Data i den fælles landbrugspolitik Potentialet for at anvende big data til politikevalueringer bør udnyttes

Resumé

I Mere end en tredjedel af EU-budgettet går til den fælles landbrugspolitik. Politikken har mange komplekse og indbyrdes forbundne mål vedrørende alt fra landbrugsbefolkningens levestandard til miljø- og klimarelaterede aspekter og udvikling af landdistrikter. Anvendelse af en evidensbaseret tilgang i forbindelse med politiske beslutninger kræver data fra forskellige kilder og efterfølgende analysearbejde.

II Formålet med revisionen var at vurdere, om Kommissionen gør god brug af data og dataanalyse i forbindelse med politikanalyser vedrørende den fælles landbrugspolitik. Denne vurdering er relevant både i forbindelse med den fælles landbrugspolitik, der træder i kraft i 2023, og i forbindelse med den fælles landbrugspolitik efter 2027.

III Først undersøgte vi, hvordan Kommissionen i de seneste år har anvendt de disponible data til politikanalyser, og om de tilgængelige data er tilstrækkelige. Derefter undersøgte vi, hvad Kommissionen gør for at afhjælpe datamanglerne, herunder dens anvendelse af big data.

IV Vi konstaterede, at Kommissionen råder over store mængder data til udformning, overvågning og evaluering af den fælles landbrugspolitik. Kommissionen bruger konventionelle værktøjer såsom regneark til at analysere de data, den indsamler fra medlemsstaterne. De aktuelle data og værktøjer leverer ikke visse væsentlige elementer (f.eks. detaljerede oplysninger om anvendte miljøpraksis og indkomster uden for landbruget), som er nødvendige for en velinformeret politikudformning. Kommissionen har taget adskillige lovgivningsmæssige og andre initiativer til at gøre bedre brug af eksisterende data, men der er stadig hindringer for, at de indsamlede data kan udnyttes bedst muligt. Hindringer såsom manglende standardisering og for høj dataaggregering begrænser tilgængeligheden og anvendeligheden af data.

V Vi anbefaler, at Kommissionen:

• fastlægger en ramme for anvendelse af disaggregerede data fra medlemsstaterne
• øger anvendelsen og udviklingen af datakilder med henblik på at opfylde politikbehovene.

Indledning

Den fælles landbrugspolitik - et bredt politikområde

01 Den fælles landbrugspolitik blev lanceret i 1962 og tegner sig for over en tredjedel af EU-budgettet: I perioden 2014-2020 udgjorde landbrugsudgifterne i alt 408 milliarder euro. De overordnede traktatmål¹ for politikken er yderligere specificeret i forordningerne om den fælles landbrugspolitik (jf. figur 1). Politikken skal ikke blot have indvirkning på landbrugsproduktion og landbrugere, men også på miljømæssige, klimarelaterede og sociale aspekter.

02 Støttemodtagerne under den fælles landbrugspolitik modtager den største del af deres støtte på grundlag af den jord, de råder over. Støtten kan også omfatte godtgørelser af omkostninger til gennemførelse af specifikke aktiviteter og beløb til finansiering af investeringer. EU-retten fastlægger grundlaget for de fleste betalinger. Data om bedrifterne produceres og indsamles på forskellige måder (figur 2).

Data - deres rolle i en politikcyklus

03 Kommissionens retningslinjer for bedre regulering anbefaler en evidensbaseret tilgang, hvor politiske beslutninger baseres på den bedste tilgængelige dokumentation. Kommissionen definerer dokumentation som data, oplysninger og viden fra flere forskellige kilder, herunder kvantitative data såsom statistikker og målinger, og kvalitative data såsom meningsmålinger, input fra interessenter, konklusioner på evalueringer samt videnskabelig rådgivning og ekspertrådgivning². En konventionel politikcyklus indeholder de forskellige faser, der er vist i figur 3. En evidensbaseret politik kræver relevante data i alle cyklussens faser.

04 Globalt gør organisationer i stigende grad brug af "big data", der er blevet indsamlet på forskellige måder. I denne beretning bruger vi betegnelsen "big data" om data, som er for komplekse eller for omfattende til behandling i traditionelle databehandlingssystemer, og som kræver avancerede værktøjer og computerkraft.

05 Landbruget er en sektor, hvor digitale innovationer og teknologier anvendes i stigende grad. Figur 4 viser eksempler på digitale teknologier i landbruget. Den offentlige sektor kan gøre brug af mange af disse teknologier. Teknologiske fremskridt kan muliggøre hurtigere politikudformning og øge evidensgrundlaget for politikbeslutninger³. Disse fremskridt sætter regeringer i stand til at vedtage datadrevne politikker, navnlig fordi det bliver muligt⁴:

• at opnå en bedre forståelse af landbrugets miljøvirkninger og opstille politikmål, der adresserer disse virkninger på en holistisk måde
• at udforme differentierede og målrettede politikker
• at anvende nye datadrevne overvågningssystemer.

EU's dataambitioner

06 Europa-Kommissionen har udsendt adskillige dokumenter, der fremhæver behovet for at forbedre og maksimere anvendelsen af data med henblik på bedre politikudformning eller omhandler datadeling og dataværktøjer i EU (jf. figur 5).

07 Kommissionen fremhævede i 2016-meddelelsen om sin data-, informations- og vidensforvaltning, at der var behov for bedre informationssøgning og ‑levering samt for at maksimere anvendelsen af data med henblik på bedre politikudformning. Kommissionen anførte, at big data havde potentiale til i væsentlig grad at øge dens handlemuligheder - ved at muliggøre tidlig konstatering af tendenser og hurtigere feedback med henblik på bedre regulering og evidensbaseret politikudformning - og til at gøre det lettere at dokumentere resultater over for alle dens interessenter. Kommissionens plan var at udvikle de nødvendige færdigheder og værktøjer samt den nødvendige databehandlingsinfrastruktur til at arbejde med big data. Den fremhævede også nødvendigheden af at tage bedre højde for databehov og videnskløfter for at sikre, at data er tilgængelige, anvendelige og nyttige i forbindelse med konsekvensanalyser, overvågning, rapportering og evaluering⁵. Kommissionens interne datastrategi (DataStrategy@EC) er det vigtigste redskab til at omsætte meddelelsen i praksis.

08 I november 2018 vedtog Kommissionen sin digitale strategi med et mål om at blive en digitalt transformeret, brugerfokuseret og datadreven forvaltning senest i 2022. Strategien bekræftede den kurs, der blev fastsat i 2016-meddelelsen. Af de ni aktioner, der er anført i strategien, betragter vi disse to for at være mest relevante i forbindelse med vores revision:

• integrering af nye teknologier i Kommissionens IT-miljø
• fremme af frie datastrømme mellem europæiske offentlige myndigheder om EU-dækkende politikker.

09 I februar 2020 udsendte Kommissionen en meddelelse med titlen "En europæisk strategi for data"⁶ vedrørende perioden 2021-2027, og den rækker langt ud over Kommissionen selv. Strategien skal "realisere visionen om et ægte indre marked for data", bl.a. ved fastlæggelse af en forvaltningsramme for dataadgang og ‑anvendelse og ved investering i datainfrastruktur og færdigheder. Nogle af de spørgsmål, der skal behandles, er datatilgængelighed, datainteroperabilitet og ‑kvalitet, datastyring, datainfrastruktur og ‑teknologier (f.eks. databehandlingskapacitet og cloudinfrastruktur) og cybersikkerhed.

10 Med sit forslag til forordning om datastyring⁷ fra 2020 tog Kommissionen sigte på at lette videreanvendelsen af visse kategorier af beskyttede offentlige data, øge tilliden til dataformidlingstjenester og fremme dataaltruisme i EU.

Revisionens omfang og revisionsmetoden

11 Formålet med vores revision var at undersøge, om Kommissionen gør god brug af data og dataanalyse i forbindelse med politikanalyser vedrørende den fælles landbrugspolitik. Først undersøgte vi, hvordan Kommissionen anvender de disponible data til politikanalyser, og om dataene er tilstrækkelige. Derefter undersøgte vi, om Kommissionen bestræber sig på at afhjælpe datamanglerne, bl.a. ved at anvende big data, og om nylige eller igangværende EU-forskningsprojekter kunne bidrage til at afhjælpe disse mangler og sikre bedre politikanalyser vedrørende den fælles landbrugspolitik.

12 Vores revision omfattede politikudformning, overvågning under gennemførelsen og evaluering. Revisionen dækkede perioden fra 2015 til februar 2022. Vores vurdering af datastyringen i forbindelse med den fælles landbrugspolitik er relevant, fordi vores beretning kan få indvirkning både på den politik, der træder i kraft i 2023, og på politikken efter 2027. Det primære ansvar for den fælles landbrugspolitik ligger hos Kommissionens Generaldirektorat for Landbrug og Udvikling af Landdistrikter (GD AGRI).

13 Som led i vores revisionsarbejde gjorde vi følgende:

• Vi gennemgik relevante data og dokumenter, herunder videnskabelige, strategiske og lovgivningsmæssige dokumenter samt politik- og projektdokumenter.
• Vi gennemførte samtaler med medarbejdere i fire af Kommissionens generaldirektorater (GD for Landbrug og Udvikling af Landdistrikter, Eurostat, Det Fælles Forskningscenter (JRC) og GD for Kommunikationsnet, Indhold og Teknologi).
• Vi gennemførte samtaler med landbrugsparaplyorganisationen COPA-COGECA om EU-adfærdskodeksen for deling af landbrugsdata på grundlag af en kontraktlig aftale og med repræsentanter for Sen4CAP-projektet.
• Vi henvendte os til alle 27 EU-medlemsstater med en spørgeundersøgelse rettet til myndighederne med ansvar for den fælles landbrugspolitik, og på grundlag af besvarelserne havde vi opfølgende drøftelser med myndighederne i Belgien, Estland, Tyskland, Irland, Nederlandene og Spanien.
• Vi foretog en skrivebordsgennemgang vedrørende tre lande uden for EU (USA, Australien og Japan) med henblik på benchmarking. Revisionsholdet valgte disse lande, fordi de har en betydelig landbrugsøkonomi, gennemfører innovative eller digitale initiativer vedrørende landbrugsforvaltning og råder over omfattende offentlige data.
• Vi arrangerede en paneldiskussion med videnskabelige, politiske og administrative eksperter.

Bemærkninger

De aktuelle data og værktøjer leverer delvis de oplysninger, der er nødvendige for en velinformeret politikudformning på EU-niveau

14 Kommissionen skal vurdere resultaterne af den fælles landbrugspolitik i forhold til dens tre generelle mål⁸ (jf. figur 1). Den dokumentation, Kommissionen indsamler med henblik på politikudformning, bør være forholdsmæssig og egnet til opstilling af politikmuligheder og besvarelse af evalueringsspørgsmål⁹. Ifølge retningslinjerne for bedre regulering skal evalueringerne også sikre, at der foreligger relevant dokumentation til at understøtte udarbejdelsen af nye initiativer (princippet om "evaluering først").

15 Vi undersøgte, om GD AGRI bruger et tilstrækkeligt udvalg af datakilder og data til sine politikanalyser vedrørende den fælles landbrugspolitik, og om det anvender relevante analyseværktøjer. Vi undersøgte, hvilke typer data, IT-systemer og dataanalyser Kommissionen råder over og bruger. Med henblik på at afgøre, om dataene og værktøjerne er tilstrækkelige, gennemgik vi evalueringer og politikudformningsdokumenter.

GD AGRI indsamler mest administrative data og anvender hovedsagelig konventionelle værktøjer til analyse af data

16 Til brug i forbindelse med udformning, overvågning og evaluering af den fælles landbrugspolitik råder GD AGRI over store mængder hovedsagelig administrative data (f.eks. markedspriser og betalinger samt INLB-data), som det primært modtager fra medlemsstaterne, der indsamler data med henblik på at gennemføre politikken. De EU-landbrugsstatistikker, der indsamles af Eurostat, kommer fra mange forskellige kilder: undersøgelser, administrative data, data fra bedrifter og andre virksomheder samt bedriftsniveaudata fra landbrugstællinger og stikprøver¹⁰.

17 GD AGRI følger Kommissionens interne datastrategi. Kommissionen har en datafortegnelse, der angiver hvert enkelt dataaktivs ejerforhold, tilgængelighed, lagring og videreanvendelighed. Denne fortegnelse indeholder ingen oplysninger om mangler og overlapninger.

18 I februar 2022 omfattede GD AGRI's datafortegnelse 57 dataaktiver lagret i forskellige IT-systemer og databaser (jf. eksemplerne i figur 6). Databaserne indeholder hovedsagelig strukturerede administrative data, og GD AGRI anvender hovedsagelig statistiske værktøjer til at behandle dem. En række dokumenter, som GD AGRI indsamler fra medlemsstaterne (f.eks. årlige gennemførelsesrapporter), indeholder ustrukturerede data, som GD'et ikke har automatiske eller halvautomatiske værktøjer til at behandle.

19 GD AGRI har indgået aftale med JRC om analyse af data og undersøgelse af, hvordan eksisterende data kan udnyttes bedre. I kraft af denne aftale anvender GD'et nogle avancerede metoder i sine politikanalyser vedrørende den fælles landbrugspolitik (f.eks. IFM-CAP-modellen, økonometriske modeller og prædiktive analyser). Hensigten med IFM-CAP-modellen (Individual Farm Model for Common Agricultural Policy Analysis) er at måle den fælles landbrugspolitiks landbrugsøkonomiske og miljømæssige effekt.

20 Vi konstaterede ved vores undersøgelse af de fire IT-systemer (ISAMM, CATS/COMBO, AGRIVIEW og SFC) og INLB-databasen, der leverer input til Agri-Food Data Portal (jf. figur 6), at GD AGRI hovedsagelig indsamler aggregerede data. Kun CATS/COMBO indeholder disaggregerede bedriftsniveaudata.

21 GD AGRI offentliggør konsoliderede data på Agri-Food Data Portal, som indeholder oplysninger fra mange af GD AGRI's dataaktiver og fra Eurostats landbrugsstatistikker samt interaktive visualiseringer og dashboards. Brugerne kan se tidsserier, interaktive kort, diagrammer og tabeller samt downloade rådata til videreanvendelse og offlineanalyse. GD AGRI opdaterer portalen løbende. Efter vores mening er portalen et eksempel på god praksis vedrørende offentligt tilgængelige data, da den udgør et enkelt adgangspunkt til en lang række data om landbrugsfødevaremarkeder, analyser, indikatorer for den fælles landbrugspolitik og EU-finansiering.

22 De væsentlige IT-systemer, som Kommissionen og medlemsstaterne bruger vedrørende den fælles landbrugspolitik, fokuserer på deskriptive og diagnostiske analyser; kun meget få er prædiktive eller præskriptive (jf. figur 7).

23 På grundlag af interview og medlemsstaternes svar på vores spørgeundersøgelse konstaterede vi adskillige hindringer for, at Kommissionen og medlemsstaterne kan anvende big data (jf. punkt 04) og avanceret analyse i forbindelse med politikanalyser vedrørende den fælles landbrugspolitik, f.eks. følgende:

1. at forskellige datakilder har forskellige kvalitetsstandarder eller ‑krav
2. at fortrolighedsregler begrænser mulighederne for at bruge bedriftsniveaudata
3. at datatilgængeligheden er begrænset, og at dataene ikke er i det samme eller det rigtige format
4. at der mangler IT-færdigheder og kvalificeret personale.

24 Hvis der mangler fælles referencer såsom en unik identifikator, er det vanskeligt at samkøre bedriftsniveaudata fra forskellige datakilder med henblik på analyser af den fælles landbrugspolitik. En unik identifikator eller alternative teknikker til datasamkøring kunne gøre det muligt at sammenkæde data fra forskellige datakilder om en bestemt bedrift (jf. tekstboks 1).

25 Normalt foretager GD AGRI en manuel vurdering af de tekstoplysninger, som medlemsstaterne giver i deres årsrapporter, og bruger ikke big data-teknikker såsom tekstanalyse eller automatiseret dataudtrækning. Vores analyse viser, at yderligere automatisering er mulig (jf. eksemplet i tekstboks 2).

Visse karakteristika ved de eksisterende data og systemer begrænser deres anvendelighed i forbindelse med politikanalyser

26 Vi vurderede anvendelsen af og begrænsningerne ved tre meget forskellige datakilder, som Kommissionen og medlemsstaterne bruger meget (jf. tabel 1).

Det integrerede forvaltnings- og kontrolsystem

27 Kommissionen har kun begrænset adgang til medlemsstaternes integrerede forvaltnings- og kontrolsystem (IFKS), som er det vigtigste element i forvaltningen af betalinger under den fælles landbrugspolitik i medlemsstaterne. Med hensyn til den fælles landbrugspolitik for 2014-2020 består IFKS af en række digitale og indbyrdes forbundne databaser, nærmere bestemt¹¹:

1. et system til identifikation af alle landbrugsparceller i EU-landene, kendt som markidentifikationssystemet (LPIS)
2. et system, der giver landbrugere mulighed for grafisk at angive de landbrugsarealer, de ansøger om støtte for (den geospatiale støtteansøgning eller GSAA)
3. et system til registrering af identiteten af hver enkelt modtager, som indgiver en støtteansøgning eller en betalingsanmodning
4. et integreret kontrolsystem til kontrol af støtteansøgninger baseret på elektronisk krydskontrol og fysisk kontrol på bedrifterne.

28 Medlemsstaterne bruger IFKS til modtagelse af støtteansøgninger, til administrativ kontrol og anden kontrol (f.eks. kontrol på stedet og kontrol i form af monitorering) og til gennemførelse af betalinger¹². Medlemsstaterne kan anvende forskellige tekniske løsninger i deres IFKS. Manglende standardisering, forskelligartede dataejere (dvs. ikke altid samme type myndighed) og uafhængige IT-udviklinger skaber fragmentering, gør det vanskeligt at sammenligne data og begrænser mulighederne for at dele eller videreanvende data. Dette reducerer mulighederne for at anvende avanceret analyse eller andre big data-teknikker til at vurdere EU-midlernes effekt¹³. Kommissionen har kun begrænset adgang til de 42 forskellige (nationale eller regionale) systemer i medlemsstaterne, som indeholder detaljerede data om bedrifter og virksomheder¹⁴. Dette gør det f.eks. vanskeligt at få detaljerede oplysninger om fordelingen af EU-midler.

29 Baseret på vores gennemgang af forskellige EU-finansierede forskningsprojekter¹⁵ konstaterede vi, at den decentraliserede IFKS-tilgang begrænser yderligere integration og sammenkædning af disse datakilder med andre af Kommissionens datakilder, hvilket hovedsagelig skyldes:

1. kompatibilitetsproblemer (forskellige tekniske løsninger) og manglende interoperabilitet mellem datasystemerne
2. fortrolighedsregler, der ikke tillader samkædning af bedriftsdata fra forskellige datakilder (f.eks. IFKS og INLB)
3. lav detaljeringsgrad i data fra andre databaser og mangel på fælles identifikatorer til matchning af IFKS-data.

30 For at forbedre datadeling og datatilgængelighed opfordrer GD AGRI medlemsstaterne til at dele ikkepersonlige IFKS-geodata på den fælles Inspire-geoportal (jf. figur 8) med teknisk støtte fra JRC. Denne portal giver adgang til download- og visningstjenester vedrørende miljørelevante geodata udarbejdet af medlemsstaterne.

31 Det er forskelligt fra medlemsstat til medlemsstat, i hvilket omfang data deles på Inspire-geoportalen. I figur 9 vises antallet af metadataposter vedrørende tre udvalgte temaer. Medlemsstaterne offentliggør også nogle geodata på deres uafhængige nationale (eller regionale) geoportaler.

Copernicus-satellitdata

32 Copernicus-satellitdata lever op til definitionen på big data (jf. punkt 04). Kommissionen koordinerer metoden med "kontrol i form af monitorering" (baseret på Copernicusdata), som er et eksempel på automatiseret overvågning af den fælles landbrugspolitik i medlemsstaterne.

33 "Kontrol i form af monitorering" indebærer, at kontinuerlige Copernicus-satellitdatastrømme analyseres for at kontrollere, om specifikke parceller opfylder støtteberettigelseskriterierne. Siden 2018 har de nationale myndigheder kunnet bruge Copernicusdata i stedet for at foretage traditionelle markinspektioner. Ifølge Kommissionen blev der i 2021 anvendt "kontrol i form af monitorering" på 13,1 % af det areal, der var omfattet af direkte betalinger. Målet for 2024 er 50 %¹⁶. I 2021 anvendte ti medlemsstater metoden på mindst en del af deres territorium under mindst én støtteordning, mens antallet var fem i 2020, da vi udsendte en særberetning om "kontrol i form af monitorering"¹⁷ (jf. tekstboks 3).

Informationsnettet for Landøkonomisk Bogføring

34 Den vigtigste kilde til økonomiske data er INLB. Kommissionen og medlemsstaterne bruger i vid udstrækning INLB til modellering, evaluering og rapportering.

35 INLB har siden 1965 skullet levere "objektive og formålstjenlige oplysninger […] om indkomster [og] driftsøkonomiske forhold i [bedrifterne]" under den fælles landbrugspolitik¹⁹. INLB er kilden til de harmoniserede mikroøkonomiske data, der kan anvendes til at måle effekten af den fælles landbrugspolitik. Dets oplysninger er baseret på nationale undersøgelser, som det er frivilligt for landbrugsbedrifterne at deltage i, og det dækker alle de landbrugsbedrifter i EU, der er store nok til at kunne betragtes som erhvervsmæssige²⁰.

36 Den manglende dækning af ikkeerhvervsmæssige og små bedrifter betyder, at INLB ikke er fuldt ud repræsentativt for støttemodtagerne under den fælles landbrugspolitik. I 2015 omfattede undersøgelserne ca. 83 000 bedrifter. Disse bedrifter var repræsentative for ca. 90 % af det samlede udnyttede landbrugsareal og af den samlede landbrugsproduktion²¹, men de repræsenterede kun 4,7 millioner af de i alt 10,8 millioner bedrifter i EU²². INLB er ikke udformet til at være repræsentativt for støttemodtagerne under den fælles landbrugspolitik. I 2019 varierede andelen af ikkerepræsenterede modtagere af direkte betalinger under den fælles landbrugspolitik ifølge Kommissionen fra 5 % i Nederlandene til 78 % i Slovakiet.

Mangel på egnede data begrænser evalueringen af den fælles landbrugspolitiks resultater

37 Evalueringer bør bygge på den bedste tilgængelige dokumentation fra en række forskelligartede og passende metoder og kilder (triangulering)²³. Detaljerede data gør det lettere at sammenkæde politikmål og resultater/effekt²⁴. I henhold til lovgivningen skal de oplysninger, der anvendes til at evaluere resultaterne af den fælles landbrugspolitik, så vidt muligt baseres på etablerede datakilder såsom INLB og Eurostat²⁵. God overvågning bør generere faktuelle tidsseriedata med henblik på at forbedre kvaliteten af fremtidige evalueringer og konsekvensanalyser²⁶.

38 Vi gennemgik fem evalueringer og evalueringsstøtteundersøgelser foretaget af Kommissionen, herunder mindst én vedrørende hvert af de tre generelle mål for den fælles landbrugspolitik, der er angivet i figur 1. Vi konstaterede, at evalueringerne gjorde brug af forskellige data indsamlet med henblik på forvaltning eller overvågning af politikken, f.eks. data om indikatorerne for den fælles landbrugspolitik²⁷ og data fra INLB, CATS/COMBO, Eurostat og ISAMM (Information System for Agricultural Market Management). Disse data suppleredes ofte med eksterne data (f.eks. fra Organisationen for Økonomisk Samarbejde og Udvikling, FN og Levnedsmiddel- og Landbrugsorganisationen), casestudier, spørgeskemaer og interview.

39 Vedrørende alle tre mål for den fælles landbrugspolitik anvendte Kommissionen og evaluatorerne kontrafaktisk konsekvensanalyse²⁸. Dette kræver data om kontrolgrupper, dvs. enheder, der ikke er omfattet af politikken. INLB indeholder data om sådanne grupper og kan dermed være nyttig i denne forbindelse. Mangel på kontrafaktiske data begrænser f.eks. mulighederne for at anslå den fælles landbrugspolitiks bidrag til modvirkning af klimaændringer. Ifølge Kommissionen er den fælles landbrugspolitik blevet anvendt for længe og på et for stort areal til, at der kan produceres sammenlignelige data²⁹ vedrørende situationen før og efter dens anvendelse eller med og uden dens anvendelse. Det er også vanskeligt at anvende kontrafaktiske metoder vedrørende territorial udvikling, da de fleste regioner modtager støtte under den fælles landbrugspolitik. For at afhjælpe dette problem har JRC udviklet en kvantitativ analytisk ramme baseret på metoder til kontrafaktisk konsekvensanalyse, som skal give viden om årsagssammenhængen mellem politikken og dens resultater, idet den tager hensyn til de forskellige foranstaltninger, der er iværksat i landdistrikterne³⁰.

Bæredygtig fødevareproduktion

40 De vigtigste datakilder i forbindelse med evalueringer vedrørende målet om bæredygtig fødevareproduktion er INLB og landbrugsregnskaberne (jf. tabel 2). Kommissionen oprettede begge dele specifikt med henblik på at tilvejebringe data til vurdering af den fælles landbrugspolitik. Når Kommissionen vurderer, hvordan støtten under den fælles landbrugspolitik indvirker på landbrugernes indkomst, bruger den således Eurostats statistikker om faktorindkomst (dvs. indkomst fra jord, kapital og arbejdskraft) og data fra INLB³¹.

41 Det tager et år for medlemsstaterne at indsamle og validere INLB-dataene og yderligere et år for Kommissionen at kontrollere og validere disse data. Der går således mindst to år, før dataene er tilgængelige i INLB-databasen. Da Kommissionen i 2018 fremsatte lovgivningsforslaget vedrørende den fælles landbrugspolitik efter 2020, forelå der kun data om ét år under den daværende fælles landbrugspolitik (fra INLB-undersøgelsen i 2015). Det vil sige, at Kommissionen fremsatte sit forslag, før den havde de seneste INLB-data om resultaterne og virkningerne af den aktuelle politik.

Bæredygtig forvaltning af naturressourcerne og klimapolitik

42 For politikforanstaltningerne under den fælles landbrugspolitiks mål vedrørende naturressourcer og klima gælder det, at der kan gå lang tid, før deres effekt kan ses. For at fastslå en årsagssammenhæng mellem en foranstaltning under den fælles landbrugspolitik og dens resultater skal forskellige data samkøres og eksterne faktorer tages i betragtning. Af målets fire komponenter (jf. figur 1) valgte vi at undersøge biodiversitet. Hverken medlemsstaterne eller Kommissionen var i stand til at fremlægge god dokumentation for en årsagssammenhæng mellem anvendelse afstandarder for god landbrugs- og miljømæssig stand³² og biodiversitetsstatus³³. I tabel 3 gives der eksempler på den anvendte dokumentation og på begrænsninger i vurderingen af biodiversitetskomponenten.

43 Det konkluderes i en evaluering fra 2019, at det grundet manglen på passende overvågningsdata ikke var muligt at foretage en samlet vurdering af politikkens effekt på biodiversiteten³⁴. Vedrørende flere af Kommissionens overvågningsindikatorer indsendes der ikke data regelmæssigt. Det er f.eks. ikke alle medlemsstater, der indsamler og indsender data om effektindikatoren vandindvinding i landbruget.

44 En anden begrænsning med hensyn til evaluering af miljømålet er, at der ikke forelå fyldestgørende data om de anvendte mængder gødningsstoffer og pesticider på landbrugsjord i EU. Siden 2021 har der foreligget data om de anvendte mængder pesticider på landbrugsjord, men kun for under halvdelen af medlemsstaterne. Kommissionen og evaluatorerne har som alternativ brugt INLB-data om udgifterne pr. hektar til gødningsstoffer og plantebeskyttelsesmidler.

45 De offentligt tilgængelige EU-statistikker om plantebeskyttelsesmidler angiver mængden (antal kg) af aktivstoffer i de solgte plantebeskyttelsesmidler³⁵. I særberetning nr. 05/2020³⁶ rapporterede vi, at grupperingen af disse aktivstoffer som krævet i EU-lovgivningen begrænser, hvilke oplysninger Eurostat kan offentliggøre eller blot videregive til andre generaldirektorater i Kommissionen. De statistikker om landbrugets anvendelse af plantebeskyttelsesmidler, der udarbejdes i henhold til den nuværende EU-lovgivning, er ikke sammenlignelige, og Eurostat har endnu ikke kunnet offentliggøre statistikker om anvendelsen i EU som helhed.

Afbalanceret territorial udvikling

46 I en evaluering fra 2021³⁷ vedrørende den fælles landbrugspolitiks tredje mål brugte Kommissionen og evaluatorerne outputindikatorerne for den fælles landbrugspolitik, betalingsdata fra CATS/COMBO, GD REGIO's ARDECO-database og Eurostats regionale database. Den begrænsede tilgængelighed af fuldstændige, detaljerede og ajourførte data om landdistrikternes socioøkonomiske status svækkede evalueringens robusthed³⁸. Evaluatorerne angav, at der vedrørende nogle af de centrale samfundsmæssige aspekter kun forelå få data, og at disse ofte ikke blev ajourført regelmæssigt, men udarbejdet ad hoc på grundlag af specifikke forskningsprojekter³⁹. I nogle tilfælde havde evaluatorerne anvendt alternative indikatorer. Generelt nævnte de mangelfuld indikatortilgængelighed og ‑kvalitet samt mangel på data om små regioner som de væsentligste begrænsninger for udførelsen af kvantitative analyser.

47 Med undtagelse af betalingsdataene fra CATS/COMBO og INLB-dataene om de enkelte bedrifter er de data, som Kommissionen indsamler fra medlemsstaterne, aggregerede data, så der kun er et enkelt tal for en hel medlemsstat eller region. Dette begrænser potentialet for at videreanvende dataene til yderligere evaluering eller til politikudformning. Vedrørende nogle socioøkonomiske aspekter (f.eks. social inklusion) forelå der kun data på nationalt niveau eller i en lav geografisk opløsning, så dataene ikke var detaljerede nok til at muliggøre analyser af territorial differentiering⁴⁰. Overvågningsdata vedrørende den fælles landbrugspolitik mangler også detaljer, der kan bruges til mere målrettede analyser, f.eks. oplysninger om støttemodtagernes alder eller køn⁴¹. Disse data findes normalt i medlemsstaternes databaser, men de er ikke tilgængelige for Kommissionen.

Kommissionen har ikke dokumentation nok til at vurdere behovene under den fælles landbrugspolitik

48 I henhold til retningslinjerne for bedre regulering skal den konsekvensanalyse, der ledsager et lovgivningsforslag, begynde med en vurdering af, om der foreligger et problem⁴². Den skal redegøre for den logiske tankegang, der forbinder problemet med dets underliggende årsager og de relaterede mål, og angive en række politikmuligheder for tackling af problemet.

49 For at undersøge anvendelsen af data i politikudformnings- og planlægningsfaserne gennemgik vi den konsekvensanalyse, der ledsager lovgivningsforslaget om den fælles landbrugspolitik efter 2020⁴³, og forskellige relaterede dokumenter fra Kommissionen. Vi konstaterede svagheder i den måde, hvorpå relevante data blev brugt til at understøtte beskrivelsen af det problem, politikken adresserer under det specifikke mål om "bæredygtig landbrugsindkomst". Vi anførte i vores udtalelse om lovgivningsforslagene vedrørende den fælles landbrugspolitik efter 2020, at de data og argumenter, Kommissionen brugte som udgangspunkt for sin vurdering af behovene vedrørende landbrugernes indkomst, var utilstrækkelige⁴⁴. Kommissionen har ingen oplysninger om landbrugernes eller landbrugshusholdningernes indkomster uden for landbrugserhvervet, og gennemsnittene dækker over store forskelle i indkomstsituationen. Vi fremhævede desuden i vores beretning fra 2021 om integration af kønsaspektet, at manglen på kønsopdelte statistikker om landbrugeres husstandsindkomster og om disponible landbrugsindkomster også udgør en stor datamangel, når de direkte betalingers indvirkning på ligestillingen mellem kønnene skal vurderes⁴⁵.

50 I 2018 gav vi følgende anbefaling: "Før Kommissionen fremsætter forslag til den fremtidige udformning af den fælles landbrugspolitik, bør den vurdere indkomstsituationen for alle grupper af landbrugere og analysere deres behov for indkomststøtte, idet den [bl.a.] tager højde for […] indkomsten fra fødevareproduktion og anden landbrugsproduktion samt fra ikkelandbrugsmæssige kilder"⁴⁶. Kommissionen accepterede delvis anbefalingen og tilføjede, at politikken er målrettet landbrugere, der aktivt driver landbrug, og hvis levebrød afhænger deraf. En undersøgelse fra 2015⁴⁷ om husstandsindkomster i landbruget viste, at der var en stor mangel på oplysninger om den fælles landbrugspolitiks resultater, fordi der ikke var noget statistisk system eller overvågningssystem på EU-niveau til at vurdere landbrugernes samlede husstandsindkomster og sammenligne dem med andre samfundsgruppers. I februar 2022 havde Kommissionen ikke gjort fremskridt på dette område.

51 Fra medlemsstaternes undersøgelse af landbrugsbedrifternes struktur modtager Eurostat hvert tredje eller fjerde år data om andre erhvervsmæssige aktiviteter på bedrifterne. Undersøgelsesdataene viser, om brugernes/driftsledernes andre erhvervsmæssige aktiviteter er hovedaktiviteter eller biaktiviteter, men viser ikke andelen eller omfanget af indkomsten herfra. De seneste data, der er offentliggjort på Eurostats websted, er for 2016⁴⁸.

52 Den aktuelle standardliste over INLB-variabler indeholder ikke oplysninger om indkomster uden for landbruget, da undersøgelsen vedrører bedrifter og ikke landbrugere. De nationale skattemyndigheders indkomstskatteregistre kan ikke i sig selv levere disse data, da de dels ikke indeholder oplysninger om bedrifternes karakteristika, dels også omfatter landbrugsindkomsterne for personer, der ikke har landbrug som deres hovedaktivitet⁴⁹.

53 Nogle medlemsstater (f.eks. Irland og Nederlandene) indsamler data om indkomster uden for landbruget gennem nationale INLB-undersøgelser, hvilket er en mulighed for at afhjælpe en af datamanglerne vedrørende landbrugernes faktiske indkomster. De irske myndigheder offentliggør regelmæssigt data, der indirekte vedrører indkomster uden for landbruget, herunder om beskæftigelse uden for landbruget, om antal dage og arbejdstimer uden for landbruget og om de sektorer, der arbejdes i.

Kommissionen har taget forskellige initiativer til at gøre bedre brug af eksisterende data, men der er stadig hindringer

54 Kommissionen bør tage yderligere initiativer til at afhjælpe eksisterende svagheder og forbedre dataindsamlingen og ‑behandlingen med henblik på at evaluere den fælles landbrugspolitik og støtte udviklingen af den fremtidige politik. Sådanne initiativer bør gennemføres i overensstemmelse med en fastlagt tidsplan og levere fastlagte output. Kommissionen bør tilpasse og styrke de eksisterende datakilder i forbindelse med den nye fælles landbrugspolitik. Den bør også undersøge og mobilisere nye datakilder, så byrden på landbrugere og forvaltninger kan reduceres, samtidig med at det politiske evidensgrundlag forbedres⁵⁰.

55 I handlingsplanen vedrørende sin interne datastrategi har Kommissionen sat sig som mål at sikre adgang til data, der er relevante for beslutningstagningen og driften i hele organisationen, og at fremme anvendelsen af moderne dataanalyseteknologier til at identificere mønstre og tendenser hurtigere og mere effektivt.

56 Vi undersøgte, hvilke initiativer Kommissionen har taget til at gøre bedre brug af tilgængelige data og nye teknologier med henblik på at afhjælpe de datamangler og udfordringer, der er beskrevet ovenfor. Derudover så vi på EU-finansierede forskningsprojekter og på initiativer i medlemsstaterne, der kan bidrage til analyser vedrørende den fælles landbrugspolitik og afhjælpe nogle af datamanglerne.

Kommissionen udvider sine datakilder og fremmer deling af data for at afhjælpe datamangler og opfylde databehovene i forbindelse med den fælles landbrugspolitik

57 I Kommissionens interne datastrategi hedder det, at interne og eksterne datakilder skal udnyttes mest muligt til at generere dokumentation til støtte for beslutninger. De omkostninger og den administrative byrde, som yderligere dataindsamling med henblik på politikovervågning er forbundet med, skal stå i et rimeligt forhold til databehovene. Ifølge værktøjskassen for bedre regulering⁵¹ er det ikke nødvendigt at afhjælpe alle datamangler.

58 Kommissionen begyndte at omsætte sin datastrategi i praksis i 2018. Aktiviteterne spænder fra udarbejdelse af en datafortegnelse (jf. punkt 17 og 18) til fastlæggelse af datastyringsregler og arbejde med dataanalyse, uddannelse og færdigheder. I slutningen af 2020 nedsatte GD AGRI et råd og en arbejdsgruppe til at implementere strategien. Siden januar 2021 har GD'et haft en særlig datastyringsenhed, der skal sikre en mere koordineret datastyring.

59 Kommissionen har iværksat adskillige tiltag, der kan bidrage til bedre politikanalyse ved at forbedre datainfrastrukturen og dataanvendelsen i forbindelse med den fælles landbrugspolitik (f.eks. med digitale løsninger, e-værktøjer, algoritmer og god praksis). Der gives eksempler i bilaget.

60 Eurostat konkluderede i en evaluering af landbrugsstatistikker foretaget i 2016⁵², at landbrugs-, skovbrugs-, arealanvendelses- og miljøstatistikkerne ikke er tilstrækkelig harmoniserede og sammenhængende. Dette skyldes bl.a., at lovgivningen er udviklet i "siloer", men også at der anvendes forskellige definitioner og begreber på forskellige områder. For at afhjælpe dette problem har Kommissionen stillet forslag om to nye forordninger og ændringer til én eksisterende forordning (jf. figur 10).

61 I 2019 udsendte Eurostat en indkaldelse af forslag vedrørende oprettelse af et netværk af nationale statistiske kontorer med interesse for at udvikle metoder til modernisering af landbrugsstatistikker. Den ene af de to prioriteter var aktiviteter med fokus på udnyttelse af nye datakilder til landbrugsstatistikker (f.eks. big data, satellitbilleder, georefererede oplysninger, præcisionsdyrkning) og behandling af aspekter såsom adgang, fortrolighed og kvalitetsvurdering. Der kom ingen forslag som reaktion på indkaldelsen. Ifølge Kommissionen angav medlemsstaterne som en af grundene til dette, at de nationale statistiske kontorer ikke havde tilstrækkelige ressourcer til at oprette og koordinere et sådant netværk.

62 Andre initiativer til afhjælpning af datamangler kan inddeles i to brede kategorier: deling af data fra medlemsstater eller interessenter og tilføjelse af nye variabler til eksisterende datakilder.

63 I projektet "DG AGRI process for IACS data sharing under INSPIRE" samarbejder GD AGRI med JRC, Generaldirektoratet for Miljø og Generaldirektoratet for Klima om at fastlægge rammer og procedurer for deling af ikkepersonlige IFKS-geodata i EU. Målet er at sikre, at IFKS-geodata er lette at finde, er let tilgængelige (via et enkelt adgangspunkt) og kan videreanvendes effektivt i en sammenhængende politikramme (jf. figur 11).

64 I dokumentet En europæisk strategi for data⁵³ anerkender Kommissionen, at datadeling er vigtig med henblik på at forbedre datatilgængeligheden. Kommissionen bebuder i strategien sin plan om at oprette ni sektorspecifikke fælles europæiske dataområder, bl.a. et "fælles europæisk dataområde for den grønne pagt" og et "fælles europæisk landbrugsdataområde". Sidstnævnte skal gøre det lettere at dele, behandle og analysere produktionsdata, åbne data og eventuelt andre offentlige data (f.eks. jordbundsdata)⁵⁴.

65 Strategien omtaler to specifikke forberedende aktiviteter vedrørende landbrugsdataområdet: at gøre status over de erfaringer, der er gjort med "interessenternes adfærdskodeks for deling af landbrugsdata"⁵⁵, og at gøre status over de eksisterende landbrugsdataområder i 2020 og begyndelsen af 2021. Kommissionen regner nu med at gennemføre disse aktiviteter som led i arbejdsprogrammet for et digitalt Europa 2021-2022, som den godkendte i november 2021. Ifølge Kommissionen vil oprettelsen af dataområdet indgå i arbejdsprogrammet for 2023-2024 med en mulig prototype i 2024 og en videre udrulning af dataområdet i de efterfølgende år.

66 Under jord til bord-strategien⁵⁶ agter Kommissionen at omdanne INLB til et datanetværk for bedriftsbæredygtighed med henblik på indsamling af bedriftsniveaudata vedrørende målene for jord til bord-strategien og biodiversitetsstrategien samt andre bæredygtighedsindikatorer. Kommissionen offentliggjorde en køreplan i juni 2021 og agter at fremsætte et forslag til forordning i andet kvartal 2022⁵⁷.

Specifikke tiltag i forbindelse med den fælles landbrugspolitik for 2023‑2027 har fokus på at forbedre overvågningsdataene

67 Ud over at omdanne INLB til et datanetværk for bedriftsbæredygtighed har Kommissionen ikke planer om at foretage væsentlige ændringer i de centrale IT-systemer, der er vist i figur 6. Den arbejder derimod på at øge funktionaliteten i dataminingværktøjet Arachne, som medlemsstaterne på frivillig basis kan anvende i deres administrative kontrol. Værktøjet er f.eks. nyttigt til identificering af projekter eller støttemodtagere, der kan være udsat for risici for svig eller interessekonflikter, men dets fordele kan begrænses af, at det ikke er obligatorisk. Effektiviteten af værktøjets dataanalyse afhænger af datainputtet. Det vil sige, at jo flere kvalitetsdata der uploades, jo mere nøjagtige, omfattende og informative er systemets output.

68 GD AGRI bruger nye teknologier og satellitdata til at forbedre overvågningsindikatorerne. F.eks. har GD'et indført en ny effektindikator vedrørende overvågning af landskabstræk i perioden 2023-2027. Den fælles landbrugspolitik for 2014-2020 havde ingen effektindikator vedrørende landskaber, hvilket svækkede vurderingen af den fælles landbrugspolitiks effekt på levesteder, landskaber og biodiversitet (jf. tabel 3). Til den nye indikator (andel af landbrugsareal med landskabstræk) vil Kommissionen bruge data fra Copernicus-Landovervågningstjenesten, som indeholder oplysninger om hække og krat, trærækker og isolerede grupper af træer.

69 I forbindelse med den fælles landbrugspolitik for 2023-2027 vil Kommissionen, bl.a. i en gennemførelsesretsakt, fastlægge en ny ramme for modtagelse af data om individuelle transaktioner med henblik på overvågning, evaluering og politikudformning. Kommissionen oplyser, at den ved at indsamle data om de individuelle ansøgninger/anmeldelser og oplysninger om støttemodtagerne og deres bedrifter/virksomheder vil forsøge at løse problemet med disaggregerede data.

Forskningsinitiativer undersøger mulighederne for at modernisere data og værktøjer

70 Under Horisont 2020 finansierer Kommissionen forsknings- og innovationsprojekter. Vi identificerede en række nyligt afsluttede og igangværende Horisont 2020-projekter og andre forskningsprojekter, der kan bidrage til den forbedring af datainfrastrukturen og dataanvendelsen, som er nødvendig for at sikre bedre data vedrørende den fælles landbrugspolitik (f.eks. projekter om digitale løsninger, e-værktøjer og algoritmer) (jf. figur 12). Nogle projekter (f.eks. NIVA og Sen4CAP) har allerede leveret relevante resultater, som kan være nyttige i forbindelse med den fremtidige udvikling.

71 NIVA-projektet (New IACS Vision in Action) tackler nogle af IFKS' begrænsninger (jf. punkt 28 og 29), navnlig ved at reducere den administrative byrde og udnytte potentialet for dataanvendelse. Projektets mål er at modernisere IFKS gennem effektiv brug af digitale løsninger og e-værktøjer, som fører til udformning af pålidelige metoder og harmoniserede datasæt til overvågning af landbrugets resultater.

72 Et andet EU-finansieret projekt, FLINT (Farm-Level Indicators for New Topics in policy evaluation), omhandlede kløften mellem det behov, der er for data til politikevalueringer, og de landbrugsstatistikker, der er tilgængelige⁵⁸. Dette projekt er potentielt relevant i forbindelse med den planlagte ændring af INLB, fordi projektet omfattede bæredygtighedsindikatorer og anvendte INLB som ramme. Projektet foreslog indsamling af data om 33 emner eller indikatorer vedrørende miljøaspekter, sociale aspekter, økonomiske aspekter og innovationsaspekter⁵⁹. I sin køreplan⁶⁰ angiver Kommissionen, at omdannelsen af INLB til et datanetværk for bedriftsbæredygtighed vil bygge på FLINT-projektet. I februar 2022 var det dog for tidligt at vurdere dette.

Medlemsstaterne har deres egne datainitiativer vedrørende den fælles landbrugspolitik

73 I vores spørgeundersøgelse henvendt til alle 27 medlemsstater angav et flertal, at de anerkender merværdien af avanceret analyse, og på en liste over emner valgte de fleste hurtigere beslutningstagning, prædiktiv analyse og analyse på tværs af områder, omkostningsreduktion og mere effektiv kommunikation med landbrugere og interessenter.

74 I deres svar på vores spørgeundersøgelse foreslog over halvdelen af medlemsstaterne, at deres anvendelse af big data understøttes ved prioritering af følgende foranstaltninger: mere finansiering fra Kommissionen til IT-værktøjer og dataanalyseprojekter (67 %), flere retningslinjer/vejledninger (56 %) og støtte til udvikling af nye metoder eller standardisering (52 %). Færre medlemsstater foreslog prioritering af støtte til analytiske teknologier (48 %), dataadgangsløsninger (41 %) og forskningsstøtte og fælles forskningsprojekter (48 %).

75 Vores spørgeundersøgelse og de opfølgende interview viste, at der er forskelle mellem medlemsstaterne med hensyn til, hvordan de inkorporerer nye datakilder og avancerede dataanalyseteknikker. Tekstboks 4 og tekstboks 5 indeholder eksempler på tiltag i medlemsstaterne.

Visse store datamangler og udfordringer er endnu ikke blevet adresseret

76 Kommissionen anerkender, at sammenkædning af eksisterende datakilder er en central udfordring med hensyn til at sikre, at der er passende data til evaluering af den fælles landbrugspolitik⁶¹. Den arbejder på at videreanvende IFKS-data og udvide INLB, men har ikke iværksat specifikke tiltag med henblik på at afhjælpe datamanglen vedrørende landbrugernes indkomster uden for landbruget eller samkøre disaggregerede data fra forskellige datakilder for at øge værdien af data, der allerede er indsamlet.

77 Kommissionen har omtalt behovet for en fælles unik identifikator for landbrugsbedrifter, som kan gøre det muligt at sammenkæde bedriftsniveaudata fra forskellige datakilder (f.eks. administrative registre og undersøgelser)⁶². Ved udformningen af identifikatoren skal der tages hensyn til medlemsstaternes forskellige systemer og til komplekse bedriftsstrukturer med forskellige kombinationer og lokaliteter. Dette kræver en fælles definition på, hvad en bedrift er, og denne definition vil få betydning for finansielle indikatorer såsom landbrugsindkomster⁶³. En unik identifikator kan bidrage til at øge datatilgængeligheden og give mere pålidelige oplysninger om politikkens effekt. I februar 2022 var der ikke sket fremskridt med hensyn til at udforme en sådan identifikator.

78 Bedriftsniveaudata fra forvaltningsapplikationer og ‑systemer er en ny og rig informationskilde. Mange kommercielle løsninger tilbyder en række forskellige tjenester til digital registrering, markovervågning og sporing af arbejdskraft, og mange driftsaspekter i landbruget kan forbedres ved hjælp af sådanne applikationer (jf. eksemplet i tekstboks 6). Kommissionen ved ikke, hvor mange landbrugere der bruger bedriftsforvaltningssoftware, men den kampagne vedrørende integrerede landbrugsstatistikker⁶⁴, som er planlagt til gennemførelse i 2023, kan bidrage til at udbrede viden om anvendelsen af ledelsesinformationssystemer og præcisionslandbrugsudstyr.

79 Anvendelse af en digital markbog, hvor landbrugerne registrerer deres aktiviteter, ville være et skridt fremad med hensyn til at digitalisere bedrifterne og forbedre overvågningen af forbrug og effekt hvad angår pesticider, gødning, vand og jordbund. Kommissionens foreslåede FaST-platform (Farm Sustainability Tool for Nutrients) er et værktøj med en fleksibel struktur, som tilbyder moderne analyse og interoperabilitet med mange datakilder. FaST bygger på adskillige datakilder, der enten er forbundet med platformen (direkte kilder) eller importeret (statiske kilder). For at give landbrugerne adgang til deres egne data er FaST forbundet med det regionale/nationale IFKS (eller et tilsvarende bedriftsregister), hvor landbrugernes data er lagret.

80 Data om præcisionslandbrug kan være en værdifuld datakilde⁶⁵. Sådanne data kan f.eks. være sensor- og maskindata om jordfugtighed og næringsstoffer samt lokalitetsspecifikke data om brug af pesticider. Det føromtalte NIVA-projekt undersøger mulighederne for at oprette et elektronisk bedriftsregister, der kan knyttes til IFKS. Projektet har også som mål at integrere maskindata/præcisionslandbrugsdata i IFKS. Der er dog hindringer for dette, f.eks. at landbrugsmaskiner er forskellige, og at der mangler standardisering.

81 Det kan være vanskeligt at få adgang til individuelle data med henblik på anvendelse til politikanalyser, og der er ingen juridiske eller tekniske rammer for anvendelse af kommercielle oplysninger til politikanalyser. Ifølge én undersøgelse⁶⁶ er landbrugere bl.a. tilbageholdende med at dele data på grund af risikoen for, at dataene bruges til andre formål, på grund af manglende klarhed om, hvad "personoplysninger" er, og på grund af en generel modstand mod moderne dataplatformsteknologier. Under den fælles landbrugspolitik for 2023-2027 skal bedriftsrådgivningstjenesterne for landbrugere dække digitale teknologier⁶⁷.

82 Figur 13 opsummerer de væsentligste datarelaterede udfordringer for Kommissionen og vores vurdering af, i hvilket omfang de er blevet adresseret.

83 I vores skrivebordsgennemgang af praksis uden for EU så vi på tre ikke-EU-lande: Australien, Japan og USA. I disse lande er der offentlig adgang til oplysninger om anvendelse af moderne datateknikker i landbruget; tekstboks 7 præsenterer nogle af deres initiativer.

Konklusioner og anbefalinger

84 Vi undersøgte, om Kommissionen gør god brug af big data og dataanalyse i forbindelse med sine analyser af den fælles landbrugspolitik. Den fælles landbrugspolitik har mange komplekse og indbyrdes forbundne mål. Det kræver data og oplysninger fra en række forskellige kilder, både interne og eksterne, at afgøre, om politikinstrumenterne er relevante og effektivt opfylder disse mål.

85 Vi konstaterede, at selv om Kommissionen anvender en betydelig mængde data om økonomiske, miljømæssige, klimamæssige og sociale aspekter, leverer de aktuelle data og værktøjer på nogle områder ikke visse væsentlige elementer, som er nødvendige for en velinformeret politikudformning (punkt 16-53). Kommissionen har taget adskillige initiativer til at gøre bedre brug af eksisterende data (punkt 57-69), men ud over forsinkelser vedrørende datatilgængeligheden (punkt 41) er der også stadig hindringer (punkt 76-81).

86 De største hindringer i de forskellige dataindsamlings- og databehandlingsfaser er:

• at data ikke bliver indsamlet: f.eks. data om landbrugsinput (eksempelvis om anvendte mængder kemiske og ikkekemiske pesticider, om anvendte mængder mineralske/organiske gødningsstoffer og om dyrkede afgrøder) og data om landbrugsmetoder med miljøvirkninger (jf. tabel 3 og punkt 42-45)
• at data ikke er tilgængelige: Bedriftsniveaudata tilhører medlemsstaterne og forvaltes og lagres i deres lokale integrerede forvaltnings- og kontrolsystem (IFKS), som Kommissionen kun har begrænset adgang til (jf. punkt 27-29)
• for høj aggregering: Medlemsstaterne sender hovedsagelig Kommissionen aggregerede data, som den kun har begrænsede muligheder for at uddrage værdi af (jf. tabel 2 og punkt 47)
• begrænsninger med hensyn til samkøring af datakilder, f.eks. fordi der ikke findes en fælles identifikator (jf. punkt 24).

87 Som følge af dette har Kommissionen kun et delvist kendskab til referencescenariet eller politikkens effekt på forhold såsom landbrugeres indkomster uden for landbruget, miljøoplysninger/miljøpraksis og socioøkonomisk udvikling. Den mangelfulde datatilgængelighed påvirker kvaliteten af den anvendte dokumentation i forbindelse med nogle evalueringer (jf. punkt 39-47) og konsekvensanalyser (jf. punkt 48-53).

Anbefaling 1 - Fastlæggelse af en ramme for anvendelse af disaggregerede data fra IFKS

Kommissionen bør fastlægge en teknisk og administrativ ramme for deling og videreanvendelse af disaggregerede data fra IFKS (ud over dem, der kræves til de årlige resultatrapporter) med henblik på politikovervågning, politikevaluering og i sidste ende politikudformning. Denne ramme bør sikre overholdelse af princippet om effektivitet, så den administrative byrde og omkostningerne for støttemodtagerne og medlemsstaternes myndigheder minimeres.

Tidsramme: 2024

Anbefaling 2 - Øget anvendelse og udvikling af datakilder med henblik på at opfylde politikbehovene

Kommissionen bør adressere de datamangler, der blev konstateret i evalueringerne af den fælles landbrugspolitik for 2014-2020 og konsekvensanalysen vedrørende den fælles landbrugspolitik efter 2020, ved at:

1. gøre mere brug af eksisterende datakilder (f.eks. administrative data, statistiske undersøgelser og Copernicusdata), overveje nye datakilder eller kombinere eksisterende kilder
2. undersøge muligheden for at bruge alternative data eller indirekte datakilder, når det ikke er muligt at bruge direkte kilder til vurdering af nøgleindikatorer eller -aspekter
3. vurdere muligheden for at opskalere anvendelsen af data fra landbrugsmaskiner.

Tidsramme: 2025

88 I Kommissionen har Generaldirektoratet for Landbrug og Udvikling af Landdistrikter indgået aftale med Det Fælles Forskningscenter om analyse af data og undersøgelse af, hvordan eksisterende data kan udnyttes bedre. På grundlag af denne aftale bruger Kommissionen avanceret kvantitativ analyse og avancerede modeller i sine politikanalyser vedrørende den fælles landbrugspolitik. Generaldirektoratet for Landbrug og Udvikling af Landdistrikter bruger imidlertid ikke selv big data-teknikker til tekstanalyse, tekstmining eller automatiseret dataudtrækning. Der er potentielle fordele ved at erstatte manuelle og tidskrævende procedurer med automatiserede værktøjer (jf. punkt 19 og 25 samt tekstboks 2).

89 I EU er der flere initiativer - nogle af dem finansieret af EU under Horisont 2020 eller andre programmer - som undersøger mulighederne for at modernisere data og IT-værktøjer med henblik på udformning, overvågning og evaluering af den fælles landbrugspolitik. Nogle af disse initiativer har allerede leveret output vedrørende interoperabilitet og nye og mere omfattende indikatorer. Projekterne befinder sig i forskellige faser og kan angribe de samme spørgsmål fra forskellige vinkler (punkt 70-75). Kommissionen har endnu ikke identificeret, hvilke elementer der kan anvendes i praksis i forbindelse med den fælles landbrugspolitik.

90 Kommissionen har derfor store muligheder for at inkorporere omkostningseffektiv avanceret analyse og relaterede værktøjer i eksisterende IT-systemer og/eller andre IT-løsninger med henblik på automatiseret informationsbehandling (f.eks. til erstatning af manuel eller ikkereproducerbar behandling) og gøre bedre brug af dataaktiver (f.eks. ved at øge databehandlingsresultaterne) i forbindelse med politikanalyser.

Vedtaget af Afdeling I, der ledes af Joëlle Elvinger, medlem af Revisionsretten, i Luxembourg den 18. maj 2022.

Bilag - Udvalgte datarelaterede tiltag og ambitioner i Kommissionen

- afsluttet - for tidligt at vurdere/mindre end et år forsinket - mere end et år forsinket

Akronymer og forkortelser

AMS: Arealovervågningssystem

ATLAS: Agricultural Interoperability and Analysis System

CATS: Clearance of Accounts Audit Trail System

CROP-CASMA: Crop Condition and Soil Moisture Analytics

FaST: Farm Sustainability Tool for Nutrients

GSAA: Geospatial støtteansøgning

IFKS: Det integrerede forvaltnings- og kontrolsystem

IFM-CAP: Individual Farm Model for the Common Agricultural Policy

INLB: Informationsnettet for Landøkonomisk Bogføring

ISAMM: Information System for Agricultural Market Management

LPIS: Markidentifikationssystem

LUCAS: Systemet til overvågning af arealanvendelse

MEF4CAP: Monitoring and Evaluation Frameworks for the Common Agricultural Policy

NIVA: New IACS Vision in Action

SEN4CAP: Sentinels for Common Agricultural Policy

SFC: System for Fund Management

Glossar

Analyse af data: Indsamling, modellering og undersøgelse af data med henblik på at uddrage viden, der kan understøtte beslutningstagning.

Avanceret analyse: Anvendelse af højteknologiske metoder såsom prædiktiv modellering og maskinlæring til analyse af big data.

Big data: Datasæt med en stadig større mængde, hastighed og mangfoldighed af data. Big data er ofte stort set ustrukturerede.

Data: Konkrete, objektive fakta, målinger eller observationer, der skal behandles for at generere information.

Database: Et struktureret datasæt, der er lagret elektronisk og kan bruges til søgning og udtrækning.

Datamangel: En mangel på data krævet til et specifikt formål.

Dataaktiv: Et IT-system, en applikation eller en database, der ejes af en enhed.

Dataanalyse: Analyse af data ved anvendelse af systematiske databehandlingsmetoder med henblik på at opnå viden.

Dyb læring: En teknik inden for kunstig intelligens, hvor et softwaresystem trænes med millioner af eksempler.

Geodata: Data, der henviser til en bestemt lokalitet eller et bestemt geografisk område og dets naturlige eller konstruerede træk.

Interoperabilitet: Et systems evne til at kommunikere og samarbejde med andre systemer, bl.a. ved udveksling af data.

Strukturerede data: Standardiserede kvantitative oplysninger med en foruddefineret datastruktur, som gør dem lette at analysere.

Systemet til overvågning af arealanvendelse (LUCAS): Et system med regelmæssige, harmoniserede undersøgelser, som foretages på stedet i alle EU-medlemsstaterne for at indsamle oplysninger om, hvordan arealerne anvendes, og hvad der vokser på dem, og som omfatter jordbundsanalyser.

Ustrukturerede data: Oplysninger lagret i deres oprindelige format uden foruddefineret kategorisering eller organisering, hvilket ofte gør dem mere komplekse at analysere. Der kan være tale om både kvantitative og kvalitative oplysninger såsom billeder, tekst, datoer, e-mail og tal.

Videreanvendelighed: Muligheden for, at data indsamlet til ét formål kan anvendes til et andet.

Kommissionens svar

https://www.eca.europa.eu/da/Pages/DocItem.aspx?did=61415

Tidslinje

https://www.eca.europa.eu/da/Pages/DocItem.aspx?did=61415

Revisionsholdet

Revisionsrettens særberetninger præsenterer resultaterne af dens revisioner vedrørende EU-politikker og ‑programmer eller forvaltningsspørgsmål i forbindelse med specifikke budgetområder. Med henblik på at opnå maksimal effekt udvælger og udformer Revisionsretten sine revisionsopgaver under hensyntagen til de risici, der knytter sig til forvaltningens resultatopnåelse eller regeloverholdelsen, de pågældende indtægters eller udgifters omfang, den fremtidige udvikling samt den politiske og offentlige interesse.

Denne forvaltningsrevision blev udført af Afdeling I - Bæredygtig brug af naturressourcer, der ledes af Joëlle Elvinger, medlem af Revisionsretten. Revisionsarbejdet blev udført under ledelse af Joëlle Elvinger, medlem af Revisionsretten, med støtte fra opgaveansvarlig Liia Laanes, viceopgaveansvarlig Dimitrios Maniopoulos, kabinetschef Ildikó Preiss, attachéerne Paolo Pesce og Charlotta Törneling, ledende administrator Emmanuel Rauch, revisor og dataanalytiker Claudia Albanese, revisor og grafiker Marika Meisenzahl og revisor Michał Szwed. Mark Smith ydede sproglig støtte.

Slutnoter

¹ Artikel 39 i traktaten om Den Europæiske Unions funktionsmåde.

² "Better Regulation Toolbox", 2021, s. 20.

³ Höchtl, J., Parycek, P. og Schöllhammer, R., "Big data in the policy cycle: Policy decision making in the digital era", Journal of Organizational Computing and Electronic Commerce, 2016, 26(1-2), s. 147-169.

⁴ OECD, Digital Opportunities for Better Agricultural Policies, 2019, OECD Publishing, s. 13.

⁵ C(2016) 6626, "Data, Information and Knowledge Management at the European Commission".

⁶ COM(2020) 66.

⁷ COM(2020) 767.

⁸ Artikel 110 i forordning (EU) nr. 1306/2013.

⁹ "Better Regulation Toolbox", s. 20.

¹⁰ Begrundelsen i COM(2016) 786.

¹¹ Artikel 68 i forordning (EU) nr. 1306/2013.

¹² Artikel 67-78 i forordning (EU) nr. 1306/2013.

¹³ "Digitalisation of European reporting, monitoring and audit", EPRS. September 2021.

¹⁴ "NIVA roadmap for IACS transformation", s. 24.

¹⁵ Leverancer fra projekterne NIVA og IoF2020, dokumenter vedrørende projekterne ATLAS og DEMETER; "Digitalisation of European reporting, monitoring and audit", EPRS. September 2021.

¹⁶ GD AGRI's årlige aktivitetsrapport, bilag 2, s. 25.

¹⁷ Særberetning nr. 04/2020 "Anvendelse af nye billedteknologier til monitorering under den fælles landbrugspolitik: Der er generelt gjort konstante fremskridt, som dog har været langsommere inden for klima- og miljøovervågning".

¹⁸ Ibid., anbefaling 2.

¹⁹ Rådets forordning nr. 79/65/EØF.

²⁰ Informationsnettet for Landøkonomisk Bogføring.

²¹ Evaluation Helpdesk, "Best Use of FADN for the Assessment of RDP Effects on Fostering the Competitiveness in Agriculture", 2021, s. 9.

²² Kommissionen, "EU Farm Economics Overview based on 2015 (and 2016) FADN data", 2018, s. 5.

²³ "Better Regulation Guidelines", s. 6 og 26.

²⁴ "Better Regulation Toolbox", s. 572.

²⁵ Artikel 110 i forordning (EU) nr. 1306/2013.

²⁶ "Better Regulation Guidelines", s. 45.

²⁷ Indikatorerne for landdistriktsudvikling er fastsat i bilag IV til gennemførelsesforordning (EU) nr. 808/2014.

²⁸ "Better Regulation Toolbox", kapitel VIII - værktøj 68.

²⁹ SWD(2021) 115, s. 20.

³⁰ Dumangane, M. et al., An Evaluation of the CAP impact: a discrete policy mix analysis, 2021.

³¹ Evalueringsstøtteundersøgelsen om bæredygtig fødevareproduktion, s. 30-32.

³² Bilag II til forordning (EU) nr. 1306/2013.

³³ Særberetning nr. 13/2020 - Biodiversitet på landbrugsarealer: Den fælles landbrugspolitiks bidrag har ikke standset nedgangen, punkt 48-50.

³⁴ "Evaluation of the impact of the CAP on habitats, landscapes, biodiversity", resumé, 2019.

³⁵ Særberetning nr. 05/2020 - Bæredygtig anvendelse af plantebeskyttelsesmidler: Der er kun sket begrænsede fremskridt med hensyn til at måle og mindske risici.

³⁶ Ibid.

³⁷ Evalueringen af den fælles landbrugspolitiks effekt på den territoriale udvikling i landdistrikterne.

³⁸ SWD(2021) 394.

³⁹ Evalueringsstøtteundersøgelsen om den fælles landbrugspolitiks effekt på den territoriale udvikling i landdistrikterne.

⁴⁰ Evalueringsstøtteundersøgelsen om den fælles landbrugspolitiks effekt på den territoriale udvikling i landdistrikterne.

⁴¹ SWD(2021) 394 og evalueringsstøtteundersøgelsen om den fælles landbrugspolitiks effekt på den territoriale udvikling i landdistrikterne, afsnittet om socioøkonomiske aspekter; særberetning nr. 10/2021 - Integration af kønsaspektet i EU-budgettet: Det er på tide at omsætte ord til handling, punkt 90.

⁴² "Better Regulation Guidelines", s. 10.

⁴³ SWD(2018) 301.

⁴⁴ Udtalelse nr. 07/2018, punkt 2.

⁴⁵ Særberetning nr. 10/2021 - Integration af kønsaspektet i EU-budgettet: Det er på tide at omsætte ord til handling.

⁴⁶ Særberetning nr. 10/2018 - Grundbetalingsordningen for landbrugere - Ordningen er operationelt på rette spor, men dens effekt med hensyn til at forenkle, målrette og sikre konvergens i støtteniveauerne er begrænset, anbefaling 3.

⁴⁷ Hill, B. og Dylan Bradley, B. (2015), "Comparison of farmers' incomes in the EU Member States". Undersøgelse foretaget for Europa-Parlamentet.

⁴⁸ Datasæt om andre erhvervsmæssige aktiviteter (ef_oga_main).

⁴⁹ Hansen, H. og Forstner, B. (2021), "A differentiated look at the economic situation of German farmers", præsentation ved det 27. møde i OECD Network for Farm Level Analysis.

⁵⁰ SWD(2018) 301, s. 51.

⁵¹ "Better Regulation Toolbox", s. 363.

⁵² SWD(2017) 96, "Evaluation accompanying the document "Strategy for Agricultural Statistics 2020 and beyond and subsequent potential legislative scenarios"".

⁵³ COM(2020) 66.

⁵⁴ C(2021) 7914, "Annex to the Commission Implementing Decision on the financing of the Digital Europe Programme and the adoption of the multiannual work programme for 2021‑2022", s. 54.

⁵⁵ EU-adfærdskodeks for deling af landbrugsdata på grundlag af en kontraktlig aftale.

⁵⁶ COM(2020) 381.

⁵⁷ "Roadmap: Conversion of the FADN to a Farm Sustainability Data Network (FSDN)".

⁵⁸ Poppe, K., Vrolijk, H., Dolman, M. og Silvis, H., 2016, "FLINT - Farm-level Indicators for New Topics in policy evaluation: an introduction". Studies in Agricultural Economics, 118, s. 116-122.

⁵⁹ Sammenfatning af den endelige rapport om FLINT-projektet.

⁶⁰ "Roadmap: Conversion of the FADN to a Farm Sustainability Data Network (FSDN)".

⁶¹ SWD(2018) 301, del I, s. 51.

⁶² Jf. f.eks. "Strategy for agricultural statistics for 2020 and beyond", s. 8, 12 og 16-17.

⁶³ Poppe, K.J. og Vrolijk, H.C.J. (2019), "How to measure farm income in the era of complex farms", oplæg præsenteret på det 171. EAAE Seminar.

⁶⁴ Kommissionens gennemførelsesforordning (EU) 2021/2286.

⁶⁵ Punt, T. og Snijkers, G., "Exploring precision farming data: a valuable new data source? A first orientation", 2020. Oplæg præsenteret på UNECE Workshop on Statistical Data Collection - "New sources and New technologies" - i 2019.

⁶⁶ Internet of Food and Farm 2020: "Policy Recommendations from IoF2020".

⁶⁷ Artikel 15 i forordning (EU) 2021/2115.

⁶⁸ Agricultural Data Integration Project.

⁶⁹ Hughes, N. et al. (2020), "The Agricultural Data Integration Project", ABARES-forskningsrapport, Canberra.

⁷⁰ Digital Opportunities for Better Agricultural Policies, 2019, OECD.

⁷¹ WAGRI-websiden.

⁷² Crop-CASMA User's Guide.

Kontakt

DEN EUROPÆISKE REVISIONSRET
12, rue Alcide De Gasperi
1615 Luxembourg
LUXEMBOURG

Tlf. +352 4398-1
Kontakt: eca.europa.eu/da/Pages/ContactForm.aspx
Websted: eca.europa.eu
Twitter: @EUAuditors

Yderligere oplysninger om EU fås på internet via Europaserveren (https://europa.eu)

Luxembourg: Den Europæiske Unions Publikationskontor, 2022

PDF	ISBN 978-92-847-8270-3	ISSN 1977-5636	doi:10.2865/14071	QJ-AB-22-014-DA-N
HTML	ISBN 978-92-847-8250-5	ISSN 1977-5636	doi:10.2865/287923	QJ-AB-22-014-DA-Q

MEDDELELSE OM OPHAVSRET

© Den Europæiske Union, 2022

Den Europæiske Revisionsrets politik for videreanvendelse er fastsat i Revisionsrettens afgørelse nr. 6-2019 om den åbne datapolitik og videreanvendelse af dokumenter.

Medmindre andet er oplyst (f.eks. i individuelle meddelelser om ophavsret), er det af Revisionsrettens indhold, der ejes af EU, licenseret i henhold til Creative Commons Attribution 4.0 International (CC BY 4.0). Det betyder, at videreanvendelse generelt er tilladt med korrekt angivelse af kilde og eventuelle ændringer. Ved videreanvendelse af Revisionsrettens indhold må den oprindelige betydning eller det oprindelige budskab ikke fordrejes. Revisionsretten er ikke ansvarlig for eventuelle konsekvenser af videreanvendelsen.

Yderligere tilladelse skal indhentes, hvis specifikt indhold afbilder identificerbare privatpersoner, f.eks. på billeder af ansatte i Revisionsretten, eller omfatter tredjeparts værker.

Hvis en sådan tilladelse opnås, erstatter denne tilladelse ovenstående generelle tilladelse, og den skal klart anføre eventuelle begrænsninger i anvendelsen.

Tilladelse til at anvende eller gengive indhold, der ikke ejes af EU, skal eventuelt indhentes direkte hos indehaveren af ophavsretten:

Figur 1, 4, 8 og 11: Freepik Company S.L. Alle rettigheder forbeholdes.

Logoer i figur 12: Alle rettigheder forbeholdes.

Software og dokumenter, der er omfattet af industriel ejendomsret, såsom patenter, varemærker, registrerede design, logoer og navne, er ikke omfattet af Revisionsrettens videreanvendelsespolitik.

EU-institutionernes websteder på europa.eu-domænet har links til websteder uden for europa.eu-domænet. Da Revisionsretten ikke har kontrol over disse websteder, anbefales det at gennemse deres privatlivspolitik og ophavsretspolitik.

Anvendelse af Revisionsrettens logo

Revisionsrettens logo må ikke anvendes uden Revisionsrettens forudgående samtykke.

Sådan kontakter du EU

Personligt
Der findes flere hundrede Europe Direct-informationscentre i hele EU. Find dit nærmeste center på: https://europa.eu/european-union/contact_da

Pr. telefon eller e-mail
Europe Direct er en tjeneste, der besvarer spørgsmål om EU. Kontakt Europe Direct:

• på gratisnummer: 00 800 6 7 8 9 10 11 (visse operatører tager betaling for disse opkald)
• på følgende nummer: +32 22999696 eller
• pr. e-mail: https://europa.eu/european-union/contact_da

Sådan finder du oplysninger om EU

Online
Oplysninger om EU er tilgængelige på alle EU’s officielle sprog på Europawebstedet: https://europa.eu/european-union/index_da

EU-publikationer
Du kan downloade eller bestille EU-publikationer gratis eller mod betaling på: https://op.europa.eu/da/publications.
Du kan bestille flere eksemplarer af de gratis publikationer ved at kontakte Europe Direct eller dit lokale informationscenter (se https://europa.eu/european-union/contact_da).

EU-ret og relaterede dokumenter
Du kan nemt få adgang til EU’s juridiske oplysninger (herunder al EU-ret siden 1951) på alle officielle EU-sprog på EUR-Lex: https://eur-lex.europa.eu

Åbne data fra EU
EU’s portal for åbne data (https://data.europa.eu/da) giver adgang til datasæt fra EU. Dataene kan downloades og genanvendes gratis til både kommercielle og ikkekommercielle formål.