Data i den gemensamma jordbrukspolitiken Potentialen att använda stordata i utvärderingar av politiken är outnyttjad

Sammanfattning

I Den gemensamma jordbrukspolitiken (GJP) står för mer än en tredjedel av EU:s budget. Politiken har många komplexa och inbördes sammanhängande mål, från jordbruksbefolkningens levnadsstandard till miljö- och klimatrelaterade aspekter och utvecklingen av landsbygdsområden. För ett evidensbaserat tillvägagångssätt i samband med politiska beslut krävs olika data från olika källor och en efterföljande analys.

II Syftet med revisionen var att bedöma om kommissionen använder data och analytik på ett bra sätt för att analysera den gemensamma jordbrukspolitiken. Denna bedömning är relevant både för den GJP som inleds 2023 och för GJP efter 2027.

III Först undersökte vi hur kommissionen har använt tillgängliga data för politiska analyser de senaste åren och om tillgängliga data är tillräckliga. Därefter undersökte vi vad kommissionen gör för att täppa till dataluckor, inbegripet användningen av stordata.

IV Vi konstaterade att kommissionen har stora mängder data om utformning, övervakning och utvärdering av GJP. Kommissionen använder konventionella verktyg, såsom kalkylblad, för att analysera de data som den samlar in från medlemsstaterna. Nuvarande data och verktyg levererar inte vissa viktiga element (t.ex. detaljer om tillämpad miljöpraxis och inkomster utanför jordbruket) som behövs för ett välgrundat beslutsfattande. Kommissionen har tagit flera lagstiftningsinitiativ och andra initiativ för att utnyttja befintliga data bättre, men hinder kvarstår för att insamlade data ska kunna användas på bästa sätt. Hinder som avsaknad av standardisering och begränsningar på grund av dataaggregering minskar tillgången till data och deras användbarhet.

V Vi rekommenderar kommissionen att

• inrätta en ram för användning av disaggregerade data från medlemsstaterna,
• i större utsträckning använda och utveckla datakällor för att tillgodose politiska behov.

Inledning

Den gemensamma jordbrukspolitiken är ett brett politikområde

01 Den gemensamma jordbrukspolitiken (GJP) inrättades 1962 och står för mer än en tredjedel av EU:s budget: under perioden 2014–2020 uppgick jordbruksutgifterna till totalt 408 miljarder euro. De allmänna fördragsmålen¹ för politiken preciseras i förordningarna om den gemensamma jordbrukspolitiken (se figur 1). Politiken syftar inte bara till att påverka jordbruksproduktionen och jordbrukarna utan även miljömässiga, klimatrelaterade och sociala aspekter.

02 Inom GJP får stödmottagarna den största delen av stödet på grundval av den mark de förfogar över. En ytterligare del av stödet kan betalas ut som ersättning för kostnader för att genomföra specifika verksamheter och för att finansiera investeringar. I EU-lagstiftningen anges grunden för merparten av betalningarna. Data om jordbruksföretag skapas och samlas in på olika sätt (figur 2).

Datas roll i en politisk cykel

03 I kommissionens riktlinjer för bättre lagstiftning efterlyses ett evidensbaserat tillvägagångssätt, vilket betyder att politiska beslut måste baseras på bästa tillgängliga underlag. Enligt kommissionens definition är evidens data, information och kunskap från många olika källor, inbegripet kvantitativa data, såsom statistik och mätningar, kvalitativa data, såsom yttranden, bidrag från berörda parter och slutsatser av utvärderingar, samt vetenskapliga råd och expertutlåtanden². En konventionell politisk cykel innehåller de olika steg som visas i figur 3. En evidensbaserad politik kräver relevanta data i varje skede av cykeln.

04 Världen över använder sig organisationer i allt högre grad av ”stordata”, vilket gör det möjligt för dem att använda data som har samlats in på olika sätt. I rapporten betraktar vi ”stordata” som data som är för komplexa eller för stora för traditionella databehandlingssystem och som kräver avancerade verktyg och kraftfulla datorer.

05 Jordbruket är en sektor där digtala innovationer och tekniker används i allt högre grad. I figur 4 ges exempel på digitala tekniker inom jordbruket. Många av dessa tekniker kan användas i den offentliga sektorn. Tekniska framsteg kan minska tidsåtgången för att utforma politiken och öka faktaunderlaget för politiska beslut³. Dessa förbättringar gör att regeringarna kan anta datadriven politik, särskilt genom att göra det möjligt att⁴

• bättre förstå jordbrukets miljöpåverkan och formulera politiska mål som hanterar effekterna på ett övergripande sätt,
• utforma en differentierad och riktad politik,
• tillämpa nya datadrivna övervakningssystem.

EU:s ambitioner när det gäller data

06 Europeiska kommissionen har utfärdat flera dokument som betonar behovet av att förbättra och maximera användningen av data för bättre beslutsfattande eller för att påverka datadelningen eller verktygen i EU (se figur 5).

07 I kommissionens meddelande från 2016 om data-, informations- och kunskapshantering vid kommissionen betonades behovet av att förbättra informationssökningen och tillhandahållandet av information och att maximera användningen av data för ett bättre beslutsfattande. I meddelandet konstaterades att stordata har potential att avsevärt öka kommissionens kapacitet genom att möjliggöra tidig upptäckt av trender och snabbare återkoppling till stöd för bättre lagstiftning och evidensbaserat beslutsfattande samt att på ett bättre sätt visa alla berörda parter vilka resultat som uppnåtts. Kommissionen planerade att utveckla den kompetens, de verktyg och den datorinfrastruktur som krävs för att stödja en stordatakapacitet. Den framhöll också att databehov och kunskapsluckor måste förutses bättre för att säkerställa att data är tillgängliga, användbara och lämpliga för konsekvensbedömningar, övervakning, rapportering och utvärdering⁵. Kommissionens interna datastrategi är det viktigaste verktyget för att omsätta meddelandet i praktiken.

08 I november 2018 antog kommissionen Europeiska kommissionens digitala strategi för att senast 2022 bli en digitalt förändrad, användarfokuserad och datadriven förvaltning. Strategin bekräftade inriktningen i 2016 års meddelande. Av de nio åtgärder som anges i strategin anser vi att följande två är de mest relevanta för vår revisions inriktning och omfattning:

• Integrering av ny teknik i kommissionens it-miljö.
• Underlättande av det fria flödet av data om EU-omfattande politik mellan europeiska offentliga förvaltningar.

09 I februari 2020 offentliggjorde kommissionen ett meddelande med titeln En EU-strategi för data⁶ för perioden 2021–2027, vars räckvidd sträcker sig långt utöver själva kommissionen. Strategin syftar till att förverkliga ”visionen om en genuin inre marknad för data” genom åtgärder som att fastställa en styrningsram för tillgång till och användning av data och att investera i datainfrastruktur och datakompetens. De frågor som måste lösas är bland annat tillgång till data, interoperabilitet mellan data och datakvalitet, datastyrning, datainfrastruktur och datateknik (t.ex. databehandlingskapacitet och molninfrastruktur) samt cybersäkerhet.

10 Kommissionens förslag till dataförvaltningsakt⁷ 2020 syftade till att underlätta vidareutnyttjandet av vissa kategorier av skyddade data från den offentliga sektorn, öka förtroendet för dataförmedlingstjänster och främja dataaltruism i EU.

Revisionens inriktning och omfattning samt revisionsmetod

11 Vår revision syftade till att bedöma om kommissionen utnyttjar data och dataanalytik på ett bra sätt för att analysera den gemensamma jordbrukspolitiken. Först undersökte vi hur kommissionen har använt tillgängliga data för politiska analyser och om tillgängliga data är tillräckliga. Därefter undersökte vi om kommissionen försöker täppa till dataluckorna, inbegripet användningen av stordata, och om det fanns nya eller pågående EU-forskningsprojekt som skulle kunna bidra till att täppa till dessa luckor och förbättra analysen av den gemensamma jordbrukspolitiken.

12 Revisionens inriktning och omfattning innefattade utformning av politiken, övervakning under genomförandet och utvärdering. Revisionen omfattade perioden från 2015 till och med februari 2022. Att bedöma dataförvaltningen inom GJP är relevant, eftersom vår rapport skulle kunna påverka både den GJP som inleds 2023 och GJP efter 2027. Huvudansvaret för GJP ligger hos kommissionens generaldirektorat för jordbruk och landsbygdsutveckling (GD Jordbruk och landsbygdsutveckling).

13 Vid revisionen

• granskade vi relevanta data och dokument, inbegripet vetenskapliga, strategiska, lagstiftningsmässiga, politiska och projektrelaterade dokument,
• intervjuade vi personalen vid fyra av kommissionens generaldirektorat (GD Jordbruk och landsbygdsutveckling, Eurostat, gemensamma forskningscentrumet (JRC) och GD Kommunikationsnät, innehåll och teknik),
• intervjuade vi företrädare för den europeiska jordbrukssammanslutningen Copa-Cogeca om EU:s uppförandekod för delning av jordbruksdata genom avtal och företrädare för Sen4CAP-projektet,
• fick vi synpunkter från alla 27 EU-medlemsstater genom en enkät till det ministerium/den myndighet som ansvarar för GJP och hade, baserat på enkätsvaren, uppföljningsdiskussioner med myndigheter i Belgien, Estland, Tyskland, Irland, Nederländerna och Spanien,
• utförde vi en skrivbordsgranskning av tre länder utanför EU (USA, Australien och Japan) i riktmärkningssyfte; granskningsteamet valde ut dessa länder utifrån deras betydande jordbruksekonomi och innovativa eller digitala initiativ för jordbruksförvaltning samt tillgången till offentliga data,
• anordnade vi en paneldiskussion med vetenskapliga, politiska och administrativa experter.

Iakttagelser

Nuvarande data och verktyg ger delvis den information som behövs för ett välgrundat beslutsfattande på EU-nivå

14 Kommissionen är skyldig att bedöma den gemensamma jordbrukspolitikens resultat i förhållande till dess tre allmänna mål⁸ (se figur 1). De bevis som kommissionen samlar in för beslutsfattande ska vara proportionerliga och lämpliga när det gäller att ge underlag för politiska alternativ och hantera utvärderingsfrågor⁹. Enligt riktlinjerna för bättre lagstiftning ska utvärderingarna också säkerställa att relevant evidens finns tillgänglig som stöd i utarbetandet av nya initiativ (principen ”utvärdera först”).

15 Vi undersökte om GD Jordbruk använder ett tillräckligt stort urval av datakällor och data för att analysera GJP samt om det använder relevanta analysverktyg. Vi undersökte vilken typ av data, it-system och dataanalytik som kommissionen förfogar över och använder. För att avgöra om datan och verktygen är tillräckliga granskade vi utvärderingar och dokument avseende utformning av politiken.

GD Jordbruk och landsbygdsutveckling samlar huvudsakligen in administrativa data och använder mest konventionella verktyg för dataanalys

16 För att utforma, övervaka och utvärdera GJP förfogar GD Jordbruk och landsbygdsutveckling över stora volymer av till största delen administrativa data (t.ex. marknadspriser och betalningar samt jordbruksföretagens redovisningsuppgifter) som det mestadels får från medlemsstaterna, som samlar in uppgifterna för att genomföra politiken. EU:s jordbruksstatistik som samlas in av Eurostat kommer från en rad olika källor: statistiska urvalsundersökningar, förvaltningsuppgifter, uppgifter från jordbruksföretag och andra företag samt uppgifter om jordbruksföretag i jordbruksräkningar och urval¹⁰.

17 GD Jordbruk och landsbygdsutveckling följer kommissionens interna datastrategi. Kommissionen har upprättat en dataförteckning med uppgifter om äganderätt, tillgänglighet, lagring och möjlighet till vidareutnyttjande för varje datatillgång. Vid denna inventering nämndes inte information om luckor eller överlappningar.

18 GD Jordbruk och landsbygdsutvecklings dataförteckning i februari 2022 bestod av 57 datatillgångar som lagras i olika it-system och databaser (för exempel, se figur 6). Databaserna innehåller till största delen strukturerade administrativa data, och GD Jordbruk och landsbygdsutveckling använder i huvudsak statistiska verktyg för att behandla dem. Ett antal dokument som GD Jordbruk och landsbygdsutveckling samlar in från medlemsstaterna (t.ex. årliga genomföranderapporter) innehåller ostrukturerade data för vilka GD Jordbruk och landsbygdsutveckling inte har några automatiserade eller halvautomatiserade behandlingsverktyg.

19 GD Jordbruk och landsbygdsutveckling har en överenskommelse med JRC om dataanalys och om att undersöka olika sätt att utnyttja befintliga data bättre. På grundval av detta använder det vissa avancerade metoder i sin analys av GJP (t.ex. IFM-CAP-modellen, ekonometriska modeller och prediktiv analys). IFM-CAP-modellen är modellen med enskilda jordbruksföretag för GJP-analys som syftar till att bedöma GJP:s inverkan på jordbruksekonomin och miljön.

20 Vår granskning av de fyra it-system (ISAMM, CATS/COMBO, AGRIVIEW och SFC) och ISJR-databasen som förser portalen för data om jordbruksbaserade livsmedel med data (se figur 6) visade att GD Jordbruk och landsbygdsutveckling främst samlar in aggregerade data. Av dessa innehåller endast CATS/COMBO disaggregerade data på gårdsnivå.

21 GD Jordbruk och landsbygdsutveckling offentliggör konsoliderade data på portalen för data om jordbruksbaserade livsmedel som innehåller information från många av GD Jordbruk och landsbygdsutvecklings datatillgångar och från Eurostats jordbruksstatistik, interaktiva visualiseringar och resultattavlor. Användarna kan konsultera tidsserier, interaktiva kartor, diagram och tabeller samt ladda ner rådata för vidareutnyttjande och offlineanalys. GD Jordbruk och landsbygdsutveckling uppdaterar portalen kontinuerligt. Vi anser att portalen är ett exempel på god praxis när det gäller allmänt tillgängliga data, eftersom den utgör en enda åtkomstpunkt till en stor uppsättning data om marknader för jordbruksbaserade livsmedel, analyser, GJP-indikatorer och EU-finansiering.

22 De viktigaste it-system som kommissionen och medlemsstaterna använder när det gäller GJP fokuserar på deskriptiv och diagnostisk analys, medan mycket få analyser är prediktiva eller preskriptiva (se figur 7).

23 Av våra intervjuer och medlemsstaternas svar på vår enkät framgick att det finns flera hinder för kommissionens och medlemsstaternas användning av stordata (se punkt 04) och avancerad analytik vid analysen av GJP, såsom

1. skillnader i kvalitetsstandarder eller kvalitetskrav mellan olika datakällor,
2. sekretessregler som begränsar användningen av data på gårdsnivå,
3. begränsad tillgång till data och data som inte är i samma eller rätt format,
4. låg datakompetens och brist på kvalificerad personal.

24 Bristen på gemensamma referenser, till exempel en unik identifierare, gör det svårt att samköra data på gårdsnivå från olika datakällor för analys av GJP. En unik identifierare eller alternativa datakombineringstekniker skulle göra det möjligt att koppla samman data från olika datakällor som rör samma jordbruksföretag (se ruta 1).

25 Vanligtvis bedömer GD Jordbruk och landsbygdsutveckling manuellt den textinformation som medlemsstaterna lämnar i sina årsrapporter och använder inte stordatateknik, såsom textanalys eller automatiserad extrahering. Vår analys visar att ytterligare automatisering är möjlig (se ruta 2 för ett exempel).

Vissa egenskaper hos befintliga data och system begränsar deras användning för politisk analys

26 Vi bedömde användningen av och begränsningarna hos tre mycket olika datakällor som kommissionen och medlemsstaterna använder i stor utsträckning (se tabell 1).

Integrerat administrations- och kontrollsystem

27 Kommissionen har begränsad tillgång till medlemsstaternas integrerade administrations- och kontrollsystem (IACS), som är den viktigaste komponenten i förvaltningen av GJP-stöd i medlemsstaterna. När det gäller GJP under perioden 2014–2020 består IACS av ett antal digitala och sammankopplade databaser, särskilt följande¹¹:

1. Ett system för identifiering av all jordbruksmark i EU-länderna, kallat systemet för identifiering av jordbruksskiften (LPIS).
2. Ett system som gör det möjligt för jordbrukare att grafiskt ange de jordbruksarealer för vilka de ansöker om stöd (geospatial stödansökan).
3. Ett system för registrering av identiteten hos varje stödmottagare som lämnar in en stödansökan eller ett stödanspråk.
4. Ett integrerat kontrollsystem för kontroll av stödansökningar, baserat på datoriserade korskontroller och fysiska kontroller på jordbruksföretagen.

28 Medlemsstaterna använder IACS för att ta emot stödansökningar samt för administrativa kontroller och andra kontroller (t.ex. kontroller på plats och kontroller genom övervakning) och för att göra utbetalningar¹². Medlemsstaterna kan använda olika tekniska lösningar för sitt IACS. Bristande standardisering, olika dataägare (dvs. inte alltid samma typ av myndighet) och oberoende it-utveckling leder till fragmentering, gör det svårt att jämföra data och begränsar hur data kan delas eller vidareutnyttjas. Detta minskar möjligheterna att använda avancerad analytik eller annan stordatateknik för att bedöma vilka effekter EU-medlen har¹³. Kommissionen har begränsad tillgång till medlemsstaternas 42 olika (nationella eller regionala) system med detaljerade data om jordbruksföretag och andra företag¹⁴. Detta gör det till exempel svårt att få detaljerad information om fördelningen av EU-medel.

29 Vid vår granskning av olika EU-finansierade forskningsprojekt¹⁵ konstaterade vi att den decentraliserade metod som används när det gäller IACS begränsar ytterligare integrering och sammanlänkning av dessa datakällor med andra av kommissionens datakällor, framför allt på grund av

1. kompatibilitetsproblem (olika tekniska lösningar) och bristande interoperabilitet mellan datasystem,
2. sekretessregler som inte tillåter sammankoppling av data om jordbruksföretag från olika datakällor (t.ex. IACS och ISJR),
3. låg granularitet hos andra databaser, det vill säga data som inte är tillräckligt detaljerade, och brist på gemensamma identifierare för avstämning mot IACS-data.

30 För att förbättra datadelningen och tillgängligheten uppmuntrar GD Jordbruk och landsbygdsutveckling medlemsstaterna att dela med sig av sina geospatiala icke-personliga IACS-data via den gemensamma geoportalen Inspire (se figur 8), med tekniskt stöd från JRC. Portalen ger tillgång till nedladdnings- och visningstjänster för geospatiala miljödata som sammanställts av medlemsstaterna.

31 I vilken utsträckning data delas via geoportalen Inspire varierar mellan medlemsstaterna. Exempel på antalet metadataposter för tre utvalda teman ges i figur 9. Medlemsstaterna offentliggör också vissa geospatiala data via sina oberoende nationella (eller regionala) geoportaler.

Satellitdata från Copernicus

32 Satellitdata från Copernicus uppfyller definitionen av stordata (se punkt 04). Kommissionen samordnar strategin ”kontroller genom övervakning” (baserad på Copernicusdata), som är ett exempel på automatiserad övervakning av GJP i medlemsstaterna.

33 Inom ramen för ”kontroller genom övervakning” analyseras kontinuerliga satellitdataflöden från Copernicus för att kontrollera om specifika skiften uppfyller stödkriterierna. Sedan 2018 har de nationella myndigheterna kunnat använda Copernicusdata för att ersätta traditionella fältbesiktningar. Enligt kommissionen tillämpades ”kontroller genom övervakning” under 2021 på 13,1 % av den areal som fick direktstöd. Målet för 2024 är 50 %¹⁶. År 2021 tillämpade tio medlemsstater processen på minst en stödordning på åtminstone en del av sitt territorium. Det kan jämföras med 2020, när vi offentliggjorde en särskild rapport om ”kontroller genom övervakning”¹⁷ (se ruta 3), då antalet var fem.

Informationssystemet för jordbruksföretagens redovisningsuppgifter (ISJR)

34 Den viktigaste källan till ekonomiska data är ISJR. Kommissionen och medlemsstaterna använder ISJR i stor skala för modellering, utvärdering och rapportering.

35 Sedan 1965 har ISJR syftat till att tillhandahålla ”objektiva och användbara upplysningar […] om inkomster […] och om andra ekonomiska förhållanden för företag” när det gäller GJP¹⁹. ISJR är källan till harmoniserade mikroekonomiska data som finns tillgängliga för att mäta GJP:s effekter. Det bygger på nationella undersökningar, är frivilligt för jordbruksföretag och omfattar EU-jordbruksföretag som är tillräckligt stora för att betraktas som kommersiella²⁰.

36 Det faktum att icke-kommersiella och små jordbruk inte ingår i ISJR gör det mindre representativt för GJP-stödmottagarna. År 2015 omfattade undersökningen omkring 83 000 jordbruksföretag. Även om detta speglar omkring 90 % av den totala utnyttjade jordbruksarealen och den totala jordbruksproduktionen²¹, motsvarar det 4,7 miljoner av totalt 10,8 miljoner jordbruksföretag i EU²². ISJR är inte utformat för att vara representativt för stödmottagarna inom GJP. Enligt kommissionen varierade andelen icke-representerade mottagare av GJP-direktstöd 2019 mellan 5 % i Nederländerna och 78 % i Slovakien.

Avsaknad av lämpliga data begränsar utvärderingen av GJP:s resultat

37 I utvärderingarna ska man använda bästa tillgängliga evidens som inhämtats genom en rad olika och lämpliga metoder och källor (triangulering)²³. Detaljerade data gör det lättare att koppla samman politiska mål och resultat/effekter²⁴. Enligt lagstiftningen ska den information som används för att utvärdera GJP:s resultat i möjligaste mån baseras på etablerade datakällor som ISJR och Eurostat²⁵. En god övervakning ska generera faktagrundade tidsseriedata för att förbättra kvaliteten på framtida utvärderingar och konsekvensbedömningar²⁶.

38 Vi granskade fem av kommissionens utvärderingar eller studier till stöd för utvärderingen, vilka omfattade minst en utvärdering av vart och ett av de tre allmänna GJP-målen i figur 1. Vi konstaterade att kommissionen i utvärderingarna hade använt en rad olika data som samlats in för att förvalta eller övervaka politiken, till exempel GJP-indikatorerna²⁷, ISJR, CATS/COMBO, Eurostat-statistik och informationssystemet för styrning och övervakning av jordbruksmarknaden (ISAMM). Dessa data kompletteras ofta med externa data (t.ex. från Organisationen för ekonomiskt samarbete och utveckling, FN och FN:s livsmedels- och jordbruksorganisation), fallstudier, frågeformulär och intervjuer.

39 För alla tre GJP-målen använder kommissionen och utvärderarna kontrafaktiska effektutvärderingar²⁸. Detta kräver data om kontrollgrupper, det vill säga om enheter som inte tillämpar politiken. ISJR tillhandahåller data om båda grupperna och kan vara användbart för en sådan analys. Till exempel begränsar brist på kontrafaktiska uppgifter uppskattningarna av GJP:s bidrag till begränsningen av klimatförändringarna. Enligt kommissionen har GJP tillämpats för länge och omfattar en alltför stor areal för att medge jämförbara data²⁹, det vill säga det går inte att jämföra situationen före och efter eller med och utan politiken. Det är också svårt att använda kontrafaktiska metoder när det gäller territoriell utveckling, eftersom de flesta regioner får GJP-stöd. För att komma till rätta med detta problem utvecklade JRC en kvantitativ analytisk ram baserad på kontrafaktiska effektbedömningsmetoder för att ge insikt i orsakssambandet mellan politiken och dess resultat, med beaktande av de många olka åtgärder som vidtas i landsbygdsområden³⁰.

Hållbar livsmedelsproduktion

40 De viktigaste datakällorna för utvärdering av målet om hållbar livsmedelsproduktion är ISJR och räkenskaperna för jordbruket (EAA) (se tabell 2). Kommissionen införde båda specifikt för att tillhandahålla data för bedömningen av GJP. För att utvärdera hur GJP-stödet påverkar jordbrukarnas inkomster använder kommissionen till exempel Eurostats statistik över faktorinkomst (dvs. inkomst från mark, kapital och arbetskraft) och ISJR³¹.

41 Det tar ett år för medlemsstaterna att samla in och validera ISJR-datan och ett år för kommissionen att kontrollera och validera ISJR-datan från medlemsstaterna. Det tar därför minst två år innan datan finns tillgänglig i ISJR-databasen. När kommissionen 2018 lade fram lagstiftningsförslaget om GJP efter 2020 fanns endast data från ett år av den innevarande GJP tillgängliga (uppgifter från 2015 års ISJR-undersökning). Detta innebär att kommissionen lade fram sitt förslag innan den hade de senaste ISJR-data om resultaten och effekterna av den då gällande politiken.

Hållbar förvaltning av naturresurser och klimatåtgärder

42 När det gäller GJP-målet om naturresurser och klimatåtgärder kan det gå lång tid från det att en politisk åtgärd vidtas till dess att effekterna blir synliga. För att ett orsakssamband ska kunna fastställas mellan en GJP-åtgärd och dess resultat måste olika data kombineras och externa faktorer beaktas. Av målets fyra komponenter (se figur 1) undersökte vi biologisk mångfald. Varken medlemsstaterna eller kommissionen kunde presentera god evidens för ett orsakssamband mellan normerna för god jordbrukshävd och goda miljöförhållanden³² och den biologiska mångfaldens status³³. I tabell 3 ges exempel på evidens som användes och begränsningar i bedömningen av komponenten biologisk mångfald.

43 I en utvärdering 2019 drogs slutsatsen att det inte gick att göra en övergripande bedömning av politikens effekter på den biologiska mångfalden på grund av avsaknaden av lämpliga övervakningsdata³⁴. Flera av kommissionens övervakningsindikatorer matas inte regelbundet med data. Till exempel samlar inte alla medlemsstater in och rapporterar data om effektindikatorn för uttag av vatten inom jordbruk.

44 En annan begränsning av utvärderingen av miljömålet är att det inte fanns några fullständiga data tillgängliga om de mängder gödselmedel och bekämpningsmedel som används i EU på jordbruksmark. Sedan 2021 finns data tillgängliga om mängden bekämpningsmedel som används på jordbruksmark men för mindre än hälften av medlemsstaterna. Kommissionen och utvärderarna har använt ISJR-data om utgifter för gödselmedel och växtskyddsmedel per hektar som proxyvariabel.

45 Den allmänt tillgängliga EU-statistiken över växtskyddsmedel avser mängden (kg) verksamma ämnen som ingår i sålda växtskyddsmedel³⁵. I särskild rapport 05/2020³⁶ rapporterade vi att indelningen i grupper av dessa verksamma ämnen på det sätt som EU-lagstiftningen kräver begränsar den information som Eurostat kan offentliggöra eller ens dela med andra generaldirektorat vid kommissionen. Den statistik som samlas in om användningen av växtskyddsmedel inom jordbruket enligt nuvarande EU-lagstiftning går inte att jämföra, och Eurostat har ännu inte kunnat offentliggöra uppgifter om användningen på EU-nivå.

Balanserad territoriell utveckling

46 I en utvärdering 2021³⁷ använde kommissionen och utvärderarna GJP:s aktivitetsindikatorer, betalningsdata från CATS/COMBO, GD Regional- och stadspolitiks databas ARDECO och Eurostats regionala databas för GJP:s tredje mål. Den begränsade tillgången till fullständiga, detaljerade och uppdaterade data om den socioekonomiska situationen i landsbygdsområden påverkade utvärderingens tillförlitlighet³⁸. Entreprenörerna hävdade att data om vissa av de centrala samhällsaspekterna var knappa och att de, om de fanns tillgängliga, ofta inte uppdaterades regelbundet utan togs fram ad hoc i specifika forskningsprojekt³⁹. I vissa fall hade utvärderarna använt indirekta indikatorer. Sammantaget ansåg de att tillgången till och kvaliteten på indikatorer och bristen på data om små regioner utgjorde de största begränsningarna för kvantitativa analyser.

47 Med undantag för betalningsdatan i CATS/COMBO och datan om enskilda jordbruksföretag i ISJR aggregeras merparten av de data som kommissionen samlar in från medlemsstaterna, vilket ger en enda siffra för en hel medlemsstat eller region. Detta begränsar möjligheterna att vidareutnyttja datan för ytterligare utvärdering eller politikutformning. För vissa socioekonomiska aspekter (t.ex. social delaktighet) fanns data endast tillgängliga på nationell nivå eller med låg geografisk upplösning, vilket är otillräckligt för analyser av territoriell differentiering⁴⁰. GJP-övervakningsdata är inte heller tillräckligt detaljerade för mer riktade analyser, till exempel information om stödmottagarnas ålder eller kön⁴¹. Dessa data finns vanligtvis tillgängliga i medlemsstaternas databaser men är inte tillgängliga för kommissionen.

Kommissionen har inte tillräcklig evidens för sin bedömning av behoven inom GJP

48 Enligt riktlinjerna för bättre lagstiftning ska den konsekvensbedömning som åtföljer ett lagstiftningsförslag börja med att verifiera att det finns ett problem⁴². I den måste det logiska sambandet mellan problemet och de bakomliggande orsakerna och de relaterade målen beskrivas samt en rad politiska alternativ anges för att åtgärda problemet.

49 För att granska dataanvändningen vid utformningen eller planeringen av politiken granskade vi den konsekvensbedömning som åtföljde lagstiftningsförslaget om GJP efter 2020⁴³ och olika kommissionsdokument till stöd för det. Vi identifierade brister i det sätt på vilket relevanta data tillhandahölls till stöd för beskrivningen av det problem som politiken syftar till att åtgärda inom det särskilda målet ”jordbruksinkomster som det går att leva på”. I vårt yttrande över lagstiftningsförslagen om GJP efter 2020 uppgav vi att de data och argument som kommissionen använde till stöd för behovsbedömningen i fråga om jordbrukarnas inkomster var otillräckliga⁴⁴. Kommissionen har ingen information om jordbrukarnas eller jordbrukshushållens inkomster utanför jordbruket, och genomsnitten döljer en stor variation i inkomstsituationen. I vår rapport från 2021 om jämställdhetsintegrering framhöll vi dessutom att avsaknaden av statistik över inkomster för jordbrukshushåll och över disponibla jordbruksinkomster uppdelad efter kön också utgör en stor datalucka när man tittar på direktstödets effekter på jämställdheten⁴⁵.

50 År 2018 rekommenderade vi att ”[i]nnan kommissionen lägger fram ett förslag om den framtida utformningen av GJP bör den bedöma inkomstställningen för alla grupper av jordbrukare och analysera deras behov av inkomststöd”, med beaktande av sådana aspekter som inkomst från livsmedelsproduktion och annan jordbruksproduktion samt från andra källor än jordbruket⁴⁶. Kommissionen godtog delvis rekommendationen och tillade att politiken är inriktad på dem som aktivt arbetar med jordbruk för att försörja sig. En studie från 2015⁴⁷ om jordbrukshushållens inkomster visade på en stor brist på information om den gemensamma jordbrukspolitikens resultat, eftersom det inte fanns något EU-system för statistik eller övervakning för att bedöma jordbrukarnas totala hushållsinkomster och jämföra dem med andra grupper i samhället. I februari 2022 hade kommissionen inte gjort några framsteg på detta område.

51 Vart tredje till fjärde år får Eurostat data från medlemsstaternas undersökning om företagsstrukturen i jordbruket om annan inkomstbringande verksamhet på jordbruksföretag. Undersökningsdatan visar om den andra inkomstbringande verksamheten är en huvudsaklig eller sekundär verksamhet för företagaren/driftsledaren men inte dess andel av inkomsten eller inkomstens storlek. Den senaste datan på Eurostats webbplats avser 2016⁴⁸.

52 Den nuvarande standardförteckningen över ISJR-variabler omfattar inte information om inkomster utanför jordbruket, eftersom undersökningen handlar om jordbruksföretag och inte om jordbrukare. Enbart inkomstskatteuppgifter i de nationella skattemyndigheternas register är otillräckliga för att tillhandahålla dessa data, eftersom de inte innehåller information om jordbruksföretagens särdrag och även omfattar jordbruksinkomster för personer vars huvudsakliga verksamhet inte är jordbruk⁴⁹.

53 Vissa medlemsstater (t.ex. Irland och Nederländerna) samlar in data om inkomster utanför jordbruket med hjälp av nationella ISJR-undersökningar, vilket skulle kunna täppa till en av dataluckorna när det gäller jordbrukarnas realinkomster. De irländska myndigheterna offentliggör regelbundet indirekt data om inkomster utanför jordbruket, bland annat ”förekomst av sysselsättning utanför jordbruket”, ”antal arbetade dagar och timmar utanför jordbruksföretaget” och ”arbetssektor”.

Kommissionen har tagit olika initiativ för att utnyttja befintliga data bättre, men hinder kvarstår

54 Kommissionen bör ta fler initiativ för att avhjälpa befintliga brister och förbättra insamlingen och behandlingen av data i syfte att utvärdera GJP och stödja utvecklingen av framtida politik. Initiativen ska genomföras i enlighet med den fastställda tidsplanen och leda till de planerade resultaten. Kommissionen måste anpassa och stärka de befintliga datakällorna för den nya gemensamma jordbrukspolitiken. Den bör också utforska och mobilisera nya datakällor för att minska bördan för jordbrukare och förvaltningar, samtidigt som den politiska evidensbasen förbättras⁵⁰.

55 I sin interna handlingsplan för datastrategin har kommissionen satt upp egna mål för att garantera tillgång till data som är relevanta för beslutsfattande och fungerar i hela organisationen samt för att främja användningen av modern teknik för dataanalytik för att identifiera mönster och trender snabbare och effektivare.

56 Vi undersökte vilka initiativ kommissionen har tagit för att bättre utnyttja tillgängliga data och ny teknik i syfte att åtgärda de luckor och utmaningar som identifierats ovan. Dessutom tittade vi på EU-finansierade forskningsprojekt och medlemsstatsinitiativ som skulle kunna bidra till analysen av GJP och täppa till några av luckorna.

Kommissionen utökar datakällorna och uppmuntrar datadelning för att täppa till dataluckor och tillgodose databehov för GJP

57 I kommissionens interna datastrategi anges att interna och externa datakällor måste utnyttjas så mycket som möjligt för att få fram evidens till stöd för beslut. Kostnaderna och den administrativa bördan för ytterligare datainsamling för övervakning av politiken måste stå i proportion till databehoven. Enligt verktygslådan för bättre lagstiftning⁵¹ behöver inte alla dataluckor täppas till.

58 Kommissionen började omsätta sin datastrategi i praktiken 2018. Verksamheten sträcker sig från att skapa en dataförteckning (se punkterna 17 och 18) till regler för dataförvaltning, dataanalytik samt utbildning och kompetens. I slutet av 2020 tillsatte GD Jordbruk och landsbygdsutveckling ett råd och en arbetsgrupp för att genomföra strategin. Sedan januari 2022 har generaldirektoratet haft en särskild enhet för dataförvaltning för att förbättra samordningen av datahanteringen.

59 Kommissionen har vidtagit flera åtgärder som skulle kunna bidra till en bättre analys av politiken genom att de utvecklar datainfrastrukturen och dataanvändningen när det gäller GJP (t.ex. digitala lösningar, e-verktyg, algoritmer och god praxis). Se bilagan för exempel.

60 I en utvärdering av jordbruksstatistiken som Eurostat gjorde 2016⁵² konstaterades att jordbruks-, skogsbruks-, markanvändnings- och miljöstatistiken inte är tillräckligt harmoniserad och enhetlig. Skälen till detta är bland annat att silotänkande har präglat utvecklingen av lagstiftningen, men också att det finns olika definitioner och begrepp inom olika jordbruksområden. För att ta itu med denna fråga införde kommissionen två nya förordningar och ändrade en befintlig förordning (se figur 10).

61 År 2019 utlyste Eurostat en inbjudan att lämna förslag i syfte att inrätta ett nätverk av nationella statistikbyråer som är intresserade av att utveckla metoder för att modernisera jordbruksstatistiken. En av de två prioriteringarna gällde verksamhet som utnyttjar användningen av nya datakällor för jordbruksstatistik (t.ex. stordata, satellitbilder, georefererad information och precisionsjordbruk), inbegripet aspekter som rör tillgång, sekretess och kvalitetsbedömning. Inbjudan resulterade inte i några ansökningar. Enligt kommissionen uppgav medlemsstaterna att en orsak till detta var att de nationella statistikbyråerna inte hade tillräckliga resurser för att inrätta och samordna ett sådant nätverk.

62 Andra initiativ för att försöka täppa till dataluckor kan delas in i två större kategorier: datadelning från medlemsstater eller intressenter och tillägg av nya variabler till befintliga datakällor.

63 Inom ramen för GD Jordbruk och landsbygdsutvecklings process för delning av IACS-data inom Inspire-projektet håller GD Jordbruk och landsbygdsutveckling, i samarbete med JRC, GD Miljö och GD Klimatpolitik, på att bygga upp en ram och stödförfaranden för delning i hela EU av rumsliga IACS-data som inte är personuppgifter. Målet är att säkerställa att rumsliga IACS-data är lätta att lokalisera, tillgängliga på ett effektivt sätt (via en enda kontaktpunkt) och faktiskt kan vidareutnyttjas i en sammanhängande politisk miljö (se figur 11).

64 I EU-strategin för data⁵³ konstaterar kommissionen att det är viktigt med datadelning för att förbättra tillgången till data. I strategin tillkännagav kommissionen sin plan att inrätta nio EU-omfattande gemensamma sektoriella dataområden, bland annat ett ”gemensamt europeiskt dataområde för den gröna given” och ett ”gemensamt europeiskt dataområde för jordbruk”. Det senare syftar till att göra det lättare att dela, behandla och analysera produktionsdata, öppna data och eventuellt andra offentliga data (t.ex. markdata)⁵⁴.

65 I strategin anges två förberedande verksamheter när det gäller dataområdet för jordbruk: utbyta erfarenheter av ”uppförandekoden för delning av jordbruksdata”⁵⁵ och utvärdera de dataområden för jordbruksdata som fanns 2020 och i början av 2021. Kommissionen planerar för närvarande att genomföra dessa verksamheter som en del av arbetsprogrammet för ett digitalt Europa för 2021–2022, som den godkände i november 2021. Enligt kommissionen kommer dataområdet att ingå i arbetsprogrammet för 2023–2024, med en eventuell prototyp 2024 och fortsatt genomförande av dataområdet under de följande åren.

66 Enligt från jord till bord-strategin⁵⁶ avser kommissionen att omvandla ISJR till ett informationssystem för jordbruksföretagens hållbarhet i syfte att samla in data på gårdsnivå om målen i från jord till bord-strategin och i strategin för biologisk mångfald samt andra hållbarhetsindikatorer. Kommissionen offentliggjorde en färdplan i juni 2021 och planerar att lägga fram ett förslag till förordning under andra kvartalet 2022⁵⁷.

Särskilda åtgärder inom ramen för GJP 2023–2027 är inriktade på att förbättra övervakningsdata

67 Förutom övergången från ISJR till informationssystemet för jordbruksföretagens hållbarhet planerar kommissionen inga betydande förändringar av de centrala it-system som presenteras i figur 6. Den arbetar dock för att öka funktionaliteten hos Arachne, som är ett datautvinningsverktyg som medlemsstaterna använder på frivillig basis i sina administrativa kontroller. Verktyget är till exempel användbart för att identifiera projekt eller stödmottagare som kan vara mottagliga för risker för bedrägerier eller intressekonflikter, men det faktum att användningen inte är obligatorisk kan begränsa dess fördelar. Ändamålsenligheten i verktygets dataanalytik beror på inmatningen av data. Detta innebär att ju fler data av hög kvalitet som laddas upp, desto exaktare, fullständigare och mer informativa är systemets utdata.

68 GD Jordbruk och landsbygdsutveckling använder nya tekniker och satellitdata för att förbättra övervakningsindikatorerna. Till exempel införde det en ny effektindikator för övervakning av landskapselement för perioden 2023–2027. GJP för 2014–2020 innehöll inte en effektindikator om landskap, vilket gjorde bedömningen av GJP:s effekt på livsmiljöer, landskap och biologisk mångfald (se tabell 3) mindre tillförlitlig. För den nya indikatorn (andel jordbruksmark med landskapselement) kommer kommissionen att använda data från Copernicus markövervakningstjänst, som innehåller information om linjära häckar och buskar, trädrader och isolerade trädförekomster.

69 När det gäller GJP för 2023–2027 kommer kommissionen att fastställa en ny ram, inklusive en genomförandeakt, för att ta emot data om enskilda transaktioner för övervakning, utvärdering och utformning av politiken. Enligt kommissionen kommer den att försöka lösa problemet med disaggregering av data genom att samla in individuella data om ansökan/anspråket och information om stödmottagaren och stödmottagarens gård/företag.

Forskningsinitiativ undersöker möjligheterna att modernisera data och verktyg

70 Inom Horisont 2020 finansierar kommissionen forsknings- och innovationsprojekt. Vi identifierade ett antal nyligen genomförda eller pågående forskningsprojekt inom Horisont 2020 och andra forskningsprojekt som skulle kunna bidra till att förbättra den datainfrastruktur och dataanvändning (t.ex. digitala lösningar, e-verktyg och algoritmer) som behövs för att tillhandahålla bättre data för GJP (se figur 12). Vissa projekt (t.ex. NIVA och Sen4CAP) har redan gett relevanta resultat som skulle kunna vara användbara för den framtida utvecklingen.

71 NIVA-projektet (New IACS Vision in Action) syftar till att komma till rätta med vissa av IACS begränsningar (se punkterna 28 och 29), särskilt genom att minska den administrativa bördan och utnyttja potentialen hos data. Projektets mål är att modernisera IACS genom effektiv användning av digitala lösningar och e-verktyg och därigenom skapa tillförlitliga metoder och harmoniserade datamängder för övervakning av jordbrukets resultat.

72 Ett annat EU-finansierat projekt, FLINT (Farm-Level Indicators for New Topics in Policy evaluation) syftade till att överbrygga klyftan mellan databehoven för utvärdering av politiken och den tillgängliga jordbruksstatistiken⁵⁸. Detta projekt kan vara relevant för den planerade översynen av ISJR, eftersom projektet omfattade hållbarhetsindikatorer och använde ISJR som en ram. I projektet föreslogs 33 teman eller indikatorer avseende daa om miljömässiga, sociala, ekonomiska och innovationsrelaterade aspekter som ska samlas in i framtiden⁵⁹. I sin färdplan⁶⁰ angav kommissionen att övergången till ett informationssystem för jordbruksföretagens hållbarhet kommer att bygga på FLINT-projektet. I februari 2022 var det dock för tidigt att bedöma detta påstående.

Medlemsstaterna har tagit egna datainitiativ när det gäller GJP

73 Vår enkät i alla 27 medlemsstater visade att merparten av dem anser att avancerad analytik har ett mervärde, särskilt när det gäller snabbare beslutsfattande, prediktiv analys och områdesövergripande analys, kostnadsminskning och ändamålsenligare kommunikation med jordbrukare och intressenter, vilket var vad de flesta medlemsstater valde bland ett antal givna alternativ.

74 I sina svar på vår enkät föreslog mer än hälften av medlemsstaterna följande åtgärder som prioriterade för att stödja deras användning av stordata: mer finansiering från kommissionen för it-verktyg och dataanalytikprojekt (67 %), ytterligare riktlinjer/handböcker (56 %) och stöd till utveckling av nya metoder eller standardisering (52 %). Färre medlemsstater valde stöd till analysteknik (48 %), lösningar för dataåtkomst (41 %) och forskningsstöd och gemensamma forskningsprojekt (48 %).

75 Vår enkät och våra uppföljningsintervjuer visade på skillnader i hur medlemsstaterna införlivar nya datakällor och avancerad teknik för dataanalytik. I ruta 4 och ruta 5 ges exempel på medlemsstaternas åtgärder.

Vissa betydande dataluckor och datautmaningar har ännu inte åtgärdats

76 Kommissionen är medveten om att sammanlänkning av befintliga datakällor är en viktig utmaning när det gäller att se till att det finns lämpliga data för att utvärdera GJP⁶¹. Kommissionen arbetar med att vidareutnyttja IACS-data och utvidga ISJR men har inte vidtagit några särskilda åtgärder för att täppa till dataluckan när det gäller jordbrukarnas inkomster utanför jordbruket eller för att samköra olika datakällor med disaggregerade data för att öka värdet på data som redan har samlats in.

77 Kommissionen har framhållit behovet av en gemensam unik identifierare för jordbruksföretag (gårdar) som skulle göra det möjligt att koppla samman uppgifter på gårdsnivå från olika datakällor (t.ex. administrativa register och undersökningar)⁶². Identifieraren skulle behöva ta hänsyn till medlemsstaternas olika system och komplexa jordbruksstrukturer med olika kombinationer och platser. Detta kräver en gemensam definition av ”gård”, och en sådan definition påverkar finansiella indikatorer som jordbruksinkomster⁶³. En unik identifierare skulle kunna bidra till att öka datatillgången och ge tillförlitligare information om politikens effekter. I februari 2022 hade det ännu inte gjorts några framsteg med att ta fram en sådan identifierare.

78 Gårdsdata från förvaltningstillämpningar och förvaltningssystem är en ny och rik källa till information. Det finns många kommersiella lösningar som erbjuder en rad olika tjänster för digital registerföring, fältövervakning och arbetsspårning, och många aspekter av jordbruksverksamheten kan förbättras genom sådana tillämpningar (se ett exempel i ruta 6). Kommissionen vet inte hur många jordbrukare som använder programvara för jordbruksförvaltning, men den insamling av integrerad statistik över jordbruksföretag⁶⁴ som planeras till 2023 skulle kunna bidra med kunskap om användningen av förvaltningsinformationssystem och utrustning för precisionsjordbruk.

79 Att använda en digital fältbok, där jordbrukarna registrerar sin verksamhet, skulle vara ett steg framåt för att digitalisera jordbruksföretag och förbättra övervakningen av förbrukning och påverkan när det gäller bekämpningsmedel, gödselmedel, vatten och mark. Kommissionens förslag till plattform för hantering av näringsämnen för ett hållbart jordbruk (FaST) är ett verktyg med flexibel arkitektur som tillhandahåller modern analytik och interoperabilitet med många datakällor. FaST bygger på flera datakällor som antingen är uppkopplade (livekällor) eller importerade (statiska källor) till plattformen. För att ge jordbrukarna tillgång till sina egna data ansluter sig FaST till det regionala/nationella IACS (eller motsvarande jordbruksregister), där jordbrukarnas data lagras.

80 Data om precisionsjordbruk kan vara en värdefull datakälla⁶⁵. Exempel på sådana data är sensor- och maskindata om markfuktighet och näringsämnen samt platsspecifika data om användningen av bekämpningsmedel. I det ovannämnda NIVA-projektet undersöks möjligheterna till ett elektroniskt jordbruksregister som kan kopplas till IACS. Det syftar också till att integrera data om maskiner/precisionsjordbruk i IACS. Det finns dock hinder för detta, till exempel mångfalden av jordbruksmaskiner och bristen på standardisering.

81 Det kan vara svårt att få tillgång till enskilda data för politisk analys, och det finns ingen rättslig eller teknisk ram för att använda kommersiell information för politisk analys. Enligt en studie⁶⁶ är jordbrukarna obenägna att dela data av skäl som till exempel risken för att de delas för andra ändamål, oklarhet om innebörden av begreppet ”personuppgifter” och ett allmänt motstånd mot modern dataplattformsteknik. Inom GJP 2023–2027 ska jordbruksrådgivningen till jordbrukare omfatta digital teknik⁶⁷.

82 I figur 13 nedan sammanfattas de viktigaste datarelaterade utmaningar som kommissionen står inför och vår bedömning av i vilken utsträckning kommissionen har tagit itu med dem.

83 Vid vår skrivbordsgranskning av jämförbara tillvägagångssätt utanför EU tittade vi på tre länder utanför EU: Australien, Japan och USA. Dessa länder publicerar allmänt tillgänglig information om integrering av modern datateknik i jordbruket. I ruta 7 presenteras några av deras initiativ.

Slutsatser och rekommendationer

84 Vi undersökte om kommissionen utnyttjar data och dataanalytik på ett bra sätt när den analyserar den gemensamma jordbrukspolitiken (GJP). GJP har många komplexa och inbördes sammanhängande mål. För att avgöra om politiska instrument är relevanta och om de på ett effektivt sätt bidrar till att dessa mål uppfylls krävs uppgifter och information från en rad olika källor, både interna och externa.

85 Vi konstaterade att kommissionen visserligen använder en betydande mängd data om ekonomiska, miljömässiga, klimatrelaterade och sociala aspekter men att befintliga data och verktyg på en del områden inte tillhandahåller vissa viktiga delar av den information som behövs för ett välgrundat beslutsfattande (punkterna 16–53). Kommissionen har tagit flera initiativ för att utnyttja befintliga data bättre (punkterna 57–69), men utöver förseningar i tillgången till data (punkt 41) kvarstår hinder (punkterna 76–81).

86 De största hindren i de olika skedena av insamling och behandling av data är följande:

• Data samlas inte in: exempelvis om insatsvaror i jordbruket (t.ex. mängden kemiska och icke-kemiska bekämpningsmedel som används eller mängden oorganiska/organiska gödselmedel som används och på vilken gröda) och jordbruksmetoder med miljöpåverkan (se tabell 3 och punkterna 42–45).
• Data är inte tillgängliga: information på gårdsnivå ägs, förvaltas och lagras i medlemsstaternas lokala integrerade administrations- och kontrollsystem (IACS) som kommissionen har begränsad tillgång till (se punkterna 27–29).
• Alltför stor aggregering: kommissionen får huvudsakligen aggregerade data från medlemsstaterna, vilket begränsar i vilken utsträckning den kan utvinna värde från dem (se tabell 2 och punkt 47).
• Begränsningar när det gäller samkörning av datakällor, till exempel på grund av att en gemensam identifierare saknas (se punkt 24).

87 Till följd av detta har kommissionen ofullständig kunskap om utgångsläget eller de politiska effekterna på områden som jordbrukares inkomster utanför jordbruket, miljöinformation/miljöpraxis och socioekonomisk utveckling. Dessa luckor i tillgången till data påverkar kvaliteten på evidens i vissa utvärderingar (se punkterna 39–47) och konsekvensbedömningar (se punkterna 48–53).

Rekommendation 1 – Inrätta en ram för användning av disaggregerade data från IACS

Kommissionen bör inrätta en teknisk och administrativ ram för delning och vidareutnyttjande av aggregerade uppgifter från IACS (utöver dem som krävs för årliga resultatrapporter) för att övervaka, utvärdera och slutligen utforma politik. Detta bör respektera principen om effektivitet och på så sätt minimera den administrativa bördan och kostnaderna för stödmottagarna och medlemsstaternas myndigheter.

Tidsram: 2024.

Rekommendation 2 – Använd datakällor i större utsträckning och utveckla dem för att tillgodose politiska behov

Kommissionen bör täppa till de dataluckor som har identifierats i utvärderingarna av GJP för 2014–2020 och konsekvensbedömningen av GJP efter 2020 genom att

1. i större utsträckning utnyttja befintliga datakällor (t.ex. administrativa data och statistiska undersökningar samt Copernicusdata) och överväga nya datakällor eller samköra befintliga datakällor,
2. undersöka möjligheten att använda proxyvariabler eller indirekta datakällor när det inte är möjligt att använda direkta källor för att bedöma centrala indikatorer eller aspekter,
3. bedöma möjligheten att öka användningen av data om jordbruksmaskiner.

Tidsram: 2025.

88 Vid kommissionen har generaldirektoratet för jordbruk och landsbygdsutveckling en överenskommelse med gemensamma forskningscentrumet om dataanalys och om att undersöka hur befintliga data kan användas på ett bättre sätt. På grundval av denna överenskommelse använder kommissionen avancerade kvantitativa analyser och modeller för att analysera den gemensamma jordbrukspolitiken. Generaldirektoratet för jordbruk och landsbygdsutveckling använder dock inte självt stordatateknik för textanalys, textutvinning eller automatiserad extrahering. Det finns potentiella fördelar med att ersätta manuella och tidskrävande förfaranden med automatiserade verktyg (se punkterna 19 och 25 samt ruta 2).

89 Runtom i EU finns det flera initiativ, ibland finansierade av EU inom ramen för Horisont 2020 eller andra program, som undersöker möjligheterna att modernisera data- och it-verktyg för att utforma, övervaka och utvärdera GJP. Vissa av dessa initiativ har redan lett till resultat när det gäller interoperabilitet och nya och mer omfattande indikatorer. Projekten befinner sig i olika skeden och kan behandla liknande frågor ur olika synvinklar (punkterna 70–75). Kommissionen har ännu inte fastställt vilka delar som skulle kunna omsättas i praktiken när det gäller GJP.

90 Det finns därför ett stort utrymme för kommissionen att införliva kostnadseffektiv, avancerad analytik och tillhörande verktyg i befintliga it-system och/eller andra it-lösningar för automatiserad informationsbehandling (t.ex. ersätta manuella eller icke-reproducerbara förfaranden) och bättre utnyttja datatillgångar (t.ex. öka databehandlingsresultaten) för analys av politiken.

Denna rapport antogs av revisionsrättens avdelning I, med ledamoten Joëlle Elvinger som ordförande, i Luxemburg den 18 maj 2022.

Bilaga – Utvalda datarelaterade åtgärder och ambitioner från kommissionens sida

– slutfört – för tidigt att bedöma eller försenat med mindre än ett år – försenat med mer än ett år

Akronymer och förkortningar

Atlas: system för interoperabilitet och analys inom jordbruket.

CATS: system med verifieringskedja för räkenskapsavslutningen.

Crop-CASMA: analys av grödors kvalitet och markfuktigheten.

FaST: verktyg för hantering av näringsämnen för ett hållbart jordbruk.

GSAA: geospatial stödansökan.

IACS: integrerat administrations- och kontrollsystem.

IFM-CAP: modell för enskilda jordbruksföretag inom den gemensamma jordbrukspolitiken.

ISAMM: informationssystemet för styrning och övervakning av jordbruksmarknaden.

ISJR: informationssystem för jordbruksföretagens redovisningsuppgifter.

LPIS: system för identifiering av jordbruksskiften.

Lucas: statistisk ramundersökning av markanvändning och marktäckning.

MEF4CAP: övervaknings- och utvärderingsramar för den gemensamma jordbrukspolitiken.

NIVA: projekt för en ny vision av IACS i praktiken.

SAIO: statistik över insatsvaror och produktion i jordbruket.

Sen4CAP: Sentinelsatelliter för den gemensamma jordbrukspolitiken.

SFC: system för förvaltning av medel.

Ordförklaringar

avancerad analytik: användning av högteknologiska metoder, såsom prediktiv modellering och maskininlärning, för att analysera stordata.

data: konkreta, objektiva fakta, mätningar eller observationer som behöver bearbetas för att generera information.

dataanalys: insamling, modellering och undersökning av data för att utvinna insikter som stöder beslutsfattandet.

dataanalytik: vetenskap där data analyseras med hjälp av systematiska datorbaserade metoder för att ta fram kunskap.

databas: strukturerad uppsättning data som lagras elektroniskt och som är åtkomlig för läsning och extrahering.

datalucka: data som krävs för ett visst syfte men som inte är tillgängliga.

datatillgång: ett it-system, en tillämpning eller en databas som ägs av en enhet.

djupinlärning: AI-teknik som innebär att man lär ett programvarusystem att lösa problem med hjälp av miljontals exempel.

interoperabilitet: förmågan hos ett system att kommunicera och fungera tillsammans med andra system, bland annat genom datautbyte.

möjlighet att vidareutnyttja data: hur lätt uppgifter som samlas in för ett syfte kan användas för ett annat.

ostrukturerade data: information lagrad i sitt ursprungliga format utan fördefinierad kategorisering eller organisation, vilket ofta gör den mer komplicerad att analysera; den kan innehålla både kvantitativ och kvalitativ information, till exempel bilder, text, datum, e-postmeddelanden eller siffror.

rumsliga data: data som avser en viss plats eller ett visst geografiskt område och dess naturliga eller konstruerade egenskaper.

statistisk ramundersökning av markanvändning och marktäckning (Lucas): en regelbunden, harmoniserad undersökning som genomförs på plats i EU:s alla medlemsstater för att samla in information om hur marken används och vad som odlas på den, inklusive en analys av jordmånen.

stordata: datamängder, oftast ostrukturerade, som kännetecknas av allt större volym, snabbhet och variation.

strukturerade data: standardiserad kvantitativ information som följer en på förhand fastställd datastruktur som gör den lätt att analysera.

Kommissionens svar

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

Tidslinje

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

Vi som arbetat med revisionen

I revisionsrättens särskilda rapporter redovisar vi resultatet av våra revisioner av EU:s politik och program eller av förvaltningsteman som är kopplade till specifika budgetområden. För att uppnå så stor effekt som möjligt väljer vi ut och utformar granskningsuppgifterna med hänsyn till riskerna när det gäller prestation eller regelefterlevnad, storleken på de aktuella intäkterna eller kostnaderna, framtida utveckling och politiskt intresse och allmänintresse.

Denna effektivitetsrevision utfördes av revisionsrättens avdelning I hållbar användning av naturresurser, där ledamoten Joëlle Elvinger är ordförande. Revisionsarbetet leddes av ledamoten Joëlle Elvinger med stöd av Liia Laanes (uppgiftsansvarig), Dimitrios Maniopoulos (biträdande uppgiftsansvarig), Ildikó Preiss (kanslichef), Paolo Pesce och Charlotta Törneling (attachéer), Emmanuel Rauch (förstachef), Claudia Albanese (revisor och dataanalytiker), Marika Meisenzahl (revisor och grafisk designer), Michał Szwed (revisor) och Mark Smith (språkligt stöd).

Slutnoter

¹ Artikel 39 i fördraget om Europeiska unionens funktionssätt.

² Verktygslådan för bättre lagstiftning, 2021, s. 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), s. 147–169.

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

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

⁶ COM(2020) 66.

⁷ COM(2020) 767.

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

⁹ Verktygslådan för bättre lagstiftning, s. 20.

¹⁰ Motiveringen till COM(2016) 786.

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

¹² Artiklarna 67–78 i förordning (EU) nr 1306/2013.

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

¹⁴ NIVA roadmap for IACS transformation, s. 24.

¹⁵ Resultat av NIVA- och IoF2020-projekten, dokument från Atlas- och Demeter- projekten samt Digitalisation of European reporting, monitoring and audit, Europaparlamentets utredningstjänst, september 2021.

¹⁶ GD Jordbruk och landsbygdsutvecklings årliga verksamhetsrapport, bilaga 2, s. 25.

¹⁷ Särskild rapport 04/2020 Användning av nya bildtekniker för övervakning av den gemensamma jordbrukspolitiken: framstegen har varit kontinuerliga generellt sett men långsammare när det gäller klimat och miljöövervakning.

¹⁸ Ibidem, rekommendation 2.

¹⁹ Rådets förordning nr 79/65/EEG.

²⁰ Informationssystemet för jordbruksföretagens redovisningsuppgifter.

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 Riktlinjer för bättre lagstiftning, s. 6 och 26.

²⁴ Verktygslådan för bättre lagstiftning, s. 572.

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

²⁶ Riktlinjer för bättre lagstiftning, s. 45.

²⁷ När det gäller landsbygdsutveckling, bilaga IV till genomförandeförordning (EU) nr 808/2014.

²⁸ Verktygslådan för bättre lagstiftning, kapitel VIII – verktyg 68.

²⁹ SWD(2021) 115, s. 20.

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

³¹ Evaluation study of the impact of the CAP measures towards the general objective ”viable food production’, s. 30–32.

³² Bilaga II till förordning (EU) nr 1306/2013.

³³ Punkterna 48–50 i särskild rapport 13/2020 Biologisk mångfald i odlingslandskapet: GJP:s bidrag har inte hejdat minskningen.

³⁴ Evaluation of the impact of the CAP on habitats, landscapes, biodiversity, Executive Summary, 2019.

³⁵ Särskild rapport 05/2020 Hållbar användning av växtskyddsmedel: begränsade framsteg med att mäta och minska risker.

³⁶ Ibidem.

³⁷ Evaluation of the impact of the Common Agricultural Policy 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: socioeconomic aspects.

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

⁴¹ SWD(2021) 394, Evaluation support study on the impact of the CAP on territorial development of rural areas: socioeconomic aspects och punkt 90 i särskild rapport 10/2021 Jämställdhetsintegrering i EU:s budget: dags att gå från ord till handling.

⁴² Riktlinjer för bättre lagstiftning, s. 10.

⁴³ SWD(2018) 301.

⁴⁴ Punkt 2 i yttrande 07/2018.

⁴⁵ Punkterna 89 och 90 i särskild rapport 10/2021 Jämställdhetsintegrering i EU:s budget: dags att gå från ord till handling.

⁴⁶ Rekommendation 3 i särskild rapport 10/2018 Ordningen för grundstöd för jordbrukare är operativt sett på rätt väg men har endast i begränsad utsträckning lett till förenkling, mer riktat stöd och konvergens av stödnivåer.

⁴⁷ Hill, B. & Dylan Bradley, B. (2015), Comparison of farmers’ incomes in the EU Member States. Studie som utarbetats för Europaparlamentet.

⁴⁸ Datamängd om annan inkomstbringande verksamhet (ef_oga_main).

⁴⁹ Hansen, H. och Forstner, B. (2021), ”A differentiated look at the economic situation of German farmers”, presentation vid det 27:e mötet i OECD:s nätverk för analys på jordbruksföretagsnivå.

⁵⁰ SWD(2018) 301, s. 51.

⁵¹ Verktygslådan för bättre lagstiftning, 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:s uppförandekod för delning av jordbruksdata genom avtal.

⁵⁶ COM(2020) 381.

⁵⁷ Färdplan:omvandling av ISJR till ett informationssystem för jordbruksföretagens hållbarhet.

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

⁵⁹ Final report summary of FLINT project.

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

⁶¹ SWD(2018) 301, del I, s. 51.

⁶² Se till exempel Strategy for agricultural statistics for 2020 and beyond, s. 8, 12 och 16–17.

⁶³ Poppe, K. J. och Vrolijk, H.C.J. (2019), How to measure farm income in the era of complex farms, dokument som utarbetats för presentation vid EAAE:s 171:a seminarium.

⁶⁴ Kommissionens genomförandeförordning (EU) 2021/2286.

⁶⁵ Punt, T. och Snijkers, G., Exploring precision farming data: a valuable new data source?A first orientation, 2020. Dokument som lades fram vid Uneces workshop 2019 om insamling av statistiska uppgifter ”New sources and New technologies”.

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

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

⁶⁸ Agricultural Data Integration Project.

⁶⁹ Hughes, N. m.fl. (2020), The Agricultural Data Integration Project, ABARES research report, Canberra.

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

⁷¹ WAGRI:s webbsida.

⁷² Crop-CASMA User’s Guide.

Kontakt

EUROPEISKA REVISIONSRÄTTEN
12, rue Alcide De Gasperi
1615 Luxemburg
LUXEMBURG

Tfn +352 4398-1
Frågor: eca.europa.eu/sv/Pages/ContactForm.aspx
Webbplats: eca.europa.eu
Twitter: @EUAuditors

En stor mängd övrig information om Europeiska unionen är tillgänglig på internet via Europa-servern (https://europa.eu).

Luxemburg: Europeiska unionens publikationsbyrå, 2022

PDF	ISBN 978-92-847-8284-0	ISSN 1977-5830	doi:10.2865/043656	QJ-AB-22-014-SV-N
HTML	ISBN 978-92-847-8256-7	ISSN 1977-5830	doi:10.2865/7887	QJ-AB-22-014-SV-Q

UPPHOVSRÄTT

© Europeiska unionen, 2022

Europeiska revisionsrättens policy för vidareutnyttjande av handlingar fastställs i Europeiska revisionsrättens beslut nr 6-2019 om öppen datapolitik och vidareutnyttjande av handlingar.

Om inget annat anges (t.ex. i enskilda meddelanden om upphovsrätt) omfattas revisionsrättens innehåll som ägs av EU av den internationella licensen Creative Commons Erkännande 4.0 Internationell (CC BY 4.0). Det innebär att det är tillåtet att återanvända innehållet under förutsättning att ursprunget anges korrekt och att det framgår om ändringar har gjorts. Om du återanvänder revisionsrättens innehåll får du inte förvanska den ursprungliga innebörden eller det ursprungliga budskapet. Revisionsrätten ansvarar inte för eventuella konsekvenser av återanvändningen.

När enskilda privatpersoner kan identifieras i ett specifikt sammanhang, exempelvis på bilder av revisionsrättens personal, eller om verk av tredje part används, måste ytterligare tillstånd inhämtas.

Om ett sådant tillstånd beviljas upphävs och ersätts det allmänna godkännande som nämns ovan, och eventuella begränsningar av materialets användning måste tydligt anges.

För användning eller återgivning av innehåll som inte ägs av EU kan tillstånd behöva inhämtas direkt från upphovsrättsinnehavarna:

Figurerna 1, 4, 8 och 11: Freepik Company S.L. Med ensamrätt.

Logotyperna i figur 12: Med ensamrätt.

Programvara eller handlingar som omfattas av immateriella rättigheter, till exempel patent, varumärkesskydd, mönsterskydd samt upphovsrätt till logotyper eller namn, omfattas inte av revisionsrättens policy för vidareutnyttjande.

EU-institutionernas webbplatser inom domänen europa.eu innehåller länkar till webbplatser utanför den domänen. Eftersom revisionsrätten inte har någon kontroll över dem uppmanas du att ta reda på vilken integritets- och upphovsrättspolicy de tillämpar.

Användning av revisionsrättens logotyp

Revisionsrättens logotyp får inte användas utan revisionsrättens förhandsgodkännande.

Kontakta EU

Besök
Det finns hundratals Europa direkt-kontor i hela EU. Hitta ditt närmaste kontor: https://europa.eu/european-union/contact_sv

Telefon eller mejl
Tjänsten Europa direkt svarar på dina frågor om EU. Kontakta tjänsten på något av följande sätt:

• Ring det avgiftsfria telefonnumret 00 800 6 7 8 9 10 11 (en del operatörer kan ta betalt för samtalet).
• Ring telefonnumret +32 22999696.
• Mejla via webbplatsen (https://europa.eu/european-union/contact_sv).

EU-information

På nätet
På webbplatsen Europa finns det information om EU på alla officiella EU-språk (https://europa.eu/european-union/index_sv).

EU-publikationer
Ladda ned eller beställ både gratis och avgiftsbelagda EU-publikationer (https://op.europa.eu/sv/publications). Om du behöver flera kopior av en gratispublikation kan du kontakta Europa direkt eller ditt lokala informationskontor (https://europa.eu/european-union/contact_sv).

EU-lagstiftning och andra rättsliga handlingar
Rättsliga handlingar från EU, inklusive all EU-lagstiftning sedan 1951, finns på alla officiella EU-språk på EUR-Lex (https://eur-lex.europa.eu).

Öppna data från EU
På EU:s portal för öppna data (https://data.europa.eu/sv) finns dataserier från EU. Dataserierna får laddas ned och användas fritt för kommersiella och andra ändamål.