Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih

Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V 4 -1423) Javna predstavitev rezultatov projekta Volk T. (vodja), Brečko J. 1, Erjavec E. 2, Jerič D. 3, Kavčič S. 2, Kožar M. 1, Moljk B. 1, Rednak M. 1, Zagorc B. 1, Žgajnar J. 2 1 Kmetijski inštitut Slovenije v Ljubljani, Biotehniška fakulteta, Oddelek za zootehniko 3 Kmetijsko gozdarska zbornica Slovenije, Kmetijsko gozdarski zavod Murska Sobota 2 Univerza Ljubljana, 8. december 2017 Projekt sta sofinancirala Javna agencija za raziskovalno dejavnost Republike Slovenije in Ministrstvo za kmetijstvo, gozdarstvo in prehrano iz državnega proračuna.

Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V 4 -1423) Uvod Opredelitev problema (izzivi): • V Sloveniji nimamo ustreznih podatkovnih virov in orodij, s katerimi bi lahko sistematično spremljali in analizirali uspešnost poslovanja na ravni kmetijskih gospodarstev. • Podatki in rezultati kmetijskega knjigovodstva FADN so slabo izkoriščeni. • Evidence Ministrstva za kmetijstvo, gozdarstvo in prehrano (registri, zbirne vloge) vsebujejo predvsem podatke o proizvodnih parametrih, ne pa tudi vrednostnih kazalcev. • Dostopna mikroanalitična orodja (modelne kalkulacije KIS, katalog kalkulacij KGZS) so omejeno uporabna. 2

Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V 4 -1423) Uvod Cilji projekta: 1. metodologija in izračun standardnega prihodka na ravni kmetijskega gospodarstva na podlagi administrativnih virov; 2. ugotoviti kakovost standardnih rezultatov FADN in oblikovati priporočila za njeno izboljšanje; 3. razviti modelno orodje, ki bo omogočilo uporabo rezultatov FADN za namene ekonomskega svetovanja kmetijskim gospodarstvom. 4. nadgraditi in razširiti obstoječe modelne kalkulacije za oceno ekonomskih parametrov na ravni kmetijskih proizvodov in zasnovati celovit dinamični model kmetijskega gospodarstva. 3

Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V 4 -1423) Uvod Raziskovalna skupina in organizacija dela: • 3 organizacije (KIS, BF, KZMS) • 13 raziskovalcev (9+2+2) • 5 delovnih svežnjev z opredeljenimi nosilnimi organizacijami in vodji • 7 delovnih sestankov celotne raziskovalne skupine (+MKGP) • 2 vmesni vsebinski poročili (3. 2016 in 4. 2016) + končno vsebinsko poročilo (12. 2017) 4

Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V 4 -1423) Vsebina predstavitve - DS 1: Ocena standardiziranega prihodka kmetijskih gospodarstev in njegova uporaba za presojo ukrepov in učinkov kmetijske politike (Miroslav Rednak) - DS 2: Analiza kakovosti rezultatov FADN za Slovenijo (Maja Kožar) - DS 3: Ekonomsko svetovanje kmetijskim gospodarstvom na podlagi ekonomskih kazalcev FADN (Damjan Jerič) - ODMOR - DS 4: Nadgradnja in širitev nabora modelnih kalkulacij (Barbara Zagorc) - DS 5: Razvoj dinamičnega orodja za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev (Jaka Žgajnar) - Sklepne ugotovitve in priporočila (Tina Volk) - Razprava (moderator Emil Erjavec)

Delovni sveženj 1: Ocena standardiziranega prihodka kmetijskih gospodarstev in njegova uporaba za presojo ukrepov in učinkov kmetijske politike 6

SO: predstavitev in metodološka izhodišča SO v okviru statističnih raziskovanj • Način izračuna SO in izvedenih kazalcev je predpisan z enotno metodologijo na ravni EU (Typology handbook. RI/CC 1500 rev. 3). • SO po definiciji odraža povprečno vrednost proizvodnje, ki jo, glede na njegovo proizvodnjo, pripišemo kmetijskemu gospodarstvu (ob predpostavki, da dosega povprečne pridelke in povprečne cene v državi). • Izračuna se kot seštevek povprečnih bruto vrednosti pridelave posameznih kmetijskih pridelkov (ali skupin predelkov) na kmetijskem gospodarstvu. • Povprečna bruto vrednost kmetijskega pridelka je izračunana kot zmnožek vrednosti SO koeficienta s številom enot kmetijskega pridelka na gospodarstvu (Obseg površina, število živali X SO koeficient) • SO koeficient za posamezni kmetijski pridelek je enak za vsa kmetijska gospodarstva, izračunan je kot zmnožek povprečnega pridelka na enoto in povprečne cene v državi (povprečni pridelek X povprečna cena). • Nabor vrst pridelkov za obračun je standardiziran in ga ni dovoljeno spreminjati. • Rezultati na ravni države so objavljeni praviloma vsaka 3 leta (ob strukturnih raziskovanjih), na regionalni ravni pa na vsakih 10 let (ob popisih). Podatki na ravni posameznega kmetijskega gospodarstva niso dostopni. 7

SO na podlagi administrativnih virov Pristop Izračun SO in izvedenih kazalcev v osnovi sledi enotni statistični metodologiji. Pri prilagajanju smo sledili naslednjim načelom: Načelo 1: V obdelavo zajeti čim večje število kmetijskih gospodarstev V obdelavo so vključena vsa kmetijska gospodarstva pri katerih je evidentiran vsaj 1 podatek o kmetijski proizvodnji (ali površini kmetijske zemlje) v kateremkoli od administrativnih virov. Načelo 2: Na posameznem gospodarstvu v izračun zajeti vso evidentirano kmetijsko zemljo in živino Evidenca rabe kmetijskih zemljišč (GERK) je najbolj popolna zbirka. Če za gospodarstvo ni na razpolago drugih (podrobnejših) podatkov se SO izračuna najmanj na ravni GERK. Načelo 3: SO koeficiente za vrednotenje proizvodnje izračunati na čim bolj podrobni ravni SO koeficienti so izračunani za vse pridelke, za katere je mogoče pridobiti dovolj zanesljive podatke o pridelku in ceni 8

Administrativne zbirke podatkov Podatki potrebni za oceno obsega proizvodnje na kmetiji Register kmetijskih gospodarstev (RKG): Podatki o kmetijskih zemljiščih po vrstah rabe (GERK), Podatki registra trajnih nasadov (površina m 2: vinogradi, intenzivni sadovnjaki po sadnih vrstah (40 vrst), ekstenzivni sadovnjaki, oljčniki, hmelj); Register proizvajalcev grozdja in vina (RPGV): podatki o pridelku vinogradov ločeno za grozdje in vino Evidenca rejnih živali (ERŽ): podatki o številu živali po vrstah in kategorijah Centralni register govedi – CRG; Centralni register drobnice – CRD; Centralni register prašičev – CRPš; Register čebelnjakov: Evidence Agencije RS za kmetijske trge in razvoj podeželja (ARSKTRP): Zbirna vloga obrazec D: površina ar; po vrstah rabe in vrstah kmetijskih rastlin - 120 rastlinskih vrst) Zbirna vloga obrazec B: število živali po vrstah in kategorijah na dan 1. 2 (Kopitarji; Perutnina; Kunci; druge živali) Centralna podatkovna zbirka govedo (CPZ Govedo): dodatna informacija o številu krav po proizvodni usmeritvi (mleko, meso). 9

Statistični viri podatkov Podatki potrebni za oceno vrednosti proizvodnje na enoto (SO koeficient) Statistika rastlinske pridelave: površine; hektarski pridelki Statistika živinoreje: število in struktura po kategorijah; skupna proizvodnja; mlečnost; nesnost kokoši; plodnost …; Zakol v klavnicah: klavna teža živali po kategorijah Statistika cen: Odkup: cene pridelkov Podatki strukturnih popisov 10

Pristop izračuna SO Prilagoditev seznama proizvodov in izračuna SO koeficientov Če sledimo načelu 1 (zajeti vse KG MID v evidenci) in načelu 3 (SO koeficienti izračunani na čim bolj podrobni ravni), se soočamo z dvema skrajnostma: 1. Seznam pridelkov v evidencah MKGP je tako podroben, da za nekatere ni mogoče izračunati vrednosti SO koeficienta na podlagi razpoložljivih statističnih podatkov, ali 2. Na posameznem gospodarstvu na podrobni ravni ni podatkov o vrsti proizvodnje, so le podatki po vrstah rabe (GERK) V prvem primeru za pridelke, za katere ni dovolj statističnih podatkov, SO koeficient ocenimo (različne metode ocen), ali pa mu pripišemo koeficient podobnega znanega pridelka. V drugem primeru obračunamo SO na podlagi SO koeficienta za posamezen GERK, ki ga izračunamo kot tehtano povprečje SO koeficientov znanih podrobnejših podatkov za ta GERK. 11

Povezovanje različnih podatkovnih virov Podlaga za izračun SO Dva ključna koraka: • Proizvodne podatke ki so za posamezen KG MID evidentirani v katerikoli bazi administrativnih virov združiti v celovit in enovit (brez podvajanja) zapis = zbirni stavek KG MID • Vzpostaviti povezavo med proizvodnimi podatki KG MID in vrednostih podatkov (SO koeficienti) izračunanih na podlagi statističnih virov KG MID; SO; EV; Tip Z zbiranjem in povezovanjem podatkov smo imeli največ težav: • Težave pridobivanju podatkov, • Posamične baze so različno organizirane, • Različni šifranti 12

Rezultati Vzpostavljen je sistem zbiranja in obdelave podatkov različnih podatkovnih virov, ki omogoča izračun SO in določitev ekonomske velikosti ter proizvodnega tipa za vsa kmetijska gospodarstva vključena v administrativne podatkovne zbirke MKGP. Postopki so vgrajeni v orodje (sistem Excel preglednic), ki omogoča letno ažuriranje (problem spremenjenih šifrantov). Izbor rezultatov vključuje: Izpis rezultatov vseh KG MID z naslednjimi atributi: in Zbirne tabele (število KGMID; Skupni SO; Povprečni SO/KGMID: • Po regijah in velikostnih razredih SO; Po regijah in proizvodnih tipih • Po proizvodnih tipih in velikostnih razredih SO; skupaj in po regijah Rezultati so izdelani za leta 2012, 2013 in 2014. 13

Rezultati zajemljivost Osnovni kazalci zajemljivosti v primerjavi s podatki statistike Število KG MID (strukturni popis SURS 2013) Skupna površina kmetijske zemlje ha (SURS) Skupno število goved (SURS) Skupno število prašičev (SURS) Skupno število drobnice (SURS) 2012 94. 110 479. 408 479. 653 473. 780 460. 063 302. 265 296. 097 145. 877 140. 503 2013 93. 823 72. 377 481. 066 478. 888 471. 746 460. 576 273. 658 288. 350 135. 228 130. 019 2014 95. 372 482. 571 482. 218 471. 085 468. 253 271. 676 281. 319 129. 420 135. 931 14

Rezultati zbirne tabele (1) Razporeditev števila gospodarstev in skupne vrednosti SO po razredih ekonomske velikosti (v %; skupaj = 100); Slovenija skupaj; 2014 1: 2: 3: 4: 5: 6: 7: 8: EV Meje v 000 EUR manj kot 2 od 2 do 4 od 4 do 8 od 8 do 15 od 15 do 25 od 25 do 50 od 50 do 100 in več 15

Rezultati zbirne tabele (2) Razporeditev števila gospodarstev in skupne vrednosti SO po glavnem tipu gospodarjenja (v %; skupaj = 100); Slovenija skupaj; 2014 1: pridelovalec poljščin 2: vrtnar 3: gojitelj trajnih nasadov 4: rejec pašne živine 5: prašičerejci in perutninarji 6: Mešana rastlinska pridelava 7: Mešana živinoreja 8: Mešano rastlinska pridelava – živinoreja 16

Rezultati zbirne tabele (3) Razporeditev števila gospodarstev in skupne vrednosti SO po regijah (v %; skupaj = 100); 2014 17

Sklepne ugotovitve in priporočila (1) • Raziskava je pokazala, da razpoložljivi administrativni viri podatkov na ravni kmetijskih gospodarstev omogočajo izračun SO in izvedenih kazalcev na način, ki omogoča raznovrstno uporabo • Največ težav je bilo s pripravo vhodnih podatkov • Možnost, da bi v bodoče SO kazalce izračunavali samostojno na MKGP, vsekakor obstaja. Izdelano je programsko orodje, ki to omogoča. • • Delo lahko opravi le strokovnjak, ki zelo dobro pozna tako strukturo, kot tudi vsebino vseh razpoložljivih podatkovnih zbirk, hkrati pa ima tudi neposreden dostop do zbirk. Potrebne so aktivnosti za izboljšanje kakovosti podatkov in povezljivosti podatkovnih zbirk Poseben tehnični problem predstavljajo spremembe šifrantov (kako zagotoviti kontinuiteto časovnih serij? Izdelava novih povezovalnih šifrantov!) Predlagamo, da se za namen tehnične izvedbe SO izračunov oblikuje delovna skupina na MKGP in izvede delavnica, kjer bi podrobno predstavili način izračuna SO in opredelili potrebne aktivnosti v bodoče. 18

Sklepne ugotovitve in priporočila (2) • Možnostih uporabe SO kazalcev so raznovrstne, ob tem pa se je treba zavedati, da je SO razmeroma zelo grob ekonomski kazalec (predpostavka enake intenzivnosti pridelave in enakih cen za vsa gospodarstva in še nekatere druge metodološke poenostavitve). Dejanski prihodki gospodarstva lahko pomembno odstopajo od ocene SO. • Za izračun SO kazalcev je bila oblikovana podatkovna zbirka, ki na ravni KGMID združuje vse ključne količinske podatke iz različnih administrativnih virov. Tako oblikovana zbirka lahko predstavlja podlago za nadgradnjo v enovito in celovito podatkovno zbirko uporabno za širše analitične in druge namene. • Predlagamo, da MKGP nadaljuje z aktivnostmi pri vzpostavi sistema rednega letnega izračuna SO in oblikovanja celovite podatkovne zbirke na ravni KGMID. • Velik interes za tovrstne podatke lahko pričakujemo tudi s strani raziskovalne sfere in drugih uporabnikov. Jasno je treba opredeliti način in pogoje pridobivanja tovrstnih podatkov tudi z vidika varovanja osebnih podatkov. 19

Delovni sveženj 2: Analiza kakovosti rezultatov FADN za Slovenijo 20

FADN – izhodišča - FADN: obsežna mikroekonomska baza, reprezentativna za tržnousmerjena kmetijska gospodarstva v EU - Ključna namena: letno določanje dohodkov in poslovna analiza; možnost primerjave po različnih kriterijih: tip kmetovanja, razredi ekonomske velikosti in regija; dolga časovna serija! - „Podatkovni rudnik zlata in neprecenljiv podatkovni input za EU“ (Conclusions, 2015), širok obseg in razpon uporabe podatkov v EU (70% vseh DG-AGRI evalvacij od 2000 na podlagi FADN; Plees, 2015); vendar ne v Sloveniji - pridih nezadostne kakovosti po več komponentah! - Slovenski FADN: celovito upravljanje s kakovostjo ni sistematično razvito; celovita analiza kakovosti podatkov FADN za Slovenijo ni bila opravljena - Vendar, naraščajoče zavedanje o podatkovnem bogastvu in potencialih FADN za Slovenijo: tudi pobuda za pričujoči CRP projekt (V 4 -1423) 21

DS 2 in opredelitev kakovosti DS 2 - Cilj: sistematična in poglobljena analiza kakovosti podatkov FADN za Slovenijo in oblikovanje priporočil za izboljšanje njihove kakovosti in uporabnosti z vidika ključnih uporabnikov - Naloge: - Naloga 2. 1: Pregled literature - Naloga 2. 2: Analiza kakovosti podatkov FADN za Slovenijo ter - Naloga 2. 3: Oblikovanje priporočil Kakovost podatkov - „primernost za uporabo“ (Statistics Canada‘s Quality …, 2002); ni samo natančnost, temveč preplet več različnih dimenzij/komponent; izbor, obseg in hierarhija - odvisni od uporabnikov - EUROSTAT (Kodeks ravnanja evropske statistike, 2011) – kakovost na 3 ravneh: institucionalni okvir (sistem), statistični procesi, statistični rezultati - Ocenjevanje in spremljanje kakovosti pod. : del celovitega upravljanja s kakovostjo 22

Pristop - Analiza komponent kakovosti prirejena po evropskih smernicah za pripravo poročil o kakovosti stat. raziskovanj (Kodeks ravnanja evropske statistike, 2011; European Union, 2015; Quality Assurance Framework …, 2015); tri ravni: instit. okvir, podatki in procesi - FADN ni uradno statist. raziskovanje, glede na navezavo na uradno statistiko tovrstna analiza primerna in tudi izhodišče za FADN sisteme v drugih DČ (Švedska, Danska) - Izbrane za slovenski FADN opazno najbolj problematične komponente oz. tiste, za katere bilo mogoče podati oceno v okviru možnosti: odgovornost za kakovost, ustreznost virov, ustreznost podatkov, pravočasnost in točnost objav, dostopnost in jasnost informacij, razumna obremenitev dajalcev podatkov ter stroškovna učinkovitost, dobra metodologija in ustrezni postopki, natančnost in zanesljivost - Analiza komponent: Opis komponente (načelo, kazalniki), oris stanja za FADN v Sloveniji, priporočila - Uporabljeni podatki: dostopna literatura, opravljeni intervjuji (n=22), anketa (n=13) in razgovori, standardni rezultati FADN po 2007, dobra praksa iz tujine, … 23

Primer analize komponente: Dostopnost in jasnost informacij „Podatki FADN za Slovenijo so predstavljeni na jasen in razumljiv način ter enostavno dostopni za ključne domače uporabnike. “ (Prirejeno 15. načelo Kodeksa ravnanja evropske statistike, 2011) Izbrani kazalniki: - (Meta)podatki predstavljeni tako, da jih je mogoče pravilno razlagati in smiselno primerjati - Sodobna inform. in komun. tehnologija; tiskana oblika po potrebi - Analize po meri uporabnika - Dostop do mikropodatkov - Obveščenost o metodologiji, uporabi, kakovosti podatkov Stanje: - Dostopnost in jasnost tradicionalno najbolj problematični komponenti - Rezultati, (povratne) informacije FADN: preskope, premalo jasne in uporabne, nezanimive, preslabo prepoznane Ključno priporočilo: - Dostopnost: „digitalno - privzeto“ za dajalce podatkov in uporabnike, olajšati dostop do podatkov FADN - Jasnost: „poenostavitev in personalizacija“; 3 P – poenostaviti, pospešiti, personalizirati! Pogostost uporabe povratnih informacij za kmetijska gospodarstva Mnenja intervjuvancev o uporabnosti povratnih informacij FADN za (ostali intervjuvanci: uporaba pri svojem delu) kmetijska gospodarstva; mnenja za vzorčnike in obveznike hkrati 24

25

26

Ključne ugotovitve celotne analize 1. Ključni uporabniki podatkov FADN za Slovenijo in njihove prednostne podatkovne potrebe niso eksplicitno opredeljeni; potna odvisnost (predvsem implementacija vzorčenja) usmerja ustreznost rezultatov in razpon njihove uporabe; problem tudi » vzporedni « sistem FADN za obveznike 2. Podatki in informacije FADN za ključne uporabnike še vedno preslabo dostopni in jasni; prepozni in premalo zanesljivi; posledično manj ustrezni (uporabni) 3. Zatečeno stanje obsega in razpršenosti virov (nespecializiranost) 4. Preveliko breme odgovornosti za kakovost podatkov na dajalcih podatkov 5. Pod obstoječo sestavo NOE FADN: konkreten napredek! 6. Neposredna uporaba rezultatov FADN v obstoječem stanju z določeno mero kritičnosti 27

Ključna priporočila (1) 1. Odgovornost za kakovost, ustreznost podatkov: - oblikovati nacionalni konsenz o ključnih uporabnikih podatkov FADN za Slovenijo in njihovih podatkovnih potrebah (rabah); vodilna vloga MKGP (glavni uporabnik)! - operativni načrt upravljanja s kakovostjo 2. Ustreznost virov: 3. - temeljita institucionalna reorganizacija v mreži FADN v smeri večje specializacije zaposlenih - okrepiti kmetijsko svetovalno službo kot ključni vezni člen do kmetijskih gospodarstev (stabilno financiranje, vseživljenjsko učenje) Mnenja anketirancev o uporabnosti FADN podatkov po Stroškovna učinkovitost, razumna obremenitev dajalcev podatkov: udeležbi na delavnicah v okviru DS 3 (n=13) - upoštevati načelo » digitalni - privzeti način « in „samo enkrat“ 4. Dostopnost in jasnost, pravočasnost: - okrepiti in izboljšati diseminacijo in izobraževanj v zvezi s FADN - povratne informacije: poenostaviti, pospešiti, personalizirati (3 P) - krepiti diseminacijo, svetovanje in izobraževanje v zvezi s FADN v obliki moderiranih skupin/(panožnih) krožkov 28

Ključna priporočila (2) 6. Dobra metodologija in ustrezni postopki ter natančnost in zanesljivost: - Po zgledu bolj izkušenih držav odgovornost za natančnost in zanesljivost izvornih podatkov FADN prenesti iz kmet. gospodarstev na mrežo FADN - Prenova vzorca FADN; potrebno najti rešitev za obveznike - Stalna skupina za preverjanje optimiziranje postopkov, metod in navodil - Poenotiti in nadgraditi navodila, vnos, kontrolo in obdelavo podatkov za vsa kmetijska gospodarstva, ki vodijo FADN knjigovodstvo, tudi obveznike - Nadgraditi navzkrižno kontrolo z model. orodji (test opravljen v okviru DS 5) • Fokus na ključne uporabnike podatkov (približevanje njihovim podatkovnim potrebam) in dajalce podatkov (zmanjševanje bremena poročanja) • Proaktivno iskanje sinergij na različnih področjih (izgradnja celovitega podatkovnega sistema za slovensko kmetijstvo) • Spodbujati uporabo podatkov FADN za različne namene in na različnih ravneh! • Čim bolj izkoristiti obstoječe vire in infrastrukturo v slovenski mreži FADN! 29

Delovni sveženj 3: Ekonomsko svetovanje kmetijskim gospodarstvom na podlagi ekonomskih kazalcev FADN 30

Namen in cilji raziskave • Potrebe: – Slovenske kmetije imajo rezerve v doseganju ekonomske učinkovitosti. – Izboljšanje je mogoče doseči z uporabo sodobnih tehnik svetovanja. – Organizacija panožnih krožkov v Sloveniji, ki ne slonijo na empiričnih podatkih s kmetij. • Cilji raziskave: – Izdelati orodje za ugotavljanje ekonomske učinkovitosti in strateško načrtovanje kmetijske proizvodnje na kmetijah – Razviti nov analitični pristop k svetovanju v okviru panožnih krožkov – Orodje in pristop preveriti z vodenimi delavnicami – Izdelati priporočila za nadaljnji razvoj analitičnih panožnih krožkov in novih oblik svetovanja z uporabo empiričnih podatkovnih podlag 31

Izgradnja modela / koncept SEZAM • Temelji izdelave empiričnega orodja SEZAM – Uporabiti obstoječe vire podatkov – Kombinirati razpoložljive podatke z informacijami kmetov – Poskušati sestaviti oceno ekonomskega položaja kmetije na ravni pokritja – Pripraviti izbor kazalnikov, ki jih lahko uporabimo za primerjavo – Pripraviti orodje v programu EXCEL – Preveriti podatke na podlagi razprave s kmeti – Nazorno predstaviti rezultate, ki omogočajo primerjavo med kmetijami • Svetovalno Empirično orodje Za podporo izboljšanju ekonomske učinkovitosti na kmetijah s pomočjo Analitičnih panožnih svetovalnih krožkov na primeru prireje Mleka 32

Izbor podatkov in kazalnikov za izdelavo orodja • Izbor podatkov in kazalnikov sloni na obstoječih evidencah – Osnovni vir je FADN knjigovodstvo in CPZ Govedo – Če kmetije nimajo FADN knjigovodstva se uporabi davčno knjigovodstvo ali DDV evidence • Osnovni ekonomski kazalnik je POKRITJE (razlika med skupnimi prihodki in skupnimi variabilnimi stroški) – Za izračun pokritja smo uporabili sistemu FADN knjigovodstva, kjer se vrednost izločenih krav prišteva k letnim prihodkom, vrednost prevedenih telic pa k spremenljivim stroškom tekočega leta. • Končni kriterij ekonomske uspešnosti smo uporabili KORIGIRANO POKRITJE – Stroški obnove črede se računajo na osnovi povprečne petletne stopnje zamenjave krav 33

Programsko orodje za vnos in analizo podatkov 34

Sistem predstavitve zbirnih rezultatov • Samo orodje omogoča nekaj standardnih obdelav podatkov: – Primerjava rezultatov posamezne kmetije med leti – Primerjava rezultatov skupin kmetij za posamezno leto • Povprečje 25 % boljših kmetij v skupini, povprečje celotne kmetije in povprečje 25 % slabših kmetij v skupini – Primerjava rezultatov posamezne kmetije s skupino boljših kmetij – Prikaz izbranih kazalcev za vse kmetije 35

Organizacija dela analitičnega panožnega krožka • Izvedba testnih delavnic (Pomurje in Gorenjska) – Izbor kmetij s prirejo mleka in oblikovanje testnih krožkov – Zbiranje in priprava podatkov za sodelujoče kmetije – Vnos podatkov v podatkovno bazo - prva delavnica (vnašajo kmetje v sodelovanju s pomočniki) – Preverjanje in obdelava vnesenih podatkov – Pregled in analiza rezultatov, razprava in izmenjava mnenj – druga delavnica (vodeno interaktivno delo v skupini) • Priporočila za organizacijo analitičnih panožnih krožkov v prihodnje 36

Primerjava podatkov skupine za leto 2016 (Primer: Gorenjska 2016) 37

Medsebojna primerjava kazalcev kmetij v skupini (Primer: Gorenjska 2016) 38

Primerjava podatkov kmetije G 11 med leti (Primer: Gorenjska) Cena mleka 0, 30 €/kg -- 0, 26 €/kg Mlečnost 6123 kg -- 7114 kg 39

Primerjava kmetije G 7 s povprečjem 25% boljših kmetij v skupini (Primer: Gorenjska) 40

Sklepne ugotovitve • Svetovanje na osnovi empiričnih podatkov – je novi pristop svetovalnega dela – pozitivne izkušnje iz tujine in tudi testnih delavnic v tem projektu • FADN knjigovodstvo je dobra osnova za organizacijo krožkov • Sistem delavnic in razvitega orodja (SEZAM) daje osnovo: – za organiziranje analitičnih panožnih krožkov in izvedbo delavnic, na katerih se ugotavljajo problemi kmetij na osnovi empiričnih podatkov – z medsebojno komunikacijo med kmeti in moderatorjem se iščejo rešitve za izboljšanje proizvodnje in ekonomike na kmetiji. • Razvito orodje in pristop omogoča širše organiziranje analitičnih panožnih krožkov za rejce krav molznic v Sloveniji 41

Priporočila (1) • Nadaljnje delo v okviru testnih krožkov in vzpostavitev novih empirično podprtih krožkov proizvajalcev mleka • Širitev sistema na druge proizvodne sektorje • Izboljšanje kakovosti in dostopnosti vhodnih podatkov – Izboljšanje kvalitete zbiranja podatkov - FADN knjigovodstvo – Dodatne obdelave – CPZ Govedo, FADN knjigovodstvo • Nadgradnja empiričnega orodja – Obravnava stalnih stroškov, – Prilagajanje spremembam in dodatne primerjave podatkov – Izdelava empiričnega modela v novem programskem orodju 42

Priporočila (2) • Podpore delovanju analitičnih panožnih krožkov v okviru JSKS in ukrepov kmetijske politike – Organizacija krožkov z upoštevanjem empiričnih podatkov zahteva dodatna znanja, pristop k delu in aktivnosti svetovalcev in nadgraditev organiziranosti JSKS – Predlagamo nov pristop pri organizaciji in vodenju krožkov: • Specializacija svetovalcev za delo s krožki (polni delovni čas) • Organizacija skupine svetovalcev za delo s krožki • Strokovno vodenje, izobraževanje in treniranje svetovalcev za delo v krožkih – Za to je potrebno urediti finance in organiziranost JSKS • CRP, PRP, Sodelovanje 43

Delovni sveženj 4: Nadgradnja in širitev nabora modelnih kalkulacij 44

DS 4: Nadgradnja in širitev nabora modelnih kalkulacij Vsebina predstavitve - Cilji in naloge Kaj so modelne kalkulacije KIS? Predmet presoje in ugotovitve Prilagoditev ter dopolnitev modelnih kalkulacij Razširitev nabora modelnih kalkulacij Sklepne ugotovitve in izzivi za nadaljnje delo 45

DS 4: Nadgradnja in širitev nabora modelnih kalkulacij q Cilji • • Nadgradnja in razširitev modelnih kalkulacij KIS kot orodja za presojo ekonomske uspešnosti gospodarjenja na ravni posameznih kmetijskih proizvodov Prilagoditev modelnih kalkulacij za uporabo v modelu za analitično spremljanje učinkovitosti poslovanja na ravni kmetijskih gospodarstev, razvitega v okviru delovnega svežnja DS 5 q Naloge • Primerjalni pregled in kritična presoja obstoječih modelnih kalkulacij • Prilagoditev in dopolnitev modelnih kalkulacij • Razširitev obstoječega nabora modelnih kalkulacij z novimi proizvodi in tehnologijami 46

Modelne kalkulacije KIS q Modelne kalkulacije • Ocene stroškov, izdelane s pomočjo simulacijskega modela na ravni posamezne kmetijskega pridelka, v katerega so vgrajena vnaprej opredeljena izhodišča (Rednak in sod. 1995) • Matematično statičen determinističen model (odnosi med elementi modela v numeričnih formulah matematično reševanje simuliranja; omejeni časovni intervali; vse povezave enoznačne) q Uporaba modelnih kalkulacij • Referenčne modelne kalkulacije iz standardnega nabora - redna periodična ocena stroškov in drugih ekonomskih kazalcev • Simulacijsko orodje q Metodologija • Izhodišča • Koncept in zgradba modelnih kalkulacij • Rezultati modelnih kalkulacij 47

Modelne kalkulacije KIS – izhodišča q Referenčne modelne kalkulacije iz standardnega nabora – osnovna izhodišča • Raven vkalkuliranega paritetnega dohodka (raven neto dodane vrednosti = povprečna plača v RS) • Vsaj 1 PDM/KMG ob predpostavki različne velikosti in tipa kmetijskega obrata pri različnih kmetijskih pridelkih • Raven intenzivnosti nadpovprečna • Intenzivnosti prilagojeni tehnološki parametri q Referenčne modelne kalkulacije iz standardnega nabora – specifična izhodišča • • Rastlinska pridelava: npr. 1 ha poljina, oddaljenost od KMG 1 km, nagib do 10 %, poraba gnojil, zavarovanje pridelka, višina proračunskih podpor … Živinoreja: npr. število živali/KMG, poraba krme, zavarovanje živali, višina proračunskih podpor … q Modelne kalkulacije kot simulacijsko orodje • Možnost prilagajanja osnovnih in specifičnih izhodišč 48

Modelne kalkulacije KIS – koncept in zgradba Sistem dinamično povezanih baz podatkov (datotek) „CENE“: • • Omogoča redno posodabljanje modelnih kalkulacij s tekočimi cenami; cene osnovnih sredstev, materiala in storitev … Cene pod enovitimi šiframi enostavno povezovanje v druge aktivne datoteke modelnih kalkulacij „Z“: Zbir normativov porabe dela po fazah proizvodnega procesa Produktivnost ročnega in strojnega dela po posameznih delovnih fazah Parametri funkcij porabe dela od vel. parcele, nagiba, materiala in velikosti pridelka „STROJI“: izračun stroškov domačih strojnih storitev • • „MODELNA KALKUALCIJA“: • vnosni del (standardizirana vhodna maska): vrsta pridelka, specifični parametri, vhodni podatki (intenzivnost, velikost parcele, nagib, razdalja do parcele …) • tehnološka karta: opredeljene vse faze dela in poraba specifičnega materiala in storitev • standardni rezultati: analitična kalk. , elementarna kalk. in zbirni kazalci uspeha „ZBIR“: zbirnik osnovnih vhodnih parametrov in ekonomskih kazalcev na ravni skupnih stroškov in po skupinah stroškov 49

Modelne kalkulacije KIS – standardni rezultati q Modelni izračuni izdelani v dveh ali treh oblikah § Analitična in elementarna kalkulacija x • • Obliki izračuna, ki prikazujeta višino in strukturo stroškov in se nanašata na iste stroške Razlika v načinu združevanja posameznih stroškov § Zbirni kazalci uspeha • • Vrednost pridelave, izračun pokritja, dodane vrednosti in drugih kazalcev dohodka Ocena ekonomske uspešnosti pridelave 50

Predmet presoje in ugotovitve – referenčne modelne kalkulacije iz standardnega nabora Rastlinski pridelki pšenica ječmen (tržni in domača krma) oljna ogrščica ajda koruza za zrnje silažna koruza, silažna koruza – stoječa silirano koruzno zrnje pozni krompir jabolka hruške breskve grozdje (Podravje in Primorska) krma s trajnega travinja: seno, silaža, paša Živinoreja mleko mlado pitano govedo reja prašičev: kombinirana reja, močna krma pitana jagnjeta brojlerji purice jajca 52

Predmet presoje in ugotovitve – referenčne modelne kalkulacije iz standardnega nabora Presoja na vseh ključnih točkah sistema Ugotovitve • Sistem modelnih kalkulacij s svojimi dinamičnimi povezavami med datotekami • Osnovna izhodišča • polna zaposlenost za vsaj eno delovno moč • vkalkulirana raven paritetnega dohodka • izhodiščna intenzivnost X • tehnologije X • Baze podatkov (datoteke): tehnično X • Nabor kmetijskih pridelkov in tehnologij X 53

Prilagoditev in dopolnitev sistema modelnih kalkulacij q Opredelitev novih ravni intenzivnosti q Prilagoditev tehnoloških parametrov q Produktivnost ročnega in strojnega dela q Prilagoditev specifičnih tehnoloških in drugih parametrov modelnih kalkulacij 54

Prilagoditev in dopolnitev sistema modelnih kalkulacij – opredelitev novih ravni intenzivnosti • • Raven „referenčnih“ intenzivnosti ↑ Intervali intenzivnosti pri katerih posamezne modelne kalkulacije še dajejo zanesljive in ustrezne rezultate Rastlinska pridelava Neto pridelek (kg/ha) Pšenica Ječmen Koruza za zrnje Koruzna silaža Silirano koruzno zrnje Oljna ogrščica Krompir Seno v SS/ha Travna silaža v SS/ha Paša v SS/ha Namizna jabolka Grozdje – Podravje ; 4. 000 trsov/ha Grozdje – Primorska ; 3500 trsov/ha Obstoječe Posodobljene kalkulacije Interval intenzivnosti 5. 300 4. 900 9. 000 47. 000 10. 142 3. 500 30. 000 6. 800 8. 325 30. 000 7. 000 6. 000 5. 500 10. 000 50. 000 11. 210 3. 500 40. 000 6. 800 8. 325 40. 000 8. 000 4. 000– 9. 000 7. 000– 15. 000 30. 000– 60. 000 9. 000– 20. 000 2. 000– 4. 000 30. 000– 60. 000 5. 000– 15. 000 30. 000– 60. 000 7. 000– 10. 500 9. 000 8. 750 8. 000– 10. 500 + 10 -15 % strno žito, koruza + 0 % oljna ogrščica; trajno travinje + 30 % jabolka; + 60 % krompir + 5 %; - 15% grozdje Živinoreja Pitano govedo (biki in telice) (prirast kg/dan) Mlečne krave (mlečnost – l/kravo) Plemenske svinje (plodnost – število zrejenih tekačev/svinjo) Pitani prašiči – močna krma (prirast kg/dan) Pitani prašiči – kombinirana krma (prirast kg/dan) Ovce (število zrejenih jagnjet/ovco); Jagnjeta (prirast jagnjet v kg/dan) Brojlerji (kg/kljun) Jajca (število znesenih/nesnico) Obstoječe kalkulacije Posodobljene Interval kalkulacije intenzivnosti 0, 90 1, 00 (1, 10) 0, 60– 1, 40 4. 500; 6. 500; 7. 500 4. 500– 9. 500 17, 4 21, 4 15– 24 0, 61 0, 79 0, 60– 0, 85 0, 61 0, 75 0, 60– 0, 85 1, 50 1, 70 1, 30– 1, 80 0, 22 0, 18– 0, 24 2, 25 290 2, 35 310 1, 80– 2, 50 330 + 10 -15 % pitano govedo, ovce, mleko + 10 % prašiči + 5 % brojlerji in jajca 55

Prilagoditev in dopolnitev sistema modelnih kalkulacij – • Krma tehnološki parametri • Gnojila • Drugo q Poraba krme • Krma najpomembnejši strošek v živinoreji • Opredelitev hranilne vrednosti s sodobnejšimi parametri: NEL - prireja mleka oziroma ME – pitovne živali • Razširjena baza različnih vrst krme z novimi parametri hranilnih vrednosti • Na ravni posameznih vrst in kategorij rejnih živali na novo opredeljeni krmni obroki • V kalkulacijah za govedo je sestava in vrednost krmnih obrokov ocenjena s pomočjo na novo razvitega modula z matematično metodo linearnega programiranja (Žgajnar, 2011) 56

Prilagoditev in dopolnitev sistema modelnih kalkulacij – tehnološki parametri q Gnojenje • Gnojilna norma opredeljena kot funkcija odvzema čistih hranil v odvisnosti od bruto pričakovanega pridelka • Podlaga za oceno funkcij različni domači in tuji viri • Enoten razširjen nabor org. in min. gnojil z vsebnostmi glavnih rastlinskih hranil in dopolnjen seznam gnojil za gnojene z različnimi mikrohranili • Gnojilne norme so se pri večini kmetijskih pridelkov spremenile • Porabe hranil na enoto pridelka N: strno žito ; koruza za zrnje, krompir, jabolka P: pri večini kmetijskih pridelkov ; travniška krma K: pri večini kmetijskih pridelkov ; travniška krma in sadje q Drugi parametri • Rastlinski pridelki: FFS, setvena norma, kemično redčenje, št. trsov/ha … • Živinoreja: št. živali, končna masa, obdobje pitanja, plodnost, dolžina obdobij reje … 57

Prilagoditev in dopolnitev sistema modelnih kalkulacij q Produktivnost ročnega in strojnega dela • Eden najpomembnejših dejavnikov, ki vplivajo na stroške pridelave v rastlinski pridelavi • Poraba časa opredeljena po delovnih fazah v odvisnosti od velikosti parcele, nagiba, porabljenega materiala in velikosti pridelka • Proizvodne funkcije porabe časa glede na velikost parcele in nagib so v modelnih kalkulacijah opredeljene z regresijsko analizo na podlagi večinoma tujih normativov (npr. KTBL) • Parametri funkcij za oceno porabe dela sistematično zbrani v datoteki » Z « • Razširitev nabora strojev in priključkov v datoteki » Stroji « (vrste, moč, delovna širina …) 58

Prilagoditev in dopolnitev modelnih kalkulacij – referenčne modelne kalkulacije iz standardnega nabora KLJUČNE SPREMEMBE VSEBINSKE • Povečanje intenzivnosti pridelave - „nadpovprečni pridelovalci“ • Prilagoditev tehnologij s posebnem poudarku na: § upoštevanju sodobnih smernic za gnojenje, prilagajanju gnojilnih norm sodobnim sortam in intenzivnostim pridelave § oceni porabe krme na podlagi novih parametrov hranilnih vrednosti krme (NEL, ME …), dinamičnem upoštevanju novih smernic pri krmljenju oziroma sodobnejših podatkov o konzumacijskih sposobnostih živali • Izboljšana produktivnost strojnega in ročnega dela ORGANIZACIJSKE in TEHNIČNE • Večja fleksibilnost in dinamičnost (enostavno dodajanje in spreminjanje aktivnosti, ustreznost pri različnih intenzivnostih …) • Bolj pregledne vhodne maske in tehnološke karte … 59

Referenčne modelne kalkulacije - standardni nabor UČINKI SPREMEMB Stroški zmanjšani za subvencije na enoto proizvoda (obstoječe kalkulacije = 100) Živinoreja: količina proizvoda na žival 120 110 100 90 80 70 60 50 40 60 Jajca Brojlerji Prašiči - močna krma Prašiči - kombinirana reja Pitana jagnjeta produktivnosti ročnega in stojnega dela in tehnoloških parametrov so vplivale večinoma na stroškov pridelave na enoto proizvoda Mlado pitano govedo Rastlinski pridelki: spremembe intenzivnosti pridelave , 120 110 100 90 80 70 60 50 40 Mleko Namizna jabolka Grozdje – Primorska ; 3. 500 trsov/ha Grozdje – Podravje ; 4. 000 trsov/ha Paša Travna silaža Seno Krompir Oljna ogrščica Koruzna silaža (neto) Silirano koruzno zrnje (neto) Koruza za zrnje Ječmen Pšenica (izjema pri mleku) , strošek krme na enoto pridelka , stroških na enoto proizvoda

Razširitev standardnega nabora modelnih kalkulacij z novimi proizvodi in tehnologijami q V sistem modelnih kalkulacij je vključenih 96 modelnih kalkulacij q Dva pristopa razširitve: kalkulacije iz drugih nalog in raziskav in „nove“ Nove tehnologije Krmna pšenica Seno Travna silaža Mleko Mlado pitano govedo Med Novi proizvodi Tritikala Soja Oljne buče Travniška krma z njiv Lucerna Krave dojilje Kozje mleko Višji pridelek kot pri merkantilni pšenici, sušenje na KMG Spravilo z baliranjem Prosta reja Strojno krmljenje Prodaja v maloprodaji, načini zdravljenja 4. 000– 9. 000 kg/ha, sušenje na KMG 1. 500– 4. 000 kg/ha, 17 % vlage ob spravilu 500– 1. 700 kg/ha, 30 % vlaga ob spravilu, strojno pobiranje različne oblike pridelka (seno, silaža) in načini spravila (senik oz. silos, bale) konvencionalno in EK 61

Razširitev standardnega nabora modelnih kalkulacij z novimi proizvodi in tehnologijami q Kalkulacije za EK pridelavo - prvotno izdelane v okviru naloge za določitev plačil za ukrep ekološko kmetovanje v okviru PRP 2014– 2020 Ekološka pridelava Poljščine: pšenica, ječmen, oves, ajda, pira, koruza za zrnje, silažna koruza, krompir - pozni, Sadje in grozdje: namizna jabolka, travniški sadovnjak, grozdje za predelavo Krma s trajnega travinja Travniška krma z njiv: lucerna in deteljno travne mešanice Zelenjadnice na prostem: zelje, solata, korenček, zgodnji krompir, čebula in paprika Zelenjadnice v zaščitenem prostoru: paradižnik, paprika, solatne kumare in solata Tehnična prilagoditev in posodobitev q Popolna integracija kalkulacij za zelenjadnice (15 vrst) q Večje tehnične posodobitve so izvedene na vnosnem delu in tehnoloških kartah » modelnih kalkulacij « q Vse izdelane modelne kalkulacije so prilagojene za vstop in povezavo v model KMG (DS 5) 62

Sklepne ugotovitve in izzivi za nadaljnje delo Ugotovitve q Cilji raziskave doseženi Ø nadgradnja in širitev modelnih kalkulacij KIS Ø prilagoditev modelnih kalkulacij za vstop v model KMG (DS 5) q Sistem modelnih kalkulacij s posodobitvami pridobil na reprezentativnosti, dinamičnosti in fleksibilnosti večja uporabnost (kmet. politika, pridelovalci, raziskovalci in drugi strokovnjaki …) Izzivi q Boljša diseminacija obstoječih rezultatov modelnih kalkulacij za različne uporabnike in nadaljnji razvoj modela q Vzdrževanje in razvoj povezav z modelom KMG (DS 5) q Prilagoditi modelne kalkulacije za širši krog uporabnikov q Povezovanje s katalogom kalkulacij KGZS q Prilagoditi modelne kalkulacije za poslovno načrtovanje … 63

Delovni sveženj 5: Razvoj dinamičnega orodja za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev 64

Vsebina predstavitve • Izzivi in namen • Modularna zasnova • Predstavitev posameznih modulov in njihov namen & postopek izvedbe analize KMG • Predstavitev rezultatov analiziranih FADN KMG (3 DS) • Ključne sklepne ugotovitve & nadaljnja uporaba 65

Morda veste, koliko KMG vodi- spremlja knjigovodstvo, FADN knjigovodstvo, knjigovodstvo za lastne gospodarske namene? Verjetno bo dovolj natančen odgovor „zelo malo“ Za učinkovito upravljanje pa je nujno, da tudi merimo, spremljamo podatke in jih analiziramo! Problem … o teh KMG poznamo le eno plat … (1 DS) 66

V zadnjem obdobju postaja ideja o spremljanju in boljšem poznavanju ekonomske učinkovitosti na ravni KMG aktualno … Poizkušamo razumeti, razlagati, … – Poznati, kako posluje določen (tip) KMG v posameznem letu, zakaj tako, kje so rezerve za izboljšanje poslovanja, morebitne pasti? – Kakšne so razlike v ekonomskem položaju po proizvodnih tipih KMG po različnih regijah? – Kako je s POK, dohodki na ravni KMG, njihovo stabilnostjo … DOHODKOVNIM TVEGANJEM in njihovim upravljanjem? – Bolje razumeti in presojati, ali morebiten kazalnik v npr. FADN poročilu odstopa (precenjen/podcenjen) in kje je „izvorni greh“? – Kakšen je (bi bil) vpliv sprememb ekonomskega okolja (spremembe cen, ukrepov SKP, tehnologij itd. ) na ravni KMG, sektorja? 67

Kmetovanje - kompleksnost (povzeto po Darenhofer, 2014) KMET Družina Projekti Lokacija Znanje Percepcija, preference Zgodovina Mreže/poslovni partnerji OKOLJE KMG Družbeno ekonomsko Infrastruktura & Mehanizacija Zemljišča Živali Investicije Likvidnost Trgi Politika/e

Tako nujna je uporaba orodij, modelov, modulov … • Zahteva veliko razl. znanj na področju tehnologij pridelave, reje, prehrane, …, upravljanja, ekonomike. Brez podpore kompleksnih orodij (ni šlo) ne gre (ne bo šlo)! • (Ukrepi) SKP vse bolj rezultatsko naravnan(i)a in utemeljen(i)a na podatkih in dejstvih • Problem v SI, ker (trenutno) nimamo orodja, s katerim bi lahko spremljali in odgovarjali na takšna vprašanja … denimo v povezavi z reformnimi ukrepi SKP na ravni KMG! 69

Namen 5 DS • Razviti kompleksno dinamično orodje za spremljanje ekonomske učinkovitosti poslovanja na A) ravni KMG – Do sedaj je bilo razvitih že nekaj tovrstnih modelov KMG, tudi v SI; Njihov namen: Pomoč pri analizi vplivov reformnih ukrepov SKP, pristopna pogajanja, spremljanje ekonomike po posameznih proizvodnih tipih, analiza učinkovitosti upravljanj s tveganji itd. – Ključni izzivi: • Problem fenomena „muhe enodnevnice“ • Navadno za namen enega projekta/raziskave/Ph. D • Veliko časa za pripravo (novih) podatkov problem ažuriranja PC, LC … • kot tudi na ravni posamezne B) proizvodne aktivnosti – 2 ključna pristopa v SI: MK (KIS) in Katalog kalkulacij (KSS) – Ključen izziv: • Prilagajanje analiziranemu primeru KMG (izziv ‚pozitivnost‘) • Sprotno spremljanje cen (sedaj 2 za 1 lahko pa bi bilo …) 70

Ideja 5 DS • Razvoj dinamičnega orodja za presojo ekonomske učinkovitosti gospodarjenja na ravni kmetijskih gospodarstev & ga povezati s kompleksnim sistemom MK • Številni izzivi: – Kako razviti sistem, ki ne bo ‚muha enodnevnica‘, – ga bo moč nadgrajevati in posodabljati, – ne bo posegal v kompleksen sistem MK, bo pa z njim hkrati neločljivo povezan, čeprav se bo tudi ta posodobljal in razvijal? • Predvsem zaradi slednjega, potrebno zasnovati in razviti v veliki meri drugače, kot je bilo predvideno! – Zasnovano kot fleksibilno & dinamično orodje, kjer se glavnina ukazov izpelje samodejno, teče vzporedno … 71 – Potrebno izrazito več časa za razvoj

Orodje & njegova zasnova • Modularen pristop, ki omogoča povezovanje različnih samostojnih, kot tudi podpornih modulov z vgrajenimi dodatnimi pod-moduli in modeli (temeljenje na MP) – samostojno delovanje in s tem tudi njihova uporaba – vključujejo se v skupen integriran sistem modela KMG kot podporni moduli oziroma samostojni gradniki • Popolnoma integrirano v kompleksen sistem MK in vseh njenih podpornih dokumentov 72

Orodje & njegova zasnova 5 DS 4 DS 73

Sistem modela KMG programsko okolje in metodologija 74

VBA & uporaba sistema modela KMG – Sistem modela KMG razvit v obliki elektronskih preglednic (MS Excel) – Nenehen izziv obdržati dokumente majhne, pregledne, obvladljive … – Glavnina operacij avtomatiziranih, preko številnih vgnezdenih VBA makrov – lažje delo, manj napak … 75

Metodološki okvir – OR/MP • OR/MP koncept „omejene optimizacije“ – Zelo dobro združijo neoklasično mikroekonomsko teorijo z modeliranjem – V osnovi gre za alokacijski (proizvodni) problem – Pomaga pri iskanju optimalnih oz. najučinkovitejših načinov izkoriščanja omejenih resursov – Možno reševati s ‚preprostimi‘ orodji ob max/min ciljne funkcije – Ne gre zgolj za podatke o optimalnem proizvodnem načrtu (…) ampak tudi … … o dovoljeni višini stroškov na strani inputov, za ohranjanje oz. izboljšanje donosnosti, o omejitvah, ki predstavljajo ozko grlo proizvodnje, oport. stroških … 76

Modularna zasnova & povezovanje modulov v sistem modela KMG & sistema MK 77

Pod-modul za popis KMG • Omogoča natančno definiranje vseh proizvodnih atributov KMG in parametrov za izvedbo analize • Prilagoditev MK MKKMG • Zelo obsežen vnosni vektor cca 5 k vnosnih polj za 1 KMG/analizo) – Deljen na področja in kategorije (filtriranje) – Univerzalna struktura (enostavna nadgradnja, prilagajanje) • Vključuje več pod-modulov (v nadaljevanju …) 78

Shema podmodula za popis KMG 79

Pod-modul za pripravo matrike PM • Nadalje na podlagi atributov KMG pripravimo proizvodni načrt KMG in ga (poljubno) analiziramo • Povezan z MKKMG • Dva ključna dela – i) Banka informacij – ‚zemljevid‘, kje najdemo, kaj najdemo (podatek) in kam zapišemo – ii) Univerzalna matrika proizvodnih možnosti • V tem delu za reševanje vstopa MP • Rezultat – proizvodni načrt KMG 80

Shema pod-modula za pripravo matrike proizvodnih možnosti 81

Samostojni modul za pripravo KO NAMEN 5 DS B in A • Pridemo na KMG in poizkušamo čim bolje prilagoditi „ živin. modelno kalkulacijo“ – Stroški KO > 50 % stroškov … – Specifično za KMG potrebe/HV/LC • Sestava KO pa je časovno in strokovno zahtevna naloga; Upoštevati je potrebno št. dejavnike in pogoje (NEL, ME, SB, SS, SV, … PC, LC) • Za dane potrebujemo orodje, ki samodejno sestavi tehnološko sprejemljiv KO – Uporabljeno MP na podlagi omejene optimizacije 82

Shema modula za pripravo KO 83

Samostojen modul za pripravo GNČ NAMEN 5 DS B in A • Pridemo na KMG in poizkušamo ‚posneti‘ stanje s pomočjo RASTLINSKIH MK – Pričakovane pridelke – Nabor dostopnih gnojil … • Ekonomsko utemeljeno načrtovanje gnojenja je kompleksna in časovno zahteva naloga - upoštevati je potrebno št. dejavnike: – Založenost, bilanco hranil, največji vnos dušičnih gnojil, …, ekonomiko • CILJ čim bolj enostavno izravnati bilanco N-P-K – Za pomoč uporabimo metode omejene optimizacije 84

Shema modula za pripravo GNČ 85

Model KMG aktivnosti, omejitve in kazalniki 86

Nabor proizvodnih aktivnosti • • • • Reja krav molznic prosta reja Reja krav molznic vezana reja Reja krav dojilj Reja plemenskih telic po dojiljah Reja plemenskih telic • Seno Pitanje goveda večje reje • Travna silaža Pitanje goveda Ovce mesna prireja Reja mlečnih koz N / T Reja piščancev B, ST, HZ S, B Prireja jajc Reja puranov in puric + 60 Reja tekačev Krmni ječmen Tržni ječmen 240 Koruza za zrnje 13 • • • • Čredinska paša (+na zasejanem travniku) Pšenica Krmna pšenica Tritikala Silažna koruza Silirano koruzno zrnje Silažna koruza - prodana stoječe Soja Oljna ogrščica Pridelava bučnih semen (Prekmurje) Zgodni krompir Ajda kot glavni pridelek Cvetača Grozdje - terase Grozdje - vertikala 87 Jabolka 17 + …

Nabor omejitev, kazalnikov • Nabor skupin omejitev • Nabor kazalnikov – Delovna sila – Obdelovalne površine – Izkoriščenost površin – % spravila travinje – Kolobar – Bilanca hranil (KO/GNČ) – Bilanca krme – Rekonstruiranje PN – Tehnološke – Osnovni kazalniki (LC, LCSUB, PC, R, VC, FC, TC …) – Obveznosti, povezane s stroški plač – Različne ravni POK, bruto/neto dodane vrednosti – Stroški obratnega kapitala, AM, zavarovanj … 88

Testiranje delovanja sistema modela KMG na podlagi 4 KMG, ki vodijo FADN (3 DS) 89

Opis testiranih KMG - FADN (1/2) 90

Opis testiranih KMG – FADN (2/2) 91

Rezultati testiranih KMG (FADN 3 DS) - pri max neto dodane vrednosti - poudarek na rekonstruiranju PN - odstopanja kazalnikov (FADN: MODEL) 92

Legenda: FADN : MODEL FADN precenjeno FADN podcenjeno Velikost 1 234 1 3 … z izjemo tržnih in A travinje 3 1 4 4 2 2 93

Ključne ugotovitve, nadaljnje možnosti in potencial sistema KMG 94

Ključne ugotovitve pri testiranju Sistema modela KMG (1/2) • Model KMG je bil uspešno testiran in deluje; možna (nujna) nadaljnja uporaba in razvoj! • Samostojna modula za KO in GNČ prestala testiranje; možna (nujna) nadaljnja uporaba in razvoj! • Ob trenutnem naboru proizvodnih aktivnosti lahko: – analiziramo živinorejska & poljedelska KMG v danem letu – prilagodimo MK z vidika hranilnih bilanc. • Možno testiranje FADN rezultatov – zahteva natančno definiranje proizvodnih atributov – Določeni kazalniki odstopajo v + & - podrobnejše analize 95

Ključne ugotovitve pri testiranju Sistema modela KMG (2/2) • Kompleksnost sistema zahteva izkušnje modeliranja & programiranja – Kalibriranje modela, možna kontradiktornost omejitev, zmogljivost reševalca … • Pomanjkljivosti trenutno uporabljenega pristopa MP • MODEL KMG (LP) – – – • MODEL KO & GNČ (LP & WGP+PF) Normativna narava Prekomerna specializacija – Kompleksnost za Problem nezveznega obnašanja razumevanje in Togost omejitve nastavitev-kalibriranje Upoštevanje zgolj enega cilja modela 96

Nadaljnje delo in potencial (1/2) • Sistem nudi možnost nadaljnjega širjenja & nadgradnje • Metodološko: – Optimizacija proizvodnje, post-optimalna analiza – Zahtevnejša večkriterijska optimizacija (MCDM) – Analiza učinkovitosti upravljanja s tveganji na ravni KMG (QCP) • Vsebinsko – Širjenje nabora modelnih kalkulacij (4 DS) – Širjenje nabora omejitev, ukrepov SKP in kazalnikov 97

Nadaljnje delo in potencial (2/2) • Razviti sistem modela KMG omogoča pomemben premik v razvoju empiričnih orodji v SI na ravni KMG … – Omogoča široko paleto raziskovalnega, pedagoškega (& strokovnega) dela na ravni KMG • Ob nadgradnji: – možnost sistematičnih analiz na ravni tipičnih KMG (po letih, sektorjih, regijah, ukrepih …) – analizo npr. ukrepov aktualne reforme SKP po 2020 (CRP 2016) 98

Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V 4 -1423) Sklepne ugotovitve in priporočila 99

Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V 4 -1423) Sklepne ugotovitve in priporočila Ključni cilji so doseženi: • Sistematično pregledane in z vidika uporabnosti ovrednotene obstoječe podatkovne zbirke (SO, FADN, MK) • Posodobljeni obstoječi in razviti novi analitični podatkovni sistemi (MK, SO) • Razvita nova orodja (model KMG, SEZAM) • Razvit nov pristop k svetovanju (analitični panožni krožki) in s tem postavljeni temelji (analitične podlage) za na podatkih utemeljeno odločanje v kmetijstvu. 100

Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V 4 -1423) Sklepne ugotovitve in priporočila Da bi to zaživelo, je potrebno: • Dvigniti kakovost in razširiti uporabo administrativnih zbirk podatkov (centralna koordinacija, kadrovska okrepitev, zagotavljanje podatkov za analitične potrebe) • Podpreti delo analitičnih panožnih krožkov v okviru JSKS (reorganizacija dela) • Zagotoviti stalno vzdrževanje analitičnih podlag in orodij za potrebe kmetijske politike (redno in stabilno financiranje nalog) 101

Razvoj celovitega modela kmetijskih gospodarstev in povezanih podatkovnih zbirk za podporo pri odločanju v slovenskem kmetijstvu (CRP V 4 -1423) Sklepne ugotovitve in priporočila Ključno sporočilo: Temelji za podatkovno podprto odločanje v slovenskem kmetijstvu so postavljeni, brez kontinuiranega dela na vzdrževanju, dvigu kakovosti in nadgradnji podatkovnih zbirk ter vzdrževanju in razvoju analitičnih podlag in orodij, pa doseženi rezultati v okviru tega projekta ne bodo prinesli velikih sprememb. Potrebne so sistemske in institucionalne spremembe, odločitev o teh pa je na strani države. 102

Hvala za vašo pozornost! 103