmetijske mehanizacije. Leta 2019 so nato države članice skupaj podpisale deklaracijo o sodelovanju »Pametna in vzdržna digitalna prihodnost za kmetijstvo in podeželje« ki prepoznava potencial digitalnih tehnologij za kmetijski sektor in podeželje in podpira vzpostavljanje podatkovnih prostorov. 6.3. Analiza stanja Fragmentacija: na posameznih področjih je več (posamezne raziskovalne ustanove), drugje manj delitev in prilagoditev podatkov (kmetje). Potreben je večji obseg skupnega delovanja za zagotavljanje ustrezne ekonomije obsega. Dostop do podatkov: vrednost podatkov je v njihovi uporabi. Trenutno ni na voljo dovolj podatkov za razvoj različnih s podatki podprtih sistemov. Ni jasnih in enotnih odgovorov na vprašanja kot Kdo je lastnik? Kdo je uporabnik? Kaj je na voljo? Prav tako ni urejen dostop do podatkov kot javne dobrine z vidika učinkovitega zagotavljanja različnih javnih storitev, doseganja okoljskih ciljev, učinkovitega preprečevanja prevar (državljanski nadzor, optimizacija kontrol kot v primeru FURS, kjer večino nadzorov določijo algoritmi). Podatki javnega sektorja naj bi bili skladno z Evropsko podatkovno strategijo ustrezno ovrednoteni in na voljo kot skupna dobrina raziskovalcem, javnim ustanovam in zasebnikom – izvajalcem storitev in proizvajalcem dobrin. Tudi podatki zasebnega sektorja so lahko javna dobrina in prispevajo k razvoju: še posebej agregirani oz. anonimizirani podatki (podobno kot v anketnih raziskavah). V zvezi z uporabo podatkov javnega sektorja s strani podjetij, pa tudi znanosti (npr. za analize vpliva), so zaznane omejitve. Skladno z načeli iz Evropske podatkovne strategije naj bi bili medtem javno dostopni vsi podatki v povezavi s programi in ukrepi financiranimi iz skupnih virov. Pomembno je, da se enak dostop omogoči tudi manjšim in slabše informiranim uporabnikom. To velja tudi za način dostopanja do občutljivih podatkov (npr. standardne anonimizacije, analitično črpanje iz bazena podatkov s pomočjo aplikacij brez vpogleda v konkreten podatek). V manjši meri prihaja do deljenja in uporabe zasebnih podatkov s strani drugi zasebnih subjektov. Slednje kaže na probleme zaupanja, infrastrukture in odsotnost skupno ustvarjenih podatkov. Zasebni podatki se s strani uradnih ustanov uporabljajo v manjši meri (npr. v okviru uradnih statistik). Potrebne so ustrezne nacionalne strukture za deljenje podatkov in zakonodajni okvir. Deljenje podatkov med javnimi nosilci ne deluje v smeri zmanjševanja bremen in načela zbiranja podatkov »samo enkrat«. Neravnotežje tržne moči: obstoječe spletne platforme formalno zagotavljajo enake možnosti dostopa in vpogleda, težava pa je z manj informiranimi (potencialnimi) uporabniki. Interoperabilnost in kakovost podatkov: struktura, avtentičnost in integriteta so ključ za izkoriščanje podatkov, še posebej v kontekstu umetne inteligence. Ustvarjalci in uporabniki podatkov so zaznali veliko težav povezanih z interoperabilnostjo, ki ovirajo povezovanje podatkov iz različnih registrov, evidenc in zbirk že znotraj posamezne organizacije, kaj šele med njimi. Nezadostna je uporaba standardnih in skupnih kompatibilnih formatov in protokolov za zbiranje in obdelavo podatkov iz različnih virov za namene konkretnih nalog, prav tako je odsoten horizontalno in vertikalno interoperabilen sistem na podlagi standardizacije IKT, ustreznega okvirja in načrtov. 96 Številne države članice, od Francije do Finske, so v zadnjih letih sprejele novo zakonodajo, ki omogoča uporabo različnih podatkov, ki jih ustvarjajo zasebniki, za javne namene (npr. podatki lastnikov gozda na Finskem). Vladanje, upravljanje: na voljo so organizacijski pristopi in strukture, tako javne kot zasebne, ki bi omogočile inovacije na podlagi istega okvirja, manjka pa ustrezna mobilizacija virov, formalni poslovni modeli ipd. Infrastruktura in tehnologije: zmogljivosti varnega in učinkovitega dostopanja do kakovostnega procesiranja podatkov v oblaku na podlagi vključenih storitev, podatkovni centri in podobno niso na voljo (na nacionalni ravni). Slednje omejuje tudi uporabo umetne inteligence. Opolnomočenje posameznikov: nepoznavanje področja GDPR, varovanja zasebnosti, odsotnost tehničnih orodij (npr. za anonimizacijo, obdelavo brez vpogleda v posamezen podatek), enotnih standardov, bremena dajalcev, uporabnikov in tistih, na katere se podatki nanašajo. Evropska podatkovna strategija opozarja na čl. 20 v GDPR v zvezi z novimi podatkovnimi tokovi in spodbujanjem konkurence. Namen ni zgolj zavračanje deljenja podatkov s ponudniki storitev za namene preprečevanja parcialnih strategij s strani slednji, temveč omogočanje polne vključenosti v okolje digitalnih ekosistemov. Problem asimetrije pri navadnih uporabnikih, kot so nosilci KMG, ki bi se odločili deliti podatke, je mogoče nasloviti z informiranjem o možnostih za lastne koristi – od nadzora nad osebnimi podatki, transparentnosti, do decentraliziranih rešitev, podatkovnih kooperativ, certifikatov za dostop in oblik zaupanja. Vse te stvari so še v zelo zgodnji fazi. Kompetence in pismenost: nizka raven, obstajajo vrzeli glede na demografijo, pomanjkanje podatkovnih strokovnjakov/znanstvenikov je kronično. Kibernetska varnost: ni podatkov o vdorih, vendar tudi ne o tem ali jim je bil sistem izpostavljen. Tabela 6.3.1: Elementi podatkovnega sistema Podatkovna družba Podatkovna organizacija Proces: ljudje Raven zavedanja Izobraževanje, kompetence za ustrezno ravnanje Podatkovni voditelji, ‘heroji’ in vrednote Vodstvo ministrstva Organizacijski ekosistem, spremembe vedenja Kultura sodelovanja in preizkušanja Proces: podatki Centralizacija, deljenje podatkov znotraj in zunaj Podatki so vidni in moč jih je doseči Dostopi, licence, javna vozlišča Proaktivno upravljanje Analitična orodja, smernice Analitika onkraj poročanja in trendov Proces: uporaba Zaupanje, integriteta Hitrost odločanja Obogateni podatki in analitika Odpiranje podatkov Javno zaupanje Bolj samozavestne odločitve na podlagi podatkov Tehnologija: viri Podatkovna arhitektura temelji na primerih uporabe in digitalizaciji Kvalitetne zbirke in pametna orodja Prostorski podatki/ označbe za lokacijsko analitiko Laboratorijski pristop, umetna inteligenca Eksperimenti, napovedna analitika Predpisovanje ukrepov, poslovnih odločitev Tehnologija: uporaba Omogočanje podatkov za tehnologije Napredna analitika Vizualizacija Možna izbira analitike s strani uporabnika Integrirani podatki za analizo Prilagajanje bodočim tehnologijam Politike Razvoj upravljanja s podatki Nadzor vdorov Podatki niso vedno ročni Poslovni model Varuhi podatkov, skupne definicije Zaupanja, dobre prakse 6.3.1. SWOT analiza Prednosti -Javne podatke v slovenskem kmetijstvu je mogoče najti, bodisi preko obstoječih namenskih spletnih strani in vmesnikov (npr. RKG), portalov (npr. OPSI), poizvedovanj in skrbnikov, številni so javno in prosto dostopni. Obstajajo nekateri standardizirani načini pregleda in dostopanja do pripravljenih podatkov za različne uporabnike. -Javni podatki so v splošnem kakovostni v smislu skladnosti s formalnimi (zakonskimi) podlagami v zvezi z obsegom in načini zbiranja, integriteto skrbnikov ipd. pa tudi v smislu zanesljivosti, natančnosti in točnosti na številnih področjih (v primerjavi z alternativnimi viri) kar predstavlja temelj zaupanja v podatke. V veljavi so poslovni modeli v zvezi s pravočasnim pridobivanjem pravih podatkov s strani različnih služb in uporabnikov (MKGP in organi v sestavi, SURS, geoprostorski podatki, slabše pa ko gre za JKSS in raziskovalno dejavnost). Na voljo so številne neposredne in posredne interne informacije (poročila, rezultati kontrol), ki se nanašajo na področje kakovosti, prav tako je na slednje mogoče sklepati iz vzpostavljenih povezav s statističnimi zbirkami. Slabosti -Podatkovna analitika je integrirana v manjši meri: poteka sodelovanje med skrbniki in analitskimi službami za namene poizvedb in poročanja, v določenimi meri tudi z zunanjimi uporabniki kot so raziskovalne institucije za namene spremljanja in posameznih modelnih analiz. -Zbirke podatkov niso ustrezno ovrednotene in certificirane v smislu kategorij kot so: možno jih je odkriti / podatki so znani (opisani) / zbirke se aktivno upravljajo za uporabo in dostop. -Na področju upravljanja podatkov in tveganj je število specializiranih kadrov zelo omejeno, podobno velja za kadrovske vire za sistematično skrb za podatke skozi celoten življenjski cikel (načrtovanje, ustvarjanje, uporaba, deljenje, dostop, arhiviranje). -Integrirana raba zbirk in analitičnih orodij (npr. v okviru delovnih skupin, krožkov ali podatkovnega laboratorija) je omejena. -Strategije ravnanja s podatki ni, horizontalne strategije na ravni ministrstva ali vlade kot so odprti podatki ali digitalizacija se upoštevajo na zelo splošen način. -Podatkovne skupnosti po tematikah, ki bi povezovale skrbnike podatkov in podatkovne analitike, kljub posameznim pobudam (npr. skupnost uporabnikov FADN) še niso zaživele. -Raven podatkovne pismenosti je z vidika števila kadrov z ustrezno izobrazbo, kompetenc, načina in obsega uporabe podatkov omejena. -Obstaja nezadostno zavedanje, interes in pobuda na ravni ključnih odločevalcev, majhno število 'vplivnežev' v sektorju, ki bi na podlagi konkretnih možnosti in dobrih praks spodbujali uporabo podatkov. Strategija mora na poti do zagotavljanja podatkovne kulture presegati ovire in izkoriščati priložnosti: Ovire: -Kompleksna politika (spremembe oz. nadgradnje ukrepov med cikli), zakonodaja (ki pogosto ne sledi podatkovnim zahtevam novih ukrepov kaj šele potrebam po odpiranju dostopa in uporabe podatkov) in povezave znotraj administrativnega okolja (kompleksna struktura podatkov, časovne in vsebinske, tudi kakovostne razlike v evidentiranju) ter med administrativnim okoljem in izvajanjem storitev in kmetovalci (omejen dostop s strani JKSS, uporabniških aplikacij), ki preprečujejo delitev, dostop in uporabo podatkov, kar ovira razvoj napredne uporabe in analiz in zaradi trajanja dostopa do podatkov zmanjšuje njihovo vrednost in vpliv. - Ljudje: nezaupanje do uporabe podatkov in odprta vprašanje glede varovanja zasebnosti kot je pravica do vpogleda in izbrisa (GDPR), splošno nerazumevanje vrednosti in priložnosti, ki jo ponujajo podatki, rast potreb po na uporabnika (KMG) osredotočenih, digitalnih storitvah v povezavi s kmetovanjem, hkrati z inherentnimi etičnimi, z zasebnostjo povezanimi in varnostnimi tveganji uporabe. - Proces: podatki niso zbrani na konsistenten način ko gre za različne javne naloge, programe in ukrepe, ustrezno zbiranje in urejanje traja in povzroča obremenitve obstoječih virov, podatki niso ustrezno povezani z odločanjem na različnih ravneh, na podlagi podatkov je glede na trenutno stanje in prakse težko razumeti stanje ali vpliv politik in drugih dejavnikov ter načrtovati odločitve na ravni KMG. Obstajajo tveganja in stroški povezani z uporabo podatkov, nekaterimi ročnimi procesi, zajemanjem delov podatkov iz konteksta, slabim razumevanjem in interpretacijo zaradi kompleksne strukture in pomanjkanjem centralnega upravljanja, pomanjkljivimi podatki in drugim, kar lahko vodi v pristranskost. - Tehnologija: omejitve z vidika združljivosti podatkov in pripravljenosti za nadaljnjo ali sekundarno uporabo preprečujejo dostop in uporabo različnih orodij že na ravni ministrstva in organov v sestavi. Podatkovna arhitektura ni prilagojena novim zmogljivostim, podatkom in aplikacijam, ki jih narekuje hitrost tehnoloških sprememb. Neznanje in nezaupanje, pa tudi tehnološka pismenost, revščina in izključenost na ravni posameznih deležnikov in KMG omejuje digitalno transformacijo in razvoj. - Kultura: ljudje – tako na ravni javne uprave kot izven – pogosto niso odprti do sprememb in ne zmorejo slediti digitalni transformaciji. Podatkovna pismenost ni visoko med prioritetami, zavedanje o vrednosti podatkov je nizko. Ustrezno uporabo podatkov pri delu ovirajo različne kadrovske omejitve. Vodstveni kadri ne zahtevajo ali cenijo dovolj vrednosti podatkov v podporo njihovih odločitev. Priložnosti: -Voditeljstvo: vodstveni kadri razumejo in poudarjajo pomen podatkov za rast in razvoj sektorja: za produktivnost, konkurenčnost in inovacije. Podatki se uporabljajo kot vir za nove ideje in vpliv. Spodbuda za centraliziran pristop za zmanjševanje stroškov in bremen ter integracijo ponudbe. -Dokazi: namesto intuicije se pri odločanju uporablja/sklicuje na podatke (dokaze), podatki se uporabljajo kot način za doseganje cilja/zasledovanje interesa, uvajanje novih s podatkih in analitiko podprtih tehnologij, ki vplivajo na spremembe praks v kmetijstvu, načrtovanje in izvajanje temelji na predvidevanju (programiranju) in ciljnih rezultatih (spremljanje in vrednotenje). -Zaupanje: deležniki (tudi predstavniki kmetov) ustvarjanje in uporabo kakovostnih podatkov sprejmejo kot skupno odgovornost. -Raznolikost: sprejemanje različnih pogledov, orodij, zmanjševanje pristranosti s pomočjo diverzifikacije in obsega uporabe, podatki in analiza so sprejeti kot stvar slehernika (državljanska uporaba podatkov in nadzor), promocija tistih rezultatov, ki imajo boljšo podatkovno zasnovo. -Kompleksnost: sprejemanje novih načinov dela, družbene in tehnološke inovacije, eksperimentiranje, učenje in ekonomija obsega, gojenje kulture 'pozitivnega tveganja'. -Sodelovanje: z javnimi in zasebnimi partnerji/deležniki pri podatkovnih pobudah, projektih, skupni cilji in vizija, skupni vpliv. -Pismenost: opolnomočenje človeških virov in javnosti za branje podatkov, delo s podatki, pripovedovanje zgodb in argumentacijo na podlagi podatkov 6.4. Načrt 6.4.1. (A) Ljudje in kompetence Podatkovna strategija se začne pri ljudeh: podatkovne zmogljivosti oz. kompetence in digitalna pismenost posameznikov v različnih vlogah so ključ za na dejstvih utemeljeno, inovativno in na človeka osredotočeno politiko, programe in storitve. Podatkovna analitika mora postati del 'in-house' zmogljivosti in aktivnosti na različnih nivojih (MKGP, JKSS, raziskovalne in izobraževalne institucije). Potrebnih je več ljudi s osnovnimi in naprednimi analitičnimi znanji, ki bodo okrepila njihove obstoječe domenske/področne ekspertize. Potrebno je poudarjanje in merjenje doseženih rezultatov. Ukrepi in kazalci: Več ljudi s kompetencami in zmogljivostmi: - Določitev okvirja izobraževanj/usposabljanj (kdo, kdaj, kje, zakaj) - Izobraževanje vsaj enega skrbnika ali upravljavca na področje na temo skrbništva, upravljanja podatkov skozi življenjski cikel, uporabe za različne namene, odprtih podatkov in vprašanj zasebnosti. Vključevanje v RDA skupnost in druge mednarodne pobude za strokovne podlage pri izvajanju podatkovnih storitev (v poročilu smo posebej izpostavili GODAN in druge), določitev odgovorne osebe za stik. - Izobraževanje o modelnih analizah, simulacijah in prediktivnih metodah. - Izkoriščanje virov kot je e-učenje, službene poti na usmerjena kratka izobraževanja (npr. s strani Evropske komisije), zagotavljanje prakse na delu (npr. za študente) in izmenjave oz. kroženje kadrov in skupne delavnice ter izobraževanja za krepitev splošne pismenosti in kompetenc (z raziskovalci, predstavniki JKSS, predstavniki statističnega urada), izkoriščanje tehnične pomoči in virov za usmerjeno usposabljanje v okviru PRP (vključitev tematik s področja digitalizacije in uporabniških poslovnih aplikacij na kmetiji, priložnosti z vidika mobilnih aplikacij, lokacijskih podatkov za poslovanje ter upravljanjem z zasebnostjo v okvir usposabljanj) - Poročanje na podlagi zbiranja informacij o tem ali ima posamezna organizacijska enota na voljo podatke in zmogljivosti za optimalne odločitve, iskanje horizontalnih in vertikalnih rešitev - Pilotni projekti za certificiranje podatkov, pravic dostopa - Izobraževanje o strateških podatkih za vodilne kadre v sektorju, zato, da bodo lahko odločali na podlagi podatkov in dejstev (izkoriščanje izobraževanj in pobud na EU ali med-sektorski ravni) Shema 6.4.1.1: Ljudje in kompetence odločevalci in varuhi vodilni podatki in skrbniki dokazno razmišljanje upravljavci strateški premoženja voditelji podatkovne zbiranje ekipe licence in vladanje naročila varna in zaupanja kakovost vredna uporaba zasebnost in varnost 6.4.2. (B) Kultura Delovati na podlagi podatkov pomeni zanašanje na podatke na različnih ravneh: ko gre za politike, programe ali poslovne odločitve KMG. Gre za skupne vrednote, odnos, verjetja in vedenje v zvezi s tem kako beremo podatke, delamo z njimi, jih analiziramo in interpretiramo. Z drugimi besedami govorimo enoten 'podatkovni jezik'. Pomembno je, da vodstveni kadri in nosilci funkcij cenijo podatke in dokaze ter jih uporabljajo pri utemeljevanju svojih odločitev. Pomembno je, da vsi razmišljamo kritično in ustvarjalno, smo opolnomočeni za raziskovanje in eksperimentiranje z naprednimi tehnologijami, smo zmožni prepoznati in preseči ovire, ki se pojavijo. Ukrepi in kazalci Podatkovna kultura: -Definiranje tega kaj želimo s podatki doseči in razvoj skozi strategijo (oz. vključitev v ustrezne druge strateške dokumente) -Kaj podatkovna kultura pomeni za posameznika: npr. individualizacija javnih obvestil in opozoril na ravni (poslovnih) aplikacij (npr. zahteve, pravila, dovoljena sredstva in prakse), vključno s potrošnikom (sledljivost), modelne analize na podlagi integriranih podatkov za optimizacijo odločitev posameznika, zbiranje podatkov o dejavnosti za ugotavljanja stanja in sprememb na področju izvajanja javnih služb, usmerjanje javnih politik in ukrepov -Prepoznavanje priložnosti v administrativnih podatkih za različne deležnike in storitve: dopolnjevanje statističnih podatkov in analitičnih zbirk97, izboljšanje vzorčnih in laboratorijskih raziskav s pomočjo populacijskih podatkov (npr. registri o živalih), uporaba za vzorčenje, poenostavitev in avtomatizacija storitev JKSS, uporaba ukrepov kot statističnega kazalca, neposredno ali posredno (posploševanje laboratorijskih raziskav), promocija in trženje, uporaba s strani dobaviteljev sredstev in storitev, državljanski nadzor (upoštevaje interese tistih, na katere se podatki nanašajo). -Pokazati dobre prakse, podatkovni 'heroji' in primeri: izpostavljanje in povezave na kakovostne naloge pripravljene s pomočjo javnih administrativnih in drugih podatkov v kmetijstvu (strokovne, novinarski prispevki, raziskovalne naloge, študentska zaključna dela). Vodstveni kadri cenijo analitike in ustvarjanje znanja: -Mehanizmi za podporo vodstvenim kadrom in zmogljivostim: izkoriščanje zahtev in pobud ter virov v okviru Strateškega načrtovanja, vključno z poenostavljanjem in digitalizacijo, Evropske podatkovne strategije in enotnega prostora kmetijskih podatkov za dajanje prednosti podatkom in naložbam v upravljanje, uporabo in analizo podatkov -Podatkovni izzivi – npr. raziskovalne naloge, projekti, študentski natečaji (nagrade za zaključna dela), mentorji študentom, predavatelji, ki zbirke podatkov uporabljajo v okviru pedagoškega procesa -Vključitev v medresorske skupine, oblikovanje horizontalnih delovnih skupin in teles, več­tematske presoje, sklicevanje na in uporaba spremljanja in preteklih vrednotenj. Krepitev in nadgradnja podatkovne skupnosti ali krožkov kot je FADN skladno s priporočili CRP Modeli kmetij in CRP Strateško vrednotenje, izobraževanje predstavnikov JKSS v zvezi z uporabo FADN -Voditeljstvo in vpliv: podatki iz različnih virov, javnih in drugih, analize in priložnosti: določanje strateških vprašanj za analizo, izkoriščanje aktualnih izzivov za s podatki podprte vpoglede in rešitve s strani analitskih služb (npr. v povezavi z OMD, zaraščanjem) 6.4.3. (C) Podatki Podatki kot sredstvo zaupanja so vredni, zanesljivi, urjeni za uporabo za namene politik, programov in poslovnih odločitev. Odgovorni vedo kako zbirati prave podatke, določiti formate, kraj in čas zbiranja, zagotoviti povezljivost in integracijo, dodajanje vrednosti, hitrost objave in zasebnost, slediti javnemu sprejemanju vrednosti vrednosti in zaupanju v uporabo. 97 Poleg primera standardnega prihodka smo pokazali na več drugih primerov, kjer administrativni podatki predstavljajo bolj točen, natančen in predvsem ročen vir. Ukrepi in kazalci - Zaupanja vredni, zanesljivi, varni, vrednoteni podatki: več zbirk pod dobrim upravljanjem, usmerjanje vladanja in upravljanja za kakovost in zaupanje. Predlagamo enotni popis procesov, vezanih na zbirke podatkov, ločeno po skupinah zbirk/evidenc, ki jih združujejo določena strokovna, zakonodajna ipd. pravila, upoštevajoč raven zrelosti/kakovosti zbirke. Nadalje priprava sistemskih in operativnih navodil /dokumentacije/ na ravni skupin zbirk in določitev/identificiranje uporabnikov kot so notranji (ministrstva in organi v sestavi), zunanji (raziskovalci, novinarji, kmetje, NVO), načrt dela pri evidentiranju podatkov, določitev režimov skrbništva glede na delovno intenzivnost, prepoznavanje ovir pri dostopu in uporabi. Izboljšanj in ohranjanje zbirk (npr. EVIZO). - Podpora prostorskim označbam podatkov za odkrivanje, operativno in strateško uporabo: mobilne (poslovne aplikacije) s prostorskimi podatki, QR kode na lokacijah, proizvodih, sredstvih (gnojila, pesticidi). - Implementiranje in vzdrževanje poslovnega modela za katalogiziranje, metapodatke in ontologije, da jih je mogoče odkriti, strojno brati, da so primerljivi za različne metrike, cilje in analitiko (npr. nadgradnja modelnih analiz KIS, predajanje obstoječih statističnih podatkovnih produktov v sekundarno rabo, usklajeno administrativno-statistično ustvarjanje podatkov, možnosti plačljivih storitev za posamezne uporabnike).98 - Razvoj in implementiranje rešitev za ustrezno, varno in etično uporabo podatkov, licence za uporabnike in deležnike (modeli anonimizacije in storitve dostopa do mikro podatkov oz. analitičnega outputa, npr. dostop za tiste, ki predajajo podatke). Podatki o kakovosti: kontrole, avtomatske, logične, na terenu, poročila. Povezave na dobre primere uporabe. - Dostop, razvoj okvirja za definiranje in ocenjevanje, podatki kot korporativni vir. Vrednotenje podatkov s pomočjo točkovalnika (primer predstavljen v okviru DS1). - Bolj novi in dostopni (odprti) podatki: viri in načini dostopa do zaupanja vrednih podatkov, vozlišče, zbirke pripravljanje za takojšnjo uporabo (za politike, programe in izvajanje, poslovne procese), kvalitetni podatki odprti za javni dostop tretjih strani za dodajanje vrednosti in podporo poslovanja, inovacij in rasti (npr. ureditev metodologije talnih meritev in vključitev v e-tla, dostop do podatkov za avtomatizirano pripravo gnojilnih načrtov) - Izboljšanje podatkov in uvidov preko enotnega vozlišča, register zbirk osredotočen na uporabnika, poenostavljanje - Množično financiranje, avtomatizacija procesov, rešitve za boljše odkrivanje, označevanje, vidnost, analitično poročanje, boljšo varnost. 6.4.4. (D) Analitika in vizualizacija Krepi se digitalizacija, obseg podatkov raste, s tem pa tudi priložnost za razumevanje koristi od analitičnih vpogledov. Uporaba analitike kot vzvoda, prepoznavanje motečih idej, delitev izkušenj, inovacije, načini kako imeti boljše politike, promocija novih procesov, programov, storitev za večjo dodano vrednost. Napredne zmogljivosti in infrastruktura za podatkovno analitiko v rokah uporabnikov, pametne odločitve in zaupanje za (so)vpliv. Ukrepi in kazalci Zanesljiva, ponovljiva analitika -Uporabniške informacije, vpogledi za potrebe politike, programov, storitev in KMG na informacijskem portalu (povezovanje podatkov iz administrativnih virov v uporabniško 98 Omenjali smo zgled tovrstnega sodelovanja med administrativnimi, statističnimi in akademskimi ustvarjalci in uporabniki podatkov, EDINA Agricultural Census for England, Wales and Scotland. dostopno zbirko z osnovnimi orodji za pregled in obdelavo: vzpostavitev zbirke s ključnimi/pomembnimi atributi, ki bi dopolnjevala prostorsko zbirko, statistična zbirka v javnem pregledovalniku, mikro-podatkovna zbirka za posamezne uporabnike kot so hišni načrtovalci, analitiki, evalvatorji idr., orodja za vizualizacijo in enostavne analize)99. Uporaba napredne analitike npr. za optimizacijo zahtev in pogojev, predvidevanje kršilcev in izboljšanje kontrol. -Analitični okvir in delovni paket metod, sredstev, platform za podporo napredni, statistični in prostorski analizi; denimo nadgradnja e-tal v smeri e-prostora in e-kmetije, razvoj mobilnih aplikacij za različne poslovne procese. -Okvir za podatkovno znanost, izvedbeni model, računalniško okolje, laboratorij (razvoj analitične službe, sodelovanje z in med raziskovalnimi institucijami, JKSS, kmetijskimi združenji, kmetijskimi podjetji ipd.) Podpora odločitvam -Ocena izvedljivost vzpostavitve odločevalskih struktur kot repozitorija analitično vodenih odločitev in logike za podporo bodočemu odločanju (npr. modelne analize kmetij v povezavi z javnimi intervencijami in poslovnimi odločitvami na podlagi empiričnih mikro podatkov ali modeli na podlagi bazena individualnih poslovnih in računovodskih podatkov v oblaku), integracija s poslovnimi aplikacijami (npr. poslovna aplikacija na ravni KMG Mark Online, ki ga uporabljajo Danski kmeti) in procesi avtomatizacije -Zbiranje podatkov in študij v podporo ciljnih analiz po tematikah (glej npr. Castano in dr. 2019), razvoj več-tematskih modelov oz. okvirjev za spremljanje in presojo na podlagi podatkov. Vzpostavitev zbirke študij, analiz, vrednotenj in zahteva po predaji (mikro) podatkov iz vrednotenj za možnost spremljanja čez več vrednotenj ter povezovanja z drugimi zbirkami podatkov, povezovanje evalvatorjev v skupnost za izboljšanje in pocenitev evalvacij (s skupnim ustvarjanjem in uporabo enotnih podatkovnih virov) -K reševanju problemov usmerjeni pristopi v obliki izzivov, mešane delovne/raziskovalne ekipe, razpisi, tekmovanja; analitična skupnost odličnosti za svetovanje, model učenja in prenosa, izvajanje naključnih kontrol analiz, zagotavljanje integritete in etike. Tabela 6.4.4.1: Analitika in vizualizacija Informacijski portal Analitika Podatkovna znanost Odločevalsko vozlišče Namen Podatki: kaj, koliko, kdaj, kje Diagnostika: zakaj Predikcija Predpisovanje Rezultat Podatki pripravljeni za uporabo, informacije, storitve, upravni postopki Podatkovne zgodbe s pomočjo naprednih analitičnih zmogljivosti, vizualizacija Napredni uvidi, kompleksni problemi, primeri za razširjanje Natančno predvidevanje bodočih odločitev, vedenj, vpliva, poslovna uporaba, avtomatizacija Izid Zaupanja vredni pripravljeni podatki, integrirani, vizualizacija, ročni, po temah Statistika, napredne, prostorske analize, prilagojena analitična poročila, Kompleksne metode, UI, modeliranje, rudarjenje podatkov, skriti vpogledi, Repozitorij analitično-podprtih odločitev in logike, načrtovanje politik, evalvacije-sinteza, sistematični 99 Npr. MISSY: https://www.gesis.org/en/missy/metadata/EU-SILC/2016/ ali CIMES: https://cimes.casd.eu/ dinamične vizualizacije podatkovna znanost pregledi napredka in vpliva Za koga Vsi Policy in podatkovni analitiki, načrtovalci programov, evalvatorji, raziskovalci Podatkovni znanstveniki in analitiki, ekonometriki, statistično programiranje, podrobno raziskovanje Vsi Kompetence in zmogljivosti Osnovne Napredno Specializirano Podpora odločitvam Infrastruktura in orodja -Uporabne informacije, vpogledi za potrebe politik, programov, storitev, KMG -Upravljanje s podatki, skrbniki, zbiranje, poslovni model, kakovost podatkov -Vozlišče podatkov, registri, licence -Analitična orodja, programski jezik, napredne metodologije, kartografije Mehanizmi v podporo odločitvam utemeljenim na podatkih/dokazih, programi, postopki Tabela 6.4.2: pregled podatkovne strategije in načrtov Strategija A. Zmogljivosti B. Kultura C. Podatki D. Analitika in vizualizacija Dejavniki uspeha -Pismenost -Razumevanje podatkov -Zavedanje in upravljanje podatkovnih tveganj -Pripovedovanje konkurenčnih podatkovnih zgodb -Cenjenje podatkov in dokazov -Pozitiven odnos do podatkovnih zgodb in podpore -Ministrstvo in kmetje cenijo storitve in svetovanje -Kakovostni, dostopni, enostavni dostop -Dostop javnosti in tretjih oseb -Zaupanja vredni upravljavci -Licence -Napredna analitika in vizualizacija ter viri -Odločitve optimizirane skozi uvide Vpliv Podatkovni jezik, analitične sposobnosti, opolnomočenje Varni, dobro upravljani in vodeni podatki Na podatkih utemeljene politike, programi, storitve Strateški vpliv Dodana vrednost, kvaliteta izdelkov in storitev, zagotavljanje javnih dobrin Tabela 6.4.3: Časovnica izvajanja ukrepov Evropske podatkovne strategije in enotnega kmetijskega podatkovnega prostora 2020 2021 2022 Steber Ukrepi 1 2 3 4 1 2 3 4 1 2 3 4 A. Čezsektorski okvir vladanja za dostop in uporabo podatkov Predlog zakonodajnega okvirja: Evropski podatkovni prostori x Izvedbeni akt o zbirkah velike vrednosti (Open data, FAIR, APIs*) x Izvedbeni akt o podatkih x x x x Analiza pomena podatkov v digitalnem gospodarstvu in pregled zakonodajnega okvirja** x B. Omogočevalci: Investicije v podatke in krepitev Evropskih zmogljivosti in infrastruktur za gostovanje, obdelavo in uporabo podatkov, interoperabilnost Projekt visokega vpliva Evropskih podatkovnih prostorov: arhitekture deljenja podatkov (standardi, prakse, orodja), vladanje x x x x Sporazum o nameri z državami članica o federativni ureditvi področja oblaka x Lansiranje evropskega trga storitev oblaka, integracija ponudbe storitev x Knjiga pravil o samoregulaciji na področju oblaka x C. Kompetence: opolnomočenje posameznikov, investicije v kompetence in MSP Pravica prenosa za posameznike za nadzor nad dostopom do strojno ustvarjenih podatkov (del zakonodaje o podatkih) x x x x D. Skupni evropski prostori in strateški sektorji v javnem interesu Okvir za merjenje pretoka podatkov in ocena ekonomske vrednosti znotraj Evrope kot tudi med Evropo in preostankom sveta x *Application Programming Interfaces ** Zakonodaja o digitalnih storitvah – analizo bo opravil Observatorij za online platformno gospodarstvo D. Skupni evropski prostori in strateški sektorji v javnem interesu Zbiranje izkušenj držav članic in deležnikov v okviru kodeksa, s strani digitalnih aplikacij na kmetiji, zahtev dostopa in uporabe podatkov x x Zbiranje izkušenj kmetijskega podatkovnega prostora v trntuni uporabi, vključno s financiranimi v okviru Obzorij, v okviru deležnikov in držav članic za odločitve na EU ravni x x Skupni prostor bo temeljil na obstoječih pristopih in bi lahko vodil k platformi za deljenje in združevanje podatkov, javnih in zasebnih. Slednje bi lahko podpiralo razvoj inovacijskega s podatki podprtega ekosistema na podlagi pravičnih pogodbenih razmerij in okrepilo zmogljivosti za spremljanje in izvajanje skupnih politik, zmanjševanje administrativnih bremen vlad in upravičencev. Tabela 6.4.4: Časovnica izvajanja ukrepov podatkovne strategije 2019 2020 2021 2022 2023 2024 2025 2026 2027 A. Ljudje in zmogljivosti Pregled podatkovnih zmogljivosti* Izobraževanje za podatkovno analitiko Skrbniki podatkov Analitika in napredne tehnike Pismenost* Poročanje o kompetencah, certifikati Izobraževanje, podatki za odločevalce B. Kultura Def. na podatkih utemeljene kulture* Ukrepi za spremembe* Kaj je zame znanost* Demonstracije Zavedanje* Močni primeri* Podpora voditeljem Podatkovni izziv, nagrade Vladni podatki, agenda analitike* Podatkovni in analitični voditelji C. Podatki Zbirke v dobrem stanju Podpora prostorski razsežnosti* Implementacija poslovnega modela podatkov Zaščita Ocena izvedljivosti podatkov kot dobrine Viri: razpoložljivost in takojšnja uporabnost* Odprti kakovostni podatki Izboljšanje vozlišč, registrov, za takojšnjo uporabo* Platforma D. Analitika in vizualizacija Uporabni vpogledi* Analitični okvir in paket* Podatkovna znanost* Podatkovno odločanje Odločevalsko vozlišče Analitična skupnost odličnosti * Prispevek CRP ITzaSKP k podatkovni strategiji Projekt CRP ITzaSKP je k izvajanju podatkovne strategije prispeval na naslednje načine: A. Ljudje in zmogljivosti: Pregled zbirk, dostopanja in uporabe, pogovor s skrbniki in uporabniki, prikaz analitičnih orodij in možnosti, prispevek k pismenosti skozi interakcijo z deležniki, javne dogodke in rezultate (poročila ipd.). B. Kultura: Okvir za definiranje na podatkih utemeljene kulture skozi predlog strategije, predlog ukrepov, prikaz možnosti podatkovne znanosti, uporaba močnih primerov za demonstracije za krepitev zavedanja, vključevanje vladne in analitične agende npr. na ravni ministrstva. C. Podatki: Ocena registrov, evidenc in zbirk, podpora uporabe prostorske razsežnosti skozi povezovanje z atributivnimi podatki in modeliranje, zagotavljanje izkušenj in virov za nadaljnji razvoj in uporabo. D. Analitika in vizualizacija: primeri uporabnih vpogledov, možen analitični okvir in paket v okviru podatkovne znanosti. 6.5. Pogled naprej Izvajanje strategije v kontekstu SKP 2021-2027 in onkraj glede na trenutno stanje predvideva večjo ambicioznost in sicer v smislu premika od k (posameznemu) rezultatom usmerjene politike k enotnemu sistemu, ki bo temeljil na točkovanju glede na več dimenzij trajnosti. Na ravni posamezne države članice je pomembno, da bodo zastavljeni cilji in kazalci (vrednosti) ustrezno umeščeni v nov izvedbeni model SKP in se ne bodo podvajali. Na tem mestu izpostavljamo še vidik povezave ustrezne podatkovne strategije s krepitvijo konkurenčnosti in trajnosti kmetijstva (kot pomembnega vidika prihajajoče reforme SKP), ki lahko pomembno pripomore pri uskladitvi ambicioznosti ciljev metodologije za določanje in ocenjevanje rezultatov s strateškimi načrti SKP. Literatura Poppe, Krijn (2016) Farm Level Indicators for New Topics in policy evaluation Intro and objectives meeting Wageningen Economic Research, The Netherlands 199th FADN Committee, Brussels, November, dostopno na: https://www.flint­ fp7.eu/downloads/presentations/flint%20in%20fadn%20committee%20nov%202016.pdf Keszthelyi, Szilárd (2016) Farm level indicators for new topics in policy evaluation Experiences with data collection, AKI, Hungary 199th FADN Committee, Brussels, November Vrolijk, Hans (2016) Farm level indicators for new topics in policy evaluation Recommendations for the future, Wageningen Economic Research, The Netherlands 199th FADN Committee, Brussels, November Veerle, Van den Eynden, Kate Schreckenberg, Louise Corti (2015) Sharing social data in multidisciplinary, multi-stakeholder research; Best practice guide for researchers. ESPA Working Paper Series No: 001 / December 2015, dostopno na http://www.espa.ac.uk/files/espa/Sharing%20social%20data.pdf Bligaard, J. (2014). Mark Online, a Full Scale GIS-based Danish Farm Management Information System, International Journal of Food System Dynamics 5, 190-195. Gibbons, M.M., Fawcett, C. P., Waring, R. J. et al. (2005). PLANET Nutrient Management Decision Support System – a Standard Approach to Fertiliser Recommendations. EFITA/WCCA 2005, 25-28 July 2005, Vila Real, Portugal. Rose, D.C., Sutherland, W. J, Parker, C. et al. (2016). Decision support tools for agriculture: Towards effective design and delivery. Agricultural Systems 149, 165–174. Rose, D., Parker, C., Fodey, J., Park, C., Sutherland, W. and Dicks, L. (2018). Involving Stakeholders in Agricultural Decision Support Systems: Improving User-Centred Design. International Journal of Agricultural Management, 6, 80-89. Castano, J.; Blanco, M.; Martinez, P. (2019) Reviewing Counterfactual Analyses to Assess Impacts of EU Rural Development Programmes: What Lessons Can Be Learned from the 2007– 2013 Ex-Post Evaluations? Sustainability 11, 1105 Viri MKGP (2019) Resolucija Naša hrana, podeželje in naravni viri po 2021. Strateški okvir razvoja slovenskega kmetijstva, predelave hrane in podeželja. Evropska komisija (2018a) Proposal for a REGULATION OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL establishing rules on support for strategic plans to be drawn up by Member States under the Common agricultural policy (CAP Strategic Plans) and financed by the European Agricultural Guarantee Fund (EAGF) and by the European Agricultural Fund for Rural Development (EAFRD) and repealing Regulation (EU) No 1305/2013 of the European Parliament and of the Council and Regulation (EU) No 1307/2013 of the European Parliament and of the Council {SEC(2018) 305 final} -{SWD(2018) 301 final} Brussels, 1.6.2018 COM(2018) 392 final 2018/0216 (COD) Evropska komisija (2018b) ANNEXES 1 to 12 ANNEXES to the Proposal for a REGULATION OF THE EUROPEAN PARLIAMENT AND OF THE COUNCIL establishing rules on support for strategic plans to be drawn up by Member States under the Common agricultural policy (CAP Strategic Plans) and financed by the European Agricultural Guarantee Fund (EAGF) and by the European Agricultural Fund for Rural Development (EAFRD) and repealing Regulation (EU) No 1305/2013 of the European Parliament and of the Council and Regulation (EU) No 1307/2013 of the European Parliament and of the Council {SEC(2018) 305 final} -{SWD(2018) 301 final} Brussels, 1.6.2018 COM(2018) 392 final SURS (2019a) METODOLOŠKO POJASNILO EKONOMSKI RAČUNI ZA KMETIJSTVO Metodološko pojasnilo se nanaša na objavljanje podatkov: -Ekonomski računi za kmetijstvo, Slovenija, letno (Prva objava) -Realni dohodek iz kmetijstva – prva ocena, Slovenija, letno (Prva objava) -Realni dohodek iz kmetijstva – druga ocena, Slovenija, letno (Prva objava) Pripravila: Irena Žaucer Zadnjič osveženo: 28. 8. 2017 SURS (2019b) METODOLOŠKO POJASNILO STRUKTURA KMETIJSKIH GOSPODARSTEV Metodološko pojasnilo se nanaša na objavljanje podatkov: -Struktura kmetijskih gospodarstev, Slovenija, večletno (Prva objava) -Struktura kmetijskih gospodarstev, podrobni podatki, Slovenija, večletno (Elektronska objava) Pripravil: Aleš Krajnc Zadnjič osveženo: 20. 12. 2017 SURS (2019c) METODOLOŠKO POJASNILO PORABA MINERALNIH GNOJIL PO KMETIJSKIH KULTURAH Metodološko pojasnilo se nanaša na objavljanje podatkov: -Poraba mineralnih gnojil po kmetijskih kulturah, Slovenija, dvoletno (Prva objava). Pripravila: Enisa Lojović Hadžihasanović Zadnjič osveženo: 16. 10. 2019 Jeretina, Janez (2019) Predstavitev CPZ Govedo. Odprti raziskovalni podatki v Sloveniji. 14.11.2019. Avstralska zvezna vlada (2019) Best Practice Guide to Applying Data Sharing Principles, pridobljeno iz https://www.pmc.gov.au/sites/default/files/publications/data-sharing-principles­ best-practice-guide-15-mar-2019_0.pdf). Evropska komisija (2020) COMMUNICATION FROM THE COMMISSION TO THE EUROPEAN PARLIAMENT, THE COUNCIL, THE EUROPEAN ECONOMIC AND SOCIAL COMMITTEE AND THE COMMITTEE OF THE REGIONS A European strategy for data Brussels, 19.2.2020 COM(2020) 66 final https://ec.europa.eu/info/sites/info/files/communication­ european-strategy-data-19feb2020_en.pdf Priloge Priloga I: Kazalci SKP 2014-2020 in Okoljsko-kmetijski kazalci Dohodkovna podpora -Št. upravičencev, št. upravičencev in ha s podporo, povprečna podpora na upravičenca/ha, delež neposredne podpore v faktorskem dohodku (2015-) -Kmetijski dohodek in neposredne podpore (2001-) -Spremembe v dohodku glede na 3-letno povprečje (2007-) Okolje in podnebne spremembe -Sredstva II. stebra za okolje (KOPOP, EK …) -PRP prioriteta 4: obnova, ohranjanje in izboljšanje ekosistemov -PRP prispevek h klimatskim aktivnostim -Raba (trajni posevki, kmetijska raba, trajna travinja) -Kmetijska zemljišča pod okolijskimi zahtevami (Zelenitev, navzkrižna skladnost, okoljsko-podnebni ukrepi) -Izbrana plačila za okolje (zelenitev, KOPOP) (2015-) Podnebne spremembe in kakovost zraka -Izpusti TGP iz kmetijstva (2005-) in delež (2016) -Izpusti amonijaka (2003-) -Organska snov (2015) -Trajne travinje v celotnih površinah in spremembe (2004-) -Prispevek PRP pod prioriteto 5-učinkovita uporaba virov in prehod v nizkoogljično in odporno kmetijstvo -Delež zemlje pod klimatskimi ukrepi 5D (2017) Tržna usmerjenost Ekološka proizvodnja Voda -Podatki na ravni EU -Površine in proizvajalci, delež, delež živali, specifična podpora na ha, delež proizvodnje s podporo (2017) -Črpanje (1995-) -Nitrati v podzemnih vodah (2012) -Delež zemlje pod ukrepi za izboljšanje vode iz PRP 4B (2015-2017) -Bruto bilanca dušika (2015) -GVŽ na ha (2013) Delovna mesta in rast na podeželju -BDV in zaposlenost na podeželju (2012-) -Delež kmetijstva in prehranske industrije v celotnih zaposlitvah (2008-) -Revščina na podeželju (2011-) -Dohodek kmetov v primerjavi s preostankom gospodarstva 2011-) Kakovost prsti -Organska snov v kmetijski zemlji (skupna masa) -Delež površin pod ukrepi za izboljšanje -Raznolikost poljščin, kmetije z eno ter z več kot tremi kulturami glede na velikostni razred (2013) -Delež upravičencev pod zahtevami raznolikost (2015) in zelenitev (2015-2017) -Delež kmetijskih površin pod visokim tveganjem erozije zaradi vode Biodiverziteta -Habitati (travinje) glede na status (2012) -Ekološka fokusna območja po tipu v celotnih kmetijskih površinah (2017) -Delež kmetijskih površin v Natura 2000 (2016) -Delež zemlje pod ukrepi za podporo biodiverzitete, krajine, gozda (PRP 4A) (2017) 2. Kmetijske površine na območjih NATURA 2000 EEA / 2016 3. Stopnja usposabljanja kmetov in uporaba svetovanja DG AGRI da 2016 4. Površine z ekološkim kmetijstvom Eurostat da 2017 5. Poraba mineralnih gnojil Eurostat Da 2017 6. Poraba pesticidov Eurostat da 2017 7. Namakanje Eurostat da 2016 8. Poraba energije Eurostat da 2017 9. Spremembe v uporabi zemljišč EEA / / 10.1 Vzorci posevkov Eurostat da 2016 10.2 Vzorci reje Eurostat da 2016 11.1 Pokritost prsti Eurostat / 2010 11.2 Prakse oranja Eurostat / 2010 11.3 Hramba gnoja Eurostat Da 2010 12. Intenzifikacija/ekstenzifikacija DG AGRI FADN 2016 13. Specializacija Eurostat Da 2016 14. Tveganje opuščanja zemlje JRC / / 15. Bruto bilanca dušika Eurostat da 2015 16. Tveganje onesnaženja s fosforjem Eurostat da 2015 17. Tveganje pesticidov DG SANTE / / 18. Emisije amoniaka EEA da 2017 19. Emisije TGP EEA Da 2017 20. Odvzem vode EEA Da 2017 21. Erozija zemlje JRC Da 2012 22. Genetska raznovrstnost EEA / / 23. Kmetijska zemlja na varovanih območjih DG AGRI / / 24. Proizvodnja obnovljivih virov energije DG AGRI DG AGRI, Eurostat 2014 25. Populacijski trendi ptičev na kmetijah EEA Da 2017 26. Kakovost prsti JRC / / 27.1 Kakovost vode-nitrati EEA / / 27.2 Kakovost vode-pesticidi EEA / / 28. Krajina: stanje in raznolikost JRC / / Priloga II Kazalci vpliva, učinka in izvajanja skladno s čl.7 in prilogo I predloga Uredbe Ocena uspešnosti (večletna): VPLIV* Letni pregled uspešnosti: REZULTAT/UČINEK* Letno potrjevanje – IZVAJANJE okvirnih ukrepov* Presečni cilj: modernizacija Kazalec Kazalci učinka (samo ukrepi SKP) AKIS Kazalci Spodbujanje -I.1 Prenos znanja in inovacij: -R.1 Krepitev uspešnosti preko znanja in inovacij: delež EIP za -O.1 Št. EIP operativnih prenosa znanja, delež proračuna SKP prejemnikov podpor za svetovanje, usposabljanje, izmenjavo kmetijsko skupin inovacij, znanja, sodelovanja v operativnih skupinah znanje in -O.2 Št. vključenih digitalizacija … -R.2 Povezovanje sistema znanja in svetovanja: število svetovalcev vključenih v AKIS (glede na št. kmetov) -R.3 Digitalizacija kmetijstva: delež kmetov, ki imajo korist od podpor za uvajanje tehnologij preciznega kmetijstva inovacije** svetovalcev Specifični cilji Kazalec vpliva Kazalci učinka (samo ukrepi SKP) Okvirni ukrep Kazalci izvajanja (na ukrep) 1. Vzdržni dohodek in odpornost po vsej EU -I.2 Zmanjšanje dohodkovnih razlik (kmetijski/nekmetijski dohodek) -I.3 Zmanjšanje dohodkovnih razlik-trend -I.4 Podpora vzdržnemu dohodku: razlika med kmet. sektorji-trend -I.5 Prispevek ozemeljskemu ravnotežju: območja z naravnimi omejitvami-relativni dohodek -R.4 Povezovanje dohodkovne podpore s standardi in dobrimi praksami: obseg UAA z dohodkovnimi podporami in pogojenostjo -R.5 Upravljanje s tveganji: delež kmetij z ukrepi -R.6 Prerazdelitev na majhne kmetije: % dodatne podpore na ha za upravičene pod povprečno velikostjo kmetije (v primerjavi s povprečjem) -R.7 Krepitev podpore kmetijam v območjih s posebnimi potrebami: % dodatne podpore na ha (napram povprečju) SKP podpora -O.3 Št. prejemnikov Nevezana NP -O.4 Ha -O.5 Št. prejemnikov -O.6 Št. ha mladi kmeti -O.7 Št. prejemnikov mladi kmeti Sredstva za obvladovanj e tveganj -O.8 Št. kmetov z ukrepi 2. Krepitev tržne usmerjenosti, konkurenčnost, R&D ter digitalizacija -I.6 Krepitev produktivnosti: faktorska produktivnost -I.7 Agroživilska trgovina (uvoz, izvoz) -R.8 Kmetije in sektorji s težavami: % kmetij z vezanimi plačili za konkurenčnost, vzdržnost -R.9 Modernizacija: % kmetij z investicijskimi podporami za prestrukturiranje, vključno z učinkovito rabo virov Vezana podpora -O.9 Št. ha -O.10 Št. GVŽ 3. Položaj -I.8 Krepitev položaja kmetov v -R.10 boljša organizacija dobaviteljske verige: % kmetov v kmetov v verigi: dodana vrednost primarne Skupinah proizvajalcev, organizacijah, lokalnih verigah, agroživilski proizvodnje v verigi shemah kakovosti … verigi -R.11 Koncentracija ponudbe: % vrednosti tržne proizvodnje organizacij z operativnimi programi 4. Uravnavanje in prilagajanje na klimatske spremembe ter trajnostna -I.9 Indeks odpornosti kmetij -I.10 Uravnavanje klimatskih sprememb: zmanjšanje emisij iz kmetijstva -I.11 Krepitev ogljičnega zajema: -R.12 Prilagajanje na klimatske spremembe: % kmetijskih površin pod zavezami -R.13 Znižanje emisij v živinoreji: GVŽ pod podporami za znižanje emisij in/ali amonijaka, vključno z upravljanjem z gnojevko Plačila za naravne in druge območne omejitve O.11 Št ha z ANC top up (3 kategorije) O.12 Št. ha podpore Natura 2000 ali okvirna direktiva o vodah energija v zemlji -R.14 Hramba ogljika v zemlji in biomasi: % kmetijske zemlje Plačila za -O.13 Št ha (kemtisjtvo) -I.12 Krepitev trajnostne energije pod zavezami ohranjanja /izboljšanja upravljalske dodatne okoljske/klimatske v kmetijstvu: proizvodnja -R.15 Zelena energija iz kmetijstva in gozdarstva: investicije v zaveze zaveze obnovljivih virov iz kmetijstva in obnovljive vire-proizvodno kapaciteto, vključno z bio­ (okolje, -O.14 Št. ha (gozdarstvo) – gozdarstva osnovanimi (MW) klimatske, kot zgoraj -R.16 URE: prihranki v kmetijstvu genski viri, -O.15 Št. ha ekološko -R 17 Pogozdena območja: območja s podporami za dobrobit kmetijstvo pogozdovanje, vzpostavljanje gozdnih območij, vključno s kmetijsko-gozdarskimi območji živali) -O.16 GVŽ-dobrobit živali, zdravstveni ali biovarstveni ukrepi -O.17 Št. projektov-genski viri 5. Trajnostni razvoj, učinkovito upravljanje z naravnimi viri (voda, zemlja, zrak) -I.13 Zmanjševanje erozije zemlje: % zemlje-zmerna in hujša erozija -I.14 Izboljševanje kvalitete zraka zmanjšanje emisij amonijaka -I.15 Kakovost vode: bruto razmerje hranil v kmetijski zemlji -I.16 Zmanjšanje odtekanja gnojil: nitrati v nadzemeljski vodi: % površinskih vodnih postaj z N na 50mg/l -I.17 Zmanjšan pritisk na vodne vire: Index izrabe vode (WEI+) -R.18 Izboljšave prsti: % zemlje pod zavezami za upravljanje -R.19 Kakovost zraka: % zemlje pod zavezami znižanje izpustov amonijaka -R.20 Kakovost vode: % zemlje pod shemami kakovost vode -R.21 Trajnostno upravljanje z gnojili: % zemlje pod zavezami -R.22 Trajnostna raba vode: % namakanih površin pod zavezami za izboljšanje vodnega ravnotežja -R.23 Okolje/klimatske skozi investicije: % kmetov z investicijskimi podporami -R.24 Okolje/klimatske skozi znanje: % kmetov s podporami z svetovanje, usposabljanje Investicije -O.18 Št. proizvodnih na kmetiji -O.19 Št. lokalna infrastruktura -O.20 Št. ne-proizvodne -O.21 Št. proizvodne izven kmetije 6. Prispevek k zaščiti biološke raznovrstnosti, izboljšanju ekosistemskih storitev in ohranjanju habitatov ter krajin -I.18 Povečanje populacije ptičev na kmetiji: Indeks -I.19 Zaščita biodoverzitete: % vrst in habitatov povezanih s kmetijstvom s stabilnim ali pozitivnim trendom -I.20 Izboljšano zagotavljanje ekosistemskih storitev: UAA s krajinskimi elementi -R.25 Trajnostno upravljanje z gozdovi: % gozdnih površin pod zavezami -R.26 Zaščita gozdnih ekosistemov: % gozdnih površin pod upravljavskimi zavezami – Krajina, bidoiverziteta in ekosistemske storitve -R.27 Ohranjanje habitatov in vrst: % kmetijske zemlje pod zavezami – ohranjenje in povrnitev biodverzitete -R.28 Natura 2000: območja pod zavezami -R.29 Krajinske značilnosti: % kmetijske zemlje – zaveze za ohranjanje značilnosti Nepovratna sredstva -namestitev -O.22 Št. kmetov prejemnikov -O.23 Št. podeželjskih podjetnikov 7. Pritegniti mlade kmete in spodbuditi poslovni razvoj podeželja -I.21 Pritegniti mlade kmete: trend št. mladih kmetov -R.30 Generacijska prenova: Št. mladih kmetov, ki vzpostavijo kmetijo s podporo SKP Sodelovanje -O.24 Št. podprtih skupin/ organizacij -O.25 Št. kmetij s podporo – sheme kakovosti -O.26 Št. projektov generacijske prenove (mladi/ostali kmeti) -O.27 Št. LEADER -O.28 Št. drugih skupin sodelovanje (brez EIP ki je pod O.1) Znanje in -O.29 Št. kmetij informacije izobraževanje/ svetovanje -O.30 Št. ne-kmetov izobraževanje/ svetovanje 8. spodbujanje zaposlovanja, rasti, socialne vključenosti, vključno z biogospodarstvo m in gozdarstvom I.22 Zaposlenost v pretežno podeželskih območjih-trend I.23 BDP pc v pretežno podeželjskih območjih 1.24 Pravična SKP: razdelitev podpore I.25 Indeks revščine na podeželju -R.31 Zaposlenost in delovna mesta na podeželju: nove službe na podlagi odprtih projektov -R.32 Razvoj podeželskega biogospodarstva: št. poslovnih projektov s podporo -R.33 digitalizacija podeželskega gospodarstva: podeželsko prebivalstvo pod podporo strategije pametnih vasi -R.34 Povezovanje podeželjske Evrope: % podeželjske populacije s koristmi od izboljšanega dostopa do storitev in infrastrukture -R.35 Socialna vključenost: št. ljudi iz manjšinskih in ranljivih skupin s koristmi iz projektov socialne vključenosti Prečni kazalci -O.31 Št. ha okoljske prakse (sintetični kazalec – pogojenost, ELS, AECM, gozdarstvo, eko) -O.32 Št. ha pogojenost (po posam. GAEC) 9. boljši odziv na družbena pričakovanja v -I.26 Omejevanje porabe antibiotikov: uporaba/prodaja pri živalih za prehranske namene -R.36 Omejevanje porabe antibiotikov: GVŽ % pod ukrepi preventive/zmanjšanja Sektorski programi -O.33 Št. organizacij proizvajalcev, ki vzpostavijo operativni sklad ali program zvezi z varno, bogato in trajno hrano ter dobrobitjo živali -I.27 Trajnostna raba pesticidov: zmanjšanje tveganj in vpliva** -I.28 Kakovost: vrednost hrane pod shemami (vključno z organsko) -R.37 trajnostna raba pesticidov: % zemlje pod ukrepi za zmanjšanje tveganj ali rabe -R.38 Dobrobit živali: % GVŽ pod ukrepi za izboljšanje dobrobiti -O.34 Promocijske in informacijske aktivnosti, spremljanje trga -O.35 aktivnosti za ohranjanje ali izboljšanje čebelarstva Vpliv: *Večina kazalcev vpliva se že spremlja preko Evropskih statistik, JRC in uporablja v okviru druge EU zakonodaje za namene poročanja (npr. SDGs). Problem pa je v ročnosti – zamiki letnih statistik. Učinek: * Proxy kazalci. Letno poročanje za spremljanje napredka – ciljnih vrednosti. Izvajanje: *letno poročanje za porabo sredstev. **Podpora operativnim skupinah pod EIP spada pod sodelovanje. Srednjeročno vrednotenje -poročanje po čl. 128 za oba sklada: cilj 1: O.3, R.6, cilj 2: R.9, cilj 3: R.10, cilj 4: R.14, cilj 5: O.13, R.4, cilj 6: R.27, cilj 7: R.30, cilj 8: R.31, R.34, cilj 9: O.16. Vir: Evropska komisija 2018a: 1-7 (Priloga 1) Priloga III: Kazalci uporabljeni v celovitem vrednotenju SKP 2014-2020 v Sloveniji Splošni cilj Izvedeni cilj Kazalnik Letni Vir Predlogi Odporna in konkurenčna proizvodnja Prehranska varnost Stopnja samooskrbe (pridelava/potrošnja) – izbrani proizvodi Da KIS (SURS) Trgovinska bilanca -agroživilstvo da KIS (SURS) Dohodkovni položaj Faktorski dohodek (neto dodana vrednost vključno s subvencijami) da SURS Dodati empirične podatke na vzorcu (FADN – neto dodana vrednost) Standardni prihodek (povprečna bruto vrednost proizvodnje na KMG glede na velikost in tip) da SURS Stabilnost dohodka Vrednost kmetijske proizvodnje da SURS Dodati empirične podatke na vzorcu (FADN – standardni dohodek) Indeksi cen pridelkov pri pridelovalcih da SURS Delež subvencij v faktorskem dohodku da SURS Zavarovanje kmetijske pridelave (površine, živali) da MKGP Učinkovita raba virov BDV kmetijstva v narodnem gospodarstvu da SURS Dodati empirične podatke na vzorcu (FADN – kapitalska intenzivnost, bruto investicije) Produktivnost dela (BDV/zaposleni) da SURS Intenzivnost pridelave – izbrani pridelki (t/ha, kg/kravo) da SURS Povprečna velikost KMG (KZU/GVŽ) ne SURS Velikostna struktura KMG (KZU/GVŽ) ne SURS Posek lesa da ZZG Dostopnost virov Osnovni proizvodni dejavniki (KZU, GVŽ, PDM) ne SURS KZU glede na vsa kmetijska zemljišča (raba) da MKGP Verige vrednosti BDP živilske industrije da SURS Produktivnost dela v živilsko-pridelovalni industriji da SURS Produktivnost dela v ŽPI, delež izvoza da AJPES Varnost hrane Vsebnost ostankov pesticidov v živilih (delež skladnih vzorcev) da UVHVVR Ostanki zdravil za uporabo v veterinarski medicini (delež skladnih vzorcev) da UVHVVR Proračunska sredstva za ukrepe – varnost in kakovost da MKGP Trajnostno upravljanje z naravnimi viri, javne dobrine Podnebne spremembe Izpusti TGP iz kmetijstva da ARSO Spremljanje podatkov o kapacitetah modernih gnojišč, trajnih nasadih z mrežami, oroševanju in podobnem Raba energije v kmetijstvu, gozdarstvu in prehranski industriji da Eurostat Obnovljivi viri iz kmetijstva in gozdarstva da MzI Namakanje kmetijskih zemljišč (KZU-ha) da SURS Ohranitev biodiverzitete KZU na zavarovanih območjih in območjih Natura 2000 da MKGP Dodati podatke iz spremljanja ptic in metuljev na Naturo 2000 in travniških vrst metuljev Indeks ptic kmetijske krajine da DOPPS Stanje ohranjenosti evropsko pomembnih habitatnih tipov ne ZRSVN Varstvo tal Površina zemljišč ogroženih zaradi erozije ne Eurostat Dodati podatke o založenosti tal in organski snovi v tleh KZU z ekološko pridelavo da SURS Varstvo voda Poraba mineralnih gnojil v kmetijstvu (t) da SURS Izpusti dušika v kmetijstvu (bilanca vnos-odvzem) da SURS Poraba fitofarmacevtskih sredstev da SURS Vsebnost nitratov in pesticidov v podzemni vodi (21 merilnih mest) da ARSO Letna poraba vode za namakanje da SURS Raba kmetijskih zemljišč v uporabi na vodovarstvenih območjih – VVO I (najožja-prepoved gnojil, gnojnice, FFS), II (ožja), VVO III (širša) ne KIS (MKGP, ARSO) Dobrobit živali KMG in GVŽ vključene v ukrep ne MKGP Dodati podatke o rezultatih nadzora, deležu reje ki dosega minimalne standarde ter nadstandard Razvoj podeželja Zaposlenost Delovno aktivno prebivalstvo na podeželju da Eurostat Stopnja zelo nizke delovne aktivnosti na podeželju da Eurostat Kakovost življenja Gospodinjstva na podeželju z dostopom do interneta da SURS Socialna vključenost Starostna struktura na podeželju da Eurostat Starostna struktura gospodarjev KMG ne Eurostat Spolna struktura gospodarjev ne Eurostat Stopnja tveganja revščine in resne materialne prikrajšanosti na podeželju da Eurostat Znanje in Ustvarjanje znanja Proračunska sredstva za R&R da Eurostat komuniciranje Prenos znanja Vključenost podeželskega prebivalstva v formalno in neformalno izobraževanje ne Eurostat Gospodarji KMG s formalno kmetijsko izobrazbo ne SURS Delež sredstev kmetijskega proračuna za R&R, svetovalne in strokovne storitve da MKGP Aktivnosti JKSS (delež ur za aktivnosti) da KGZS Informiranost, ozaveščenost Ni kazalnika da Dodati podatke o dejavnosti mreže za podeželje, KGZS, ZZ ter potrošnji živil iz shem KZU – kmetijska zemljišča v uporabi; GVŽ (glave živine), PDM (polnovredna delovna enota) Vir: Prirejeno po Erjavec in dr. 2018 Priloga IV: Podatki o kmetijstvu na SURS Domena Statistike Vrednosti Leta KMG -Kmetijska podjetja, družinske kmetije-lastna poraba, družinske kmetije-prodaja -EK, preusmeritev v EK -OMD-hribovska in gorska, OMD-druga, druge omejitve Št, ha 2000, 2003, 2005, 2007, 2010, 2013, 2016 Raba -Njive; drevesnice, trsnice in matičnjaki; intenzivni sadovnjaki, ekstenzivni sadovnjaki, oljčniki, vinogradi, trajni travniki in pašniki -kmetijska zemljišča v zaraščanju, kmetijska zemljišča neobdelana, druga neobdelana kmetijska zemljišča, gozd, nerodovitno Št. KMG, ha 2000, 2003, 2005, 2007, 2010, 2013, 2016 GVŽ Velikostni razredi 0-0,5; 0,5-1, 1-2, 2-3, 3-5, 5-10, 10-15, 15-20. 20-30, 30-50, 50-100, nad 100 Št KMG, GVŽ 2000, 2003, 2005, 2007, 2010, 2013, 2016 PDM Družinska-gospodar, upravitelj, družinska-drugi, redno zaposleni-družinske kmetije, redno zaposleni-kmetijska podjetja in zadruge, sezonsko in priložnostno-družinske kmetije, sezonsko in priložnosti-kmetijska podjetja in zadruge, strojne storitve-družinska kmetije, strojne storitve­kmetijska podjetja in zadruge Št oseb, PDM 2000, 2003, 2005, 2007, 2010, 2013, 2016 Ekonomska velikost Do 2.000, 2.000-4.000, 4.00-8.000, 8.000-15.000, 15.000-25.000, 25.000-50.000, 50.000­100.000, 100.000 ali več Št. KMG, ekonomska velikost, kmetijska zemljišča-ha, PDM in GVŽ 2007, 2013, 2016 Demografija Gospodar, drugi, starost, spol Št. oseb, povprečna starost, kohezijska regija 2000, 2003, 2005, 2007, 2010, 2013, 2016 Povprečno število dvo-osnih traktorjev / / / Ekološka proizvodnja Ekološka proizvodnja, preusmeritev Št. 2000-(letno) Ekološka proizvodnja Njive in vrtovi; zelenjadnice, melone in jagode; trajni travniki in pašniki; sadovnjaki; vinogradi; oljčniki; drevesnice, trsnice in matičnjaki KMG: Ekološka, v preusmeritvi 2004-(letno) KZU -Njive-žita, njive-stročnice za suho zrnje, njive-korenovke in gomoljnice, njive-industrijske rastline, njive-zelenjadnice in jagode, njive-cvetje in okrasne rastline, njive-zelena krma z njiv, njive-drugo-sadike zelenjadnic, zelišč in jagod, njive-drugo-zemljišča za pridelavo semen, njive-neobdelane, trajni travniki in pašniki -Trajni nasadi-sadovnjaki, trajni nasadi-vinogradi, trajni nasadi-oljčniki, trajni nasadi­drevesnice, trsnice in matičnjaki ha 1991-(letno) Pridelava poljščina Pšenica, pira, rž in soržica, ječmen, oves, koruza za zrnje, tritikala, proso-glavni, proso­naknadni, ajda-glavni, ajda-naknadni, drugo (sirek, mohor, bar, ptičje seme), krni grah, fižol za zrnje, druge suhe stročnice (bob, mešanice stročnici n žit, čičerika), krompir-zgodnji, krompir­pozni, krompir-semenski, sladkorna mesa, krmne korenovke (pesa, koleraba, korenje)-glavni, krmne korenovke-naknadni, krmne korenovke-drugi, oljna ogrščica in repica, sončnice, soja, buče za oljnice, druge oljnice, hmelj, začimbe, dišavnice in zdravilne rastline, silažna koruza­glavni, silažna koruza-naknadni, druga zel. Krma-glavni, druga zel. Krma-naknadni, detelja­glavni, detelja-naknadni, lucerna-glavni, lucerna-naknadni, trave in travne mešanice-glavni, trave in travne mešanice-naknadni, travno-deteljne in deteljno-travne mešanice glavni, travno­deteljne in deteljno-travne mešanice-naknadni ha, t 1991-(letno) Grozdje Bele, rdeče sorte ha, št. trt, t 1991-(letno) Sadje in oljčniki­intenzivno Jabolka, hruške, breskve in nekaterine, marelice, češnje, višje, češplje in slive, orehi, drugo, jagode, drugo jagodičevje, oljke ha, št. dreves, t 1991-(letno) Govedo -Do 1 leta: za zakol-telički, za zakol-bikci, za rejo-telički, za rejo-bikci -1-2 leti: plemenske telice-breje, plemenske telice-nebreje, telice za pitanje, biki in voli -Nad 2 leti: plemenske telice-breje, plemenske telice-nebreje, telice za pitanje, krave molznice, druge krave, plemenski biki, biki in voli za pitanje Kohezijska regija 1991-(letno) Prašiči -Pujski do 20: sesni, drugi -Mladi prašiči 20-50 -Prašiči v pitanju: 50-80, 80-110, 110 ali več -Plemenski prašiči nad 50: merjasci, nebreje mladice, breje mladice, nebreje plemenske svinje, breje plemenske svinje Kohezijska regija 1991-(letno) Perutnina Kokoši nesnice, pitovni piščanci, druge kokoši, purice in purani, goske in gosaki, race in racaki, pegatke, drugo Kohezijska regija 1991-(letno) Prireja mleka -Kravje (posebej molznice), ovčje, kozje -Poti (posebej kravje, ovčje, kozje): Mlekarne in odkupovalci, krma, konzumno-neposredna prodaja, konzumno-plačilo v naravi ali podarjeno -Izdelki (posebej kravje, ovčje, kozje): kmečka smetana, kmečko maslo, kmečki sir (posebej skuta), drugo -Razlika in izgube l oz. ekvivalent 1992-(letno) Odkup-kravje mleko -Kravje mleko s KMG, odkup-slovenski, delež maščob, delež beljakovin -Konzumno, smetana, fermentirani mlečni izdelki, zgoščeno mleko, mlečna smetana, polnomastno in delo posneto mleko v prahu, posneto mleko v prahu, maslo, sir t, % 2000-(mesečno) Zakol -Konji -Govedo: mlado, teleta, starejša teleta 8-12, biki do 24, telice, kastrati, krave, biki nad 24 -Prašiči, pitani prašiči, plemenski, merjasci -Jagnjeta, mlade ovce, ovce in ovni -Koze, kunci -Pitani piščanci, odrasle kokoši, purani, noji, drugo Klavnice, zunaj, št., masa in povp. masa očiščenih 1996-(letno) Cene inputov -Semena in sadike -Električna energija, goriva za gretja, motorna goriva, maziva -Enostavna gnojila, dušikova, fosfatna, kalijeva, sestavljena, NP, PK, NPK, druga gnojila in sredstva -Fungicidi, insekticidi, drugo -Veterinarske storitve -Žita in drugo, žita in mleti proizvodi, oljne pogače, proizvodi živalskega izbora, drugo, močna krmila za teleta, prašiče, perutnino, drugo -Vzdrževanje opreme, vzdrževanja zgradb, drugi proizvodi in storitve -Prekopalniki, mehanizacija za pripravo tal, za spravilo, druga oprema, traktorji, druga vozila -Kmetijske zgradbe, druga dela razen izboljšave tal -Drugo 2000-(mesečno) Indeks cen kmetijskih izdelkov pri pridelovalcih / Ekonomski račun -Žita (pšenica in pira, …), industrijske rastline (oljna semena in plodovi …), krmne rastline (…), zelenjadnice, sadike in okrasne rastline (…), krompir, sadje, vino, oljčno olje, drugi Vrednost v proizvajalčevih 1995-(letno) rastlinski pridelki, živina (…), živalski proizvodi (…), kmetijske storitve, zakup mlečnih kvot, nekmetijske dopolnilne dejavnosti, predelava kmetijskih pridelkov (…), skupna in vmesna potrošnja, seme in sadike, energija in maziva (…), gnojila in sredstva za izboljšavo tal ( …), zaščitna sredstva in pesticidi, veterinarski stroški, krma (…), vzdrževanje strojev in opreme, zgradb, storitve, posredno merjene storitve finančnega posredništva -BDP v osnovnih cenah, potrošnja stalnega kapitala: stroji in oprema, zgradbe, trajni nasadi, ostalo -Neto dodana vrednost v osnovnih cenah, sredstva za zaposlene, drugi davki na proizvodnjo, druge subvencije na proizvodnjo, faktorski dohodek, poslovni presežek, plačane rente, plačane obresti, dobljene obresti, podjetniški dohodek -Bruto investicije v osnovna sredstva: trajni nasadi, osnovna sredstva, osnovna sredstva izven kmetijstva, stroji, oprema, prevozna sredstva, zgradbe, druga dela, drugo, bruto investicije v neopredmetena osnovna sredstva, dodatek k vrednosti nefinančnih proizvedenih sredstev, bruto investicije v bistveno izboljšavo zemljišč, stroški povezani z nakupom zemlje in proizvodnimi pravicami, bruto/neto investicije (DDV), spremembe zalog, kapitalski transferji, investicijske podpore, drugo cenah, subvencije na proizvode, davki, vrednost v osnovnih cenah Zaposleni v kmetijstvu Plačana, neplačana PDM 1995-(letno) Faktorski dohodek na zaposlenega Glej ekonomski račun Stopnja samooskrbe -Žita, meso, jajca, krompir, zelenjava, med, riž Proizvodnja, potrošnja 2000-(letno) Potrošnja vina na prebivalca l 2009-(letno) Poraba mineralnih gnojil v kmetijstvu -Gnojila, N, P2O5, K2O t, t/ha KZU 1995-(letno) Prodaja fitofarmacevtskih sredstev -Fungicidi, herbicidi, insekticidi, drugo kg 2011-(letno) Poraba mineralnih gnojil po kmetijskih kulturah -Njive: žita za zrnje (pšenica, ječmen, …), stročnice za suho zrnje, korenovke in gomoljnice (krompir, sladkorna pesa …), industrijske rastline (oljna ogrščica, …), zelenjadnice, zelena krma z njiv (silažna koruza …), drugo na njivah, neobdelane njive -Trajni travniki in pašniki (…) -Trajni nasadi: intenzivni sadovnjaki… ekstenzivni sadovnjaki in oljčniki, vinogradi Naknadni posevki KZU, pognojena površina (ha), N, P2O5, K2O kg in kg/ha KZU) 2006, 2008, 2010, 2012, 2014, 2016, 2018 Priloga V: Definicije Struktura KMG (SURS) KMG Dejavnost Organizacijsko in poslovno zaokrožena celota kmetijskih zemljišč, gozdov, zgradb, opreme in delovne sile, ki se ukvarja s kmetijsko pridelavo in je enotno vodena, kar pomeni, da je enotno vodena pri delitvi dobička in izgub, ne glede na število oseb, ki jo vodi. Če je upravljanje kmetijskega gospodarstva porazdeljeno med družinske člane, vendar sta dobiček in izguba skupna, skupni so tudi delovna sila in stroji, je to eno kmetijsko gospodarstvo. Na kmetijskem gospodarstvu lahko gospodari fizična ali pravna oseba. Kmetijsko gospodarstvo je lahko v lasti fizične ali pravne osebe, ki vodi kmetijsko gospodarstvo za svoj račun. Referenčni datum raziskovanja je datum, na katerega se nanašajo podatki. Za večino raziskovanj je to 1. junij. Nekateri podatki se nanašajo na leto pred raziskovanjem, to je na obdobje od 1. 6. predhodnega leta do 31.5. tekočega leta (delovna sila, namakanje, posek lesa, uvoz/izvoz živinskih gnojil, gnojenje). H kmetijski dejavnosti spada: a) pridelovanje kmetijskih rastlin: • pridelovanje žit in drugih poljščin ter travinja, • pridelovanje zelenjadnic, okrasnih rastlin, • pridelava semen in sadik, • pridelovanje grozdja, sadja in oljk, • gojenje gob; b) reja živine: • goveda, • prašičev, • perutnine, • drobnice, • konj, • gojenje čebel, • drugih živali, namenjenih človeški prehrani (npr. jelenjadi in kuncev). • predelava grozdja v vino (pretežno) iz lastnega grozdja ter oljk v olje (pretežno) iz lastnih oljk, c) vzdrževanje lastnih kmetijskih objektov in opreme, vzdrževanje kmetijske krajine. H kmetijski dejavnosti ne spada: d) predelava kmetijskih pridelkov, kupljenih in/ali pridelanih na kmetijskem gospodarstvu e) opravljanje kmetijskih storitev za druge, f) gozdarstvo, g) ribogojstvo in ribištvo, h) reja konj za športne namene, če je vsa krma kupljena. Čeprav naštete dejavnosti niso sestavni del kmetijske pridelave, so to pogoste druge pridobitne dejavnosti, ki izhajajo iz kmetijstva in kmetije. Lastništvo kmetijskih zemljišč in živali ni pomembno, saj v raziskovanju spremljamo dejansko uporabo zemljišč in dejanskega skrbnika živali. KZU Njive, vrtovi, travniki in pašniki, sadovnjaki (intenzivni ter ekstenzivni), oljčniki, vinogradi, drevesnice, trsnice in matičnjaki, ki jih obdelujejo kmetijska gospodarstva (lastništvo ni pomembno). Skupni travniki in pašniki niso vključeni (do leta 2007: 22.786 ha; v 2007: 9.062 ha; v 2010: 8.221 ha; v 2013 8.733 ha; v 2016: 8.812 ha). Njive Zemljišča, ki jih najmanj na pet let preorjemo in so namenjene pridelavi poljščin, zelenjadnic, cvetja in okrasnih rastlin ipd. Med njive spadajo tudi zemljišča, ki niso obdelana zaradi prahe ali jih bodo posejali ali posadili šele po 1. juniju (zelje, krmna pesa in koleraba). Njive so tudi deteljišča in lucernišča, travnate površine, ki se po petih letih preorjejo, ter hmeljišča. Njive, ki niso obdelane iz gospodarskih, socialnih ali drugih razlogov (razen prahe), spadajo med neobdelana kmetijska zemljišča. Trajni travniki in pašniki Trajni travniki in pašniki v uporabi so travniki in pašniki, ki jih kmetijska gospodarstva kosijo ali na njih pasejo. Med trajne travnike štejemo zemljišča, ki niso bila preorana najmanj 5 let. V to kategorijo torej ne spadajo njive, na katerih raste travinje. Skupni travniki in pašniki niso vključeni (do leta 2007: 22.786 ha; v 2007: 9.062 ha; v 2010: 8.221 ha; v 2013 8.733 ha; v 2016: 8.812 ha). Intenzivni sadovnjaki Večji strnjeni nasadi sadnih dreves oz. jagodičja, katerih plodovi so namenjeni pretežno za prodajo. Nasadi so urejeni tako, da je v njih mogoče uporabljati sodobno agrotehniko ter jih mehanizirano obdelovati in negovati. Kmečki sadovnjaki so polintenzivni in ekstenzivni travniški nasadi, pretežno starih sort sadja. Vinogradi Zemljišča, na katerih so zasajeni vinski trsi v strnjenem nasadu, v razdaljah, običajnih za sajenje vinske trte. Brajde ob hišah ne spadajo med vinograde. Kolobarjenje Metoda menjavanja poljščin na njivi po načrtovanem vzorcu ali zaporedju v zaporednih pridelovalnih letih, tako da poljščine iste vrste ne rastejo na isti njivi brez prekinitve. GVŽ Standardna merilna enota, ki omogoča združevanje različnih kategorij živine, in sicer zato, da je mogoča primerjava med podatki za posamezna leta in med podatki posameznih držav. Izhodišče za izračun koeficientov je 500 kg žive mase živali. Koeficienti GVŽ, ki jih uporabljamo v Sloveniji, so drugačni kot na ravni Eurostata. Omenjeni koeficienti so usklajeni z Ministrstvom za kmetijstvo in okolje. Manjše spremembe med leti so posledica spremljanja novih kategorij živali ali izločitev nekaterih kategorij živali. Vir: SURS Priloga VI: podatkovne zbirke, ki jih pri svojem delu ustvarjajo in/ali uporabljajo KGZS, KSS in kmetovalci Ime zbirke Osnovni namen (morebitna zakonska podlaga, drugi nameni) Zajem enot (KMG), časovna vrsta, atributi (podatki oz. spremenljivke) Točnost, zanesljivost­reprezentativnost, skladnost (s KMG­MID in atributi drugih zbirk), ažurnost Dostop, GDPR, format, analitična orodja, ki so potrebna Problemi sodelovanja in usklajevanja med različnimi skrbniki in deležniki Register kmetijskih gospodarstev (e-RKG) Register in informacije o vseh KMG in usmeritvah na kmetiji, vodenje podatkov o KMG in subjektih Zbirka podatkov o KMG, ki vključuje podatke o naslovu, nosilcu, pri kmetiji tudi podatke o namestniku nosilca, članih in zaposlenih, ter podatke o zemljiščih v uporabi KMG, vključno s podatki o trajnih nasadih. Zelo točen, enostaven za uporabo Omejen dostop, zaščita osebnih podatkov – problem ovrednotenja vpogleda, spremljanje ogleda* Ni povezave z GERK pregledovalnikom, GURS pregledovalnikom, Zbirnimi vlogami Vnos zbirnih vlog Vpis vlog za subvencije, izvajanje ukrepov kmetijske politike, kontrole, vpogled v upravičence, ki so določeni v predpisih o NP, KOPOP, EK, OMD in DŽ. Tabele za vpis podatkov o kmetiji Točen, zanesljiv (kontrola na KMG), Srednja zahtevnost uporabe Lahko bi bile nekatere funkcije poenostavljene, kopiranje podatkov, potrebno je ponovno vpisovanje Javni pregledovalnik grafičnih podatkov (GERK) Iskanje zemljišč, pregled GERK-ov, kontrole, izvajanje ukrepov kmetijske politike Grafični in opisni podatki o poligonih Srednje točen in zanesljiv, enostaven za uporabo Problem najemov zemljišč, ni popolnoma skladen, potrebna povezava z RKG Javni vpogled v Iskanje nepremičnin, Grafični in opisni podatki o Zelo uporaben, točen in Omejen dostop, zaščita Ni povezave GURS, podatke o pregled nepremičnin po poligonih zanesljiv osebnih podatkov, GERK in RKG, tudi nepremičninah zemljiščih, vrednost problem ovrednotenja povezava z RKG (GURS) nepremičnin vpogleda, spremljanje ogleda* E-tla Pedološke karte, okoljski sloji, informacije na terenu, pomoč pri svetovanju, glede na tip tal Grafični in opisni podatki o poligonih Zelo uporaben svetovalcu in kmetu, ne najbolj točen, ni podrobnosti, ni posodobitev Popoln dostop samo za izobraževalne inštitucije, študenta Uporablja se GIS Je povezava z GERK, podatki okolja (VVO, Natura 2000), relief, pedološka karta …) Ni povezave z RKG Geoportal ARSO pedološke karte, okoljski Grafični in opisni podatki o Zelo uporaben kmetu za Demo za namakanje Povezava z podlagami Namakanje ARSO sloji, napoved vremena, poligonih uporabo v namakanju, Gačnik, BF projekt (GERK, narava, Spremljanje Fenofaz napoved namakanja, agrotehničnimi procesi, Poročanje o suši pedološke karte) Agrometeorološki vremenska napoved napoved vremena portal Slovenije Evidenca Vpogled v podatke o Podatki o izobraževanju na Enostaven za uporabo Omejen dostop, zaščita Povezava z Vnos zbirnih izobraževanja opravljenem usposabljanju. KMG osebnih podatkov vlog kmetijskih Svetovanje in kontrola. Povezava z RKG in gospodarstev in registrom dopolnilnih podjetij (EVIZO) dejavnosti Centralni register drobnice (CRD), Centralni register goveda (CRG), Centralni register kopitarjev (CRK), Centralni register prašičev (CRPš), Vpogled v podatke o usmeritvi reje staležu živali, vrste živali. Namen svetovanja in kontrole. Podatki o živalih iz kmetij. Spletni obrazec za vnos (imetniki, veterinarske organizacije, KGZ; RKG) Enostaven za uporabo, zelo uporaben svetovalcu, točen in zanesljiv Omejen dostop, zaščita osebnih podatkov Povezava z Vnos zbirnih vlog Povezava z RKG in registrom dopolnilnih dejavnosti Register čebelnjakov (RČ) Register dobaviteljev Kontrola semena. Seznam Podatki in vodenje podatkov o Enostaven za uporabo Omejen dostop, potrebna Povezava z Vnos zbirnih semenskega materiala dobaviteljev semena. pridelovalcih semenskega zelo uporaben kmetu, registracija fizične osebe vlog kmetijskih rastlin Svetovanje, vpogled v sortno listo, kontrola materiala natančen Povezava z RKG in registrom dopolnilnih dejavnosti Mreža knjigovodskih Vpis računovodskih Tabele za vpis podatkov Zahtevno za uporabo, Boljša možnost izpisa Povezave z podatkov s kmetijskih podatkov iz KMG, vodenje zelo uporaben za kmeta podatkovnimi bazami, gospodarstev (FADN) računovodstva na kmetiji, svetovanje glede na stanje, priporočila, kontrola in svetovalce izdelava poslovnih načrtov Izdelava gnojilnih načrtov (orodje KGZS) Orodje za izdelavo gnojilnih načrtov, svetovanje o porabi gnojil, kontrola Kalkulacije za izračun, podatki o vrednostih hranil v gnojilih, potrebe rastlin po hranilih, podatki GERK, povezave Zelo uporaben za svetovanje in uporabo gnojil. Enostaven za uporabo, nekatere funkcije so zastarele, počasen, potrebno popravljanje Dostop samo za svetovalce Ni povezave z bazami. Zelo uporabna bi bila povezava z GERK, zemljevidi, podlagami, analize tal, povezava z »farm manager« aplikacijo Informacijski sistem Orodje za svetovanje o Baze v obliki tabel za vse Točno in zanesljivo Odprt dostop preko Ni povezave z drugimi za varstvo rastlin uporabi fitofarmacevskih rastline, fitofarmacevska Težko uporabno preko spletne strani, ni orodja zbirkami. (FITO-INFO) sredstvih, dovoljena sredstva, uporaba na rastlinah, navodila za uporabo sredstva in aktivne snovi spletne strani, ne uporabno na terenu za uporabo Ne obstaja v ta namen namenjena aplikacija na telefonu Prognostična obvestila javne službe zdravstvenega varstva rastlin Informacije o pojavu škodljivcev, stadiji razvoja, svetovanje v kombinaciji FITOINFO Informacije iz javne službe zdravstvenega varstva rastlin Obvestila samo na spletni strani javne službe zdravstvenega varstva rastlin. Ni priročno Odprt dostop preko spletne strani, ni orodja za uporabo Ni aplikacije ali DSSa namenjene za škropljenje, povezava z zemljevidi in VVO * Svetovalci so omenili, da morajo ob vstopu v to podatkovno bazo komentirati oziroma podati razlog, namen vstopa in razlog uporabe podatkovne baze. To morajo narediti zaradi varstva osebnih podatkov. Sicer se vsi zavedajo da je to potrebno, ampak trenuten način ni primeren oziroma ni praktičen. Priloga VII: Primer Mark Online Sistem za podporo pri odločanju v kmetijstvu (AgriDSS) izhaja iz informacijske tehnologije in je namenjen pomagati kmetom pri reševanju zapletenih problemov v rastlinski pridelavi ali živinoreji, pri čemer se uporabljajo najboljši razpoložljivi podatke in znanja o najprimernejših praksah v kmetijstvu. Poleg tega je lahko namenjen svetovalcem in inšpektorjem pri informiranju, izmenjavi informacij in kontrolah, napovedih. Sistemi za podporo pri odločanju v kmetijstvu lahko vključujejo vložke in baze podatkov za podnebje, vodo, energijo, okolje, krajino, človeške in gospodarske vire in v idealnem primeru dajo analizo, kako ti dejavniki skupaj vplivajo na produktivnost v kmetijstvu. V tej nalogi smo želeli na primeru iz tujine opisati informacijski sistem za namene v kmetijstvu. Poleg tega smo želeli preveriti analitične funkcije, ki jih ta sistem lahko uporablja. Kako lahko uporabimo to orodje in kakšni so specifični nameni? Katere podatkovne baze uporablja in kako so združene za namen uporabe sistema? Naloga je bila usmerjena predvsem na vidike kmetijskega svetovalca in kmeta. Zahodne in severne države so razvile in nekatere že tudi uporabljajo interaktivna orodja, ki omogočajo kmetijskemu sektorju podporo pri odločanju inse v večini razlikujejo po funkcionalnosti in namenu, glede na možnosti financiranja. Na primeru na Danskem so razvili več takšnih orodij, a le nekaj se jih v praksi že uporablja. So pa ta orodja namenjena kmetom in svetovalcem in le redko se uporabljajo v več kot eni državi, saj je dostop in uporaba podpornih informacije na voljo samo v lokalnem jeziku. Razlog za omejitev je v tem, da so bila v večini razvita za potrebe in zahteve te države in so prilagojene lokalni zakonodaji in agroklimatskim razmeram. Na danskem je center znanja za kmetijstvo že več desetletij razvijal in izvajal informacijske sisteme za načrtovanje in dokumentiranje vseh vidikov pridelave rastlin in živinoreje na tako imenovani platformi »Sistem upravljanja kmetij (FMIS)«. Sistem obdeluje in zagotavlja podatke o posameznih področjih v kmetijstvu; velikosti polja, lokaciji in mejah, vrsti in tipu tal, posevkih, sortah, obdelavi tal, setvi, gnojenju, uporabi pesticidov itd., in mobilna aplikacija deluje na osnovi GIS, in pokriva več kot 80% njivskih površin. Mark Online je blagovna znamka, ki deluje na platformi FMIS za rastlinsko pridelavo, in jo je razvil center znanja za kmetijstvo na Danskem. Osrednja baza podatkov je Microsoft SQL, ki je osrednja baza za vse informacije. Na podlagi MS.NET so razvili več večplastnih aplikacij za odjemalce in strežnike. Orodje se lahko uporablja na namiznem računalniku ali mobilnih napravah. Za Windows operacijski sistem se za odjemalce uporabljajo prilagojeni obrazci, medtem ko se za mobilno platformo uporabljajo aplikacije HTML5 na operacijskih sistemih Android/IOS. Orodje se osredotoča predvsem na načrtovanje, evidentiranje na terenu, podporo pri odločanju in dokumentacijo. Podatki se med sistemom Mark Online in podatkovnimi bazami oblasti prenašajo s spletnimi storitvami, ki temeljijo na XML, ali nalaganjem datotek na uradno spletno mesto. Tako imenovan konzorcij »The Open Geospatial Consortium’s Web Feature Service (WFS) ponuja še en vmesnik, ki omogoča zahteve po geoprostorskih funkcijah, ki se uporablja med Mark Online in zunanjim GIS. Mark Online temelji na tradicionalni arhitekturi odjemalcev in strežnikov, ki razdeli naloge ali delovne obremenitve med strežnike in razdeljene odjemalce. Komunikacija med strežnikom in odjemalci temelji na ravni storitev, ki uporablja stiskanje podatkov za izboljšanje zmogljivosti in hitrosti preko interneta. Mark Online je večplastna aplikacija odjemalcev in strežnikov, kjer so uporabniški vmesnik, poslovna pravila ter funkcije shranjevanja in upravljanja podatkov, fizično ločeni kot neodvisni moduli. Poslovno logiko upravlja centralni aplikacijski strežnik, podobno pa z bazo podatkov upravlja centralni strežnik baz podatkov Microsoft SQL, ki je nameščen v Centru znanja za kmetijstvo. Strežnik podatkovnih baz naredi kopijo podatkov dnevno z možnostjo obnovitve celotne baze podatkov ali samo podatkov za posamezno kmetijo. Uporabnik lahko aplikacijo zažene na kateremkoli osebnem računalniku preko operacijskega sistema Windows le z klikom na povezavo. Poleg omenjenega pametnega odjemalca Windows, se lahko osrednje baze podatkov uporabijo tudi na mobilnih aplikacijah. Mark Mobile, ki temelji na HTML5, komunicira tudi s poslovnim slojem in bazo podatkov prek storitvenega nivoja. Zaradi tehničnosti brskalnika je ta aplikacija neodvisna od platforme in se lahko uporablja na vseh pametnih telefonih in tabličnih računalnikih. Podobno ločena je mobilna aplikacija, ki temelji na GPS določanju lokacije, imenovana LetFarm, in komunicira prek storitvene plasti. LetFarm je na voljo na operacijskem sistemu IOS in Android. Aplikacija Mark Online je na voljo v štirih različicah »Light, Basic, Plus in Premium«. Različica »Light« je osnovna in vsebuje samo eno potrebno funkcijo za obvezno dokumentacijo o uporabi pesticidov. V tej različici lahko kmet načrtuje in registrira svoje postopke uporabe pesticidov glede na datum obdelave, odmerjanju ter podatke o pridelkih in poljih. Orodje je povezano z nacionalno bazo podatkov o pesticidih, ki vsebuje vse razpoložljive podatke o vseh odobrenih pesticidih na Danskem, vnos podatkov pa se neprestano potrjuje. Različice »Basic, Plus in Premium« v storitvi so orodja za vnašanje podatkov na kmetiji v polnem obsegu in z dodatnimi funkcijami kot je pomoč sprejemanja odločitev za upravljanje na kmetiji. Obstajata dve mobilni različici Mark Online, tj. Mark Mobile in LetFarm, ki kmetu omogočata zbiranje različnih osnovnih podatkov iz njive. Te različice vsebujejo tudi osnovne funkcije za določanje proračuna in za izračun finančnih rezultatov na osnovi polja (njive) ali pridelka ter pregledovalnik zemljevidov za prikaz poligonov polja v GIS na ozadju fotografij iz zraka, ki jih je ustvaril Google. Poleg tega različica Premium omogoča funkcijo ki zagotavlja, da je uporaba gnojil skladna s strogimi nacionalnimi okoljskimi zakoni in predpisi. To je omogočeno z evidentiranjem raztrosa gnojil in GPS sledenju. Ne glede na to, katera naprava se uporablja, vsi podatki se shranijo v centralizirano bazo podatkov in so tako takoj pripravljeni za uporabo pri vseh drugih odjemalcih. Mark Online tudi vsebuje sistem za odločanje glede upravljanja namakanja. Ko je polje pripravljeno za namakanje, Mark Online samodejno uvozi posebne vremenske podatke na dani lokaciji, za padavine (mm/dan), dnevno temperaturo (°C) in potencialno izhlapevanje (mm/dan) preko spletne storitve s strani Danskega meteorološkega zavoda. Vremenski podatki se uporabljajo za model odločitve, ki na podlagi izračuna stopnje rasti pridelka, evapotranspiracije in ravnovesja vode v tleh napoveduje optimalen čas namakanja. Mark Online se uporablja tudi za potrebe dokumentiranja. Podatki se prenašajo med sistemom Mark Online in državnimi organi, npr. na Ministrstvo za prehrano, kmetijstvo in ribištvo s spletnimi storitvami na podlagi XML ali prenosom datotek na uradno spletno stran. To izvaja kot »potisna funkcija« (»push – function«), ki zahtevajo uporabniško ukrepanje identifikacijo, da se zadosti vartvu osebnih podatkov kmeta, in da oblasti -ali kdo drug, nimajo nepooblaščenega dostopa do podatkov. Zaradi tega Mark Online vsebuje zakonodajno funkcijo, ki zagotavlja, da se lahko kmet sam odloči ali spremlja kdo naj ima dostop do njegovih podatkov. Mark Online je daleč najbolj popularen DSS orodje na Danskem, saj se ta sistem uveljavlja in danes uporablja na več kot 1,0 milijona ha površin. Kmetijski svetovalci uporabljajo Mark Online za načrtovanje in dokumentacijo na kmetijah za pomoč kmetom, ali pa kmetje ta sistem uporabljajo v tesnem sodelovanju s svojim lokalnim kmetijskim svetovalcem. Danes s pomočjo Mark Online načrtujejo skupaj približno 80% vseh obdelovalnih površin. V prihodnjih letih napovedujejo tako imenovano »digitalizacijo kmetijstva« saj se zmeraj bolj uporablja sodobno kmetijsko opremo na osnovi senzorjev, določanje lokacije za precizno kmetijstvo. To bo povzročilo prihod velikega števila informacijskih podatkovnih platform, ki ponujajo ogromne količine podatkov. Zato je potrebno izoblikovati orodja ki bodo lahko v praksi evidentirala pridobivanje podatke, omogočala natančno kmetovanje in odločanje v kmetijstvu, npr. primerjalna analiza, uporaba gnojil in pesticidov s spremenljivo hitrostjo, spremenljiva obdelava tal na podlagi zemljevidov tal (pedologije), vremenskih podatkov in podatkov o donosu, logističnega načrtovanja poti in optimiziranih postopkov spravila. III. Eksperiment podatkovne analitike: Tehnični pregled zbirk, metodologija izgradnje analitičnih zbirk, demonstracijski primeri in zbirka podatkov (Blaž Zupan, mag. Maša Kerstein, Vesna Tanko, Andreja Kovačič, Janez Štebe, Brigita Bočkaj) 1. Uvod Pričujoče poročilo je del Ciljnega raziskovalnega projekta (CRP) Zasnova informacijskih rešitev v podporo odločanju o Skupni kmetijski politiki (SKP) na podlagi podatkov (ITzaSKP). Nanaša se na informacijsko-tehnični pregled administrativnega podatkovnega sistema (del nalog DS1), metodologijo za izgradnjo analitičnih podatkovnih zbirk (DS2) in izvedbo demonstracijskih nalog (DS4) – z vidika podatkovne znanosti. Informacijsko-tehnični del projekta temelji na eksperimentalnem pristopu, katerega namen je bil na konkretnem primeru oceniti stanje in potrebne vložke za smiselno ciljno in splošno uporabo (naprednih) podatkovnih metod in tehnik ter podati ustrezne predloge. V okviru DS1 je bil opravljen pregled administrativnih registrov, evidenc in zbirk MKGP in organov v sestavi na podlagi dokumentacije in podatkovnih intervjujev, ki je omogočil splošno oceno stanja z družboslovnega vidika podatkovne znanosti. Register kmetijskih gospodarstev (RKG) je bil prepoznan kot osrednji register podatkov, predvsem z vidika rabe površin (GERKi, raba), vključno z okoljsko­prostorskimi sloji, in subjektov. Prepoznana je bila možnost oblikovanja statistične zbirke v okviru podatkovnega sistema Agencije za kmetijske trge in razvoj podeželja (AKTRP), ki združuje številne atributivne podatke o KMG-zavezancih z vidika pristojnosti izvajanja ukrepov in izplačil. Kot relevantni so bili med drugim prepoznani tudi registri živali v reji v okviru Uprave za varno hrano, veterinarstvo in varovanje rastlin (UVHVVR). V okviru DS2 je bila razvita splošna metodologija za izgradnjo zbirk za analitično delo. Temeljila je na indikativnih nalogah, ki so jih oblikovali člani projektne skupine (Priloga, Tabela 1 in 2) ter na možnostih prepoznanih v okviru DS1. Na podlagi tega je bila testno oblikovana (a) atributivna statistična zbirka mikro podatkov o 57.000 KMG za obdobje enega leta prevzetih s strani AKTRP za podatkovno­statistične analize (profiliranje, korelacije, napovedovanje-vzročnost) in prostorski prikaz na zemljevidu, v okolju Orange, ter (b) idejna zasnova ciljne izgradnje zbirke prostorskih podatkov za ugotavljanje sprememb v (kmetijski) rabi prostora (raba, GERKi) z nekaterimi atributivnimi podatki (KMG-subjekti, stalež, ukrepi). V okviru DS3 je potekalo posvetovanje z različnimi deležniki, kjer je bila med drugim na javnem dogodku junija 2019 predstavljena letna zbirka atributivnih podatkov o KMG prevzeta s strani AKTRP in možnosti v okolju Orange. Sprejet je bil dogovor o odprtem pozivu po nalogah za namen demonstracije v okviru DS4 na katerega se je odzvalo več predlagateljev s strani MKGP in AKTRP. Pregled zbranih pobud/potreb (Priloga, Tabela 3) je pokazal na številne in raznolike potrebe preprostih pregledov, statističnih analiz in vizualizacije v zvezi z različnimi atributivnimi podatki. Med kompleksnejšimi nalogami so izstopale prostorske spremembe kot je zaraščanje, nekateri dejavniki v zvezi s tem in predvidevanje. Na podlagi izsledkov DS3 je bila sprejeta odločitev, da se v okviru DS4 (demonstracijske naloge) razširi atributivno zbirko podatkov o KMG v okolju Orange, ki je skladno z izraženimi potrebami omogočala raznolike statistične analize na statični zbirki s številnimi atributi ter vizualni izpis na zemljevidu, na dostopne podatke za obdobje izvajanja trenutne SKP (2015-2019), kar bi omogočilo smiselno ugotavljanje časovnih trendov v zaključenem obdobju izvajanja ukrepov. Kot drugo pa je bil sprejet dogovor o zbirki prostorskih podatkov (raba, GERKi), ter nekaterih atributivnih podatkov o KMG (subjekti, stalež, ukrepi) iz različnih registrov in evidenc za daljše obdobje za ugotavljanje sprememb v prostoru in dejavnikov na ravni različnih (prostorskih) agregacij. 2. Stanje in metodologija (delovne naloge 1.3, 1.4, 2.1 in 2.2/4.2) (prof. Blaž Zupan) Delovna naloga 1.3: Tehnično-informacijske značilnosti in združljivost podatkovnih baz Cilj delovne naloge 1.3 je ocena stanja tehničnih in informacijskih rešitev na področjih, ki jih pokriva Ministrstvo za kmetijstvo, gozdarstvo in prehrano (MKGP) s stališča možnosti uvajanja tehnologij napredne podatkovne analitike in uvajanja sistemov za podporo odločanja. Stanje je bilo ocenjeno v neformalnih pogovorih z ustreznimi službami ministrstva, strukturiranim razgovorom z vodjem službe za informacijsko tehnologijo in ocene na osnovi pridobljenih izkušenj, ki smo jih tekom projekta pridobili pri poskusih črpanja in urejanja podatkov in pilotnega načrtovanja shem za podatkovno analitiko. V tem delu poročila podajamo opažanja, ki izhajajo iz teh pogovorov in predvsem iz strukturiranega razgovora, opažanja, zaključke in predloge pa potem strnemo v sintezi, o kateri poročamo v delu poročila, ki obravnava Delovno nalogo 1.4. Uporabljene tehnologije Informacijski sistem oziroma elementi podatkovnega jezera, v katerem MKGP shranjuje in obdeluje podatke, temelji na plačljivih in licenčnih tehnologijah, kot sta Oracle in Excel. Baze podatkov MKGP so skrbno načrtovane, dobro vzdrževane, a kot take razpršene in vsebujejo različne evidence in registre, mnogokrat kot odziv na zahteve EU po zbiranju in sistematizaciji podatkov s področja kmetijstva in v, na primer, podporo tekočim zakonskim uredbam, politikam EU in podpori črpanja namenskih sredstev. Tudi dostop do aplikacij je namenski, večinoma spleten in zgrajen z uporabo licenčnih tehnologij (npr. Oracle Application Express). Aplikacije se največkrat, z izjemo nekaj pomembnih aplikacij, kot je RKG, navezujejo na eno samo bazo podatkov, ki je bila zgrajena po naročilu s strani tretje stranke in je vzdrževana namensko za podporo aplikacije. Struktura podatkov Baze slonijo na skrbno načrtanih podatkovnih shemah, ki so odraz potreb po zadovoljevanju izbranih ukrepov. Pravice na podatkovnih objektih so skrbno urejene, podatki pa primerno zaščiteni in varovani. Struktura podatkov je vidna neposredno iz baz podatkov, kar vključuje seznam tabel, atributov in ključev ter njihovo povezanost. Za uporabo v podatkovni analitiko bi namesto take strukture pričakovali za vsako bazo dokumentiran vmesnik (API), ki omogoča varen programski dostop do podatkov. V to strukturo ima vpogled Služba za informacijsko tehnologijo, ki suvereno pozna ustroj sistema, uporabljeno tehnologijo in možnosti dostopa, in da sproti in po potrebi upravlja s podatki. Primer sicer dobre dokumentacije in rešitve spletnih dostopov je RKG in »Dokumentacija RKG spletne storitve«, do katere hitrost dostopa in ustreznost za črpanje podatkov v repozitorij za podatkovno analitiko bi bilo potrebno preveriti v nadaljnih projektih. Uporaba ključev Ključi v obstoječih bazah podatkov so največkrat specifični aplikacijam; upoštevajo se zakonske podlage. Med aplikacijami se ključi, ali pa opisni podatki, lahko ujemajo, ni pa sistem načrtovan tako, da bi se posamezne baze izognile replikaciji podatkov. Problem povezovanja med posameznimi bazami je sicer manj v strukturi podatkov ali nekompatibilnih ključih, ampak bolj kadrovski, v preobremenjenosti in podhranjenosti obstoječe ekipe, ki skrbi za informacijsko podporo, in pomanjkanju sistemskega pogleda na vrednost podatkov, ki jih sicer skrbno zbira in premalo izkorišča MKGP. Na primer, na ministrstvu ni podatkovnih analitikov, ki bi skrbeli za integracijski aspekt izkoriščanja podatkov in s tem za povezljivost. Trenutna podatkovna struktura posameznih podatkovnih baz je odlična, primerno načrtana s stališča posameznih aplikacij, ki pa ostanejo nepovezane in služijo specifičnim aplikacijam in točno določenim vsebinskim problemom in službam, ki skrbijo za tekoča opravila. Kar je seveda pozitivno, a s stališča podatkovne analitike in možnosti, ki bi jih zbrani podatki skupaj, združeno, nudili tako v operativnih kot strateških nalogah močno omejujoče. Služba za informacijsko podporo torej uspešno in kljub premajhni kadrovski zasedbi skrbi za arhitekture in infrastrukture, katere upravljalec je Ministrstvo za javno upravo, a je vsebinska koordinacija, ki bi skrbela za integracijo, sistematizacijo, skupne registre, normalizacijo baz s stališča izogibanja redundantnosti, podhranjena. Pri integraciji podatkov glavna prepreka torej ni tehnologija ali neurejenost podatkovnih baz in manjkajoči ključi. Problem je sistemski in kadrovski. Odprtost baze, dostopnost podatkov Vse ključne baze MKGP so zaprte in niso javno dostopne, oziroma so dostopne samo v delu, kot ga ponujajo obstoječe aplikacije, ki so povezane z bazami, omogočajo vnos in prikazujejo podatke. Nastavki za odprte dostope so za posamezne baze že izvedeni – primer take je RKG – je pa dostop do podatko omogočen samo uporabnikom, ki imajo za to pravno podlago in ustrezen certikat. Funkcionalnost aplikacij, ki so javno dostopne, je tipično določena, aplikacije s stališča analitike izpolnjuje točno izbrane funkcije, ki so z gledišča uporabnika nespremenljive. Kar je seveda pravilno in v skladu z obstoječimi zakoni in predpisi o hranjenju osebnih podatkov. Tehnologija, na kateri je podatkovna struktura zgrajena, ponuja možnosti vzpostavitve programskih vmesnikov za dostop do podatkov, a vzpostavitev in dokumentacija teh ni sistematično urejena zaradi navidezne (oziroma dejanske) ločitve in nepovezanosti in fokusa na vertikalno funkcionalnost tipa ena-baza-ena-aplikacija. Poskusov integracije, kot smo se ga konceptualno lotili v pričujočem projektu, do sedaj na MKGP ni bilo in zato tudi ne sistematične ureditve programskih dostopov do različnih podatkovnih baz. Naj omenimo tu tudi skrb, da četudi bi se MKGP odločil za vzpostavitev takih dostopov, bi s tem dodatno obremenil že tako preobremenjeno službo za informatiko. Problem trenutne razpršenosti rešitev, torej podatkovnih baz in aplikacij, je tudi razpršenost ljudi, ki s temi rešitvami upravljajo. Tako ni točno jasno (zapisano), kdo so ključne osebe, ki bi lahko nudile podporo in odprle podatke za nove aplikacije na področju podatkovne analitike in ki bi skrbele in vzdrževale dostop do različnih podatkovnih shem. Z drugimi besedami: ekipe, ki bi imela pregled nad celotno zbirko podatkov in ki bi z njo upravljala, na MKGP ni. Problem je razpršenost rešitev, baz, aplikacij, podatkovnih struktur, in osebja, ki upravljajo s temi ali pa ki skrbijo za uporabniški del. Dodatni problem je tudi podvajanje in optimizacija zapisov. Programski vmesniki, programski dostop Do podatkov, v splošnem, je moč dostopati z ustreznimi pravicami in z uporabo povpraševalnih stavkov SQL. Kot smo zapisali zgoraj trenutno uporabljena tehnologija omogoča vzpostavitev programskega dostopa; bralne ali tudi druge pravice je moč urediti, za analitiko pa bi bil dovoljšen bralni dostop z uporabo ustreznih gesel. Ureditev programskega dostopa je torej možna, a zahteva precejšen angažma s strani preobremenjene in kadrovsko podhranjene službe za informacijsko tehnologijo. Spremljajoča analitična orodja MKGP oziroma njegovo izbrano osebje uporablja sicer zastareli Oracle Discoverer, uvedba poslovne inteligence pa ni stekla zaradi zahtev po anonimizaciji. V načrtu je gradnja podatkovnega skladišča z anonimiziranimi podatki. Delo poteka v sodelovanju z Ministrstvom za javno upravo (MJU), kjer pa se pojavljajo nejasnosti glede izbire in vpeljave novih tehnologij. Na primer, Oracle Business Intelligence Suite, s katerim bi morda lahko MKGP podprl poslovno analitiko, ni kupljen zaradi alternativnih aktivnosti na MJU pri projektu Skrinja. V splošnem opažamo odvisnost rešitev od dragih komercialnih orodij in odvisnost od opreme, za katero država plačuje letne licence. Uporabe odprtokodnih, prosto-dostopnih rešitev na MKGP-ju (in na MJU-ju) nismo zasledili. Z uporabo dragih orodij ministrstva tudi zapirajo možnosti za sodelovanje širšega kroga deležnikov pri urejanju in gradnji informacijske infrastrukture. Dokumentacija Skupne, sistemske dokumentacije, ki bi naslavljala podatkovno integracijo in sistematizacijo podatkovnih struktur in analitike, ni. Dokumentacija bi recimo bila dobrodošla novim deležnikom, na primer, razvijalcem podatkovne analitike, in bi lahko vsebovala popis podatkovnih baz, popis programskih vmesnikov za dostop do podatkov, načine avtentikacije, in seznam odgovornih za baze in njene razširitve. Obstoječa dokumentacija je namesto sistemske vezana na posamezne aplikacije, posamezne rešitve in posamezne sheme in odvisna od izvajalcev del, ki so razvili baze in pripadajočo aplikacijo. Delovna naloga 1.4.: Identifikacija ključnih stvarnih pomanjkljivosti Ključne pomankljivosti Kadrovska podhranjenost: trije zaposleni v službi za informacijsko tehnologijo zaradi preobremenjenosti in skrbi za druge naloge ne bodo zmogli bremena uvajanja podatkovne analitike. Na MKGP ni službe za podatkovno analitiko, oziroma skrbnika z ustreznimi znanji računalništva, statistike in računskih pristopov, ki bi urejal področje integracije podatkov, skrbel za gradnjo (neobstoječih) podatkovnih skladišč in pazil, da je v vseh prihajajočih razpisih poskrbljeno za integracijo, dostop do skupnih registrov in nepodvajanje podatkov. Načeloma za podatkovno analitiko obstaja nastavek v »Službi za analize«, kje so zaposleni vodja in dva sodelavca, a trenutno ta služba s pristojnostmi in znanji ne pokriva področja podatkovnih znanosti. Na končni delavnici projekta je bil s strani te službi izkazan velik interes pri sodelovanju na področju projektov, ki bi podatkovne znanosti pripeljale na MKGP. Razdrobljenost rešitev: rešitve tipa ena-baza-ena-aplikacija sicer zadovoljujejo trenutne potrebe na MKGP, a zaradi ločenega tipa izvedbe ne omogočajo horizontalne integracije in s tem preprečujejo ali pa vsaj močno zavirajo uporabo podatkovne analitike. Zdi se, da je z vsakim razpisom MKGP po novih rešitvah na področju IT sicer dobro poskrbljeno za posamezne izbrane vidike delovanja ministrstva, a da se pri tem pozablja na integracijo podatkov preko vseh obstoječih baz. Pridobivanje novih znanj: znanja podatkovne analitike, vizualizacije podatkov in možnosti podpore sprotnega odločanja na podlagi podatkov so specifična. V pogovorih smo zasledili, ne pa tudi kvantitativno ocenili, da pridobivanje teh znanj ni urejeno sistematično oziroma da področje podatkovne analitike in znanosti o podatkih navkljub njegovi aktualnosti ni prioritetno. Odvisnost od komercialnih orodij, zaprtost: MKGP uporablja drago programsko opremo, s tem ostaja odvisno do specifičnih ponudnikov te opreme in specifičnih razvijalcev. Drugačen pristop bi zahteval načrtno uporabo odprtokodnih programskih rešitev, zahtevo po uporabi te v tekočih razpisih, zahtevo po odprtosti orodij in zahtevo po ustreznih programskih vmesnikih, s katerimi bi lahko uredili povezavo med sicer ločenimi usmerjenimi rešitvami. Izkušnje s podatkovno analitiko podatkov MKGP v projektu CRP V namene pridobivanja uvida v kompleksnost podatkov in možnosti povezovanja podatkov iz različnih baz smo v projektu CRP izvedli nekaj pilotnih projektov podatkovne analitike. V prvem sklopu teh projektov smo gradili analitične delokroge za študij trendov vlaganja zahtevkov EK za obdobje 2015­2019, v drugem pa gradili modele in analizirali njihovo točnost pri napovedljivosti opuščanja površin. Za vsakega od teh sklopov je bilo potrebno pridobiti surove podatke, pri čemer so nam izčrpno pomagali sodelavci iz MKGP. Zahtevnejša analitika je bila narejena na podlagi podatkov AKTRP, ki vključujejo tudi izvorne podatke MKGP in UVHVVR, prav tako so pri pripravi pomagali informatiki AKTRP. Izkaže se, da tudi ta korak ni trivialen in da zahteva precej časa, kar kaže na potrebo po standardiziranih vmesnikih za črpanje podatkov (slika 1). Surove podatke je bilo treba nato obdelati in jih prilagoditi za analitiko. Predobdelave tega tipa so bile zahtevne in vključevale pisanje programov v jeziku Python, tipično dolžine nekaj tisoč vrstic. Cilj je bil recimo gradnja tabele, v kateri so profilirane kmetije po tipu rabe GERK-ov, oddanih zahtevkih, prejetih financiranj, in podobnih. Delo, ki smo ga opravili za predobdelavo podatkov kažejo na potrebnost specializiranih baz podatkov, ki integrirajo podatke iz različnih virov in profilirajo objekte (kmetije, GERK-e in katerekoli druge geografske sklope ali pa subjekte), ki bi jih želeli vključiti v analitiko. Register ekstenzivnih sadovnjakov Register hmeljišč Register intenzivnih sadovnjakov Register oljčnikov Register vinogradov Register CRG Register konj Register CPZD Register OMD Register CRPŠ DŽ stalež Register CRG Živali Register CRG Premiki Register CRG KMG MID-GMID Register CRG Napoved premikov Šifrant raba Šifrant avtohtonih in tradicionalnih pasem živali Šifrant izjem gnojilnega načrta Šifrant podatki o živalih Šifrant shema Šifrant presek slojev z rabami Šifrant slojev Šifrant kmetijskih zemljišč v uporabi Šifrant zahteve za sloj Šifrant rab za zahtevo Šifrant sort Šifrant KMRS Šifrant Tip kolobarja Šifrant napoved Šifrant živali na planini in pašniku Šifrant kontrol Šifrant Razlog izločitve Šifrant rubrika Šifrant vrst živali Evidenca EK prijava Evidenca pridelovalcev semen Evidenca Izpolnjevanje pogojev -plačilne pravice Seznam bioplinarn in kompostarn Evidenca Dobrobit živali prašiči Evidenca Negativna lista Evidenca Blokirani KMG_MIDi ARSKTRP Evidenca Izjema KMG_MIDi ARSKTRP Evidenca obmejnih GERK-ov Evidenca izobraževanje Evidenca EK vstop Evidenca EK cert Evidenca EKSEME cert Evidenca EK travojede živali Evidenca EK čebele Evidenca EKOP območij Evidenca AVTP Evidenca višja sila Evidenca kršitev DŽ Šifrant držav Šifrant opomb za šifre KMRS Šifrant vrst primarnih proizvodov Šifrant predpogoj kontrole Šifrant zelenjadnic Šifrant diverzifikacijskih skupin Povezovalna tabela med šifrantoma diverzifikacijskih skupin in KMRS Šifrant samodejnega ponujanja KMRS na rabah Šifrant nedovoljenih kombinacij zahtevkov Šifrant skupin EK Povezovalna tabela med šifrantoma KMRS in skupin EK Šifrant skupin EKSEME Povezovalna tabela med šifrantoma KMRS in skupin EKSEME Šifrant razlogov za blokiran prenos Šifrant kontrolnih ugotovitev Šifrant kategorij prašičev Šifrant izvorov kršitev in zapisnikov Šifrant stopenj krištev Šifrant malih kršitev Šifrant PZR/DKOS Povezovalna tabela med starimi in novimi šiframi ugotovitev Šifrant razlog zmanjšanje KOPOP in EK Šifrant razlog za neprijavo površine Uradni zaznamki Povezovalna tabela s šiframi ugotovovitev Evidenca dovoljenj za gojenje konoplje in vrtnega maka Evidenca habitati in ptice Evidenca Združitev KMG Evidenca CC ugotovitev Evidenca pooblastil za planine Evidenca KOPOP in EK obveznosti Evidenca Trajno travinje Evidenca semenskih posevkov Evidenca mejice Evidenca ATGN Slika 1 | Študija trendov vlaganja zahtevkov EK je zahtevala pridobivanje podatkov iz raznolikih registrov, šifrantov in evidenc, ki so prisotnih v različnih tabelah in bazah podatkov obstoječega podatkovnega jezera. Potrebno je bilo tudi sestaviti ustrezno programsko opreme za integracijo surovih podatkov. V pilotnih projektih smo preverili uporabnost grafičnih uporabniških vmesnikov in sistemov za podatkovno analitiko, ki omogočajo vizualno specifikacijo analitičnih delokrogov. Uporabljali smo nekatere napredne analitične tehnike, kot so metode razvrščanja v skupine, metode gradnje in vrednotenja napovednih modelov in kombiniranje teh metod s podatkovnimi vizualizacijami, ki so vključevale prikaze na geografskih kartah. Primer enega od zgrajenih analitičnih delokrogov je prikazan na sliki 2, primer analize rezultatov razvrščanja v skupine pa na sliki 3. V drugem sklopu pilotnih aplikacij smo analizirali možnost gradnje modelov, ki bi lahko napovedovali opuščanje kmetijskih površin oziroma napovedovali spremembo načina izrabe. Tudi tu je bil med časovno najbolj zamudnimi deli projekta predobdelava surovih podatkov in podatkovno profiliranje kmetij. Rezultati so obetavni, napovedi opuščanja kmetijskih površin so možne (AUC > 0.75, slika 4), smiseln je tudi zgrajeni model (slika 5). Modele te vrste je moč še dodatno izboljšati z obogatitvijo profilov kmetij oziroma dodajanjem značilk, ki kmetije popišejo. Pri tem problemu se je izkazalo na primer, da zaradi različnih ključev podatkov iz prejšnjega sklopa analitičnih problemov (vlaganje zahtevkov) nismo mogli izkoristiti, čeprav bi bili ti lahko zelo informativni. Slika 2 | Primer analitičnega delokroga z branjem podatkov, izborom kmetij, izrisom trendov (zgornja veja delokroga) in razvrščanjem v skupine (gradnik k-means za razvrščanje po metodi voditeljev) ter analizo skupin (spodnja veja delokroga). Slika 3 | Primer grafičnega prikaza rezultatov gručenja, ki izpostavijo kmetije s Primorske in Goriške regije na eni strani in Pomurje, Dravsko in Ptusjko polje na drugi. Za slednjo se na primer v analizi izkaže, da tam kmetje vlagajo manj zahtevkov. Slika 4 | Napovedne točnosti različnih tehnik modeliranja dobljene s testiranjem na neodvisni testni množici pri nalogi napovedovanja opuščanja kmetijskih površin. Po kriteriju površine pod AUC krivuljo se presenetljivo dobro odreže naivni Bayesov model, ki pa očitno potrebuje dodatno kalibracijo. Slika 5 |Naivni Bayesov nomogram za izračun verjetnosti opuščanja zemljišč, z izbranimi faktorji urejenimi po pomembnosti (občina kot najbolj informativen faktor). Možne so dodatne izboljšave modela, na primer s segmentacijo občin in dodajanjem ostalih faktorjev za karakterizacijo kmetij. Delo na naštetih primerih s področja podatkovne analitike nas je opozorilo na sledeča »ozka grla«, ki bi jih bilo pri uvajanju teh tehnologij v bodoče dobro odpraviti: - Pridobivanje surovih podatkov iz obstoječih podatkovnih baz je lahko zamudno, predvsem pa poteka preko angažiranja že tako prezasedenega osebja IT podpore v širšem smislu. Za vpeljevanje podatkovne analitike je potrebna standardizacija dostopa do podatkov preko ustrezno zgrajenih programskih vmesnikov. - Za podatkovno analitiko je potrebna predobdelava podatkov in gradnja profilov zemljišč in kmetij. Gre sicer za ponavljajoča opravila, ki jih je možno standardizirati v sklopu inkrementalne izgradnje podatkovnega skladišča, ki pravilno upošteva tudi časovno dimenzijo. - Analitiko je moč približati uporabnikom z uporabo enostavnejših grafičnih vmesnikov, ki uporabljajo delokroge. Zaželena bi bila izgradnja vtičnikov, ki bi se lahko neposredno programsko priključili na podatkovne baze in (še neobstoječa) skladišča. - Integracija podatkov v podatkovnem skladišču bo zahtevala usklajevanje med seboj nekompatibilnih ključev, uporabljenih v različnih bazah podatkov, a se bo to usklajevanje dalo rešiti na nivoju programskih skript in najbrž ne bo zahtevalo zahtevnih ročnih posegov ali sprememb v samih obstoječih bazah podatkov. - Grafični uporabniški vmesniki, kot na primer ta, ki je bil uporabljen tudi v omenjenih pilotih, bi lahko služili tudi enostavnemu povpraševanju po bazi (npr. preštej, potem pa na karti prikaži vse kmetije, kjer vzgajajo trto) in ne nujno samo bolj kompleksnim opravilom, kot so segmentacija in gradnja napovednih modelov. Delovna naloga 2.1 in 2.2./4.2.: Gradnja podatkovnih zbirk, predlogi in izboljšave Skladno z analizo stanja ter praktičnimi poskusi gradnje aplikacij, ki slonijo na podatkovni analitiki, ugotavljamo, da je trenutno stanje zbiranja podatkov na MKGP dobro, da pa so podatki porazdeljeni v bazah, ki primarno naslavljajo posamezne delujoče aplikacije (slika 6). Odsvetujemo projekt, ki bi za vse te baze in podatke skušal zgraditi enoten repozitorij. Namesto tega svetujemo ciljani pristop s serijo manjših projektov, ki bi naslavljali perečo problematiko operativne in strateške analitike in v korakih gradili vmesnike do obstoječih baz, sistem za integracijo podatkov ter uvajali programske ter spletne rešitve za podatkovno analitiko. Konkretno, predlagamo: 1. MKGP naj postavi oziroma imenuje koordinatorja za podatkovno analitiko. Ta naj bo vključen v pripravo vseh razpisov na področju IT, naj tesno sodeluje tako z domenskimi eksperti kot s službo za informatiko in naj pri delu svetuje odločevalcem in pripravljalcem politik. Vloga koordinatorja je tudi priprava razpisov projektov, katerih cilj je uvajanje analitičnih tehnik in naprednih tehnik podatkovne analitike. 2. Uvajanje tehnik podatkovne analitike naj poteka preko manjših, pilotnih projektov, s točno določenimi, praktičnimi in uporabnimi cilji. Predlagamo, da MKGP ob tesnem sodelovanju z domenskimi strokovnjaki izbere na začetku tri, proti koncu pa do deset problemov, ki so pereči, ponavljajoči in ob obstoječi infrastrukturi težko rešljivi oziroma zahteva njihova analiza trenutno veliko ročnega dela (pisanje SQL stavkov, zahtevno obračanje podatkov v Excelu). Za projekte naj MKGP išče zunanje izvajalce, a naj zahteva odprte, dobro dokumentirane rešitve ki zahtevajo minimalno vzdrževanje. Velikost takih projektov naj bo od 40,000 do 70,000 EUR, s časom izvedbe do pol leta in s petletno vzdrževalno pogodbo z do 3,000 EUR vzdrževalnih stroškov na leto. Ocenjen strošek ne vključuje dela, ki je potrebno za spremembe na obstoječih bazah podatkov oziroma dela, kjer se implementira ustrezne programske vmesnike. Pilotni projekti naj vključujejo tudi izobraževanje uporabnikov. Poudarek naj bo na enostavni uporabi z vmesniki, ki uporabnikom dopuščajo gradnjo kompleksnejših analitičnih postopkov. 3. Uvajanje odprtokodnih orodij. Predlagamo, da se vsi pilotni projekti izvedejo na odprtokodnih tehnologijah, ki finančno ne predstavljajo nikakršnega dodatnega bremena. 4. Izobraževanje uporabnikov. Napredna podatkovna analitika mora biti enostavno uporabna in intuitivna za domenske strokovnjake na MKGP, ki naj jih bo moč za uporabo uvedene tehnologije usposobiti v enem delovnem dnevu. 5. MKGP naj v naslednjih treh letih zasleduje cilj porabe vsaj 10% sredstev za IT za integracijo podatkov, razvoj napredne podatkovne analitike in razvoj vmesnikov, ki bodo odločevalcem nudili možnost enostavnega dostopa do podatkov. 6. V razpise za IT tehnologije naj MKGP vključuje zahteve po integraciji z obstoječimi bazami, izogibanju redundantnosti, ter vzpostavitvi dobro dokumentiranih programskih vmesnikov za dostop do vseh podatkov. Zahteve naj pripravi in pri vključitvi v razpise sodeluje koordinator za podatkovno analitiko. Od vseh zgoraj naštetih je najpomembnejša vzpostavitev vloge koordinatorja za podatkovno analitiko in vzpostavitev mehanizmov dela na manjših pilotnih projektih, ki bi sčasoma na MKGP uvedli prakso uporabe naprednih tehnik podatkovne analitike. Gre za potencialno rizične projekte z večjim vplivom na delo ministrstva. Rizične zato, ker z njimi MKGP vzpostavlja nove prakse in ker so projekti močno odvisni od možnosti integracije z obstoječimi bazami in vzpostavitvijo novih programskih vmesnikov in okolij za dostop do podatkov. Koordinacija projektov naj skrbi za, če je le možno, enotno odprtokododno platformo in sočasen razvoj podatkovnega skladišča, ki lahko po kompleksnosti in velikosti raste z opravljenimi pilotnimi projekti. Pomemben je tudi izbor problematike, ki jo rešujejo pilotni projekti. Ta naj bo izbrana predvsem z vidika uporabnosti rešitev in reševanja problemov, ki so kritični za MKGP. Za ustrezen izbor takih projektov MKGP predlagamo organizacijo delavnice, ki se jo udeležijo deležniki-uporabniki in domenski eksperti, odločevalci, predstavniki IT podpore in zunanja skupina strokovnjakov s področja podatkovne analitike in gradnje uporabniških vmesnikov. Priporočamo tudi reševanje problematike podatkovne analitike s serijo manjših projektov (slika 6). MKGP naj prične z enim in nadaljuje z dvema manjšima projektoma, in jih uporabi za učenje v pisanju projektnih zahtev in učenje uvajanja podatkovne analitike v delo ministrstva. Nadaljuje naj z manjšimi projekti, ki vsak rešuje specifične zahteve uporabnikov, a, če je le možno, temelji na tehnologijah, ki so jih uvajali prejšnji projekti. Predlagamo izvedbo prvih treh projektov v enem letu, in izvedbo ostalih projektov, skupaj do deset projektov, v naslednjih dveh letih. Projekti naj bodo kratki, z izvedbenimi roki od treh do šestih mesecev. Pri planiranju projektov je nujna določitev skupine MKGP, ki projektu sledi in ki vključuje koordinatorja podatkovne analitike, odločevalca, ključnega uporabnika in osebo iz službe za informatiko, ki lahko zagotovi programski dostop do ustreznih baz. Sodelovanje službe za informatiko je nujno že pri zasnovi projekta, saj je prav ureditev programskega dostopa do ustreznih surovih podatkov lahko na kritični poti projekta in mora biti pri vzpostavitvi projekta jasno, da je tak dostop izvedljiv in da bodo za projekt na ta način dostopni vsi potrebni podatki. Ključna vloga uporabnika je vzpostavitev ciljnih zahtev za projekt in v sodelovanju pri oblikovanju uporabniških vmesnikov oziroma potrebnih analitičnih delokrogov in izboru podatkovnih vizualizacij. Serija manjših projektov lahko naslovi zelo različne, a pereče teme. Spremljanje in napovedovanje opuščanja kmetijskih zemljišč, tema, ki jo naslavljamo v pilotnem projektu, je samo ena od možnih tem, ki dobro prikaže uporabnost integracije podatkovnih virov. Drugi primeri tem so na primer analiza izrabe kmetijskih zemljišč v namene planiranja kmetijske in okoljske politike, ali pa opazovanje trendov na področju ekološkega kmetijstva, prepoznavanje tipov zemljišč in tipov kmetij. Eden od projektov lahko na primer naslovi tudi vprašanje enostavnega dostopa do osnovnih statističnih podatkov in podatkov agregiranih po kmetijah ali geografskih enotah. Dostop do teh podatkov je v trenutnem sistemu seveda omogočen, a po nepotrebnem obremenjuje zaposlene. Čar takega projekta je v načrtovanju uporabniških vmesnikov in preverjanju njihove praktičnosti pri uporabnikih, kjer so cilji začrtati sisteme, s katerimi lahko hipno pridemo do enostavnih in zahtevnejših statistik in ključnih podatkov za odločanje. Slika 6 | Sedanja organizaciji podatkov, s katerimi upravljata MKGP in AKTRP in ki večinsko sledijo modelu ena­aplikacija-ena-baza (zgornji del grafičnega prikaza) je za uvajanje podatkovne analitike potrebno dodati programske vmesnike in funkcionalnosti za integracijo podatkov (srednji del). Vmesnike in integracijo je moč dodajati po potrebi, nad temi vmesniki pa graditi posamezne, možno ločene aplikacije, ki naslavljajo ključne potrebe MKGP-ja za operativno in strateško analitiko. Priložnosti Tako kot praktično v vseh ostalih institucijah sistema javnega upravljanja, kot tudi praktično v vseh podjetjih na področju evropske skupnosti, je tudi na MKGP uporaba podatkovne znanosti v povojih. Kar seveda glede na nedavni razvoj te stroke in njenih orodij ne preseneča. Je pa podatkovna znanost za MKGP izjemna priložnost, saj ministrstvo lahko gradi na spektru odlično postavljenih in načrtovanih podatkovnih baz, na množici podatkov, ki so tam zbrani in urejeni, in na perečih problemih s področja kmetijskih in okolijskih politik, ki kličejo po integrirani uporabi že zbranih podatkov. Podatkovna analitika je zato za MKGP izjemna priložnost, kjer še prav nič ni zamujeno in kjer Slovenija lahko orje ledino na področju digitalizacije in uspešnih uporab naprednih računskih pristopov in umetne inteligence. 3. Demonstracijski nalogi (delovni nalogi 4.1 in 4.2) Eksperiment 1: Atributivna večnamenska zbirka podatkov o KMG za obdobje 2015­2019 (mag. Maša Kerstein, Vesna Tanko) Podatkovna analitika (s podporo pri odločanju) predstavlja kmetijskemu sektorju pri nas, kot tudi v EU, velik izziv. MKGP je v okviru prehoda sedanje skupne kmetijske politike (SKP) na politiko, temelječo na rezultatih, sprejel izziv kot priložnost, kar priča razpis zadevnega projekta razvoja IT rešitev v podporo SKP, ki vključuje področja digitalizacije in uspešnih uporab naprednih računskih pristopov in umetne inteligence. Zato je v tem kontekstu pomemben podatek, da začetek tega projekta (november 2018) časovno sovpada s pomembnim mejnikom iz aprila 2019, ko je 25 evropskih držav, med njimi tudi Slovenija, podpisalo izjavo o sodelovanju z naslovom „Pametna in trajnostna digitalna prihodnost evropskega kmetijstva in podeželja“ z namenom, da bi sprejeli številne ukrepe za podporo uspešni digitalizaciji kmetijstva in podeželja v Evropi. Ta pomeni priznanje potenciala digitalnih tehnologij za reševanje pomembnih in nujnih gospodarskih, socialnih, podnebnih in okoljskih izzivov, s katerimi se soočata kmetijsko-živilski sektor EU in podeželje. Prepoznan je napredek v robotiki za natančno kmetovanje in sistemih za izvajanje SKP, ki temeljijo na rešitvah za upravljanje digitalnih podatkov. Sporočilo berlinskega svetovnega foruma za hrano in kmetijstvo naslavlja cilj prispevati k napredku k pametni in trajnostni prihodnosti evropskega kmetijstva, pri čemer se podpisnice izjave zavezujejo prizadevati si za krepitev podpor raziskavam, vzpostavitev inovacijske infrastrukture, ustvarjanje evropskega podatkovnega prostora za pametne kmetijsko-živilske aplikacije in povečanje učinka rešitev v podporo prehodu SKP k politiki, ki temelji na rezultatih. Že pred izvedbo prve delavnice junija 2019 je bil sprejet dogovor o odprtem pozivu po nalogah, ki jih MKGP v širšem kontekstu naslavlja kot prioritetne kot pomoč pri izvajanju svojih rednih nalog in/ali za namen strateškega načrtovanja SKP po letu 2020. Odzvalo se je več predlagateljev s strani MKGP in AKTRP, zlasti strokovnih delavcev s področij, ki pri svojem delu redno uporabljajo in upravljajo z različnimi bazami in/ali načrtujejo ukrepe oziroma delajo na področju uredbe in postopkov v zvezi z integriranim administrativnim in kontrolnim sistemom (IAKS) ter sistemom navzkrižne skladnosti. Poudarjamo pomen vključenosti domenskih ekspertov – skrbnikov in vsebincev ter hkrati pozivamo k standardizaciji, integraciji in odpiranju podatkov ter univerzalnih orodij za krepitev učinkovitosti in transparentnosti odločanja. Zbrane pobude in potrebe smo zbrali v zbirni preglednici, ki je pokazala na številne in raznolike potrebe preprostih pregledov, statističnih analiz in vizualizacije v zvezi z različnimi atributivnimi podatki -potrdila se je izkazana potreba administrativno-odločevalske strukture po standardizaciji podatkov in večnamenskih aplikacijah za pregled, analizo in vizualizacijo. Med kompleksnejšimi nalogami so izstopale prostorske spremembe kot je zaraščanje kmetijskih površin ter vprašanje potenciala za naslavljanje bolj zelenih, okoljsko naravnanih ukrepov, nekateri dejavniki v zvezi s tem in predvidevanje. Na podlagi izsledkov smo sprejeli odločitev, da se v okviru DS4 demonstracijske naloge razširi atributivno zbirko podatkov o kmetijskih gospodarstvih (KMG) v okolju Orange, ki je skladno z izraženimi potrebami omogočala raznolike statistične analize na statični zbirki s številnimi atributi ter vizualni izpis na zemljevidu, na obdobje izvajanja trenutne SKP (2015-2020), kar bi omogočilo smiselno ugotavljanje časovnih trendov v zaključenem obdobju izvajanja ukrepov. Poudariti velja, pa dodana vrednost naloge ni v tem, da bi z orodjem pridobili bolj natančen ali dodelan odgovor, ko gre za posamezno vprašanje -čeprav smo pri nekaterih zadevah orali ledino tako s sodelujočimi kolegi iz MKGP, kot tudi organov v sestavi.100 Prednost našega eksperimenta je zlasti v tem, da omogoča v kratkem času odgovore na številna vprašanja, ki jih ob vzpostavljanju podatkovne zbirke morda sploh še nismo poznali. Orodje omogoča sprotne, hitre preveritve, npr. v okviru delovnega sestanka se lahko preveri na koga se določen ukrep nanaša, kje prihaja do težav pri izvedbi, pragove potencialnih ukrepov … brez obremenjevanja skrbnikov. Pri tem pa je pomembno omejiti tveganja, ki jih uporaba novih orodij prinaša – potrebna je vključenost domenskih ekspertov in dvosmerna komunikacija z IT eksperti, kakor tudi izobraževanje in osveščanje odločevalske strukture in deležnikov. Potrebno je graditi skupnost ustvarjalcev in uporabnikov podatkov za smiselno uporabo, izboljšati zbirke in načine uporabe.101 Oblikovanje večletne podatkovne zbirke za namen reševanja analitičnih nalog V analizo so vključena vsa kmetijska gospodarstva (KMG), ki vlagajo zahtevke za kmetijske subvencije v obdobju 2015 – 2019. KMG smo, ob pomoči in usmeritvi strokovnih sodelavcev MKGP ter AKTRP -nosilci ukrepov/shem/integriranega administrativnega kontrolnega sistema in sistema navzkrižne skladnosti -za namen konkretne naloge, razvrstili v 4 TIPE KMETIJ: – živinorejska (v stolpcu SBV2017_ImetnikiRejnihZivali 'da' in hkrati mora imeti posamezen KMG 10 GVŽ ali več); – vrtnarska (vsaj dve zelenjadnici in hkrati v min obsegu 1 ha zelenjadnic skupaj); – poljedelska (skladno po šifrantu KMRS min obseg 1 ha poljščin (pšenico, koruzo, ječmen, oljna ogrščica ...) + omejitev obremenitve GVŽ: 0 do 0,5 GVŽ/ha. Izračun obremenitve na interval 0­0,5 GVŽ/ha: suma GVŽ na kmetiji/ KZU =kmetijske površine v uporabi na kmetiji); – trajni nasadi (kmetije, ki imajo vsaj en vinograd/sadovnjak, min 1 ha). Namen izbrane tipologije je z uporabo čim več kakovostnih podatkov skozi vrsto aplikacij, zbirk, registrov v določenem časovnem obdobju oblikovati tipe kmetij, ki so prilagojene slovenskim razmeram in predpisanim omejitvam ukrepov, na podlagi katerih s pomočjo izbire različnih kriterijev za različne cilje politik lahko raziskujemo posamezne skupine in poiščemo vzorce, pomembne za naše razmere in stanje, napovemo trende in ovrednotimo potencial. Zato so v našem primeru kmetije lahko razvrščene v toliko tipov kmetij, kolikor kriterijem ustrezajo. Vendar pa je prekrivanje oz. podvojevanje v smislu nekompatibilnosti z vidika načrtovanja intervencij v okviru kmetijske politike, prilagojene nacionalnim razmeram, preprečeno s postavitvijo konkretnih mej/kriterijev znotraj posameznega tipa kmetij. Vendar gre zgolj za eno od možnosti, ki smo jo v nadaljevanju predstavili. Povsem mogoče bi 100 Trenutni model reševanja nalog za potrebe kmetijske politike je utirjen in omejen na uporabo IT orodij, ki ne vključujejo podatkovne analitike in reševanja nalog z uporabo umetne inteligence. Nov zakonodajni reformni paket SKP naslavlja prav vpeljavo tovrstnih orodij tako na različnih področjih, kakor tudi sistemsko. Z razmišljanjem, ki ga podatkovna analitika zahteva v zameno za hitre in kakovostne strateške rešitve, se na področju kmetijstva še nismo srečali 101 Različni načini interpretacije, ki bi lahko bili sporni/problematični, bodo prišli do izraza takrat, ko bodo podatki na voljo zunanjim uporabnikom z različnimi interesi, k čimer EU, ne samo na ravni širše javnosti temveč tudi v okviru reformirane SKP že močno in vztrajno poziva. V tem smislu je bolje, da ustvarjalci podatkov (MKGP) sami proaktivno vodijo proces odpiranja in uporabe podatkov. bilo določiti in integrirati za namen stojnega učenja tudi drugačne tipologije, npr. usmerjene na statusno – pravne oblike kmetijskih gospodarstev, glede na oblikovane kriterije skladno s statističnim raziskovanjem kmetijskih gospodarstev in raziskovanjem metod kmetijske proizvodnje v zvezi s seznamom značilnosti, ki se zbirajo v raziskovanju o strukturi kmetijskih gospodarstev (kot določajo evropski in nacionalni predpisi s tega področja) ali po katerikoli drugi analizi kmetijskih gospodarstev glede na njihove osnovne značilnosti. Prednost orodja je namreč prav v tem, da omogoča poljubne tipologije glede na namen in znanje uporabnika. Ekonomist ali okoljevarstvenik bi gotovo uporabila drugačne tipologije, pri čemer bi bila velika razlika že v obsegu zajema surovih podatkov v osnovni podatkovni tabeli kot podlage za uporabo kriterijev posamezne tipologije. Tipe kmetij bi lahko razvrstili / opredelili tudi z uporabo umetne inteligence (UI). Vsi podatki in končne spremenljivke, uporabljene v raziskavi, so zaradi predaje zbirke v arhiv družboslovnih podatkov pojasnjene in opisane, kar omogoča ustrezno nadaljnjo uporabo podatkov s strani tretjih oseb in za različne namene. Enoten PROFIL KMG, ločen v zbirkah za posamezna leta od 2015 do 2019 smo oblikovali na način, da smo posamezne spremenljivke iz posameznih aplikacij obdržali v njihovi osnovni vrednosti, nekatere, z istim imenovalcem (kjer je bilo to primerno zaradi ogromne količine podatkov) pa združili v nadpomenko, in zapisali nov naziv sestavljene spremenljivke. Osnovna baza na AKTRP, ki se uporablja za namen subvencij je DATAPROD (Oracle). Glavne uporabljene zbirke/sheme/tabele v bazi, ki smo jih pri oblikovanju večletne podatkovne zbirke uporabili, so, na nivoju aplikacij: - KSS 2015 – 2019 .naziv aplikacije: Vnos subvencij (KSS) (tudi Zajem) - SBV 2015 – 2019 .naziv aplikacije: Obdelava subvencij - KONTROLE 2015 – 2019 .naziv aplikacije: Kontrola subvencij - SBV 2015 – 2019 .naziv aplikacije: Obravnava kontrolnih ugotovitev (PINSU) - OBR 2015 – 2019 .naziv aplikacije: Obračun subvencij AKTRP Znotraj Zajema so vključeni vsi potrebni: -Registri (npr. registri trajnih nasadov, živali -VOLOS registri, itd…), -Šifranti (šifrant rabe, KMRS, skupin EKSEME, vrst živali, PZR/DKOS, itd…) in -Evidence (izobraževanj, plačilne pravice, evidenca združitev KMG, Itd…). Pri Trend vlaganja zahtevkov EK število zahtevkov EK pomeni seštevek GERKov (ali poljin), za katere posamezen kmet vlaga/uveljavlja zahtevke za ukrep ekološkega kmetovanja. Odločitev o izbiri naloge za prikaz Za prikaz analitične naloge v okviru večletne zbirke smo si zastavili primer s področja ekološkega kmetovanja, ki se, zlasti zaradi zadnjih dogajanj, uvršča med kompleksne naloge strateškega načrtovanja in prioritetne naloge MKGP. Že v zakonodajnem paketu SKP post 2020 so cilji ambiciozne okoljske politike ob zeleni arhitekturi vgrajeni v ambiciozno kmetijsko politiko, lani je bil sprejet še evropski Zeleni dogovor, katerega cilj je izboljšati dobrobit ljudi. Dodatno zaostritev okoljskih zahtev prinašata s strani EK nedavno sprejeti Strategija o biodiverziteti in Strategija od vil do vilic. Slednja med 4 ključnimi cilji zahteva tudi povečanje deleža površin pod ekološkim načinom kmetovanja (vsaj 25 %).Izhodišče naloge je populacija kmetov, ki vlaga zahtevke za subvencije v okviru zbirne vloge (ZV), na letnem nivoju to populacijo predstavlja cca 57.0000 kmetov. Zahtevke (skladno z definicijo predpisov s področja PRP) za ukrep ekološkega kmetovanja (EK) pa vlaga v povprečju le cca 3.200 kmetov na leto. Pri reševanju naloge smo si pomagali z orodjem za podatkovno rudarjenje -Orange. Orodje je namenjeno vizualizaciji in analizi podatkov ter omogoča uporabo naprednejših tehnik strojnega učenja, kot so npr. klasifikacija, regresija, gručenje. Cilj: pregledamo stanje podatkovne zbirke o subvencijah za ukrep EK. Z uporabo orodja Orange sestavimo delokrog, ki združi profile kmetij za vsa obdobja v eno tabelo. (Profil kmetije je predstavljen z eno vrstico v tabeli.) Na grafu prikažemo trend vlaganja EK zahtevkov in trend odobrenih plačil. Da bi odkrili morebitne vzorce v podatkih, se odločimo za uporabo postopkov nenadzorovanega učenja. Podatke normaliziramo in gručimo. Preverimo in ovrednotimo gručenje za različno število skupin (2­8). Na zemljevidu prikažemo rezultate gručenja na dve in štiri skupine. S pomočjo razsevnega diagrama raziskujemo posamezne skupine, ki so nam zanimive z vidika reševanja naloge. Skupino, ki najbolj odstopa, podrobneje pregledamo in preučimo s pomočjo grafov in zemljevida. Vprašamo se ali napovedan trend predvideva dosego zastavljenega cilja do določenega časovnega obdobja (leto 2030). Vemo, da je za obdobje 2014-2020 za ukrep EK namenjenih cca 66 mio EUR, to je cca 10 mio na leto. Črpanje sredstev je dobro. STANJE: cca 3000 KMG (letno) v izbranem obdobju vključuje cca 10% kmetijskih površin, kar predstavlja cca 40.000 ha. Za to pridobijo kmetje cca 10 MIO€/leto. Analiza podatkov za kmetije »mladi kmet« Ker je za dosego ciljev predlogov ukrepov/intervencij nove SKP uporaba različnih IKT orodij (od preciznega kmetovanja do uporabe različnih aplikacij) s strani kmetovalcev zaželena, priporočena ali pa celo obvezna, smo se v prvem delu naloge koncentrirali na mlajšo populacijo kmetov, ki ji je tehnologija bližja in jo pogosteje uporablja. Starostno omejitev smo izenačili s starostnim pragom iz predpisov, ki še omogoča dodelitev dodatnih vzpodbud in prejemka subvencij iz naslova ukrepa »Mladi kmet«. Ta populacija je po predvidevanjih tudi dovzetnejša za novejše ukrepe (varnost, kakovost pridelane hrane), hkrati pa ima praviloma višji nivo izobrazbe kot starejša populacija kmetov (naraščajoč trend starostnikov, nosilcev kmetij, je prepoznan kot problematika našega kmetijstva). Slika 1 | Sestavimo delokrog, ki združi profile (ena vrstica v tabeli predstavlja eno kmetijo) za obdobje 2015-2019 v eno tabelo. V večini primerov reševanja problemov bi gradnike prikazanega delokroga združili v en nov gradnik, ki bi predstavljal gradnik branja podatkov iz baze. V našem primeru združene podatke shranimo v novo datoteko, ki jo uporabljamo v naslednjih korakih (1-3). Slika 2 | (Korak 1) Preberemo združene podatke in dodamo omejevanje kmetij glede na starost nosilca (40 let). Slika 3 | (Korak 2) Izmed vseh stolpcev izberemo tiste, ki opisujejo trend vloženih EK zahtevkov skozi leta (2015 – 2019). Slika 4 | (Korak 3) Trend prikažemo na grafu (prikazano je le povprečje). Trend vlaganja zahtevkov nekoliko raste . Na x osi je prikazan zahtevek EK po letih, na y osi pa število zahtevkov EK. V analizo so vključeni le tisti KMG, ki so skozi vsa leta analize vlagali minimalno en zahtevek EK. Ker po naši definiciji opredelitve »zahtevka EK« štejemo GERKe, za katere se uveljavlja zahtevek, je številka nekoliko višja, 4.700 enot (razlika od cca 3.200 KMG, ki vlagajo zahtevke EK skozi leta). Slika 8 | Pregledamo rezultate gručenja, kjer smo dosegli največji Silhuette Score (t.j. gručenje profilov na dve skupini): Slika 9 | Na hitro zgleda, da so v C1 gruči tisti nosilci kmetij, ki ne vlagajo EK zahtevkov, v C2 pa obratno. Ker nas zanimajo tisti, ki ne vlagajo EK zahtevkov, gledamo naprej (iščemo razloge, zakaj in kateri kmetje na določenih območij ne vlagajo zahtevkov EK • potencial). S tega vidika je zanimivejše gručenje na 4 skupine. Razberemo lahko, da Oranžna skupina (C4) vlaga veliko zahtevkov EK – tu verjetno ni več veliko potenciala za prepričevanje v še bolj EKO usmerjenost. Nasprotno pa Rdeča skupina (C2) ne vlaga EK zahtevkov ali pa vlaga zelo, zelo malo -zato nas za rešitev naše naloge ta skupina zanima, saj predstavlja potencialne nove kmete, ki bi se lahko vključili v ukrep. Vendar pa na to vpliva veliko število faktorjev, ki jih je potrebno analizirati in poiskati vzroke za takšno stanje, ter v nadaljevanju poiskati vzorce (interakcije med ukrepi, struktura kmetij, starostna/ izobrazbena struktura, okoljske danosti, velikost kmetij ipd). Slika 12 | Kot izhaja iz Slike 11 v skupini C2 skoraj nihče ne vlaga zahtevkov EK, poglejmo jih podrobneje: Analiza vseh kmetij Na x osi je prikazan zahtevek EK po letih,na y osi pa število zahtevkov EK. Štejemo samo tiste KMG, ki so vlagali v vseh letih, ki so predmet analize. Trend vlaganja zahtevkov je podoben kot pri mladih kmetih, ki vlagajo EK , le vrednost je nekoliko nižja. Skupin pravzaprav še ne razumemo, zato gledamo naprej. Pregledamo jih s pomočjo razsevnega diagrama Slika 19| Za začetek odstranimo »rdečo skupino« (C2), ki je največja in prejme najmanj subvencij in morda ni tako zanimiva, ker se take kmetije nahajajo povsod. Slika 20| Še prikaz na karti. Slika 21| Poglejmo še eno zanimivo vizualizacijo trenda vlaganja EK zahtevkov. Na sliki vsaka vrstica prikazuje eno kmetijo, barva pa pomeni število zahtevkov. Kmetije lahko označimo in pregledujemo dalje. Slika 22|Nadaljujemo razlago razsevnega diagrama. »Zelena skupina« (C3) ne vlaga EK zahtevkov, dobi pa veliko subvencij na račun ostalih (to je vidno na razsevnem diagramu, potrdimo pa s pregledom naslednjih grafov). Slika 22|Plačila skozi leta. Slika 23|Poglejmo kje se te kmetije nahajajo. Izberimo le skupino C3. Slika 24|Točke pobarvajmo glede na starost nosilca kmetije. Ne zdi se na bi starost kaj dosti vplivala na vlaganje zahtevkov EK (brez omejitve starosti nosilca KMG, 7-starostnih kategorij). Slika 25| Poglejmo tipe teh kmetij (glede na definirane osnovne 4 tipe kmetij) . Večinoma gre za tip poljedelske kmetije. /Prikaz tipov kmetij po želji/ Slika 26| Kam (v katere ukrepe) ti kmetje vlagajo zahtevke za subvencije? Vse KMG vlagajo v NP, večina jih vlaga v KOPOP, nekatere v OMD, le peščica pa v EK.(Ker smo gledali obdobje 2015 – 2019 npr, kmet, ki je samo eno leto vložil zahtevek EK, pade v populacijo, ki vlaga EK, tudi če je ta iz naslova EK pridobil min sredstva in v drugih letih ni vložil nobenega zahtevka EK. Prav zato te tudi izpostavljamo. Lahko se analiza nadaljuje – zakaj). Zaključek Za zaključek odgovorimo na zastavljeno vprašanje: Ali napovedan trend vlaganja zahtevkov EK omogoča dosego cilja: pod ekološko pridelavo vsaj 25% kmetijskih površin do leta 2030? Predstavimo ugotovitve, kot npr. zaskrbljujoče je, da starost nosilca KMG ne vpliva na vlaganje zahtevkov EK. Ugotavljamo, da brez ukrepov in celostnega ukrepanja ni pričakovati sprememb. Ne glede na to, da je bil primer naloge zastavljen pred sprejetjem zaveze na ravni EU, da bodo zahteve strategij prenesene v zakonodajni okvir SKP (še niso), in s tem za DČ obligatorne, so nam rezultati in predstavljeni trendi lahko v pomoč in usmeritev pri naslavljanju intervencije iz naslova Ekološkega kmetovanja v prihodnji SKP. Ugotovitve so lahko berljive, rezultati pa predstavljivi, saj vsakokratni prikaz zemljevida omogoča lažjo percepcijo (vizualizacija rezultata). Naloga lahko služi kot uvod v nadaljnje, targetirane vsebinske naloge, izdelane na podlagi preučitve stanja /izhodišče/, opredelitve potreb /prioritizacija/ in možnosti za dosego zahtevanega stanja /rezultat/. Potrdila se je ugotovitev, da je opredelitev podatkov in njihova prioritizacija pri poskusih črpanja in urejanja podatkov ter pilotnega načrtovanja shem za podatkovno analitiko ključna. Nov izvedbeni model temelji na principu voditeljstva. Za učinkovito uporabo orodja za podatkovno rudarjenje je razdelitev vlog, lahko tudi na nivoju oblikovanja skupine, ključna. Usklajen temeljni načrt (konsenz!) ciljnih zahtev/vrednosti ne sme biti predmet nenehnega vmesnega spreminjanja posameznih parametrov in celo temeljnih ciljnih zahtev, saj le-to povzroči resne spremembe z (ne)obvladljivimi posledicami. Te imajo nadalje vpliv in sovpliv na posledice povezanih aktivnosti/procesov, kar rezultat (časovno, finančno, vsebinsko) oddaljuje od začrtane strategije in dosege cilja (poraba resursov je neminovno nesorazmerno višja od pričakovanj naročnika/ uporabnika). Pridobivanje surovih podatkov iz obstoječih podatkovnih baz (in posameznih aplikacij) zahteva skrbno obdelavo, pri čemer je potrebno nenehno medsebojno komuniciranje in interdisciplinarno sodelovanje najmanj strokovnjakov s področij vsebine (kmetijstvo, živinoreja, naravovarstvo, …) in področja IT (poznavanje posameznih aplikacij, podatkovna analitika, vzdrževanje shem, uporaba ključev, dostopnost podatkov, programski vmesniki) in odločevalcev -vodstva. Potrebno je poznavanje procesov organizacij/e (AKTRP) in toka podatkov (od prejema izvornega podatka, t.i. zajem podatkov, vgrajenega v posamezno aplikacijo – obdelave podatka za specifičen namen – do izhodnih podatkov, opredeljenega kot rezultat). Nujno je opremljanje in opolnomočenje kadrov s podatkovnimi znanji in kompetencami. Nadaljnje predobdelave podatkov za namen takega tipa naloge so bile izjemno zahtevne. Takšna analitika omogoča še: • iskanje »tipičnega kršitelja« glede na razlike med SUBV vlogami in prejetimi sredstvi ter rezultati kontrol, • hiter vpogled, koliko KMG bi bilo potencialnih upravičencev za določen ukrep/intervencijo glede na kriterije, • hiter prikaz korelacij med ukrepi in identifikacijo razlogov za takšno stanje, s prostorskim prikazom (npr SV Slovenija: KMG z njivskimi površinami raje izberejo operacije KOPOP (POZ, VOD) kot EK, saj so zahteve laže dosegljive in znesek SUBV višji)• ukrepanje? • usmerjanje izobraževanj, svetovanj, informiranja, …, • planiranje virov: znanje, lokacija, kompetence, … realna časovnica, … ipd; • celostno obravnavo Slovenije za načrtovanje optimalno izbranih in naravnanih intervencij, ki bodo zadostile pogojem zakonodajnega okvirja in omogočile implementacijo s pozitivnim učinkom za kmete, potrošnike in varstvo okolja. Zlasti iz razloga, ker orodja danes omogočajo tudi zelo dobro argumentacijo nenamerno ali namerno izdelanih zaključkov in njihovo interpretacijo, če jih uporabljajo uporabniki, ki ne poznajo/ne poznajo dovolj vsebine ali osnov analitike bodisi želijo najti dokaze za apriori določene trditve bodisi so v vlogi zastopnikov različnih interesnih skupin, je pri izvedbi nalog na področju podatkovnega rudarjenja/analitike in predstavitvi rezultatov, ugotovitev, sklepov in napotil potrebna stalna vključenost in komunikacija domenskih ekspertov – skrbnikov baz in vsebincev z IT strokovnjaki ter odločevalsko strukturo. Eksperiment 2: Analiza napovedljivosti opuščanja kmetijskih površin (Andreja Kovačič) Cilj te naloge je analiza napovedljivosti opuščanja kmetijskih površin, torej ali se napovedovati sploh da. Uspešnost modeliranja, in s tem napovedi, je v veliki meri odvisna od podatkov, ki jih imamo. Zato smo se v tej nalogi osredotočili samo na 'pogerkane' površine, kajti samo o njih imamo dovolj podatkov. Na voljo smo imeli podatkovne zbirke iz MKGP in ARSKTRP, za obdobje več let. Izkaže se, da je opuščanje površin napovedljivo, vendar se ga da še precej izboljšati. Podatkovne zbirke Uporabili smo podatke o GERKih, ki so poleg lokacije in površine vsebovali še podatke o obdelovalcu­nosilcu KMG (fizična/pravna oseba, letnica rojstva, spol), rabi, povprečnem naklonu, povprečni ekspoziciji in povprečni nadmorski višini. Sloj dejanske rabe smo uporabili za potrjevanje podatkov v GERKih in za ugotavljanje rabe površin, ki so bile izločene iz registra GERKov. Iz ARSKTRP smo pridobili podatke o staležu živine skozi leta in podatke o različnih izplačilih (OMD, DŽ, EK, EKO0, KOPOP, KOP, SKOP). Vse uporabljene zbirke so vsebovale podatke od 2007 do 2019. Slika 1| Primerjava porazdelitev velikosti kmetij pokaže, da se število majhnih kmetij skokovito povečuje. Dolgi rep v obeh letih kaže na majhno število velikih kmetij. Graf je lahko nekoliko zavajajoč, saj lahko narobno sklepamo, da je kmetijskih površin v Sloveniji vedno več. Vemo pa, da je v zadnjih letih ta trend negativen, rast pa pripišemo vpisovanju že obstoječih KMG v register. Obdelava podatkov Pri agregaciji podatkov v profile kmetij smo naleteli na nekaj težav. Velik del podatkov od leta 2007 do 2011 smo takoj izločili, saj podatki o GERKih vsebujejo preveč šuma. Izločiti smo morali tudi atribut ekspozicije GERKa, saj zaradi načina beleženja preveč podatkov manjka. Za kategorizacijo opuščene površine smo uporabili preseke z dejansko rabo. Dejanska raba se v Sloveniji zajema po kosih, približno tretjino površja na leto. Da bi se izognili primerjanju registra GERK z dejansko rabo, kjer bi bili posamezni kosi že zastareli, smo raje uporabili dejansko rabo, ki ima vse slike zajete po letu, iz katerega so podatki o GERKih. Zaradi tega lahko GERKe prehitro označimo kot zaraščene. Posledično smo iz obdelave izločili tudi leta 2017 do vključno 2019, saj za njih nimamo dovolj svežih slik dejanske rabe. Kot zaraščene smo označili GERKe, ki imajo več kot 15 ara površine označene s šiframi dejanske rabe 1410, 1500, 1600, 2000. Preseke smo naredili z vektorskimi preseki, s pomočjo knjižice shapely. Za kmetije smo agregirali atribut, ki označuje opuščanje. Če je vsaj ena površina označena kot opuščena, velja, da kmetija opušča površine. Sam kriterij je sicer zlahka prilagodljiv, najbolje ga je oblikovati v sodelovanju z domenskimi eksperti. . Slika 2| Prikaz postopnega zajema dejanske rabe skozi leta. Slika 3| Osnovne statistike združenih podatkov iz baz ARSKTRP in MKGP. Nenaden padec števila kmetij izvira iz baze izplačil kmetijam skozi leta (v letih 2014-2015 gre za prehod med dvema cikloma politike, zbirke podatkov ARSKTRP pa so vezane na posamezen cikel). Za same analize smo uporabili podmnožico kmetij, tiste ki so vsebovane tudi v bazi GVŽ, tako je število bolj konsistentno. Hkrati smo napovedovali opuščanje samo za posamezno leto, saj so časovne vrste zaradi nekonsistenc v podatkih manj zanesljive. Slika 4| Kmetije ki opuščajo površine, agregirane po občinah, za leto 2014. V večini občin opušča površine manj kot 2.5% kmetij. Nekaj občin sicer izstopa, npr. Solčava, Jezersko, Osilnica, Ankaran. Razlike v občinah nakazujejo na možno koristnost občine kot značilke kmetije. Na sliki so imena občin zavoljo berljivosti izpuščena. Modeliranje Primerjali smo nekaj osnovnih modelov: naključni gozdovi, linearna regresija in naivni Bayes. Slednja dva sta posebej zanimiva, saj omogočata enostaven vpogled v vpliv atributov na napovedi modela. Slika 5| Večina modeliranja smo izvedli v programu Orange. Obdelava podatkov, ki je zajemala filtriranje, zlivanje in agregacijo podatkov pa je zahtevala podatkom specifične skripte. Na sliki je primer osnovnega delokroga. Vrednotenje Profile za posamezno leto smo razdelili v dve neodvisni množici. Na prvi, ki je zajemala približno 70% podatkov, smo modele učili in jih nato testirali na preostanku podatkov. Ta postopek smo ponovili večkrat (10) in rezultate povprečili. Optimizirali smo AUC, t.i. površino pod krivuljo, ki se lahko potem optimizira glede na potrebe končnega uporabnika. Model se potem lahko uravnava, glede na to, koliko kmetij, ki opušča površine, smo pripravljeni zgrešiti, v korist točnosti napovedi opuščanja. AUC ima razpon od 0 do 1, naivni bayes in logistična regresija dosegata AUC okrog 0.7, kar potrjuje napovedljivost, hkrati pa je še vedno precej možnosti za izboljšanje. Slika 6| Napovedne točnosti različnih modelov. Najboljše se odreže naivni Bayes, vendar bi se rezultat dalo še izboljšati. Slika 7| Naivni Bayesov nomogram, atributi so urejeni po pomembnosti, padajoče. Največji vpliv ima občina, iz katere je kmet in sama sestava kmetije: delež hmelja, število površin z neko rabo, število površin. S pomočjo nomograma lažje razumemo napovedi za posameznega kmeta. Možne izboljšave Prej opisan problem postopnega zajema dejanske rabe se da omiliti z združevanjem slojev iz različnih let dejanske rabe. Tako bi se izognili delu prehitrega označevanja površin kot zapuščenih. K uspešnosti napovedovanja bi pripomogle dodatne značilke iz drugih baz, na primer podrobnejši podatki o poljščinah. Potencial za izboljšavo je tudi oblikovanju kriterijev opuščanja in pri oblikovanju profilov samih, pri čemer je nujno sodelovanje domenskih ekspertov. Zanimiv je tudi pogled na kmete in kmetijske površine z vidika analize preživetja. 4. Opis in arhiviranje podatkovnih zbirk (delovna naloga 5.1) (Brigita Bočkaj, dr. Janez Štebe) Arhiv družboslovnih podatkov (v nadaljevanju ADP) je v okviru delovnega sklopa 5 izvedel dvoje nalog. Prvič, organiziral je pripravo metapodatkovnega opisa izbranih evidenc, ki jih vodi Ministrstvo za kmetijstvo, gozdarstvo in prehrano (v nadaljevanju MKGP). Ter drugič, izvedel je prevzem in objavo podatkovnih zbirk, ki so jih za prikaz analitičnih pristopov v okviru projekta pripravili na Agenciji za kmetijske trge in razvoj podeželja (v nadaljevanju ARSKTRP), v Katalogu ADP. Potrebno je omeniti, da gre v primeru obravnavanih zbirk za tematsko specifične mikro-podatke s področja kmetijstva, medtem ko je metapodatkovni opis pripravljen po strukturi Data Documentation Initiative (DDI), ki je uveljavljen pri opisovanju družboslovnih podatkov. S tem, ko so podatki pripravljeni na tovrsten način, se jih bo približalo širši množici potencialnih uporabnikov, ki lahko do njih dostopajo na pregleden način. Podatki so na voljo za uporabo tako notranjim uporabnikom MKGP in ARSKTRP kot zunanjim uporabnikom, raziskovalcem, študentom in drugim. S to nalogo smo preverili in pokazali, da metapodatkovni opis po strukturi DDI ponudi izčrpen in informativen vpogled v podatke, tako da jih je mogoče poiskati, se seznaniti z obstojem podatkov, kako je moč do njih dostopati, oceniti njihovo uporabnost za želene analize in jih v kombinaciji z drugimi podatki uporabiti za namene presoje ukrepov politik, njihovo načrtovanje in za druge raziskovalne namene. V nadaljevanju je predstavljen potek dela obeh nalog. Metapodatkovni opis izbranih evidenc Izmed številnih evidenc, ki jih vodi MKGP je bil narejen izbor 11 evidenc, za katere je ADP pripravil metapodatkovni opis. Izbor evidenc sta pripravila g. Miran Tisu, Služba za register kmetijskih gospodarstev (v nadaljevanju g. Miran) in ga. Maša Kerstein, MKGP (v nadaljevanju ga. Maša). Izbrane evidence so: 1. Evidenca dejanske rabe kmetijskih in gozdnih zemljišč 2. Evidenca kmetijskega knjigovodstva 3. Evidenca komasacij 4. Evidenca o izobraževanju in usposabljanju za potrebe kmetijstva in razvoja podeželja 5. Evidenca območij z omejenimi možnostmi za kmetijsko dejavnost 6. Evidenca organizacij proizvajalcev 7. Evidenca osuševalnih in namakalnih sistemov 8. Evidenca pridelovalcev in predelovalcev ekoloških kmetijskih pridelkov ali živil 9. Register kmetijskih gospodarstev 10. Register pridelovalcev grozdja in vina 11. Zbirka podatkov Mreže za podeželje Metapodatkovni opis zajema več sklopov metapodatkov, pri čemer je potrebno poudariti, da je zapolnitev metapodatkovnih polj odvisna od vsebine same evidence: . osnovni metapodatki102: naslov, avtor, kontakt, povzetek, področje, ključne besede, vsebinsko področje/tema, jezik podatkov, nosilec podatkov, datum in kraj izdelave, sodelujoči, finančna podpora, distributer, dajalec, datum izročitve, časovno pokritje podatkov, obdobje zbiranja podatkov, vrsta podatkov, podatki o seriji, povezani materiali, publikacije reference, viri podatkov . geoprostorski metapodatki: geografsko pokritje, najmanjša geografska enota, ki je dostopna v evidenci . metapodatki s področja metodologije izvora podatkov: enota za analizo, populacija, časovna opredelitev podatkov, zbiratelj podatkov, pogostost zbiranja, tip vzorca, metoda zbiranja podatkov, uporabljen instrument, opis situacije zbiranja podatkov, uporabljene kontrole, očiščevanje podatkov . Pogoji: informacije o dostopu do podatkov Metapodatkovni opis je narejen v aplikaciji Dataverse, ki je odprtokodni program za deljenje, hranjenje, citiranje, iskanje in analizo raziskovalnih podatkov (glej https://dataverse.org/). Dataverse uporabljajo različne institucije in organizacije po svetu. V Evropski uniji je eden največjih Dataverse repozitorijev na Nizozemskem, ki zagotavlja upravljanje s podatki 11 nizozemskih univerz (glej https://dataverse.nl/), podobno velja tudi za norveški Dataverse (glej https://dataverse.no/), medtem, ko ga Avstrijski družboslovni arhiv uporablja kot platformo za izvajanje svojih storitev (glej https://data.aussda.at/). ADP aplikacijo uvaja za potrebe samoarhiviranja, kjer ustvarjalec podatkov po koncu procesiranja podatke in metapodatke samostojno preda v podatkovni repozitorij in tako deli dalje. Podobno kot pri zgoraj omenjenih primerkih nacionalnih Dataverse repozitorijev je v prihodnje predvideno uvajanje te iste enotne platforme tudi za dostop do raziskovalnih podatkov osnovnega Kataloga ADP, kjer so na voljo podatki iz sklopa trajnega digitalnega arhiviranja. Storitev samoarhiviranja na podlagi Dataverse (glej https://dataverse.adp.fdv.uni-lj.si/) je ADP vzpostavil v letu 2020, pri čemer trenutno potekajo nadgradnje za prilagajanje specifičnim zahtevam in testiranja funkcionalnosti. Široka uporaba je predvidena v začetku leta 2021. Metapodatki in ostala gradiva, povezana z raziskavo oz. projektom, v katerem so nastali podatki, so brez registracije dostopna vsem obiskovalcem spletne strani, kar pomeni, da lahko uporabnik prosto brez predhodne registracije pregleduje in išče po katalogu ter prenaša k sebi spremna gradiva. Pri slednjem so možne tudi izjeme, kjer je za spremno gradivo, zaradi njegove vsebine (tajnost, občutljivost, itd.) opredeljen drugi strožji dostop. Dostop do raziskovalnih podatkov v večini primerov zahteva registracijo zaradi izpolnjevanja določenih pogojev, razen, kadar so podatki ponujeni v javno rabo brez vsakih omejitev. Ob prenosu podatkov se mora uporabnik strinjati s pogoji uporabe za dotično gradivo oz. raziskovalne podatke. Uporabnik se 102 Polji datum izdelave (en. production date) in datum izročitve (en. deposit date) se nanašata na podatkovno datoteko, ki pa v primeru opisa evidenc ni bila priložena, kljub temu smo polji zapolnili, pri čemer datum izdelave ponazarja datum popisa stanja evidenc, datum izročitve pa datum prvega vnosa zapisa evidence v aplikacijo Dataverse sicer preko opisa raziskave seznani z morebitnimi posebnimi omejitvami in izjemami glede dostopa, ki jih je določil dajalec ob predaji, dodatno se mora pri registraciji strinjati s splošnimi določili in pogoji uporabe. Pri sami registraciji se oblikujejo različni uporabniški profili, na podlagi katerih je nato omogočen dostop do podatkov, v kolikor to omogočajo določeni pogoji uporabe (npr. licenca, ki dovoljuje ali omejuje komercialno rabo). Potrebno je poudariti, da je naveden način regulacije dostopa določen za ADP primerek Dataverse in ga je možno prilagoditi za morebitne druge primerke. Za scenarij morebitne vzpostavitve kompletne zbirke mikro-podatkov s področja kmetijstva je posebej atraktivna možnost, da uporabnik lahko tudi sam arhivira svojo raziskavo in jo ponudi v sekundarno rabo, in sicer tako, da si ustvari račun, izpolni opis raziskave ter naloži podatke in z njimi povezana gradiva. Vsakemu gradivu določi tudi pogoje dostopa. Pri opisu evidenc smo pripravili le metapodatkovni opis, medtem ko sami podatki iz tekočih registrov zaradi varovanja zaupnosti in drugih omejitev niso priloženi. Je pa uporabnik preko podanega opisa seznanjen s poenotenimi informacijami glede pogojev za dostop do podatkov. Upravljavci evidenc lahko pripravijo mikro-podatke ob specifikaciji na zahtevo uporabnika, tako kot smo v okviru projekta določili in nato prevzeli mikro-podatke za prikaz možnih analiz. Nekateri podatki (večinoma agregirani) in minimalni metapodatki izbranih evidenc so sicer vidni in dostopni preko različnih drugih portalov: . Portal MKGP (https://rkg.gov.si/vstop/) . Javni pregledovalnik grafičnih podatkov MKGP http://rkg.gov.si/GERK/WebViewer/) . SiStat (https://pxweb.stat.si/SiStat) . Eurostat (https://ec.europa.eu/eurostat/home) . https://ec.europa.eu/agriculture/rica/database/consult_std_reports_en.cfm . https://www.kis.si/Porocila_o_stanju_v_kmetijstvu_OEK Za potrebe projekta CRP ITzaSKP smo na platformi Dataverse oblikovali ločen podkatalog, poimenovan Kmetijski podatki (glej https://dataverse.adp.fdv.uni-lj.si/dataverse/kmetijski_podatki). Podkatalog vsebuje metapodatke evidenc in sledi priporočilom evropskega podatkovnega konzorcija CESSDA z uporabo kontroliranih besedišč Data Documentation Initiative (glej https://ddialliance.org/controlled-vocabularies), ki se tudi sicer, kot je že omenjeno v uvodu, uporablja pri pripravi metapodatkov na področju družboslovja. Pri vpisu ključnih besed je bil, v kolikor je bilo to mogoče, uporabljen tezaver ELSST (glej https://elsst.ukdataservice.ac.uk/). S tem so izpolnjeni pogoji, da se bodo metapodatki prikazovali pri iskanju preko skupnega CESSDA kataloga (glej https://datacatalogue.cessda.eu/). Trenutno je metapodatkovni opis evidenc narejen v slovenskem jeziku. Ob soglasju skrbnikov evidenc na MKGP bomo metapodatke evidenc prevedli, uskladili in objavili tudi v angleški različici podkataloga. Na ta način bodo evidence postale vidne in se jih bo dalo iskati tudi v širšem prostoru. Sam metapodatkovni opis evidenc je potekal v prostorih MKGP skupaj s skrbniki posamezne evidence ob prisotnosti g. Mirana in/ali ga. Maše. Opis je bil izveden v roku dveh tednov (5 terminov -2 oz. 3 evidence na termin), pri čemer so skrbniki pred dogovorjenim terminom prejeli seznam metapodatkovnih polj, ki so predvidena za izpolnjevanje ter povezavo do kontroliranega DDI besedišča. Vpis za posamezno evidenco je potekal direktno v aplikacijo Dataverse, trajal pa je v povprečju od pol do ene ure, odvisno od posamezne evidence. Po opravljenem vpisu na MKGP je ADP opise pregledal in jih dopolnil (vsebinsko, spletne povezave na uradne dokumente, publikacije, itd.) na podlagi razpoložljivih vsebin na spletu. Pripravljeni opisi so bili poslani v avtorizacijo, na način, da je bila vsebina opisa iz aplikacije pripravljena v prosto besedilni obliki z možnostjo dodajanja dopolnitev in komentarjev. Opisi so bili posredovani g. Miranu, ki je predstavljal vezni člen med skrbniki evidenc in ADP, ter predani skrbnikom v pregled. Postopek avtorizacije metapodatkovnih opisov je tudi sicer uveljavljena praksa v ADP. V nadaljevanju sta opise pregledala tudi g. Miran ter neodvisno od vseh še pregledovalec g. Matjaž Rotenhajzer, MKGP. Na sestanku v času priprave opisov, je bilo namreč dogovorjeno, da bi bilo dobrodošlo, da pripravljene opise pregleda tudi oseba, ki sicer prihaja iz stroke kmetijstva in podatke tudi vsebinsko pozna, vendar z njimi ne operira na tovrsten način in oceni, ali kot potencialni uporabnik na osnovi opisa pridobi dovolj informacij o podatkih. ADP je nato opise popravil v skladu s prejetimi komentarji ter jih ponovno posredoval v pregled, tokrat v sami aplikaciji. Ker aplikacija še ni v javni uporabi, je bilo v ta namen generirano enolično uporabniško ime in geslo, ki se ga je preko g. Mirana posredovalo vsem skrbnikom. Po preteku nekaj dni (zaradi morebitnih dodatnih popravkov) je ADP evidence objavil. V kolikor se bo v prihodnosti pojavila potreba po popravi, bo na pobudo MKGP to opravil ADP. Samo delo je z obeh strani zahtevalo kar nekaj vloženega časa in truda: od uskladitve terminov za pripravo opisov do same izvedbe opisov, njihove dopolnitve, pregledov, poprave, objave, itd. Ker gre za kompleksne in področno specifične podatke, ADP sam ne bi mogel pripraviti ustreznega metapodatkovnega opisa, zato je bilo ključno sodelovanje skrbnikov evidenc kot poznavalcev njihove vsebine. V tem delu gre zahvala predvsem g. Miranu ter ga. Maši za angažiranost, vsem skrbnikom evidenc in g. Rotenhajzerju za dodatni pregled metapodatkovnih opisov. V samem procesu dela je bilo sicer izvedenih nekaj aktivnosti z namenom olajšanja in hitrejšega poteka dela (npr. vnaprejšnje posredovanje pripravljenih tabel zahtevanih polj, spletna povezava na besedišče, direktni vpis v aplikacijo), ki so sicer pripomogle k manjši porabi časa, vendar ne v tolikšni meri, kot je bilo pričakovano. Prevzem podatkovnih zbirk ARSKTRP Primarni namen generiranja podatkov je bil prikaz možne uporabe kmetijskih podatkov, za kar je bilo potrebno pridobiti čim bolj splošne podatke. Izbrani so bili podatki, ki jih vodi ARSKTRP, pri čemer gre za t. i. profile kmetijskih gospodarstev. Sam prikaz možnosti analiz so opravili kolegi iz Fakultete za računalništvo, Univerze v Ljubljani (glej ustrezno poglavje). Podatki so bili s pomočjo sql stavkov generirani (g. Matjaž Kolar, ARSKTRP ter ga. Maša) ter shranjeni v .xlsx format. Ker je bilo v pripravo podatkov vloženo kar nekaj truda in v taki obliki drugje niso na voljo, smo se odločili, da jih posredujemo v ADP, kjer bi jih ponudili v drugo rabo različnim uporabnikom. Sama naloga je namenjena prikazu možnosti širšega analitičnega izkoriščanja razpoložljivih podatkov, kadar se iz evidenc, ki so za večino uporabnikov nedostopne, pripravi izvoz verzije podatkov, ki je anonimizirana in pregledno urejena za namen neodvisne druge rabe. Splošne informacije o zbirki: . podatki generirani s pomočjo sql stavkov ter shranjeni v .xlsx format . 5 podatkovnih zbirk: 2015, 2016, 2017, 2018, 2019 . posamezna zbirka vsebuje cca. 300-400 spremenljivk in cca 57.000 enot . podatki v zbirki: nekaj splošnih podatkov o nosilcu KMG (spol, leto rojstva), občina KMG, KMG­ ID (umetno generiran), plačila, kršitve, poljine, št. glav živine, kontrole, tip kmetije103, itd. . populacija: posamezno KMG, ki je v tekočem letu oddalo vlogo za subvencijo . anonimizacija: umetno generiran KMG-ID, leto rojstva nosilca (iz celotnega datuma rojstva, bo v datoteki le letnica) Postopek prevzema podatkovnih zbirk sledi protokolu, kot je sicer v praksi v ADP (glej https://www.adp.fdv.uni-lj.si/deli/postopek/) in zajema: . Izpolnitev dokumentacije: -izjava o Izročitvi -obrazec za opis raziskave, na podlagi katerega se pripravi metapodatkovni opis. Obrazec je dostopen v .doc ali .pdf formatu na spletni strani ADP ali pa preko aplikacije 1ka. V primeru slednjega se dajalcu generira enolično geslo za dostop ter posreduje povezavo do obrazca -izjava naročnika /financerja v kolikor je potrebno . Ureditev podatkovne datoteke glede na priporočila ADP . Priprava ostalih gradiv potrebnih za razumevanje podatkov (šifranti, kodirna knjiga, izpis frekvenc, podatki o izvedbi, kopije publikacij in ostalih spremnih dokumentov, ki so bili del zbiranja podatkov ali pa so pomembni za njihovo razumevanje, itd.) . Podatkovne datoteke in gradiva se posreduje preko zaščitenega oblaka ADP hramba Zbirke bodo objavljene na spletni strani ADP v Katalogu ADP (glej https://www.adp.fdv.uni-lj.si/opisi/), pri čemer opis sledi metapodatkovnemu modelu CESSDA z uporabo kontroliranega besedišča Data Description Initiative (DDI) ter ključnih besed tezavra ELSST (glej povezave pri evidencah). Za razliko od opisa evidenc bo metapodatkovni opis zbirk takoj pripravljen tako v slovenskem kot tudi angleškem jeziku. ADP namreč vse opise raziskav ob prevzemu podatkov v sistem trajne digitalne hrambe in dostopa ponudi v slovenski in angleški različici Kataloga ADP. Ker je Katalog ADP že žet (ang. harvesting) s strani že prej omenjenega CESSDA kataloga, to pomeni, da bodo zbirke takoj po objavi vidne in najdljive tudi v širšem evropskem prostoru. Posamezne zbirke bodo objavljene in v sekundarno rabo ponujene kot samostojne objave, ki bodo povezane v serijo. Tako je omogočena možnost dodajanja novih zbirk (npr. generirani podatki za leto 2020), v kolikor bo v prihodnje izražen interes s strani ARSKTRP. Režim dostopa do Kataloga ADP, metapodatkov, gradiv in raziskovalnih podatkov je podrobno opisan v enem izmed predhodnih odstavkov. V sklopu opisa raziskave pa uporabnik pridobi tudi informacije o dostopu in citiranju, vključno z oceno in statusom raziskave. Tu je potrebno omeniti, da so na spletni strani, uporabniku prosto dostopne tudi absolutne frekvenčne porazdelitve, kar pomeni, da lahko uporabnik na enostaven način pridobi uvid v podatke, vendar z njimi ne more operirati, medtem, ko lahko do relativne frekvenčne porazdelitve prosto dostopa preko spletnega vmesnika Nesstar. Spletni vmesnik Nesstar (glej https://nesstar2.adp.fdv.uni-lj.si/webview/?language=sl) je platforma, ki ima enako vlogo kot spletna stran (iskanje po katalogu, pregled metapodatkov, ostalih gradiv, podatkov, prenos gradiv, itd.), le da ob predhodni registraciji (če ni določeno drugače) omogoča tudi prenos datotek in analizo podatkov (tabele, grafi, korelacija, regresija, …). Uporabnik se torej lahko prosto 103 Tip kmetije v zbirki je umetno generiran za potrebe demonstracije uporabnosti podatkov v okviru projekta. seznani z relativnimi frekvenčnimi porazdelitvami, samo operiranje s podatki pa zahteva registracijo. Dostop do podatkov določi dajalec podatkov. V ADP sicer omogočamo različne vrste dostopa, od tistega najbolj odprtega t. i. prosti dostop, do najbolj zaprtega t. i. dostop pod posebnimi pogoji (glej https://www.adp.fdv.uni-lj.si/uporabi/kako/pravila/). Režim dostopa dotičnih zbirk bo standardni dostop, ki vključuje dostop do datoteke za javno rabo oz t. i. »Public Use File« ob predhodni registraciji. Četudi so zbirke trenutno še v fazi prevzema, je bilo s strani vseh vpletenih opravljeno že kar nekaj dela. Izvedeni so bili sestanki, kjer se je ADP seznani s samo vsebino zbirk, dajalcu (ga. Maša in g. Miran) je bil predstavljen postopek predaje, katero dokumentacijo je potrebno izpolniti ter katero spremno gradivo je potrebno pripraviti za lažje razumevanje in uporabo podatkov. Dajalec pa se je prav tako seznanil z možnostmi dostopa, ki jih ponuja ADP. Pojavilo se je tudi vprašanje o potrebi po anonimizaciji podatkov. ADP je zbirke sicer že prejel v pregled, pri čemer so bili podatki pregledani po predpisanem postopku, prav tako nekaj pripravljenih gradiv (pripravljeni šifranti). V procesu pregleda je bilo ugotovljeno nekaj nejasnosti oz. dilem, ki so bile v nadaljevanju skupaj z dajalcem tudi v večini razrešene. Tukaj gre zahvala tudi g. Matjažu Kolarju, ARSKTRP, za dodatno preverjanje podatkov, ki je omogočilo razjasnitev nekaterih dilem. Podatkovne zbirke kakor tudi vsa dokumentacija ter ostala gradiva so trenutno v pripravi na ARSKTRP. Po njihovem prevzemu bo ADP nadaljeval z delom.104 Vsa prejeta gradiva bodo po prevzemu na ADP po ustaljenem protokolu ponovno skrbno pregledana (v primeru dilem se kontaktira dajalca), opravilo se bo ovrednotenje podatkov za znanost in njihovo dolgoročno uporabnost, namreč podatki sprejeti v ADP štejejo kot znanstvena objava po merilih ARRS in jih je potrebno navajati v seznamu uporabljene literature. Sledila bo priprava metapodatkov, podatkov in gradiv v paket za dolgotrajno hrambo in v paket za dostop in nadaljnjo uporabo. Podatkovne datoteke bodo uporabnikom na voljo v različnih formatih. Pripravljen metapodatkovni opis se bo, tako kot v primeru opisa evidenc, poslal v avtorizacijo oz. pregled avtorju, se po potrebi popravil in objavil. O objavi se bo obvestilo dajalca, kakor tudi potencialne uporabnike preko ustaljenih kanalov ADP (spletna stran ADP, podstran ADP na strani FDV, družbena omrežja, e-novice, FDV napovednik). ARSKTRP s predajo omenjenih podatkov v ADP ustvarja zgled za ostale skrbnike podatkov glede možnosti širitve kroga uporabnikov podatkov za različne namene, tako za naloge, povezane s področjem dela posamezne ustanove kot za druge naloge. Kot je bilo uvodoma že omenjeno, je bil namen tvorjenja zbirke primarno prikaz možnosti uporabe in ne predaja v arhiv. Delo na zbirki bo tudi v bodoče od vseh sodelujočih zahtevalo še kar nekaj vloženega truda in časa, namreč podatke je zaradi svoje specifičnosti in priprave potrebno ustrezno opremiti z dodatnim gradivom in pojasnili, ki bodo omogočila pravilno uporabo podatkov. Korektno sodelovanje in visoka angažiranost zagotavljajo, da bodo zbirke v čim krajšem možnem času pripravljene za objavo. Nekateri udeleženci so že na zaključnem srečanju izrazili zanimanje za uporabo podatkov, tako za učenje analitičnih pristopov orodja Orange, ki so ga predstavili kolegi s Fakultete za računalništvo, kot za druge namene. Podatki so v takšni obliki edinstveni in primerni tudi za raziskovalno delo in za vključevanje v učno okolje s študenti. Z njimi si lahko pomagajo tudi kmetijski svetovalci pri svojem delu na terenu. 104 V času priprave poročila prevzem zbirk v ADP še ni bil realiziran, so pa bile izvedene aktivnosti potrebne za predajo. Poročilo tako zajema opis aktivnosti, ki so že bile izvedene ter v nadaljevanju aktivnosti, ki bodo sledile prevzemu. Zgled priprave opisov evidenc in predaje ter deljenja podatkov za drugo rabo, ki smo ga pripravili v okviru projekta, odpira še nadaljnje možnosti sodelovanja. Preko področne zbirke, ki smo jo za zgled oblikovali na ADP, lahko podatke, ustrezno urejene in dokumentirane ter z razrešenimi pravnimi in etičnimi vidiki, delijo tudi drugi skrbniki in ustvarjalci podatkov. Zlasti ustanove znanja, univerze in inštituti, ki so tako uporabniki kot ustvarjalci podatkov, lahko prostor izkoristijo za predajo in deljenje podatkov iz raziskovalnih projektov po načelih odprte znanosti, kakor se uveljavlja v mednarodnem okolju (glej poročilo iz prvega dela projekta). Pa tudi druge javne ustanove lahko prispevajo in sodelujejo pri pripravi obogatenih podatkov, povezljivih ali združenih iz različnih virov. Denimo Statistični urad RS bi lahko pripravil in predal v nadaljnjo uporabo mikro-podatke iz vzorčnih raziskovanj Strukture kmetijskih gospodarstev in vsakih deset let iz Popisa kmetijstva. Pomembno bi bilo informirati in organizirati zainteresirane akterje s področja kmetijstva, začenši z oblikovalci politik in interesenti za njihovo načrtovanje in presojo učinkovitosti, ter vseh ostalih. Priloga: predlogi demonstracijskih nalog Tabela 1: Splošni predlogi raziskovalne skupine (Mag. Maša Kerstein) Profiliranje Korelacija Napovedovanje 1. Enotni profil KMG -Oblikovanje enotnega profila KMG v podporo odločanju na več ravneh: kmet, svetovalec/svetovalna služba, nadzorne službe za administrativne kontrole/kontrole na kraju, strokovne službe (ZRSVN), zakonodajne službe (MKGP, MOP), raziskovalne skupine in znanstvene institucije. -Profil naj bo uporaben (a) na mikro ravni (KMG) in (b) na makro ravni (ocena stanja, načrtovanje in spremljanje ukrepov in politik). -Posamezna vprašanja: Ali je mogoče iz podatkov v okviru zbirne vloge (ZV) za pridobitev subvencij opredeliti tip kmetije? (t.j. živinorejska, vrtnarska, poljedelska, kmetije s trajnimi nasadi, kmetija brez živine). Pri tem uporabimo tehnike strojnega učenja, ki temeljijo na čim večjem številu podatkov, vendar ne tistih, ki so neposredno povezani z opredelitvijo tipov (kriteriji). -V drugi fazi za opredelitev tipov uporabimo prostorske podatke (sloji RKG, hidrografska mreža, podatki ARSO) in druge podatke (npr. FADN).* 4. Korelacija -Ali obstaja povezava med velikostjo kmetije (npr. uporabimo razmejitev na pragu 6,5ha) in kontrolami (administrativnimi, na kraju samem, ločeno po površinskih – NP, KOPOP, EK, DŽ, OMD, CC, živali – NP). -Kakšna je razlika po velikosti in vrsti (glej nalogo 3)? -Ali je povezava značilna upoštevaje druge dejavnike?* 1. (-9.) Trendi in predvidevanja strukturnih sprememb -Na podlagi sprememb na ravni posamezne KMG, vključno s spremembo rabe v nekmetijska zemljišča (zaraščanje) izpeljati trende v dolgoročnem obdobju in v povezavi z izvajanjem ukrepov v posameznih obdobjih. -Kakšna so predvidevanja po ključnih kategorijah? Kje se skriva potencial? Katere ukrepe izboljšati? Kako smiselno povezati kmetijske, okoljske in socialne ukrepe? -Primer: kako z natančnejšim definiranjem pogojev kmetovanja (naklon, višinska lega, zaraščanje, naravovarstvene omejitve) bolj ciljno usmerjati podpore?* 2. Enotni profil KMG – uporaba -Ali lahko iz profila KMG sklepamo na smiselno usmeritev za optimizacijo prihodkov, potencialno 'težavne' pofile in temu prilagajamo ukrepe? S kakšno verjetnostjo to trdimo za posamezen tip kmetije? Kateri od atributov ima največji in kateri najmanjši vpliv na izbrani tip kmetije? -Glede na tipe kmetij oblikujemo podtipe: npr. za živinorejski tip po proizvodnji glede na vrsto proizvoda (mlečne/mesne), vrtnarski tip za zeliščarske, poljubno 5. Korelacija – družbenoekonomski -Ali obstaja povezava med starostjo nosilca in prejemki ter med starostjo in kršitvami? Uporabimo prag do vključno 40 let starosti. Koliko je teh KMG in kje se nahajajo? Kakšni so velikostni razredi kmetije in ukrepi, ki jih uveljavljajo? -Koliko jih uveljavlja zahtevek Mladi kmet v okviru NP? Ali uveljavljajo tudi druge ukrepe združujemo kmetije po več tipih: npr. poljedelska in živinorejska, zato, da določimo smiselne ukrepe ob ustreznih pogojih. -Primer potencialnega vprašanja: katere kmetije imajo potencial za razvoj v živinorejski tip kmetij? Ali za ukrep ekološkega kmetovanja-čebele (EK_čebele)? Na katerih območjih (občine) se nahajajo? Ali je to področje primerno in ustreznosti za razvoj te panoge in posledično spodbude? -Kakšno je število potencialnih upravičencev glede na vlagatelje po posameznem ukrepu, ločeno za (a) ukrepe z 1-letno obveznostjo (npr. DŽ) in (b) 5-letno obveznostjo (npr. KOPOP).* (ne-IAKS) za pridobitev sredstev (znanje, investicije)? V koliko primerih prejemnikov sredstev iz naslova ukrepov »mladih kmetov« pride čez čas do ponovne spremembe nosilca kmetije? -Kakšne so značilnost KMG v starostni skupini nosilca nad 80 let (ukrepi, pridobljena sredstva, uveljavljanje zahtevkov)?* 3. Enotni profil KMG – uporaba za nadzor -Katere kršitve so tipične za posamezno vrsto tipa kmetij (glej nalogo 1)? Kršitve smo opredelili kot razliko med zahtevanim in izplačanim zneskom po posamezni obračunski skupini glede na ukrep (OMD, NP, KOPOP, EK, DŽ). Prikaz na karti za usmerjanje izvajanja nadzora. -Kako tipi kmetij sovpadajo s posameznimi kršitvami (statistična verjetnost)? Ali obstajajo značilne kršitve za posamezna območja in za določen tip kmetij? 6. Korelacija – načrtovanje -Ali obstaja povezava med višino subvencij (pod/nad 2.000€, pod/nad 100.000€) in ugotovitvami kontrol (glej nalogo 4)? Na katerih območjih so te kmetije in katere zahtevke vlagajo? -Podobno za izbrane cilje: ali so izbrani sklepi skladno s trenutno strategijo kmetijske politike (kazalci outputa in rezultata)? Ali izbrani ukrepi pripomorejo k doseganju ciljev trenutne strategije kmetijske politike (kazalci vpliva)? Prikaz na mapi. -Ali je mogoče z uporabo različnih zbirk izboljšati kakovosti podatkov in predvideti 'napake'?* *Siva barva: obravnavano na delavnici 2019 na podlagi letne zbirke podatkov AKTRP Tabela 2: Horizontalni primeri z vidika treh deležnikov Tabela 3: predlogi prispeli na odprti poziv 2019 RKG Naravovarstvo KGZS ----- Koliko GERKov leži skladno s katastrom (parcele)? Koliko GERKov obdelujejo dejansko lastniki (GERKi-uradni zakupi ZK, GERKi-ne uradni zakupi)? Ali je glede na slednje smiselno, da se prične s kampanjo uradnih zakupov? KMG – MIDi/ GERKi / posebna območja varstvenih režimov / prikaz vplivov KMG –MID / ciljno naravnano okoljsko in investicijsko financiranje Ali lahko na osnovi podatkov določimo potencialna območja za posamezne agrarne operacije (komasacije ipd.) Npr. ali veliki zakupniki dosegajo boljše rezultate v primerjavi z manjšimi (proizvodnji, okoljski …)? Ali je možno na osnovi podatkov določiti učinkovitost delovanja javnih služb, ki delujejo pod okriljem MKGP (npr. problem zakupov, zaraščanja ugotovljeno s pomočjo križanja podatkov v povezavi z izvedenimi ukrepi posamezne službe) -Koliko je trajnostno naravnanih kmetij (pogoj: max. obremenitev = 0,75GVŽ/ha) in na katerih območjih (občine) ležijo? -Koliko kmetij ima vse površine (in nadalje 10%, 50%) v območju NATURA2000? Kakšna je struktura kmetijskih zemljišč na NATURA 2000 leta 2007 in v primerjavi z letom 2017? -Kolikšna je povprečna velikost kmetije na NATURA2000? Koliko kmetij izvaja naravovarstvene ukrepe (ti so usmerjeni na NATURA2000) tipa KRA na KOPOP + OMD? Kje ležijo? -Ali se z naravovarstvenimi ukrepi (našteje taksativno po šifrantu operacij) ohranja splošna biodiverziteta? Slikovni prikaz na karti. (Kazalnik 1: Koliko KMG s kolikšnimi površinami je vključenih v te ukrepe na NATURA2000; Kazalnik 2: Primerjava stanj 2007 : 2017). -Kakšno je gospodarjenje s trajnimi travniki (raba 1300)? Slikovni prikaz (Kazalnik 1: delež trajnih travnikov 2007: 2017 + v ar in št. KMG; Kazalnik 2: kolikšen je delež 100% prekritja? V ar in št. KMG) Ta prikazuje dejanski OOTT. -Koliko trajnih travnikov v NATURA 2000 spada v okvir OOTT? (pod pogoji nove SKP-GAEC) in primerjava z dosedanjim stanjem. -Spajanje podatkov med bazami: vloge za NP., RKG, VOLOS, GOVEDO SI; FARM MANAGER, FADN knjigovodstvo za namen izdelave svetovalnega orodja, ki je lahko del širše podatkovne baze/aplikacije/portala -> Kako omogočiti uvoz ažurnih podatkov iz administrativnih zbirk i. Za analize ii. Za izpolnjevanje vlog (gnojilni načrti) iii. Za uporabniška orodja (seznam dovoljenih sredstev) -Predvidevanje na katerih območjih bo opuščanje – zaraščanje? Analiza: kakšne kmetije so na teh območjih: -starost nosilca, -članstvo, -velikost , -opremljenost,… -> Kakšni ukrepi bi bili glede na ugotovitve dejavnikov (zgoraj) potrebni, da bi preprečili zarast / da bi obdržali vitalno kmetijo in s tem socialno poseljenost. 1. RKG: možnost samodejnega izpisa in prikaza na karti za pogoste poizvedbe: -osnovne statistike (število KMG, povprečna velikost) in demografija (starost nosilca) po prostorski enoti (občine, UE) -skupna površina poljin in struktura zemljišč po kategorijah rabe/GERKih (njive, travinje, gozd) po prostorskih enotah -dele območij (npr. glede na vse GERK) ki potencialno lahko vstopijo v ukrep (npr. KOPOP) -pokritost površin prostorskih enot z rabo in GERKi po območjih NATURA2000 -vinogradi po prostorskih enotah (površina, povprečna vleikost, povprečna starost trsov, povprečen naklon, sorte ipd.) -dopolnilne dejavnosti po vrsti, številu po prostorski enoti. Prikaz časovne vrste in trenda. 3. a) --b) --c) -d) -- Predlogi AKTRP Medved in volk Koliko KMG-MIDov in upravičenih površin v posamezni občini je vključenih v varovalne ukrepe KRA_OGRM, KRA_VARPA, KRA_VARPP, KRA_CRED in KRA_PAST po območjih iz evidence MV1(osrednje območje pojavljanja medveda) in MV2 (osrednje območje pojavljanja volka). Koliko KMG-MIDov v posamezni občini z zahtevkom DŽ-drobnica leži v sloju MV2? (zbirke zahtevki DŽ-drobnica, KMG-MIDi, uveljavljena površin iz ZV iz AKTRP, evidenci sloja MV1 in MV2 iz AKTRP/RKG ter občine iz RKG) Zelenjadarji in sadjarji Ali je mogoče ugotoviti razmerje med količino pridelane zelenjave (oz. prodajo) in prijavljenimi površinami pri zelenjadarjih, upoštevaje ekološko in integrirano pridelavo? Upoštevati bi bilo mogoče tudi podatke o uporabi FFS. Zelenjadar je KMG-MID, ki prideluje zelenjavo oz. zelišča na tleh (GERKi 1100­njiva, 1161-hmeljišče v premeni, 1180-trajne rastline na njivskih površinah), na prostem, na vsaj 0,1 ha zemljišč oz. vsaj 0,02ha površin v rastlinjakih (GERKi 1190-rastlinjak, 1191-rastlinak, kjer pridelava ni v tleh) oz. njivskih površinah, kjer pridelava ni v tleh (kontejner -GERK 1181). V ZV je površina z zelenjavo določena s šiframi '402', '733', '734', '703' in ‘444’. Ali je mogoče podobno ugotavljati tudi za sadje (prodajalci brez proizvodnje)? Svetovalne službe Katere svetovalne službe imajo v svojem okolišu največ nosilcev s čezmerno prijavo površin? (kontrole s terena) Spremembe GERK Kateri GERKi in v katerih občinah se najbolj spreminjajo v rabi in površini? (oddaja ZV brez zahtevkov oz. le enkrat v 5 letih za KOPOP in EK ni možna zaradi preveč spremenjenih površin v RKG). Ali so razlog zakupne pogodbe, komasacije, obnove trajnih nasadov …? (vir: GERKi in občine iz RKG) 4. MKGP: Zaraščanje Kmetijske površine, ki se ne obdelujejo, se zarastejo in v določenem trenutku 'izginejo' iz RKG. To se lahko zgodi na dva načina: (1) zaraščena površina je napačno prijavljena kot kmetijska površina upravičena za ukrepe (na ZV) kar se ugotovi pri pregledu na kraju samem, na kar RKG dotični GERK zmanjša. (2) Nosilec KMG opusti kmetijsko dejavnost in na UE v RKG izloči površino iz GERKa. Koliko in kje so površine, ki se med leti (med zaporednima ZV) zarastejo in 'izginejo' iz RKG, kateremu KMG-ju so pripadale in kakšna raba GERK je bila na teh površinah pred izločitvijo? Zbirke za pridobitev podatkov vključujejo ZV zaporednih let in RKG (KMG-MID, razlog izbrisa), Evidenco dejanske rabe. e) Gnojevka Upravičeni GERKi za ukrepe (1100 – njiva, 1131 – začasno travinje, -Kateri KMG-MIDi oddajajo gnoj drugemu KMG-MID, ki v RKG nima vpisanih 1150 – njiva za rejo polžev, 1160 – hmeljišče, 1161 – hmeljišče v površin in nima lastne bioplinarne? Trenutno so tretirani kot kršitelji. Ali imajo premeni, 1170 – jagode na njivi, 1180 – trajne rastline na njivskih svojo kompostarno, so prodajalci gnoja? Kdo so KMG-MID in kje so območja površinah, 1181 – trajne rastline na njivskih površinah, kjer pridelava oddanega in prejetega gnoja? Gre za vzorec in kakšni so vzroki? ni v tleh, 1190 – rastlinjak, 1192 – rastlinjak s sadnimi rastlinami, 1211 (KMG-MIDi oddajalcev in prejemnikov iz ZV, površine KMG-MID iz RKG, – vinograd, 1212 – matičnjak, 1221 – intenzivni sadovnjak, 1222 – dopolnilne dejavnosti iz RKG) ekstenzivni sadovnjak, 1230 – oljčnik, 1240 – ostali trajni nasadi, 1300 – trajni travnik, 1320 – travinje z razpršenimi neupravičenimi f) Drugo značilnostmi, (v RKG je določena največja upravičena površina tega -Določitev prostorske razporeditve kmetij glede na starost nosilcev in raven GERK-a, in navedena kot numerični atribut GERK-a), 1610 – kmetijsko izobrazbe nosilcev. Uporaba razpoložljivih podatkov za ugotavljanje ali so nosilci zemljišče v pripravi). uporabniki pametnih telefonov. -Vpliv investicijskih sredstev na spremembo velikosti kmetije, število kmetij in Evidenca dejanske rabe (1410 – Kmetijsko zemljišče v zaraščanju; depopulacijo v regiji. 1500 – Drevesa in grmičevje; 1600 – Neobdelano kmetijsko zemljišče; g) Dopolnitev nalog: 2000 – Gozd; 3000 – Pozidano in sorodno zemljišče). Evidenca -profiliranje: naravovarstvena (izvajanje HAB, MET, STE, VTR), EK kmetija, dejanske rabe kmetijskih in gozdnih zemljišč se ažurira na 3 leta; vsako vzdrževana kmetija (brez nosilcev na sedežu KMG ali z enim samim, ki se letno leto 1/3 Slovenije. obdela a brez živečih). -korelacije: regija, starost, oddaljenost od središč oz. izpostav KGZS, povezava z internetom (informacije). Povezava med zaraščanjem in obtežbo, številom članov na KMG, oddaljenostjo od središč, naklonom, številom kršitev. -Naravovarstvo: izobrazbena struktura in starost nosilcev, ki izvajajo naravovarstvene ukrepe, zemljiška struktura kmetij, vrsta kmetije (poslovni subjekt ali fizična oseba). -Podrobna analiza EK kmetij: pridelava hrane, trajno travinje na spodnji meji obtežbe (vloga reje – nekatere težko zagotavljajo večjo obtežbo), poveza s subvencijami, preoravanjem OOTT.