Gegevens in het gemeenschappelijk landbouwbeleid Potentieel van big data voor beleidsevaluaties onbenut

Samenvatting

I Het gemeenschappelijk landbouwbeleid (GLB) is goed voor meer dan een derde van de EU-begroting. Het beleid heeft tal van complexe en onderling samenhangende doelstellingen, variërend van de levensstandaard van de landbouwbevolking tot milieu- en klimaatgerelateerde aspecten en de ontwikkeling van plattelandsgebieden. Voor het gebruik van een empirisch onderbouwde aanpak bij beleidsbeslissingen zijn verscheidene gegevens uit verschillende bronnen en een daaropvolgende analyse vereist.

II Het doel van de controle was te beoordelen of de Commissie goed gebruik maakt van gegevens en analyses ten behoeve van de analyse van het GLB-beleid. Deze beoordeling is zowel relevant voor het GLB dat in 2023 van start gaat als voor het GLB na 2027.

III Ten eerste hebben we onderzocht hoe de Commissie de afgelopen jaren de beschikbare gegevens voor beleidsanalyse heeft gebruikt en of de beschikbare gegevens toereikend zijn. Vervolgens zijn we nagegaan wat de Commissie doet om lacunes in de gegevens aan te pakken, met inbegrip van het gebruik van big data.

IV We constateerden dat de Commissie over grote hoeveelheden gegevens beschikt voor de opzet, monitoring en evaluatie van het GLB. De Commissie maakt gebruik van conventionele instrumenten zoals spreadsheets om een analyse te maken van de gegevens die zij van de lidstaten verzamelt. De huidige gegevens en instrumenten leveren niet bepaalde belangrijke elementen (bijv. bijzonderheden over de toegepaste milieupraktijken en inkomen van buiten het landbouwbedrijf) die nodig zijn voor een goed geïnformeerde beleidsvorming. De Commissie heeft verschillende wetgevings- en andere initiatieven genomen om beter gebruik te maken van de bestaande gegevens, maar er blijven belemmeringen bestaan voor een optimaal gebruik van de verzamelde gegevens. Belemmeringen als een gebrek aan standaardisering en beperkingen als gevolg van gegevensaggregatie beperken de beschikbaarheid en bruikbaarheid van gegevens.

V Wij bevelen de Commissie aan:

• een kader vast te stellen voor het gebruik van uitgesplitste gegevens van de lidstaten, en
• meer gebruik te maken van gegevensbronnen en deze te ontwikkelen om tegemoet te komen aan de beleidsbehoeften.

Inleiding

Het gemeenschappelijk landbouwbeleid is een breed beleidsgebied

01 Het gemeenschappelijk landbouwbeleid (GLB) ging in 1962 van start en is goed voor meer dan een derde van de EU-begroting: voor de periode 2014‑2020 bedroegen de landbouwuitgaven in totaal 408 miljard EUR. De brede doelstellingen van het Verdrag¹ voor het beleid worden nader gespecificeerd in de GLB-verordeningen (zie figuur 1). Het beleid is niet alleen gericht op landbouwproductie en landbouwers, maar ook op milieu-, klimaatgerelateerde en sociale aspecten.

02 In het kader van het GLB ontvangen de begunstigden het grootste deel van de subsidie op basis van de grond waarover zij beschikken. Een ander deel van de subsidie kan worden betaald als vergoeding van de kosten voor het ondernemen van specifieke activiteiten, en voor de financiering van investeringen. De EU-wetgeving vormt de basis voor de meeste betalingen. Gegevens over landbouwbedrijven worden op verschillende manieren samengesteld en verzameld (zie figuur 2).

De rol van gegevens in een beleidscyclus

03 In de richtsnoeren voor betere regelgeving van de Commissie wordt gepleit voor een empirisch onderbouwde aanpak, wat betekent dat beleidsbeslissingen moeten worden gebaseerd op de beste beschikbare gegevens. Onder feitenmateriaal verstaat de Commissie gegevens, informatie en kennis uit tal van bronnen, met inbegrip van kwantitatieve gegevens zoals statistieken en meetgegevens, kwalitatieve gegevens zoals adviezen, bijdragen van belanghebbenden, conclusies van evaluaties, en wetenschappelijk en deskundig advies². Een conventionele beleidscyclus bevat de verschillende stappen die zijn weergegeven in figuur 3. Voor een empirisch onderbouwd beleid zijn relevante gegevens in elke fase van de cyclus vereist.

04 Wereldwijd maken organisaties steeds meer gebruik van “big data”, waardoor zij gegevens kunnen gebruiken die op verschillende manieren zijn vastgelegd. In dit verslag beschouwen we “big data” als gegevens die te complex of te groot zijn voor traditionele gegevensverwerkingssystemen en waarvoor geavanceerde instrumenten en rekenkracht zijn vereist.

05 De landbouw is een sector waarin digitale innovaties en technologieën in toenemende mate worden toegepast; in figuur 4 worden voorbeelden van digitale technologieën in de landbouw gegeven. De publieke sector kan veel van deze technologieën gebruiken. Technologische vooruitgang kan de tijd die nodig is voor beleidsvorming verkorten en de empirische basis voor beleidsbeslissingen vergroten³. Deze verbeteringen stellen regeringen in staat om gegevensgestuurde beleidsmaatregelen te nemen, met name door het mogelijk te maken⁴:

• een beter inzicht te krijgen in de milieueffecten van de landbouw en beleidsdoelstellingen te formuleren die deze effecten op holistische wijze aanpakken;
• een gedifferentieerd en gericht beleid te ontwerpen, en
• nieuwe gegevensgestuurde monitoringsystemen toe te passen.

De ambities van de EU op het gebied van gegevens

06 De Europese Commissie heeft verschillende documenten gepubliceerd waarin wordt benadrukt hoe belangrijk het is dat beter en meer gebruik wordt gemaakt van gegevens om de beleidsvorming te optimaliseren of om invloed uit te oefenen op de uitwisseling van gegevens of instrumenten in de EU (zie figuur 5).

07 In de mededeling van de Commissie uit 2016 over gegevens-, informatie- en kennisbeheer bij de Commissie werd benadrukt dat het opvragen en verstrekken van informatie moet worden verbeterd en dat het gebruik van gegevens moeten worden geoptimaliseerd voor een betere beleidsvorming. In de mededeling werd gesteld dat big data het potentieel heeft de capaciteiten van de Commissie aanzienlijk te vergroten door vroegtijdige opsporing van trends en snellere feedback mogelijk te maken ter ondersteuning van betere regelgeving en empirisch onderbouwde beleidsvorming, alsook door resultaten beter aan alle belanghebbenden bekend te maken. De Commissie was voornemens de nodige vaardigheden, instrumenten en computerinfrastructuur te ontwikkelen ter ondersteuning van een big-datacapaciteit. Tevens werd benadrukt dat beter moet worden geanticipeerd op gegevensbehoeften en kenniskloven, om ervoor te zorgen dat de gegevens beschikbaar, bruikbaar en nuttig zijn voor effectbeoordelingen, monitoring, verslaglegging en evaluatie⁵. De interne datastrategie van de Commissie (DataStrategy@EC) is het belangrijkste instrument dat wordt gebruikt om de inhoud van de mededeling in de praktijk te brengen.

08 In november 2018 heeft de Commissie de digitale strategie van de Europese Commissie vastgesteld om tegen 2022 een digitaal getransformeerde, gebruikersgerichte en gegevensgestuurde administratie te worden. Hierin werd de richting die zij in haar mededeling van 2016 heeft aangegeven, bevestigd. Van de negen acties die in de strategie worden opgesomd, achten wij de volgende twee het meest relevant voor de reikwijdte van onze controle:

• nieuwe technologieën in de IT-omgeving van de Commissie integreren, en
• de vrije gegevensstroom met betrekking tot EU-breed beleid tussen Europese overheidsdiensten vergemakkelijken.

09 In februari 2020 heeft de Commissie haar mededeling “Een Europese datastrategie”⁶ voor de periode 2021‑2027 gepubliceerd, waarvan het toepassingsgebied veel verder reikte dan dat van de Commissie zelf. Deze strategie dient om de “visie van een echte interne markt voor data te realiseren” door middel van maatregelen zoals het vaststellen van een governancekader voor de toegang tot en het gebruik van gegevens, en het investeren in data-infrastructuur en -vaardigheden. De kwesties die moeten worden aangepakt zijn onder meer de beschikbaarheid van gegevens, de interoperabiliteit en kwaliteit van gegevens, datagovernance, data-infrastructuur en -technologieën (bijv. gegevensverwerkingscapaciteit en cloudinfrastructuur) en cyberbeveiliging.

10 Het voorstel voor een Datagovernanceverordening⁷ van de Commissie van 2020 was erop gericht het hergebruik van bepaalde categorieën beschermde overheidsgegevens, meer vertrouwen in diensten voor gegevensbemiddeling en een groter gegevensaltruïsme in de hele EU te faciliteren.

Reikwijdte en aanpak van de controle

11 Onze controle was erop gericht te beoordelen of de Commissie goed gebruik maakt van gegevens en data-analyse voor de beleidsanalyse van het GLB. Ten eerste onderzochten we hoe de Commissie de beschikbare gegevens heeft gebruikt voor beleidsanalyse en of de gegevens toereikend waren. Vervolgens onderzochten we of de Commissie de gegevenslacunes aanpakt, met inbegrip van het gebruik van big data, en of er recente of lopende EU-onderzoeksprojecten waren die deze lacunes konden helpen aanpakken en de analyse van het GLB-beleid konden helpen verbeteren.

12 De reikwijdte van onze controle omvatte het ontwerp, de monitoring tijdens de uitvoering en de evaluatie van het beleid. De controle had betrekking op de periode van 2015 tot februari 2022. De beoordeling van de GLB-datagovernance is relevant, aangezien ons verslag gevolgen kan hebben voor zowel het GLB dat in 2023 van start gaat als het GLB na 2027. De verantwoordelijkheid voor het GLB ligt in de eerste plaats bij het directoraat-generaal Landbouw en Plattelandsontwikkeling (DG AGRI) van de Commissie.

13 In het kader van onze controlewerkzaamheden hebben wij:

• relevante gegevens en documenten onderzocht, met inbegrip van wetenschappelijke, strategische, wetgevings-, beleids- en projectdocumenten;
• vraaggesprekken gevoerd met het personeel van vier directoraten-generaal van de Commissie (Landbouw en Plattelandsontwikkeling, Eurostat, het Gemeenschappelijk Centrum voor onderzoek (JRC) en Communicatienetwerken, Inhoud en Technologie);
• vraaggesprekken gevoerd met de overkoepelende landbouworganisatie COPA-COGECA over de EU-gedragscode opgesteld voor het delen van landbouwgegevens op basis van een contractuele overeenkomst, en met vertegenwoordigers van het Sen4CAP-project;
• alle 27 EU-lidstaten geraadpleegd door middel van een enquête gericht aan het ministerie/departement dat verantwoordelijk is voor het GLB, en op basis van de antwoorden op de enquête follow-updiscussies gevoerd met autoriteiten in België, Duitsland, Estland, Ierland, Nederland en Spanje;
• een controle aan de hand van stukken van drie niet-EU-landen (de VS, Australië en Japan) verricht voor benchmarkingdoeleinden. Het controleteam heeft deze landen gekozen op basis van een belangrijke landbouweconomie, innovatieve of digitale initiatieven voor landbouwbeheer en de beschikbaarheid van openbare gegevens, en
• een paneldiscussie met wetenschappelijke, beleids- en administratieve deskundigen georganiseerd.

Opmerkingen

De huidige gegevens en instrumenten leveren gedeeltelijk de informatie die nodig is voor een goed geïnformeerde beleidsvorming op EU-niveau

14 De Commissie moet de prestaties van het GLB toetsen aan de drie algemene doelstellingen ervan⁸ (zie figuur 1). Het bewijsmateriaal dat de Commissie voor de beleidsvorming verzamelt, moet evenredig en passend zijn om beleidsopties te onderbouwen en op evaluatievragen in te gaan⁹. Volgens de richtsnoeren voor betere regelgeving moeten de evaluaties er ook voor zorgen dat relevant bewijsmateriaal beschikbaar is ter ondersteuning van de voorbereiding van nieuwe initiatieven (het beginsel “eerst evalueren”).

15 Wij hebben onderzocht of DG AGRI een voldoende groot aantal gegevensbronnen en gegevens voor de analyse van het GLB-beleid gebruikt, en of het relevante analytische instrumenten toepast. We hebben onderzocht welk soort gegevens, IT-systemen en data-analyse de Commissie bezit en gebruikt. Om te bepalen of de gegevens en instrumenten toereikend zijn, hebben wij evaluaties en documenten ter voorbereiding van beleid beoordeeld.

DG AGRI verzamelt voornamelijk administratieve gegevens en gebruikt hoofdzakelijk conventionele instrumenten voor gegevensanalyse

16 Om het GLB op te stellen, te monitoren en te evalueren, beschikt DG AGRI over grote hoeveelheden voornamelijk administratieve gegevens (bijv. marktprijzen en betalingen, en landbouwbedrijfsboekhoudingen) die het meestal ontvangt van de lidstaten, die de gegevens verzamelen om het beleid uit te voeren. De door Eurostat verzamelde landbouwstatistieken van de EU komen uit verschillende bronnen: enquêtes, administratieve gegevens, gegevens van landbouwbedrijven en andere ondernemingen alsmede de gegevens op bedrijfsniveau uit landbouwtellingen en steekproeven¹⁰.

17 DG AGRI volgt de interne datastrategie van de Commissie. De Commissie beschikt over een inventaris van gegevens die de eigendom, toegankelijkheid, opslag en herbruikbaarheid van elk gegevensactivum aangeeft. Deze inventaris bevatte geen informatie over lacunes of overlappingen.

18 De gegevensinventaris van DG AGRI bestond in februari 2022 uit 57 gegevensactiva die in diverse IT-systemen en databanken waren opgeslagen (zie figuur 6 voor voorbeelden). De databanken bevatten hoofdzakelijk gestructureerde administratieve gegevens, en DG AGRI gebruikt voornamelijk statistische instrumenten om deze te verwerken. Een aantal documenten die DG AGRI van de lidstaten verzamelt (bijv. jaarlijkse uitvoeringsverslagen) bevat ongestructureerde gegevens, waarvoor DG AGRI geen geautomatiseerde of semi-geautomatiseerde instrumenten voor verwerking heeft.

19 DG AGRI heeft een overeenkomst met het JRC voor gegevensanalyse en het onderzoeken van manieren om beter gebruik te maken van bestaande gegevens. Op grond hiervan gebruikt het een aantal geavanceerde methoden in zijn analyse van het GLB-beleid (zoals het IFM-CAP-model, econometrische modellen en voorspellende analyses). Het IFM-CAP-model is het individueel landbouwmodel voor de analyse van het gemeenschappelijk landbouwbeleid (“Individual Farm Model for Common Agricultural Policy Analysis”) en heeft tot doel de effecten van het GLB op de landbouweconomie en de milieueffecten daarvan te beoordelen.

20 Uit onze analyse van de vier IT-systemen (ISAMM, CATS/COMBO, AGRIVIEW en SFC) en de ILB-databank die zijn aangesloten op het agri-food data portal (zie figuur 6) is gebleken dat DG AGRI voornamelijk geaggregeerde gegevens verzamelt. Van deze vier systemen bevat alleen CATS/COMBO uitgesplitste gegevens op landbouwbedrijfsniveau.

21 DG AGRI publiceert geconsolideerde gegevens op het agri-food data portal dat informatie biedt uit veel gegevensactiva van DG AGRI en uit landbouwstatistieken van Eurostat, interactieve visualisering en dashboards. Gebruikers kunnen tijdreeksen, interactieve kaarten, grafieken en tabellen raadplegen, alsook oorspronkelijke gegevens downloaden voor hergebruik en offline analyse. DG AGRI actualiseert het portaal voortdurend. We beschouwen het portaal als een goede praktijk voor openbaar beschikbare gegevens, aangezien het een centraal toegangspunt biedt tot een groot aantal gegevens over agrovoedingsmarkten, analyses, GLB-indicatoren en EU-financiering.

22 De voornaamste IT-systemen die de Commissie en de lidstaten voor het GLB gebruiken, zijn gericht op beschrijvende en diagnostische analyses; slechts een klein aantal systemen is voorspellend of prescriptief (zie figuur 7).

23 Op basis van vraaggesprekken en antwoorden van de lidstaten op onze enquête troffen we verschillende belemmeringen aan voor de Commissie en voor lidstaten die gebruikmaken van big data (zie paragraaf 04) en geavanceerde analyses voor de analyse van het GLB-beleid, zoals:

1. verschillen in kwaliteitsnormen of -eisen tussen de verschillende gegevensbronnen;
2. regels inzake vertrouwelijkheid die het gebruik van gegevens op landbouwbedrijfsniveau beperken;
3. de beperkte beschikbaarheid van gegevens en gegevens die niet in hetzelfde of in het juiste formaat beschikbaar zijn, en
4. lage datageletterdheid en een gebrek aan gekwalificeerd personeel.

24 Het ontbreken van gemeenschappelijke referenties zoals een unieke identificatiecode maakt het moeilijk om gegevens op landbouwbedrijfsniveau uit verschillende gegevensbronnen te combineren voor GLB-analyse. Een unieke identificatiecode of alternatieve technieken voor het combineren van gegevens zouden het mogelijk maken gegevens uit verschillende gegevensbronnen die betrekking hebben op hetzelfde landbouwbedrijf, aan elkaar te koppelen (zie kader 1).

25 DG AGRI beoordeelt gewoonlijk de tekstuele informatie die de lidstaten in hun jaarverslagen verstrekken handmatig, en maakt geen gebruik van big-datatechnieken zoals tekstanalyse of geautomatiseerde extracties. Uit onze analyse blijkt dat verdere automatisering mogelijk is (zie kader 2 voor een voorbeeld).

Bepaalde kenmerken van bestaande gegevens en systemen beperken het gebruik ervan voor beleidsanalyse

26 We beoordeelden het gebruik en de beperkingen van drie zeer verschillende gegevensbronnen die de Commissie en de lidstaten op grote schaal gebruiken (zie tabel 1).

Geïntegreerd beheers- en controlesysteem

27 De Commissie heeft beperkte toegang tot het geïntegreerde beheers- en controlesysteem (GBCS) van de lidstaten, dat de belangrijkste bouwsteen is van het beheer van de GLB-betalingen in de lidstaten. Voor het GLB 2014‑2020 bestaat het GBCS uit een aantal digitale en onderling verbonden databanken, met name¹¹:

1. een systeem voor de identificatie van alle landbouwpercelen in EU-landen, het landbouwpercelenidentificatiesysteem (LPIS);
2. een systeem waarmee landbouwers de landbouwarealen waarvoor zij steun aanvragen, grafisch kunnen aangeven (de geospatiale steunaanvraag of GSAA);
3. een systeem om de identiteit te registreren van alle begunstigden die een steunaanvraag of een betalingsaanvraag indienen;
4. een geïntegreerd controlesysteem voor de controle van steunaanvragen, gebaseerd op geautomatiseerde kruiscontroles en fysieke controles op het landbouwbedrijf.

28 De lidstaten gebruiken het GBCS voor het ontvangen van steunaanvragen, voor administratieve en andere controles (bijv. controles ter plaatse en controles door monitoring) en voor het verrichten van betalingen¹². De lidstaten kunnen voor hun GBCS verschillende technische oplossingen gebruiken. Een gebrek aan standaardisering, verschillende gegevenseigenaars (d.w.z. niet altijd hetzelfde soort autoriteit) en onafhankelijke IT-ontwikkelingen leiden tot versnippering, maken het moeilijk om gegevens te vergelijken en beperken de manier waarop gegevens kunnen worden gedeeld of hergebruikt. Dit beperkt de mogelijkheden om geavanceerde analyses of andere big-datatechnieken te gebruiken om de impact van EU-middelen te beoordelen¹³. De Commissie heeft beperkte toegang tot de 42 verschillende (nationale of regionale) systemen van de lidstaten, die gedetailleerde gegevens over landbouwbedrijven en ondernemingen bevatten¹⁴. Dit maakt het bijvoorbeeld moeilijk om gedetailleerde informatie over de verdeling van EU-middelen te krijgen.

29 Op basis van onze analyse van diverse door de EU gefinancierde onderzoeksprojecten¹⁵ hebben wij geconstateerd dat de gedecentraliseerde aanpak van het GBCS het moeilijk maakt om deze gegevensbronnen verder te integreren en te koppelen aan andere gegevensbronnen van de Commissie, voornamelijk om de volgende redenen:

1. compatibiliteitsproblemen (verschillende technische oplossingen) en een gebrek aan interoperabiliteit tussen gegevenssystemen;
2. regels inzake vertrouwelijkheid die niet toestaan dat landbouwgegevens uit verschillende gegevensbronnen (bijv. het GBCS en het ILB) worden gekoppeld, en
3. beperkte mate van granulariteit van andere databanken, d.w.z. gegevens die onvoldoende gedetailleerd zijn, en een gebrek aan gemeenschappelijke identificatiecodes om de GBCS-gegevens te koppelen.

30 Om de uitwisseling en beschikbaarheid van gegevens te verbeteren, moedigt DG AGRI de lidstaten aan hun geospatiale niet-persoonsgebonden GBCS-gegevens te delen via het gemeenschappelijke Inspire-geoportaal (zie figuur 8), met technische ondersteuning van het JRC. Het portaal biedt toegang tot de download- en raadpleegdiensten voor geospatiale milieugegevens die door de lidstaten zijn samengesteld.

31 De mate waarin gegevens via het Inspire-geoportaal worden gedeeld, verschilt per lidstaat. In figuur 9 worden voorbeelden gegeven van het aantal metagegevensbestanden voor drie geselecteerde thema’s. De lidstaten publiceren ook een aantal geospatiale gegevens via hun onafhankelijke nationale (of regionale) geoportalen.

Satellietgegevens van Copernicus

32 Satellietgegevens van Copernicus voldoen aan de definitie van big data (zie paragraaf 04). De Commissie coördineert de aanpak van controles door monitoring (op basis van Copernicus-gegevens), die een voorbeeld is van geautomatiseerde monitoring van het GLB in de lidstaten.

33 In het kader van controles door monitoring worden doorlopende stromen van Copernicus-satellietgegevens geanalyseerd om na te gaan of specifieke percelen voldoen aan de subsidiabiliteitscriteria. Sinds 2018 kunnen de nationale autoriteiten Copernicus-gegevens gebruiken ter vervanging van traditionele veldkeuringen. Volgens de Commissie werd in 2021 13,1 % van het areaal waarvoor rechtstreekse betalingen werden gedaan, gecontroleerd door middel van controles door monitoring. Het streefcijfer voor 2024 is 50 %¹⁶. In 2021 hebben tien lidstaten de procedure toegepast op ten minste één steunregeling op ten minste een deel van hun grondgebied, terwijl dit aantal in 2020, toen we een speciaal verslag over controles door monitoring¹⁷ (zie kader 3) publiceerden, vijf was.

Informatienet inzake landbouwbedrijfsboekhoudingen

34 De belangrijkste bron van economische gegevens is het ILB. De Commissie en de lidstaten gebruiken het ILB op grote schaal voor modellering, evaluaties en verslaglegging.

35 Sinds 1965 beoogt het ILB “objectieve en bruikbare gegevens (…) met betrekking tot de inkomens (…) en tot de bedrijfseconomische werking van (…) bedrijven” voor het GLB te verstrekken¹⁹. Het ILB is de bron van geharmoniseerde micro-economische gegevens die beschikbaar zijn om de impact van het GLB te meten. Het is gebaseerd op nationale enquêtes die de landbouwbedrijven vrijwillig kunnen uitvoeren en heeft betrekking op landbouwbedrijven in de EU die groot genoeg zijn om als commercieel te worden aangemerkt²⁰.

36 De uitsluiting van niet-commerciële en kleine landbouwbedrijven maakt het ILB minder representatief voor GLB-begunstigden. In 2015 omvatte de enquête ongeveer 83 000 bedrijven. Hoewel dit representatief is voor ongeveer 90 % van de totale oppervlakte cultuurgrond en van de totale landbouwproductie²¹, gaat het om 4,7 miljoen van de in totaal 10,8 miljoen bedrijven in de EU²². Het ILB is niet ontworpen om representatief te zijn voor GLB-begunstigden. Volgens de Commissie varieerde het aandeel niet-vertegenwoordigde begunstigden van rechtstreekse betalingen in het kader van het GLB in 2019 van 5 % in Nederland tot 78 % in Slowakije.

Een gebrek aan adequate gegevens beperkt de evaluatie van de prestaties van het GLB

37 Bij de evaluaties moet gebruik worden gemaakt van de beste beschikbare gegevens, verzameld uit een diverse en passende reeks methoden en bronnen (triangulatie)²³. Gedetailleerde gegevens maken het gemakkelijker beleidsdoelstellingen en resultaten/impact aan elkaar te koppelen²⁴. Volgens de wetgeving moet de informatie die wordt gebruikt voor de evaluatie van de prestaties van het GLB-beleid zoveel mogelijk gebaseerd zijn op bestaande gegevensbronnen zoals het ILB en Eurostat²⁵. Een goede monitoring moet feitelijke tijdreeksen opleveren om de kwaliteit van toekomstige evaluaties en effectbeoordelingen te verbeteren²⁶.

38 We beoordeelden vijf evaluaties of ondersteunende evaluatiestudies van de Commissie, die betrekking hadden op ten minste één evaluatie voor elk van de drie algemene GLB-doelstellingen in figuur 1. We constateerden dat bij de evaluaties gebruik werd gemaakt van een verscheidenheid aan verzamelde gegevens voor het beheer of de monitoring van het beleid, zoals de GLB-indicatoren²⁷, het ILB, CATS/COMBO, statistieken van Eurostat en het informatiesysteem voor het beheer van de landbouwmarkt (ISAMM). Deze gegevens worden vaak aangevuld met externe gegevens (bijv. van de Organisatie voor Economische Samenwerking en Ontwikkeling, de Verenigde Naties en de Voedsel- en Landbouworganisatie), casestudy’s, vragenlijsten en vraaggesprekken.

39 Voor alle drie de GLB-doelstellingen maken de Commissie en de beoordelaars gebruik van een contrafeitelijk effectonderzoek²⁸. Dit vereist gegevens over controlegroepen, d.w.z. entiteiten die het beleid niet toepassen of gebieden waar het beleid niet wordt toegepast. Het ILB verschaft gegevens over beide groepen en kan nuttig zijn voor een dergelijke analyse. Een gebrek aan contrafeitelijke gegevens beperkt bijvoorbeeld de ramingen van de bijdrage van het GLB aan de beperking van de klimaatverandering. Volgens de Commissie wordt het GLB al te lang toegepast en bestrijkt het een te groot gebied om vergelijkbare gegevens mogelijk te maken²⁹, d.w.z. dat er geen ruimte is om de situatie vóór en na, of met en zonder het beleid te vergelijken. Het is ook moeilijk om contrafeitelijke methoden te gebruiken voor territoriale ontwikkeling, aangezien de meeste regio’s GLB-steun ontvangen. Om deze kwestie aan te pakken, ontwikkelde het JRC een kwantitatief analytisch kader op basis van evaluatiemethoden voor contrafeitelijke effecten om inzicht te verschaffen in het causale verband tussen het beleid en de resultaten ervan, rekening houdend met de uiteenlopende reeks maatregelen die in plattelandsgebieden worden genomen³⁰.

Rendabele voedselproductie

40 De belangrijkste gegevensbronnen voor de evaluatie van de doelstelling van rendabele voedselproductie zijn het ILB en de landbouwrekeningen (LR) (zie tabel 2). De Commissie heeft beide speciaal opgericht om gegevens te verschaffen voor de beoordeling van het GLB. Om bijvoorbeeld na te gaan welk effect de GLB-steun heeft op het inkomen van landbouwers, maakt de Commissie gebruik van de statistieken van Eurostat over het factorinkomen (d.w.z. het inkomen uit grond, kapitaal en arbeid), en van het ILB³¹.

41 Het kost de lidstaten een jaar om de ILB-gegevens te verzamelen en te valideren, en de Commissie heeft een jaar nodig om de ILB-gegevens van de lidstaten te controleren en te valideren. Het gevolg hiervan is dat het ten minste twee jaar duurt voordat de gegevens beschikbaar zijn in de ILB-databank. Toen de Commissie in 2018 het wetgevingsvoorstel voor het GLB na 2020 indiende, waren slechts de gegevens van één jaar van het huidige GLB (die van de ILB-enquête van 2015) beschikbaar. Dit betekent dat de Commissie haar voorstel heeft gedaan voordat zij beschikte over de meest recente ILB-gegevens inzake de prestaties en effecten van het vorige beleid.

Duurzaam beheer van natuurlijke hulpbronnen en klimaatactie

42 Wat de GLB-doelstelling inzake natuurlijke hulpbronnen en klimaat betreft, kan het lang duren voordat de impact van de toepassing van een beleidsmaatregel is te zien. Om een causaal verband tussen een GLB-maatregel en de resultaten ervan te kunnen vaststellen, moeten verschillende gegevens worden gecombineerd en externe factoren in aanmerking worden genomen. Van de vier componenten van de doelstelling (zie figuur 1) onderzochten we biodiversiteit. Noch de lidstaten, noch de Commissie konden goed aantonen dat er een causaal verband bestaat tussen normen voor een goede landbouw- en milieuconditie³² en de toestand van de biodiversiteit³³. Voorbeelden van gebruikte bewijzen en de beperkingen bij de beoordeling van de biodiversiteitscomponent zijn opgenomen in tabel 3.

43 In een evaluatie uit 2019 werd geconcludeerd dat een algemene beoordeling van de impact van het beleid op de biodiversiteit niet mogelijk was vanwege het ontbreken van geschikte monitoringgegevens³⁴. Verschillende van de monitoringindicatoren van de Commissie worden niet regelmatig van gegevens voorzien. Zo verzamelen en rapporteren bijvoorbeeld niet alle lidstaten gegevens over de impactindicator voor wateronttrekking in de landbouw.

44 Een andere beperking bij de evaluatie van de milieudoelstelling is dat er geen uitgebreide gegevens beschikbaar zijn over de hoeveelheden meststoffen en bestrijdingsmiddelen die in de EU op landbouwgrond worden gebruikt. Sinds 2021 zijn er wel gegevens beschikbaar over de hoeveelheden bestrijdingsmiddelen die op landbouwgrond worden gebruikt, maar slechts voor minder dan de helft van de lidstaten. De Commissie en de beoordelaars hebben ILB-gegevens over de uitgaven voor meststoffen en gewasbestrijdingsmiddelen per hectare als maatstaf gebruikt.

45 De openbaar beschikbare EU-statistieken over bestrijdingsmiddelen hebben betrekking op de hoeveelheden (in kg) werkzame stoffen in verkochte gewasbeschermingsmiddelen³⁵. In Speciaal verslag 05/2020³⁶ hebben wij gemeld dat het groeperen van deze werkzame stoffen op de door de EU-wetgeving vastgestelde wijze de informatie die Eurostat kan publiceren of zelfs kan delen met andere directoraten-generaal van de Commissie, beperkt. De statistieken die zijn opgesteld over het gebruik van gewasbeschermingsmiddelen in de landbouw in het kader van de huidige EU-wetgeving zijn niet vergelijkbaar en Eurostat heeft nog geen EU-brede gebruiksstatistieken kunnen publiceren.

Evenwichtige territoriale ontwikkeling

46 In een evaluatie van 2021³⁷ gebruikten de Commissie en de beoordelaars GLB-outputindicatoren, betalingsgegevens van CATS/COMBO, de ARDECO-databank van DG REGIO en de regionale databank van Eurostat voor de derde doelstelling van het GLB. De beperkte beschikbaarheid van volledige, gedetailleerde en geactualiseerde gegevens over de sociaal-economische status van plattelandsgebieden was van invloed op de deugdelijkheid van de evaluatie³⁸. De contractanten beweerden dat de gegevens voor sommige van de belangrijkste maatschappelijke aspecten schaars waren en, indien beschikbaar, vaak niet regelmatig werden geactualiseerd, maar op ad-hocbasis werden geproduceerd met behulp van specifieke onderzoeksprojecten³⁹. In sommige gevallen hadden de beoordelaars proxy-indicatoren toegepast. In het algemeen noemden zij de beschikbaarheid en kwaliteit van indicatoren en een gebrek aan gegevens over kleine regio’s als de belangrijkste beperkingen voor kwantitatieve analyses.

47 Met uitzondering van de betalingsgegevens in CATS/COMBO en de afzonderlijke gegevens over landbouwbedrijven in het ILB zijn de meeste gegevens die de Commissie van de lidstaten verzamelt geaggregeerd, wat één enkel cijfer voor een gehele lidstaat oplevert. Dit beperkt de mogelijkheid om de gegevens te hergebruiken voor verdere evaluatie of beleidsontwikkeling. Voor sommige sociaal-economische aspecten (bijv. sociale inclusie) waren alleen gegevens beschikbaar op nationaal niveau of met een lage geografische resolutie, wat niet voldoende is voor analyses van territoriale differentiatie⁴⁰. De GLB-monitoringgegevens zijn ook niet gedetailleerd genoeg voor gerichtere analyses, bijvoorbeeld informatie over de leeftijd of het geslacht van de begunstigden⁴¹. Deze gegevens zijn gewoonlijk beschikbaar in de databanken van de lidstaten, maar zijn niet toegankelijk voor de Commissie.

De Commissie beschikt niet over voldoende gegevens voor haar beoordeling van de behoeften inzake het GLB-beleid

48 Volgens de richtsnoeren voor betere regelgeving moet bij de effectbeoordeling van een wetgevingsvoorstel eerst worden nagegaan of er sprake is van een probleem⁴². Het logische verband tussen het probleem en de onderliggende oorzaken en de daarmee samenhangende doelstellingen moet duidelijk worden gemaakt en er moeten verschillende beleidsopties worden geboden om het probleem aan te pakken.

49 Om het gebruik van gegevens in de ontwerp- of planningsfase van het beleid te onderzoeken, hebben we de effectbeoordeling bij het wetgevingsvoorstel voor het GLB na 2020⁴³ en diverse ondersteunende documenten van de Commissie onderzocht. Wij constateerden tekortkomingen in de wijze waarop relevante gegevens werden verstrekt ter ondersteuning van de beschrijving van het probleem dat door het beleid wordt aangepakt in het kader van de specifieke doelstelling “leefbaar landbouwbedrijfsinkomen”. In ons advies over de wetgevingsvoorstellen inzake het GLB na 2020 hebben wij verklaard dat de gegevens en argumenten die de Commissie heeft gebruikt ter ondersteuning van de behoefteanalyse voor de inkomens van landbouwers ontoereikend zijn⁴⁴. De Commissie beschikt niet over informatie over de inkomens van landbouwers of landbouwhuishoudens buiten de landbouw, en de gemiddelden verhullen een grote variatie in de inkomenssituatie. Daarnaast hebben we in ons verslag van 2021 over gendermainstreaming benadrukt dat het gebrek aan statistieken over het inkomen van landbouwhuishoudens en over het beschikbare landbouwinkomen, uitgesplitst naar geslacht, ook een grote gegevenslacune is wanneer wordt gekeken naar de effecten van rechtstreekse betalingen op gendergelijkheid⁴⁵.

50 In 2018 hebben wij het volgende aanbevolen: “Voordat zij een voorstel voor de toekomstige opzet van het GLB doet, dient de Commissie de inkomenspositie voor alle groepen landbouwers te beoordelen en hun behoefte aan inkomenssteun te analyseren”, rekening houdend met aspecten als inkomsten uit voedsel en andere landbouwproductie, alsmede uit niet-agrarische bronnen⁴⁶. De Commissie aanvaarde de aanbeveling gedeeltelijk en voegde daaraan toe dat het beleid gericht is op landbouwers die actief landbouw beoefenen om in hun levensonderhoud te voorzien. Uit een studie uit 2015⁴⁷ over de inkomens van landbouwhuishoudens kwam een grote kloof op het gebied van informatie over de prestaties van het GLB naar voren, aangezien er geen statistisch of monitoringsysteem van de EU bestond om het totale inkomen van landbouwhuishoudens te beoordelen en te vergelijken met dat van andere groepen in de samenleving. Per februari 2022 heeft de Commissie op dit gebied geen vooruitgang geboekt.

51 Om de drie tot vier jaar ontvangt Eurostat van de lidstaten gegevens uit de landbouwstructuurenquête over andere winstgevende werkzaamheden op landbouwbedrijven. De enquêtegegevens geven aan of de andere winstgevende activiteiten een hoofd- of een nevenactiviteit van de bedrijfsleider zijn, maar niet wat het aandeel of de omvang van het inkomen uit deze activiteiten is. De meest recente gegevens die op de Eurostat-website zijn gepubliceerd, hebben betrekking op 2016⁴⁸.

52 De huidige standaardlijst van ILB-variabelen bevat geen informatie over inkomen van buiten het landbouwbedrijf, aangezien de enquête betrekking heeft op landbouwbedrijven en niet op landbouwers. De gegevens over de inkomstenbelasting in de registers van de nationale belastingautoriteiten alleen zijn onvoldoende om die gegevens te verstrekken, omdat zij geen informatie bevatten over de kenmerken van de landbouwbedrijven en ook de landbouwinkomens bevatten van personen wier hoofdactiviteit niet de landbouw is⁴⁹.

53 Sommige lidstaten (bijv. Ierland en Nederland) verzamelen door middel van nationale ILB-enquêtes gegevens over inkomen van buiten het landbouwbedrijf, waarmee een van de gegevenslacunes met betrekking tot de reële inkomens van landbouwers kan worden opgevuld. De Ierse autoriteiten publiceren regelmatig indirecte gegevens over het inkomen van buiten het landbouwbedrijf, met inbegrip van “het voorkomen van werk buiten het landbouwbedrijf”, “het aantal dagen en uren dat buiten het landbouwbedrijf wordt gewerkt” en “de sector waarin wordt gewerkt”.

De Commissie heeft verscheidene initiatieven genomen om beter gebruik te maken van bestaande gegevens, maar er zijn nog steeds belemmeringen

54 De Commissie moet verdere initiatieven nemen om de bestaande tekortkomingen aan te pakken en het verzamelen en verwerken van gegevens te verbeteren met het oog op de evaluatie van het GLB en de ondersteuning van de ontwikkeling van toekomstig beleid. Deze initiatieven moeten in de praktijk worden gebracht in overeenstemming met het vastgestelde tijdschema en de vastgestelde outputs. De Commissie moet de bestaande gegevensbronnen voor het nieuwe GLB aanpassen en versterken. Zij moet ook nieuwe gegevensbronnen verkennen en mobiliseren om de lasten voor landbouwers en overheden te verlichten, en tegelijkertijd de empirische basis voor het beleid verbeteren⁵⁰.

55 In haar actieplan voor een interne datastrategie stelt de Commissie zich tot doel de toegang te garanderen tot gegevens die relevant zijn voor de besluitvorming en het functioneren in de hele organisatie, en het gebruik van moderne technologieën voor data-analyse te bevorderen om sneller en doeltreffender patronen en trends vast te stellen.

56 We hebben onderzocht welke initiatieven de Commissie heeft genomen om beter gebruik te maken van beschikbare gegevens en nieuwe technologieën teneinde de bovengenoemde lacunes en uitdagingen op het gebied van gegevens aan te pakken. Daarnaast hebben we gekeken naar door de EU gefinancierde onderzoeksprojecten en initiatieven van de lidstaten die kunnen bijdragen tot de analyse van het GLB-beleid en een aantal lacunes kunnen opvullen.

De Commissie breidt het aantal gegevensbronnen uit en stimuleert het delen van gegevens om lacunes in de gegevens op te vullen en te voldoen aan de gegevensbehoeften voor het GLB

57 In de interne datastrategie van de Commissie staat dat interne en externe gegevensbronnen zoveel mogelijk moeten worden benut om bewijsmateriaal te genereren ter ondersteuning van besluiten. De kosten en administratieve lasten van het verzamelen van aanvullende gegevens voor de monitoring van het beleid moeten in verhouding staan tot de gegevensbehoeften. Volgens de toolbox voor betere regelgeving⁵¹ hoeven niet alle gegevenslacunes te worden opgevuld.

58 De Commissie is in 2018 begonnen haar datastrategie in praktijk te brengen. De activiteiten variëren van het opstellen van een gegevensinventaris (zie de paragrafen 17 en 18) tot regels voor datagovernance, data-analyse en opleiding en vaardigheden. Eind 2020 heeft DG AGRI een raad van bestuur en een werkgroep opgericht om de strategie uit te voeren. Sinds januari 2022 beschikt het DG over een specifieke eenheid “Data governance” om de coördinatie van het gegevensbeheer te verbeteren.

59 De Commissie heeft het initiatief genomen tot verschillende acties die kunnen bijdragen tot een betere beleidsanalyse door de gegevensinfrastructuur en het gegevensgebruik voor het GLB te verbeteren (bijv. digitale oplossingen, e-instrumenten, algoritmen en goede praktijken). Zie de bijlage voor voorbeelden.

60 In een evaluatie van de landbouwstatistieken door Eurostat van 2016⁵² werd geconcludeerd dat landbouw-, bosbouw-, landgebruik- en milieustatistieken niet voldoende geharmoniseerd en coherent zijn. Dit is onder meer te wijten aan het feit dat de wetgeving afzonderlijk is ontwikkeld, maar ook aan het feit dat er op verschillende landbouwgebieden verschillende definities en begrippen bestaan. Om dit probleem aan te pakken, heeft de Commissie twee nieuwe verordeningen ingevoerd en één bestaande verordening gewijzigd (zie figuur 10).

61 In 2019 heeft Eurostat een oproep gedaan tot het indienen van voorstellen voor het opzetten van een netwerk van nationale bureaus voor de statistiek die geïnteresseerd zijn in het ontwikkelen van methoden om landbouwstatistieken te moderniseren. Een van de twee prioriteiten betrof activiteiten die gebruikmaken van nieuwe gegevensbronnen voor landbouwstatistieken (bijv. big data, satellietbeelden, gegevens met geografische componenten, precisielandbouw), met inbegrip van aspecten op het gebied van toegang, vertrouwelijkheid en kwaliteitsbeoordeling. Naar aanleiding van de oproep zijn geen voorstellen ingediend. Volgens de Commissie verklaarden de lidstaten dat dit onder meer te wijten was aan het feit dat de nationale bureaus voor de statistiek over onvoldoende middelen beschikten om een dergelijk netwerk op te zetten en te coördineren.

62 Andere initiatieven om gegevenslacunes aan te pakken, vallen in twee grote categorieën uiteen: het delen van gegevens door lidstaten of belanghebbenden en het toevoegen van nieuwe variabelen aan bestaande gegevensbronnen.

63 In het kader van het project inzake het DG AGRI-proces voor het uitwisselen van GBCS-gegevens in het kader van Inspire werkt DG AGRI, in samenwerking met het JRC, het directoraat-generaal Milieu en het directoraat-generaal Klimaat, aan een kader en ondersteunende procedures voor het delen van niet-persoonlijke ruimtelijke GBCS-gegevens in de EU. Het doel is ervoor te zorgen dat ruimtelijke GBCS-gegevens gemakkelijk te lokaliseren, efficiënt toegankelijk (via een centraal toegangspunt) en effectief herbruikbaar zijn in een samenhangend beleidsklimaat (zie figuur 11).

64 In de Europese datastrategie⁵³ erkent de Commissie het belang van gegevensuitwisseling voor de verbetering van de beschikbaarheid van gegevens. In de strategie kondigde de Commissie haar plan aan om negen sectorale gemeenschappelijke dataruimten voor de hele EU op te zetten, waaronder een gemeenschappelijke Europese dataruimte voor de Green Deal en een gemeenschappelijke Europese ruimte voor landbouwdata. Deze laatste heeft tot doel het delen, verwerken en analyseren van productiegegevens, open data en eventueel andere openbare gegevens (bijv. bodemgegevens) te vergemakkelijken⁵⁴.

65 In de strategie worden twee specifieke voorbereidende activiteiten voor de ruimte voor landbouwgegevens genoemd: het opmaken van de balans van de ervaringen met de gedragscode voor het delen van landbouwgegevens door belanghebbenden⁵⁵, en het opmaken van de balans van de bestaande ruimten voor landbouwgegevens in 2020 en begin 2021. De Commissie is momenteel van plan deze activiteiten uit te voeren als onderdeel van het werkprogramma Digitaal Europa 2021‑2022, dat zij in november 2021 heeft goedgekeurd. Volgens de Commissie zal de gegevensruimte worden opgenomen in het werkprogramma 2023‑2024, met een mogelijk prototype in 2024 en een verdere uitrol van de gegevensruimte in de daaropvolgende jaren.

66 In het kader van de “van boer tot bord”-strategie⁵⁶ is de Commissie voornemens het ILB om te vormen tot een informatienet inzake de duurzaamheid van landbouwbedrijven (Farm Sustainability Data Network, FSDN) met het oog op het verzamelen van gegevens op landbouwbedrijfsniveau over de streefdoelen van de “van boer tot bord”-strategie en de biodiversiteitsstrategie, alsmede over andere duurzaamheidsindicatoren. De Commissie heeft in juni 2021 een routekaart gepubliceerd en is voornemens in het tweede kwartaal van 2022 een voorstel voor een verordening te publiceren⁵⁷.

Specifieke acties in het kader van het GLB 2023‑2027 zijn gericht op het verbeteren van de monitoringgegevens

67 Afgezien van de overgang van het ILB naar het FSDN plant de Commissie geen significante wijzigingen in de in figuur 6 weergegeven kern-IT-systemen. Zij werkt echter aan de uitbreiding van de functionaliteit van Arachne, een instrument voor datamining dat de lidstaten op vrijwillige basis gebruiken bij hun administratieve controles. Het instrument is bijvoorbeeld nuttig voor het identificeren van projecten of begunstigden die vatbaar kunnen zijn voor de risico’s van fraude of belangenconflicten, hoewel niet-verplicht gebruik de voordelen ervan kan beperken. De doeltreffendheid van de data-analyse van het instrument hangt af van de gegevensinvoer. Dit betekent dat hoe meer kwaliteitsgegevens worden geüpload, hoe nauwkeuriger, uitgebreider en informatiever de outputs van het systeem zijn.

68 DG AGRI maakt gebruik van nieuwe technologieën en satellietgegevens om de monitoringindicatoren te verbeteren. Zo heeft het een nieuwe impactindicator ingevoerd voor de monitoring van landschapselementen voor de periode 2023‑2027. Het GLB 2014‑2020 bevatte geen impactindicator voor landschappen, wat de beoordeling van de impact van het GLB op habitats, landschappen en biodiversiteit verzwakte (zie tabel 3). Voor de nieuwe indicator (het aandeel landbouwgrond met landschapselementen) zal de Commissie gebruikmaken van de gegevens van de landmonitoringdienst van Copernicus, die informatie bevatten over heggen-, struiken- en bomenrijen en verspreid staande bomengroepen.

69 Voor het GLB 2023‑2027 zal de Commissie een nieuw kader vaststellen, met inbegrip van een uitvoeringshandeling, om gegevens over individuele verrichtingen te ontvangen met het oog op monitoring, evaluatie en beleidsontwikkeling. Volgens de Commissie zal het probleem van de uitsplitsing van de gegevens worden aangepakt door het verzamelen van individuele gegevens over de aanvraag en informatie over de begunstigde en zijn landbouwbedrijf/onderneming.

Onderzoeksinitiatieven verkennen de mogelijkheden voor modernisering van gegevens en instrumenten

70 In het kader van Horizon 2020 (H2020) financiert de Commissie onderzoeks- en innovatieprojecten. We hebben een aantal recente of lopende H2020- en andere onderzoeksprojecten geïdentificeerd die kunnen bijdragen tot de verbetering van de gegevensinfrastructuur en het gegevensgebruik (bijv. digitale oplossingen, e-instrumenten en algoritmen) die nodig zijn om betere gegevens te verstrekken voor het GLB (zie figuur 12). Sommige projecten (zoals NIVA en Sen4CAP) hebben al relevante resultaten opgeleverd die nuttig kunnen zijn voor toekomstige ontwikkelingen.

71 Het NIVA-project (New IACS Vision in Action) pakt een aantal van de beperkingen van het GBCS aan (zie de paragrafen 28 en 29), met name door de administratieve lasten te verminderen en het potentieel van gegevens te gebruiken. De doelstelling van het project is modernisering van het GBCS door efficiënt gebruik te maken van digitale oplossingen en e-instrumenten, en zo betrouwbare methodologieën en geharmoniseerde gegevensreeksen voor de monitoring van de landbouwprestaties tot stand te brengen.

72 Een ander door de EU gefinancierd project, FLINT (Farm-Level Indicators for New Topics in policy evaluation), was gericht op de kloof tussen de gegevensbehoeften voor beleidsevaluatie en de beschikbare landbouwstatistieken⁵⁸. Dit project is potentieel relevant voor de geplande herziening van het ILB, omdat het project betrekking had op duurzaamheidsindicatoren en het ILB als kader gebruikte. In het kader van het project zijn 33 thema’s of indicatoren met betrekking tot milieu-, sociale, economische en innovatieaspecten voorgesteld die in de toekomst moeten worden verzameld⁵⁹. In haar routekaart⁶⁰ heeft de Commissie verklaard dat de omschakeling naar het FSDN zal voortbouwen op het FLINT-project. In februari 2022 was het echter nog te vroeg om dit te beoordelen.

De lidstaten hebben hun eigen gegevensinitiatieven voor het GLB

73 Uit onze enquête onder alle 27 lidstaten is gebleken dat de meerderheid van de lidstaten de toegevoegde waarde van geavanceerde analyses erkent, waarbij de meeste uit een verstrekte lijst van mogelijke elementen snellere besluitvorming, voorspellende en domeinoverschrijdende analyse, kostenverlaging en doeltreffender communicatie met landbouwers en belanghebbenden selecteerden.

74 In hun antwoorden op onze enquête stelde meer dan de helft van de lidstaten de volgende maatregelen voor als prioriteiten om hun gebruik van big data te ondersteunen: meer financiering van de Commissie voor IT-instrumenten en projecten voor data-analyse (67 %), aanvullende richtsnoeren/handleidingen (56 %) en steun voor de ontwikkeling van nieuwe methoden of standaardisering (52 %). Minder lidstaten kozen voor steun voor analytische technologieën (48 %), oplossingen voor gegevenstoegang (41 %), en onderzoekssteun en gemeenschappelijke onderzoeksprojecten (48 %).

75 Uit onze enquête en follow-upgesprekken is gebleken dat er verschillen zijn tussen de lidstaten wat betreft de wijze waarop zij nieuwe gegevensbronnen en geavanceerde gegevensanalysetechnieken integreren. Kader 4 en kader 5 bevatten voorbeelden van maatregelen van de lidstaten.

Enkele belangrijke gegevenslacunes en uitdagingen moeten nog worden aangepakt

76 De Commissie erkent dat het leggen van kruisverbanden tussen bestaande gegevensbronnen een belangrijke uitdaging is om ervoor te zorgen dat er geschikte gegevens zijn om het GLB te evalueren⁶¹. Zij werkt aan het hergebruik van GBCS-gegevens en de uitbreiding van het ILB, maar heeft geen specifieke acties ondernomen om het gebrek aan gegevens over de inkomens van landbouwers buiten de landbouw (“inkomen van buiten het landbouwbedrijf”) te verhelpen, of om verschillende gegevensbronnen van uitgesplitste gegevens te combineren om de waarde van al verzamelde gegevens te verhogen.

77 De Commissie heeft gewezen op de behoefte aan een gemeenschappelijke unieke identificatiecode voor landbouwbedrijven die het mogelijk zou maken gegevens op landbouwbedrijfsniveau uit verschillende gegevensbronnen (bijvoorbeeld administratieve registers en enquêtes) aan elkaar te koppelen⁶². De identificatiecode moet rekening houden met de verschillende systemen van de lidstaten en complexe landbouwbedrijfsstructuren met verschillende combinaties en locaties. Dit vereist een gemeenschappelijke definitie van een landbouwbedrijf, en een dergelijke definitie heeft gevolgen voor financiële indicatoren zoals het landbouwinkomen⁶³. Een unieke identificatiecode zou de toegankelijkheid van de gegevens kunnen helpen verbeteren en betrouwbaardere informatie over de impact van het beleid kunnen opleveren. In februari 2022 was er nog geen vooruitgang geboekt met een dergelijke identificatiecode.

78 Gegevens op landbouwbedrijfsniveau uit beheerstoepassingen en -systemen zijn een nieuwe en rijke bron van informatie. Er zijn veel commerciële oplossingen waarmee allerlei diensten worden aangeboden voor het digitaal bijhouden van registers, monitoring ter plaatse en arbeidstracering, en veel aspecten van landbouwactiviteiten kunnen met toepassingen worden verbeterd (zie het voorbeeld in kader 6). De Commissie weet niet hoeveel landbouwers bedrijfsbeheerssoftware gebruiken, maar de voor 2023 geplande campagne voor geïntegreerde landbouwstatistieken⁶⁴ zou kunnen helpen om kennis te verwerven over het gebruik van beheersinformatiesystemen en precisielandbouwtechnologie.

79 Het gebruik van een digitaal veldboek waarin de landbouwers hun activiteiten registreren, zou een stap zijn in de richting van de digitalisering van landbouwbedrijven en zou de monitoring van het verbruik en de impact wat betreft bestrijdingsmiddelen, meststoffen, water en bodem verbeteren. Het door de Commissie voorgestelde platform FaST (Farm Sustainability Tool for Nutrients) is een flexibel bedrijfsduurzaamheidsinstrument dat geavanceerde analyses mogelijk maakt en interoperabel is met talrijke gegevensbronnen. FaST bouwt voort op verschillende gegevensbronnen, die ofwel verbonden (live bronnen) ofwel geïmporteerd (statische bronnen) zijn op het platform. Om de landbouwers toegang te geven tot hun eigen gegevens, maakt FaST verbinding met het regionale/nationale GBCS (of een vergelijkbaar landbouwregister), waar de gegevens van de landbouwers worden opgeslagen.

80 Gegevens over precisielandbouw kunnen een waardevolle gegevensbron zijn⁶⁵. Voorbeelden van dergelijke gegevens zijn sensor- en machinegegevens over bodemvochtigheid en nutriënten, en locatiespecifieke gegevens over het gebruik van bestrijdingsmiddelen. In het bovengenoemde NIVA-project worden de mogelijkheden onderzocht voor een elektronisch register van landbouwbedrijven dat aan het GBCS kan worden gekoppeld. Het is ook bedoeld om gegevens over machine-/precisielandbouw in het GBCS te integreren. Er zijn echter belemmeringen, zoals de uiteenlopende aard van landbouwmachines en een gebrek aan standaardisering.

81 De toegang tot individuele gegevens voor beleidsanalyse kan moeilijk zijn, en er is geen rechts- of technisch kader voor het gebruik van commerciële informatie voor beleidsanalyse. Volgens een studie⁶⁶ staan landbouwers huiverig tegenover het delen van gegevens om redenen als het risico dat gegevens voor andere doeleinden worden gedeeld, een gebrek aan duidelijkheid over wat “persoonsgegevens” inhouden en een algemeen verzet tegen moderne dataplatformtechnologieën. In het kader van het GLB 2023‑2027 moeten de bedrijfsadviesdiensten voor de landbouw ook digitale technologieën omvatten⁶⁷.

82 Figuur 13 hieronder geeft een overzicht van de voornaamste uitdagingen op het gebied van gegevensbeheer waarmee de Commissie wordt geconfronteerd, en onze beoordeling van de mate waarin deze zijn aangepakt.

83 In onze controle aan de hand van stukken van vergelijkbare praktijken buiten de EU hebben wij gekeken naar drie niet-EU-landen: Australië, Japan en de VS. Deze landen presenteren informatie in het publieke domein over de integratie van moderne datatechnieken in de landbouw; in kader 7 worden enkele van hun initiatieven gepresenteerd.

Conclusies en aanbevelingen

84 We hebben onderzocht of de Commissie goed gebruik maakt van gegevens en data-analyse voor de analyse van het gemeenschappelijk landbouwbeleid (GLB). Het GLB heeft veel complexe, onderling verbonden doelstellingen. Om te bepalen of beleidsinstrumenten relevant zijn en of zij deze doelstellingen doelmatig nastreven, zijn gegevens en informatie uit een reeks interne en externe reeks bronnen nodig.

85 We constateerden dat de Commissie weliswaar een aanzienlijke hoeveelheid gegevens over economische, milieu-, klimaat- en sociale aspecten gebruikt, maar dat op sommige gebieden de huidige gegevens en instrumenten bepaalde belangrijke elementen van de informatie die nodig zijn voor een goed geïnformeerde beleidsvorming, niet leveren (zie de paragrafen 16-53). De Commissie heeft verschillende initiatieven genomen om beter gebruik te maken van bestaande gegevens (zie de paragrafen 57-69), maar naast vertragingen in de beschikbaarheid van gegevens (zie paragraaf 41) blijven er belemmeringen bestaan (zie de paragrafen 76-81).

86 De grootste belemmeringen op het niveau van de gegevensverzameling en -verwerking zijn:

• gegevens die niet worden verzameld, zoals gegevens over landbouwproductiemiddelen (bijv. de hoeveelheid gebruikte chemische en niet-chemische bestrijdingsmiddelen, de hoeveelheid gebruikte minerale/organische meststoffen en voor welk gewas), en landbouwmethoden die van invloed zijn op het milieu (zie tabel 3 en de paragrafen 42-45);
• gegevens die niet toegankelijk zijn: informatie op landbouwbedrijfsniveau wordt ingevoerd, beheerd en opgeslagen in het lokale geïntegreerde beheers- en controlesysteem (GBCS) van de lidstaten, waartoe de Commissie slechts beperkte toegang heeft (zie de paragrafen 27-29);
• overmatige aggregatie: de Commissie ontvangt meestal geaggregeerde gegevens van de lidstaten, waardoor de waarde ervan kan worden beperkt (zie tabel 2 en paragraaf 47);
• beperkingen op het combineren van gegevensbronnen, bijvoorbeeld vanwege het ontbreken van een gemeenschappelijke identificatiecode (zie paragraaf 24).

87 Als gevolg daarvan heeft de Commissie beperkte kennis van de uitgangssituatie en de impact van het beleid op gebieden als het inkomen van landbouwers buiten het landbouwbedrijf, milieu-informatie/-praktijken en sociaal-economische ontwikkeling. Deze lacunes in de beschikbaarheid van gegevens zijn van invloed op de kwaliteit van het bewijsmateriaal voor een aantal evaluaties (zie de paragrafen 39-47) en effectbeoordelingen (zie de paragrafen 48-53).

Aanbeveling 1 — Stel een kader vast voor het gebruik van uitgesplitste gegevens uit het GBCS

De Commissie moet een technisch en administratief kader vaststellen voor het delen en hergebruiken van uitgesplitste gegevens (naast de gegevens die nodig zijn voor jaarlijkse prestatieverslagen) om beleid te monitoren, te evalueren en uiteindelijk te ontwerpen. Daarbij moet het beginsel van efficiëntie in acht worden genomen en moeten de administratieve lasten en kosten voor de begunstigden en de autoriteiten van de lidstaten tot een minimum worden beperkt.

Tijdpad: 2024

Aanbeveling 2 — Maak meer gebruik van gegevensbronnen en ontwikkel deze om tegemoet te komen aan beleidsbehoeften

De Commissie moet de gegevenslacunes aanpakken die zijn vastgesteld in de evaluaties van het GLB 2014‑2020 en in de effectbeoordeling van het GLB na 2020, door:

1. meer gebruik te maken van bestaande gegevensbronnen (bijv. administratieve gegevens en statistische enquêtes en Copernicus-gegevens), nieuwe gegevensbronnen in overweging te nemen of bestaande gegevensbronnen te combineren;
2. de mogelijkheid te onderzoeken om gebruik te maken van volmachten of indirecte gegevensbronnen wanneer het gebruik van directe bronnen niet haalbaar is voor de beoordeling van kernindicatoren of -aspecten, en
3. na te gaan of het gebruik van gegevens over landbouwwerktuigen kan worden opgeschaald.

Tijdpad: 2025

88 Bij de Commissie heeft het directoraat-generaal Landbouw en Plattelandsontwikkeling een overeenkomst met het Gemeenschappelijk Centrum voor onderzoek voor gegevensanalyse en het onderzoeken van de wijze waarop beter gebruik kan worden gemaakt van bestaande gegevens. Op basis van deze overeenkomst maakt de Commissie gebruik van geavanceerde kwantitatieve analyse en modellen voor de analyse van het GLB-beleid. Het directoraat-generaal Landbouw en Plattelandsontwikkeling maakt echter zelf geen gebruik van big-datatechnieken voor tekstanalyse, textmining of geautomatiseerde extractie. Het vervangen van handmatige en tijdrovende procedures door geautomatiseerde instrumenten heeft potentiële voordelen (zie de paragrafen 19 en 25 en kader 2).

89 In de hele EU zijn er verschillende initiatieven, soms gefinancierd door de EU in het kader van Horizon 2020 of andere programma’s, die de mogelijkheden onderzoeken om gegevens en IT-instrumenten voor het ontwerpen, monitoren en evalueren van het GLB te moderniseren. Sommige van deze initiatieven hebben al resultaten opgeleverd op het gebied van interoperabiliteit en nieuwe en uitgebreidere indicatoren. De projecten bevinden zich in verschillende stadia en kunnen soortgelijke kwesties vanuit verschillende invalshoeken aanpakken (zie de paragrafen 70-75). De Commissie heeft nog niet vastgesteld welke elementen voor het GLB in de praktijk kunnen worden gebracht.

90 De Commissie beschikt derhalve over aanzienlijke mogelijkheden om kosteneffectieve geavanceerde analyse-instrumenten en aanverwante instrumenten te integreren in bestaande IT-systemen en/of andere IT-oplossingen voor geautomatiseerde informatieverwerking (bijv. ter vervanging van handmatige of niet-reproduceerbare procedures) en beter gebruik te maken van gegevensactiva (bijv. meer resultaten op het gebied van gegevensverwerking) voor beleidsanalyse.

Dit verslag werd door kamer I onder leiding van mevrouw Joëlle Elvinger, lid van de Rekenkamer, te Luxemburg vastgesteld op 18 mei 2022.

Bijlage — Gegevensgerelateerde maatregelen en ambities van de Commissie

— voltooid — te vroeg om te beoordelen of de vertraging bedraagt minder dan een jaar — vertraging bedraagt meer dan een jaar

Acroniemen en afkortingen

AMS: areaalmonitoringsysteem

ATLAS: systeem voor interoperabiliteit en analyse in de landbouw

CATS: auditsysteem voor goedkeuring van de rekeningen (Clearance of Accounts Audit Trail System)

Crop-CASMA: analyse van de stand van de gewassen en het bodemvocht (Crop Condition and Soil Moisture Analytics)

FaST: bedrijfsduurzaamheidsinstrument (Farm Sustainability Tool for Nutrients)

FSDN: informatienet inzake de duurzaamheid van landbouwbedrijven (Farm Sustainability Data Network)

GBCS: geïntegreerd beheers- en controlesysteem

GSAA: geospatiale steunaanvraag (Geospatial Aid Application)

IFM-CAP: individueel landbouwmodel voor het gemeenschappelijk landbouwbeleid (Individual Farm Model for Common Agricultural Policy Analysis)

IFS: geïntegreerde landbouwstatistieken (Integrated Farm Statistics)

ILB: informatienet inzake landbouwbedrijfsboekhoudingen

ISAMM: informatiesysteem voor het beheer van de landbouwmarkt (Information System for Agricultural Market Management)

LPIS: landbouwpercelenidentificatiesysteem (Land Parcel Identification System)

Lucas: Land Use Cover Area Frame Survey

MEF4CAP: monitoring- en evaluatiekader voor het gemeenschappelijk landbouwbeleid (Monitoring and Evaluation Frameworks for the Common Agricultural Policy)

NIVA: nieuwe visie op de praktijk van het GBCS (New IACS Vision in Action)

SAIO: statistieken van de landbouwinput en -output (Statistics on Agricultural Input and Output)

Sen4CAP: Sentinels voor het gemeenschappelijk landbouwbeleid (Sentinels for Common Agricultural Policy)

SFC: systeem voor middelenbeheer (System for Fund Management)

Woordenlijst

Big data: gegevensreeksen met toenemend volume, snelheid en verscheidenheid. Big data zijn vaak grotendeels ongestructureerd.

Data-analyse: de wetenschap van het analyseren van gegevens met behulp van systematische computermethoden om tot inzichten te komen.

Databank: gestructureerde reeks gegevens die elektronisch wordt opgeslagen en beschikbaar is voor raadpleging en extractie.

Deep learning: artificiële-intelligentietechniek waarbij een softwaresysteem wordt getraind aan de hand van miljoenen voorbeelden.

Geavanceerde analyse: gebruik van hoogtechnologische methoden zoals voorspellende modellen en machinaal leren om big data te analyseren.

Gegevens: concrete, objectieve feiten, metingen of waarnemingen die moeten worden verwerkt om informatie te genereren.

Gegevensactivum: een IT-systeem, -toepassing of -databank die eigendom is van een entiteit.

Gegevensanalyse: het proces van verzamelen, modelleren en onderzoeken van gegevens om inzichten te verkrijgen die de besluitvorming ondersteunen.

Gegevenslacune: alle gegevens die nodig zijn voor een specifiek doel, maar niet beschikbaar zijn.

Gestructureerde data: gestandaardiseerde kwantitatieve informatie die een vooraf bepaalde gegevensstructuur volgt, waardoor deze gemakkelijk kan worden geanalyseerd.

Herbruikbaarheid van gegevens: het gemak waarmee gegevens die voor een bepaald doel zijn verzameld, voor een ander doel kunnen worden gebruikt.

Interoperabiliteit: vermogen van een systeem om met andere systemen te communiceren en samen te werken, onder meer door de uitwisseling van gegevens.

Land Use Cover Area Frame Survey (Lucas): een regelmatig, geharmoniseerd onderzoek dat ter plaatse in alle EU-lidstaten wordt uitgevoerd om informatie te verzamelen over hoe de grond wordt gebruikt en wat erop groeit, met inbegrip van een analyse van de onderliggende bodem.

Ruimtelijke gegevens: gegevens die betrekking hebben op een specifieke locatie of geografisch gebied en de kenmerken daarvan (natuur- of cultuurlandschap).

Ongestructureerde gegevens: informatie die in haar oorspronkelijke vorm is opgeslagen zonder vooraf bepaalde categorisering of organisatie, waardoor de analyse ervan vaak ingewikkelder wordt. Deze gegevens kunnen zowel kwantitatieve als kwalitatieve informatie bevatten, zoals afbeeldingen, tekst, datums, e-mails of nummers.

Antwoorden van de Commissie

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

Tijdlijn

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

Controleteam

In de speciale verslagen van de ERK worden de resultaten van haar controles van EU-beleid en -programma’s of beheersthema’s met betrekking tot specifieke begrotingsterreinen uiteengezet. Bij haar selectie en opzet van deze controletaken zorgt de ERK ervoor dat deze een maximale impact hebben door rekening te houden met de risico’s voor de doelmatigheid of de naleving, de omvang van de betrokken inkomsten of uitgaven, de verwachte ontwikkelingen en de politieke en publieke belangstelling.

Deze doelmatigheidscontrole werd verricht door controlekamer I “Duurzaam gebruik van natuurlijke hulpbronnen”, die onder leiding staat van ERK-lid Joëlle Elvinger. De controle werd geleid door ERK-lid Joëlle Elvinger, ondersteund door Liia Laanes, taakleider; Dimitrios Maniopoulos, adjunct-taakleider; Ildikó Preiss, kabinetschef; Paolo Pesce en Charlotta Törneling, kabinetsattachés; Emmanuel Rauch, hoofdmanager; Claudia Albanese, auditor en datawetenschapper; Marika Meisenzahl, auditor en grafisch ontwerp; Michał Szwed, auditor; Mark Smith verleende taalkundige ondersteuning.

Voetnoten

¹ Artikel 39 van het Verdrag betreffende de werking van de Europese Unie.

² Better Regulation Toolbox, 2021, blz. 20.

³ Höchtl, J., Parycek, P. & 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), blz. 147-169.

⁴ OESO: Digital Opportunities for Better Agricultural Policies, 2019, OECD Publishing, blz. 13.

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

⁶ COM(2020) 66.

⁷ COM(2020) 767.

⁸ Artikel 110 van Verordening (EU) nr. 1306/2013.

⁹ Better Regulation Toolbox, blz. 20.

¹⁰ Toelichting bij COM(2016) 786.

¹¹ Artikel 68 van Verordening (EU) nr. 1306/2013.

¹² Artikelen 67-78 van Verordening (EU) nr. 1306/2013.

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

¹⁴ NIVA roadmap for IACS transformation, blz. 24.

¹⁵ Resultaten van de NIVA- en IoF2020-projecten, documenten van de ATLAS en DEMETER-projecten; Digitalisation of European reporting, monitoring and audit, EPRS, september 2021.

¹⁶ Jaarlijks activiteitenverslag van DG AGRI, bijlage 2, blz. 25.

¹⁷ Speciaal verslag 04/2020 — “Gebruikmaking van nieuwe beeldtechnologieën voor de monitoring van het gemeenschappelijk landbouwbeleid: over het algemeen gestage vooruitgang, zij het trager voor de monitoring van klimaat en milieu”.

¹⁸ Ibid., aanbeveling 2.

¹⁹ Verordening nr. 79/65/EEG van de Raad.

²⁰ Informatienet inzake landbouwbedrijfsboekhoudingen.

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

²² Commissie, EU Farm Economics Overview based on 2015 (and 2016) FADN data, 2018, blz. 5.

²³ Better Regulation Guidelines, blz. 6 en 26.

²⁴ Better Regulation Toolbox, blz. 572.

²⁵ Artikel 110 van Verordening (EU) nr. 1306/2013.

²⁶ Better Regulation Guidelines, blz. 45.

²⁷ Voor plattelandsontwikkeling, bijlage IV bij Uitvoeringsverordening (EU) nr. 808/2014.

²⁸ Better Regulation Toolbox, hoofdstuk VIII — Tool 68.

²⁹ SWD(2021) 115, blz. 20.

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

³¹ Evaluation support study on “viable food production”, blz. 30-32.

³² Bijlage II bij Verordening (EU) nr. 1306/2013.

³³ Speciaal verslag 13/2020 — Biodiversiteit op landbouwgrond: met de bijdrage van het GLB is de achteruitgang niet tot staan gebracht, paragrafen 48-50.

³⁴ “Evaluation of the impact of the CAP on habitats, landscapes, biodiversity”, samenvatting, 2019.

³⁵ Speciaal verslag 05/2020 — Duurzaam gebruik van gewasbeschermingsmiddelen: beperkte vooruitgang bij het meten en beperken van de risico’s.

³⁶ Ibid.

³⁷ Evaluation on impact of the CAP on territorial development of rural areas.

³⁸ SWD(2021) 394.

³⁹ Evaluation support study on the impact of the CAP on territorial development of rural areas, 2020.

⁴⁰ Evaluation support study on the impact of the CAP on territorial development of rural areas, 2020.

⁴¹ SWD (2021) 394 en Evaluation support study on the impact of the CAP on territorial development of rural areas: socioeconomic aspects; Speciaal verslag 10/2021 — Gendermainstreaming in de EU-begroting: tijd om de daad bij het woord te voegen, paragraaf 90.

⁴² Better Regulation Guidelines, blz. 10.

⁴³ SWD(2018) 301.

⁴⁴ Advies nr. 07/2018, paragraaf 2.

⁴⁵ Speciaal verslag 10/2021 — Gendermainstreaming in de EU-begroting: tijd om de daad bij het woord te voegen, paragrafen 89 en 90.

⁴⁶ Speciaal verslag 10/2018 — De basisbetalingsregeling voor landbouwers — operationeel op de rails, maar beperkte impact op vereenvoudiging, doelgerichtheid en de convergentie van steunniveaus, aanbeveling 3.

⁴⁷ Hill, B. & Dylan Bradley, B. (2015), “Comparison of farmers’ incomes in the EU Member States”. Voor het Europees Parlement verrichte studie.

⁴⁸ Gegevensreeks over andere winstgevende werkzaamheden (ef_oga_main).

⁴⁹ Hansen, H. en Forstner, B. (2021), “A differentiated look at the economic situation of German farmers”, presentatie tijdens de 27e vergadering van het OESO-netwerk voor analyse op landbouwbedrijfsniveau.

⁵⁰ SWD(2018) 301, blz. 51.

⁵¹ Better Regulation Toolbox, blz. 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, bijlage bij Commission Implementing Decision on the financing of the Digital Europe Programme and the adoption of the multiannual work programme for 2021‑2022, blz. 54.

⁵⁵ EU-gedragscode voor het delen van landbouwgegevens op basis van een contractuele overeenkomst.

⁵⁶ COM(2020) 381.

⁵⁷ Routekaart: omzetting in een informatienet inzake de duurzaamheid van landbouwbedrijven (FSDN).

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

⁵⁹ Final report summary of FLINT project.

⁶⁰ Routekaart: omzetting in een informatienet inzake de duurzaamheid van landbouwbedrijven (FSDN).

⁶¹ SWD(2018) 301, deel I, blz. 51.

⁶² Zie bijvoorbeeld de Strategy for agricultural statistics for 2020 and beyond, blz. 8, 12, 16 en 17.

⁶³ Poppe, K. J. en Vrolijk, H.C.J. (2019), How to measure farm income in the era of complex farms, document opgesteld voor presentatie tijdens het 171e EAAE-seminar.

⁶⁴ Uitvoeringsverordening (EU) 2021/2286 van de Commissie.

⁶⁵ Punt, T. en Snijkers, G., Exploring precision farming data: a valuable new data source? A first orientation, 2020. Document gepresenteerd tijdens de VN/ECE-workshop van 2019 over de verzameling van statistische gegevens, “New sources and New technologies”.

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

⁶⁷ Artikel 15 van Verordening (EU) 2021/2115.

⁶⁸ Agricultural Data Integration Project.

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

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

⁷¹ WAGRI-website.

⁷² Crop-CASMA User’s Guide.

Contact

EUROPESE REKENKAMER
12, rue Alcide De Gasperi
L-1615 Luxemburg
LUXEMBURG

Tel. +352 4398-1
Inlichtingen: eca.europa.eu/nl/Pages/ContactForm.aspx
Website: eca.europa.eu
Twitter: @EUAuditors

Meer gegevens over de Europese Unie vindt u op internet via de Europaserver (https://europa.eu).

Luxemburg: Bureau voor publicaties van de Europese Unie, 2022

PDF	ISBN 978-92-847-8279-6	ISSN 1977-575X	doi:10.2865/818770	QJ-AB-22-014-NL-N
HTML	ISBN 978-92-847-8255-0	ISSN 1977-575X	doi:10.2865/438899	QJ-AB-22-014-NL-Q

AUTEURSRECHT

© Europese Unie, 2022

Het beleid van de Europese Rekenkamer (ERK) inzake hergebruik is uiteengezet in Besluit nr. 6-2019 van de ERK over het opendatabeleid en het hergebruik van documenten.

Tenzij anders aangegeven (bijv. in afzonderlijke auteursrechtelijke mededelingen), wordt voor inhoud van de ERK die eigendom is van de EU een licentie verleend in het kader van de Creative Commons Attribution 4.0 International (CC BY 4.0)-licentie. Als algemene regel geldt derhalve dat hergebruik is toegestaan mits de bron correct wordt vermeld en eventuele wijzigingen worden aangegeven. De hergebruiker van ERK-inhoud mag de oorspronkelijke betekenis of boodschap niet wijzigen. De ERK is niet aansprakelijk voor mogelijke gevolgen van hergebruik.

Aanvullende toestemming moet worden verkregen indien specifieke inhoud personen herkenbaar in beeld brengt, bijvoorbeeld op foto’s van personeelsleden van de ERK, of werken van derden bevat.

Indien dergelijke toestemming wordt verkregen, wordt de bovengenoemde algemene toestemming opgeheven en zullen beperkingen van het gebruik daarin duidelijk worden aangegeven.

Wilt u inhoud gebruiken of reproduceren die geen eigendom van de EU is, dan dient u de auteursrechthebbende mogelijk rechtstreeks om toestemming te vragen:

Figuren 1, 4, 8 en 11: Freepik Company S.L. Alle rechten voorbehouden.

Logo's figuur 12: alle rechten voorbehouden.

Software of documenten waarop industriële-eigendomsrechten rusten, zoals octrooien, handelsmerken, geregistreerde ontwerpen, logo’s en namen, zijn uitgesloten van het beleid van de ERK inzake hergebruik.

De groep institutionele websites van de Europese Unie met de domeinnaam “europa.eu” bevat links naar sites van derden. Aangezien de ERK geen controle heeft over deze sites, wordt u aangeraden kennis te nemen van hun privacy- en auteursrechtbeleid.

Gebruik van het ERK-logo

Het logo van de ERK mag niet worden gebruikt zonder voorafgaande toestemming van de ERK.

HOE NEEMT U CONTACT OP MET DE EU?

Kom langs
Er zijn honderden Europe Direct-centra overal in de Europese Unie. U vindt het adres van het dichtstbijzijnde centrum online (european-union.europa.eu/contact-eu/meet-us_nl).

Bel of schrijf
Europe Direct is een dienst die uw vragen over de Europese Unie beantwoordt. U kunt met deze dienst contact opnemen door:

• te bellen naar het gratis nummer: 00 800 6 7 8 9 10 11 (bepaalde telecomaanbieders kunnen wel kosten in rekening brengen);
• te bellen naar het gewone nummer: +32 22999696, of
• het onlineformulier in te vullen: european-union.europa.eu/contact-eu/write-us_nl

WAAR VINDT U INFORMATIE OVER DE EU?

Online
Informatie over de Europese Unie in alle officiële talen van de EU is beschikbaar op de Europa-website (european-union.europa.eu).

EU-publicaties
U kunt publicaties van de EU bekijken of bestellen op op.europa.eu/nl/publications. Als u meerdere exemplaren van gratis publicaties wenst, neem dan contact op met Europe Direct of uw plaatselijke documentatiecentrum (european-union.europa.eu/contact-eu/meet-us_nl).

EU-wetgeving en aanverwante documenten
Toegang tot juridische informatie van de EU, waaronder alle EU-wetgeving sinds 1951 in alle officiële talen, krijgt u op EUR‑Lex (eur-lex.europa.eu).

Open data van de EU
Het portaal data.europa.eu biedt toegang tot opendatabestanden van de instellingen, organen en agentschappen van de EU. Deze kunnen gratis worden gedownload en hergebruikt, zowel voor commerciële als voor niet-commerciële doeleinden. Het portaal biedt ook toegang tot een grote hoeveelheid databestanden van de Europese landen.