Rövidítések jegyzéke

ACDI&VOCA – Agricultural Cooperative Development International, Volunteers in Overseas Cooperative Assistance

ACE – PHARE projekttípus

AIK – Agrár Intervenciós Központ

AKII – Agrárgazdasági Kutató és Informatikai Intézet

APEH – Adó és Pénzügyi Ellenõrzési Hivatal

ATN – Agrárökonómiai Tudományos Napok

BAZ – Borsod-Abaúj-Zemplén megye

CASE - Computer Aided System Design

CBR – Case based reasoning

DATE – Debreceni Agrártudományi Egyetem

DSI – Data Service and Information Gmbh.

EAA – Economic Accounts for Agriculture

ECDL - European Computer Driving Licence

EDI – Electronic Data Interchange

EIS - Executive Information System

ETDK – Egyetemi Tudományos Diákkör

EUROSTAT – az EU statisztikai szervezete

FAIR - PHARE projekttípus

FADN – Farm Accountancy Data Network

FAO – Food and Agriculture Organisation of the United Nations

FVM – Földmûvelési és Vidékfejlesztési Minisztérium

GATE GTK GINT – Gödöllõi Agrártudományi Egyetem, Gazdaság- és Társadalomtudományi Kar, Gazdasági Informatika Tanszék

GIL – Gesellschaft für Informatik in der Landwirtschaft

GIS – Geographic Information System

ISM – Integrációs Stratégiai Munkacsoport

IT – Információs Technológiák

KKE – Közép-Kelet-Európa

KOBI – Konzisztencia Bizottság

KSH – Központi Statisztikai Hivatal

LGR – Landwirtschaftliche Gesamtrechnung

MAGISZ – Magyar Agrárinformatikai Szövetség

MDB - multidimenziós adatbázis kezelési technika

MFt –millió forint

MI – mesterséges intelligencia

MIMIR – Magyarországi Integrált Mezõgazdasági Információs Rendszer

MIS – Management Information System

MIS – Market Information System (piaci információs rendszer)

MOLAP - multidimenziós on-line analitikus feldolgozás

MSZR – Mezõgazdasági Számla Rendszer

MTA – Magyar Tudományos Akadémia

MVA – Magyar Vállalkozásfejlesztési Alapítvány

NSZR – Nemzeti Számlák Rendszere

OECD – Organisation for Economic Cooperation and Development

OLAP - On-Line Aanalytical Processing

OMFB – Országos Mûszaki Fejlesztési Bizottság

OSAP – Országos Statisztikai Program

OT – Operatív Team

OTDK – Országos Tudományos Diákkör

OTKA – Országos Tudományos Kutatási Alap

PFP – Projektfinanszírozási Pályázatok

PIT - Policy Information System for Transformation Countries

PM - Pénzügyminisztérium

RAUMIS - Regionalisiertes Agrar- und Umweltinformationssystem

RDBMS - relációs adatbázis kezelési technika

RENOAAR – Regionális Normatív Agrár Adatok Rendszere

ROLAP - relációs on-line analitikus feldolgozás

SPEL - Sektorales Produktions- und Einkommensmodell für die Landwirtschaft

SZH – Szakértõi Hálózat

SZVT – Szervezési és Vezetéstudományi Társaság

TEIR – Területi Információs Rendszer

USAID – United States Agency for International Development

Elõszó

A hatékony együttmûködés reményében:

Dr. Pitlik László
GATE, GTK, GINT

Magyarországon ma még nem beszélhetünk egységes agrárinformációs rendszerrõl, s ennek következményei mindenki számára ismertek. Az elmúlt években számos hazai projekt indult útnak, melyek integrálása koncepció hiányában eddig nem történt meg. A Magyarországi Integrált Mezõgazdasági Információs Rendszer (MIMIR) koncepciója lehetõvé teszi a szükségszerû integrációt a hazai és nemzetközi igények kielégítése érdekében.

A MIMIR jelen tervezete a hazai és a nemzetközi tapasztalatok/trendek (FAO, OECD, EU), valamint az általános informatikai alapok figyelembe vételével meghatározza a célokat (MSZR-SPEL-PIT, szervezeti elvárások, ad hoc lekérdezések), feladatokat (adatvagyon feltérképezése, katalogizálása, ellentmondás-mentesség biztosítása, adatbázisépítés, felhasználói igények felmérése, kielégítése, integrált, fegyelmezett, kiszámítható rendszer megteremtése), az új szervezeti kereteket (Konzisztencia Bizottság, Szakértõi Hálózat, Operatív Team, Informatikai Szolgáltatók), az érintett intézmények (kormányzat, FVM, Agrárrendtartás, AIK, KSH, AKII, Kamarák, PM, APEH, VPOP, OMSZ, Terméktanácsok, Érdekképviseletek, Egyetemek, MTA, OMFB, OTKA, PFP, FEFA, Földhivatalok, Hegyközségek, szaktanácsadók, termelõk, szakmai szervezetek) szerepét, s a szükséges forrásokat/felelõsöket/végrehajtókat, ill. a végrehajtáshoz felhasználandó információs technológiákat (IT-komponensek: MIS, EIS, data support, OLAP, RDBMS, stb.).

A kormányzati munka újraszervezése reális alapot szolgáltat e folyamatok azonnali megkezdéséhez. Az azonnali kezdés egyik feltétele, hogy a projektelõkészítéshez már az idén, s a zökkenõmentes végrehajtáshoz az 1999-es költségvetésben megjelenjen az e célra felhasználható összeg, mely tény a tenderek kiírásához és egyéb elõkészítõ munkák beindításához elengedhetetlen feltétel.

A MIMIR projekt eredményeként elvárható, hogy a kormányzati munka, a döntéselõkészítés, a csatlakozási tárgyalások, a szaktanácsadás, az érdekegyeztetés megalapozottsága javul. A várható hasznosság egyik fontos, komponense a MIMIR technológiájából, logikájából adódó feszes, fegyelmezett jelentéstételi és adatfeldolgozási rendszer, mely kizárja a ma több vonatkozásban is tapasztalható erõforráspazarlást. Magasabb szintû informatikai szolgáltatások, melyek a megalapozott döntéselõkészítés érdekében elengedhetetlenek, csak befektetések révén realizálhatók, hiszen az informatikában csak elõre lehet menekülni!

A projekt volumene elsõ látásra akár túlzottnak is tûnhet, de ennek most is sokszorosát költi és veszti el az ország az alulinformáltságból eredeztethetõ koordinálatlanságnak köszönhetõen. Ezért a tervezett keretösszeg akár egy év alatt is megtérülhet a hatékonyabb döntéselõkészítés által.

Már több, mint négy esztendõ telt el az 1994 januárjában Gödöllõn megrendezett agrárinformatikai konferencia óta. Az 1994. évi tudományos tanácskozás címe magáért beszél: "Egységes információs rendszer alapjai a mezõgazdaságban". Azóta is számos rendezvényre került sor az érintett szervezetek (FVM, KSH, AKII, Kamara, Egyetemek, Terméktanácsok, Érdekképviseletek, Földhivatalok, stb.) rendezésében és részvételével, de a célul kitûzött egységesség - koncepció hiányában - mind a mai napig nem került lényegesen közelebb a megvalósuláshoz.

Az egyes érdekelt intézmények keretein belül idõközben megindultak a fejlesztések. A teljesség igénye nélkül kiemelhetõ, hogy pl. a KSH az évtized elején bekövetkezett pozícióvesztése megállt, sõt helyzete (hazai és nemzetközi elismertsége) egyre javul. Az AKII, mint a primer adatgyûjtés második pillére az FVM megbízásából szintén számos újszerû feladatot kapott (pl. tesztüzemi rendszer, piaci információs rendszer PHARE támogatással). A Kamara jogi helyzete, feladatai és forrásai egyre karakterisztikusabbá váltak, s emellett tömegbázisa és szervezetei kiépültek. A még mindig elismerésre méltó szellemi potenciállal rendelkezõ egyetemek a kutatás és a szaktanácsadás vezérfonala mentén számos nagyobb volumenû projektet nyertek el (pl. legutóbb OMFB-IKTA). Ezzel párhuzamosan lendületesen fejlõdtek az egyéb szervezetek is, kevésbé a nagy volumenû adatgyûjtõk, mint inkább a szakszerû adatfelhasználók táborát erõsítve. Így ma elmondható, hogy az informatikai rendszer tartalmi kérdései szempontjából végre megérett a helyzet a meglévõ szolgáltatási és felhasználói modulok egységes, azaz integrált rendszerben való összefogására.

A Magyar Agrárinformatikai Szövetség (MAGISZ) 1997-es megalakulásával létrejött a szakmai egyeztetések szervezeti kerete, hiszen a MAGISZ majd minden fontosabb, az agrárinformatikában érintett intézményt tömörít. A MAGISZ létrejötte is jelzi, hogy a szakmai körök felismerték az integráció jelentõségét és elérkezettnek látták az idõt a tartalmi munka szervezeti megalapozására.

Az országos trend mögé felsorakozva - az Uniós elvárásoknak megfelelõen - a fejlõdés útjára léptek a regionális/megyei/térségi információs rendszerek is a Területi Információs Rendszer (TEIR) törvényi keretei között, egyszerre szolgálva a terület/térség/vidékfejlesztés és a vállalkozásfejlesztés érdekeit. Az itt rendelkezésre álló adatok azonban nem feltétlenül illeszkednek szervesen a hasonló tartalmú országos adatokhoz, noha ezen összhang megteremtése módszertanilag jól kezelhetõ probléma (vö. RENOAAR, azaz REgionális NOrmatív Agrár Adatok Rendszere, mely az EU-ban elõírt mezõgazdasági számlarendszer /MSZR/ országos táblázatait bontja le a megyékre). Az alulról jövõ kezdeményezésektõl sajnos nem várható el, hogy érdemben és kellõen gyorsan meg tudják oldani az országos szintû koordinációs feladatokat. Az országos standardok kidolgozása azonban pozitívan hathat vissza a területi kötõdéssel bíró folyamatokra.

Az agrárszférát érintõ publikációk, a szakmai viták során minden esetben megfigyelhetõ, hogy egy-egy világosan megfogalmazható kérdésre, több, jelentõs eltérést mutató számszerû válasz merül fel az érintettekben, ill. a számok mértékegységeinek, elõállításuk módszertanának hátterében megbúvó "apró" pontatlanságok viszik félre a konstruktív szándékot. Ez egyértelmûen gátolja az érdekegyeztetést és a megalapozott döntéselõkészítést (gondoljunk csak a még igazából meg sem oldódott gabonaválságra). Hasonló jellegû problémák felvetõdtek már évekkel ezelõtt a nemzetközi kereskedelmet meghatározó tárgyalásokon is (GATT). A következmények mindenki elõtt ismertek. Az Uniós csatlakozást elõkészítõ projektek során is jelentõs alapadatbeli bizonytalanságok felfedésére került sor (pl. országos NPK-elszámolás), melyek feltehetõen az EU-kérdõívekre adott válaszokban is visszaköszönnek. Ha ágazati és megyei szinten próbálunk megfelelni az EU szakmai elvárásainak, a helyzet még kevésbé minõsíthetõ pozitívan. Ezen gondok mindegyike visszavezethetõ az egységes szemléletet és a folytonos szakmai kontrollt nélkülözõ agrárinformatika rendszer(telenség)re.

Magyarország EU-csatlakozásával párhuzamosan megindultak a Közép-Kelet-Európa (KKE) sajátosságait az EU elvárásai, döntéshozatali mechanizmusa szerint feldolgozó Uniós projektek (pl. PHARE, FAIR, ACE, stb.), melyhez kapcsolódóan a társulni kívánók szakértõi felkészítése is megkezdõdött. Ezen projektek lényege, hogy EU-szakértõk megkísérlik a nemzeti sajátosságokat tükrözõ agrárinformációs rendszereket az EU érdekei szerint értelmezni, az egyes országok lehetõségeit felmérni, ill. az EU által alkalmazott jelentéstételi és mutatószámrendszer szerint újrafogalmazni. A fogalmi harmonizálás (pl. mezõgazdasági jövedelmek elszámolási kategóriái) szükségszerûsége magától értetõdõ, hiszen érvelni és tárgyalni, tervezni és intézkedni csak akkor lehet hatékonyan, ha a kimondott mondatok mögött mindenki ugyanazt érti. E folyamatokhoz való érdemi csatlakozás létérdekünk.

Az EU egyik - már több évtizede - alkalmazott rendszere a luxemburgi EUROSTAT megrendelésére a bonni egyetemen a mezõgazdasági számlarendszer alapján kifejlesztett SPEL (Sektorales Produktions- und Einkommensmodell für die Landwirtschaft) rendszer, mely feladata - többek között - a tagországok egységes jelentési rendszerének ellentmondás-mentességét vizsgálni, ill. az így kialakult adatbázisra (SPEL EU-DATA CDROM) alapozva hosszabb-rövidebb távra gazdaságpolitikai elemzéseket készíteni. Ebbe a folyamatba Magyarország is bekapcsolódott mintegy három évvel ezelõtt, s ma már nálunk is rendelkezésre áll az elsõ prototípus (MSZR-munkacsoport). Hasonló törekvések figyelhetõk az általános agrárstatisztika mellett pl. az üzemi adatok szintjén (FADN, tesztüzemi hálózat), ill. a piaci információs rendszer (MIS) esetében is.

A SPEL rendszer alkalmazási tapasztalatai, ill. a várható Uniós belsõ átalakulás és a csatlakozásból adódó feladatok kapcsán kidolgozásra került ismét csak a bonni egyetemen a PIT (Policy Information System for Transformation Countries) keretterve, mely az EU és a társulni kívánó országok agrárpolitikáját szeretné egy kiérlelt információs és elemzõ rendszerrel támogatni. A tagországi szintû elemzések mellett az EU fejlesztések egyre nagyobb súlyt helyeznek a regionális feladatokra. Ezért született meg, s fejlõdik tovább pl. a RAUMIS rendszer (vö. RENOAAR).

Az elmúlt években az EU, a FAO és az OECD lépéseket tett az egyes országokról rendelkezésre álló és továbbra is gyûjteni tervezett adatok egységesítésére, a meglévõ rendszereik harmonizálására (vö. DSI CDROM-ok). Emellett nemzetközi szervezetek (pl. Világbank), ill. amerikai szervezetek (pl. USAID, ACDI, VOCA) is támogatásukról biztosították már a magyar kezdeményezéseket. Nem szabad megfeledkezni arról sem, hogy a KKE országaiban is egyre erõsödik a szakmai együttmûködési készség a hasonló jellegû problémák közös megoldása irányában.

Az EU programok és projektek sikerességét nagyban befolyásolja az ellenõrzés milyensége. A várhatóan egyre nagyobb volumenû EU támogatással való helyes gazdálkodás és elszámolás csak akkor biztosítható, ha a támogatásból részesülõkrõl a (támogatást adók igényei szerint) szükséges adatok idõben, s hitelesen (a tényleges történéseknek megfelelõ tartalommal, ill. konzisztensen) rendelkezésre állnak. Egy ilyen - az EU által megkövetelt - integrált ellenõrzési rendszer a megvalósulás oldaláról nézve nagyrészt informatikai feladatként definiálható (vö. MIMIR).

Úgy a hazai, mint a nemzetközi tendenciák világosan jelzik egy integrált agrárinformációs rendszer szükségszerûségét. A kormányzati munka újraszervezése reális alapot szolgáltat e folyamatok azonnali megkezdéséhez. Az azonnali kezdés egyik feltétele, hogy már az 1999-es költségvetésben megjelenjen az e célra felhasználható összeg, mely tény a tenderek kiírásához és egyéb elõkészítõ munkák beindításához elengedhetetlen feltétel. A MIMIR projekt eredményeként elvárható, hogy a kormányzati munka, a szaktanácsadás, az érdekegyeztetés megalapozottsága javul. A MIMIR-projekt komplexitása ellenére - mint az a következõbõl is kiderül - több fronton is megkezdhetõ, de a megfelelõ jogi szabályozás (adatvédelem, hozzáférési jogosultságok, adatszolgáltatási kötelezettségek, stb.) és a folyamatos forrásbiztosítás elmaradása (a projekt során összekovácsolódott team felmorzsolódása) esetén a hatékony mûködés veszélybe kerül.

• Egyrészt elkerülhetetlen a nemzetközi ajánlások (MSZR-SPEL-PIT) hazai igényekhez igazított átvétele a közös, nemzetközi gondolati rendszerben való otthonos mozgás érdekében. A nemzetközi standardok a minimumkövetelményt jelentik, azaz ennél többet lehet, de ennyit legalább tudni kell teljesíteni.
• Másrészt informatikai szempontból fel kell térképezni a kormányzati munkához szükséges adatok, feldolgozási eljárások kapcsolatait. A szakszerû adatvagyon-gazdálkodás ugyanis csak úgy valósítható meg, ha tudjuk, kinek, mikorra, milyen adatra van szüksége.
• Harmadrészt meg kell felelni az ad hoc elvárások nagyobb részének is, mely során a nagyobb vállalatok és egyes kormányzati szervek által már bevezetett menedzsment információs rendszerek (MIS) tapasztalatait kell figyelembe venni.

Még mielõtt az informatikai projektekre oly jellemzõ vád, vagyis a "misztikumkeltés" hamis vádja érhetné a MIMIR tervét, fontos kiemelni, hogy a fejezet címében szereplõ rendszerek éppen egyszerûségük, átláthatóságuk, egymásra épülésük miatt töltenek be oly fontos, "mindent" megalapozó szerepet az Unió döntéselõkészítési mechanizmusában. Emellett az egyes rendszerek bemutatása ma tananyagként szerepel az egyetemeken, ill. PhD-hallgatók dolgoznak e rendszerekkel úgy itthon, mint külföldön, azaz adott egy stabil szakmai háttér.

A rendszerek részletes bemutatását a tanulmány nem tekinti feladatának, azonban a lényegi, a MIMIR kidolgozását aktívan befolyásoló jellemzõk az alábbiakban sorra kiemelésre kerülnek. (Az egyszerûség kedvéért a továbbiakban már csak a célállapot rövidítését, vagyis a PIT szócskát használom.)

A PIT egy olyan központi adatbázis/adattárház létrehozását célozza meg, melyben a mezõgazdasági termékek termelése és a termelés érdekében felhasznált ráfordítások/költségek (vö. FADN) egységes, mérlegszerû, ellentmondás-mentességet biztosító összefüggéseket alkotnak. (Egyszerûbben kifejezve: pl. csak annyit lehet felhasználni/elkölteni, amennyi megtermelésre került, ill. ahhoz, hogy bizonyos mennyiségû pl. állati termék keletkezhessen a biológiai törvényszerûségeknek megfelelõ mennyiségû és minõségû takarmányt kell rendelkezésre bocsátani, stb.) A PIT adatbázisa egyszerre tartalmaz naturális és monetáris adatokat. A konzisztencia, vagyis az ellentmondás-mentesség elvárása egyszerûnek hangzik, de annál nehezebb megvalósítani. (Csak egy példa: Évek óta publikálásra kerül, s nem tûnik fel még a nemzetközi szakembereknek sem, hogy a kimutatások szerinti magyar NPK-felhasználás csak mintegy fele a nemzetközileg elismert átlagnak a termelt növényi termékek mennyisége alapján.) A konzisztenciát, s ezáltal az adatbázis minõségét csak akkor lehet biztosítani, ha minden adat és ezek keletkezési módja pontosan dokumentált (adatvagyon-felmérés, auditálhatóság), ill. az egymással oksági kapcsolatba hozható adatok kapcsolatrendszerét leíró táblázat adott, mely alapján a szakmai (kézi és számítógépes) hibaelemzés elvégezhetõ (vö. ISO normák).

A konzisztens adatbázis egyben azt is jelenti, hogy nincs még egy alternatív, ill. mást sugalló adat semmilyen forrásból érvényben, vagyis minden kérdésre csak egyetlen válasz létezik, mely igazságtartalmát/valósághûségét a többi adat léte szavatolja. Így képzelhetõ csak el, hogy az országról vagy annak tetszõleges részérõl egy egységes képpel rendelkezzünk, mely alapja az érdekegyeztetésnek hazai és nemzetközi szinten is. Az egységes és ellentmondásmentes országkép növeli az érvek súlyát, s gyorsítja a döntéselõkészítést.

Teendõk: Az ellentmondás-mentesség biztosítása érdekében fel kell mérni a rendelkezésre álló adatvagyont, s létre kell hozni egy úgy nevezett metaadatbázist, mely visszamenõleg is leírja milyen objektum, milyen jellemzõje, mely szervezetnél, hogyan, mikor kerül(t) gyûjtésre. Ki kell dolgozni a PIT logikájából eredõ adattartalmakra az ezek hátterében megbúvó egyszerûbb (aggregációs) és bonyolultabb (modellszerû) kapcsolatokat.

Határidõ	Szakember (fõ)	Munkaidõ (ember_hónap)	MFt	Felelõs, végrehajtó
1998.12.31.	10	20	10	Konzisztencia Bizottság/ operatív team (l. késõbb), ill. informatikai szolgáltatók

A jelenlegi helyzetben fel kell hívni a figyelmet arra is, hogy a PIT rendszer kialakulása még folyamatban van, s az eddigi jó nemzetközi együttmûködés felveti annak lehetõségét is, hogy magát a fejlesztést magyar oldalról aktívan befolyásolhassuk, ebben a bonni partnerrel együttmûködhessünk. Az elmúlt évtizedekben operáció kutatás címszó alatt készült néhány modell, melyek az akkori módszertani elveket tükrözték. Az eltelt évtizedek alatt azonban kikristályosodott egy újszerû, perspektivikus módszertan, vagyis a mesterséges intelligencia kutatás, mely a gazdasági életben már többszörösen bizonyított (fuzzy rendszerek az iparban, neuronális hálók a tõzsdén, stb.) Sajnos a magyar mezõgazdasági/közgazdasági kutatási projektek ezzel a tendenciával eddig nemigen tartottak lépést, pedig pl. az évtípus kérdése (azaz: Jó búzaév lesz-e jövõre?) e technikákkal nagy biztonsággal és viszonylag kis ráfordítással megválaszolható.

Teendõ: Erõsíteni kell a modellorientált és a szakértõi tudást egyesítõ kutatásokat (matematikai és agrárjellegû interdiszciplináris teamek kialakításával) a becslések és prognózisok biztonságának növelésére, a szakértõi költségek csökkentésére. Hiszen az eddigiekbõl is kitûnhet, milyen volumenû becslésre/prognózisra lenne szükség az egyes aggregációs szintek tényszerû adatainak szimulálásához, ellenõrzéséhez.

Határidõ	Szakember (fõ)	Munkaidõ (ember_hónap)	mFt	Felelõs, végrehajtó
Folyamatos	50	Folyamatos	100/év	MTA, OMFB, OTKA, PFP, FEFA és Konzisztencia Bizottság, ill. Egyetemek, AKII

***

PIT rendszerben a búza példájához hasonlóan bármely növényi és állati termék (minõségi kategóriánként bontva) kidolgozható/kidolgozandó. Az elõzõ példából jól látszik, mely adatbázisszeletekre és milyen logikai kapcsolatok definiálására van szükség ahhoz, hogy egy ún. Konzisztencia Bizottság (mely feladata lényegében hasonlít a TMB-kéhez) el tudja dönteni, hogy az egyes adatforrásokban rendelkezésre álló ok-okozati, ill. alternatív (más-más reprezentációnak/torzításoknak megfelelõ) adatok alapján, mit lehet és kell egy-egy konkrét adatpozíció esetén véglegesnek tekinteni. Ez a véglegesített adathalmaz kell, hogy kiszolgálja a további igényeket. A már lejelentett és a nemzetközi statisztikai kiadványokban hozzáférhetõ magyar adatokat újra kell vizsgálni az egységesség szempontjából (pl. DSI nemzetközi adatbázisok CDROM-on), s ha szükséges módosítani kell a kritikus adatokat.

Teendõ: Létre kell hozni az adatvagyont és a szervezeti igényeket felmérõ adatvagyonügynökség felettes szerveként a Konzisztencia Bizottságot (l. késõbb, a MIMIR környezeti kapcsolódásai címû részben), mely felel az egységes informatikai arculat kialakításáért.

Határidõ	Szakember (fõ)	Munkaidõ (ember_hónap)	MFt	Felelõs, végrehajtó
azonnal	15-20	Folyamatos	50/év	kormányzat, MAGISZ

***

A PIT rendszer nem csak termésmennyiséggel, naturális és pénzben kifejezett ráfordításokkal számoltat el bennünket, hanem a termékárakkal, s így végsõ soron a mezõgazdasági termelés során képzõdõ jövedelmekkel, mint az érdekérvényesítés egyik legfontosabb kategóriájával. Itt érdemes kiemelni azt, hogy a nemzetközi elvárások csak egy bizonyos, jól körülhatárolt termékkört értenek a mezõgazdaság fogalma alatt, s így csak részlegesen képezik le a diverzifikáció, a több lábon állás, ill. a minél átfogóbb termékpályák hazánkban jelentõséggel bíró túlélési stratégiáját. Amennyiben a hazai igények az Uniós felbontásnál részletesebb, ill. szélesebb problémákat határoznak meg, ezeket a hazai igények szerint kell és lehet a MIMIR logikai rendjében megvalósítani.

A MIMIR sajátos kialakítása idõben és koncepcionálisan egybevág az EUROSTAT által 1999-tõl tervezett módosításokkal (pl. falusi turizmus figyelembe vétele). Egy másik szervesen idekapcsolódó, már létezõ modul a piaci információs rendszer (MIS) kérdése, mely többek között a termékpályán realizált összes jövedelem felosztását tárja fel, de jelenleg nem kapcsolható szervesen a KSH ármeghatározási mechanizmusához, ill. a tõzsdei határidõs jegyzések adataihoz. Ezen probléma feloldása nélkül az érdekegyeztetés során központi kérdésként kezelt jövedelem-, ill. fedezeti hozzájárulás-számítást alapvetõen meghatározó bevételi oldal válik állandóan megkérdõjelezhetõvé.

Teendõ: Módszertani fejlesztést kell végrehajtani az egységes szemléletû áradatbázis (tény + prognózis) megteremtése érdekében, mely kérdéskör szervesen kapcsolódik a MIMIR minden pontját érintõ problémához, vagyis ahhoz, hogyan lehet tetszõleges mennyiségû és jellemzõjû részadatokból eljutni az országos szintet jellemzõ adatokig. A rész-egész problematikájának kezelése a MIMIR-ben feltételezi az állandó szakértõi munkát, mely jól átlátható összefüggések alapján mindenkor megkísérli az aggregált (pl. országos) adatok hátterében a pénzügyileg lehetõvé tett felbontás szintjén (pl. tájegységek) a súlyozott átlagolás alapadatait levezetni. Ez a pont szervesen kapcsolódik a fentebb már definiált általános kutatási feladatokhoz.

A konzisztencia kifejezésre juttatásának természetesen vannak határai. Ezen határok egyike a KSH Nemzeti Számláihoz (NSZR) való szerves illeszkedés, hiszen a mezõgazdaságot az Unióban nem az intézményi, hanem a tevékenységi elv szerint kell elszámolni, szemben az egyéb gazdasági ágakkal. Így kiindulásként el kell fogadni azt a kihívást, hogy a NSZR-bõl a mezõgazdasághoz kapcsolt tételeket (energia, takarmány, vetõmag, stb.) a MIMIR keretein belül vissza kell tudni igazolni. Fontos problémát jelent ez esetben az összhang megteremtésének idõpontja. A KSH ugyanis egy adott naptári évrõl csak hónapokkal késõbb kell, hogy NSZR adatokkal rendelkezzen, míg a MIMIR alapvetõ feladata, hogy szinte "naponta" frissítve a becsléseket, szakmai véleményeket, bármikor, bármely adatot a többivel összhangban ki tudja fejezni, akár prognosztikai jelleggel több hónapra/évre elõre is (a felhasználók legmesszebbmenõ igényei szerint, dinamikusan változtatható formában).

Teendõ: Ki kell dolgozni az érintett szervezetek közötti szakmai egyeztetés, szakértõi kompetencia, döntéshozatal, adatáramlás, idõbeli kötelezettségek rendszerét, mely egyben a Konzisztencia Bizottság szervezeti és mûködési szabályzatának alapját is adja. A Bizottság felállítása és az SZMSZ kidolgozása azonnali intézkedést igényel.

Határidõ	Szakember (fõ)	Munkaidõ (ember_hónap)	MFt	Felelõs, végrehajtó
Azonnal	8-10	10	10	FVM, MAGISZ

***

Ebben az összhangra törekvõ munkában jelentõsen segíthet az, ha a KSH adatokat nem, mint pontszerû jelenséget értelmezzük, hanem figyelembe vesszük azt, hogy ezek adott valószínûséggel egy bizonyos ± intervallumként értelmezhetõk. Ez a lehetõség jelentõsen elõmozdítja pl. az állatállományok változásának modellezését, s ezáltal pl. a sertésciklus befolyásolhatóságának növelését. (A nem teljesen korrekt adatminták alapján ugyanis nem lehet elvárni, hogy a tanulási, modellezési folyamat pozitív eredménnyel zárul le.)

Teendõ: Ki kell alakítani az állatállományok változásának átfogó elõrejelzõ-magyarázó rendszerét. Ez a pont szervesen kapcsolódik a fentebb már definiált általános kutatási feladatokhoz (vö. AKII, Egyetemek).

***

Mint az már több gondolat hátterében érezhetõ volt, az adatoknak nem csak számszerû értéke, mértékegysége és felvételezési/feldolgozási módszere, hanem egy fajta életciklusa is van. Az adatkronológia kell, hogy leírja az elsõ becsléstõl az utolsó véglegesítésig mindazon lépéseket, melyek a valóság adott szeletét bemutató adat folyamatos nyomon követését biztosítják. Az adatkronológia tekintettel kell, hogy legyen a forrásokra (kitõl származik az adat), a módszerekre (hogyan keletkezett az adat) és az idõpontokra (mely idõpontra vonatkozóan, mikor áll rendelkezésre az adat - vö. gyorsjelentés, becslés, prognózis), valamint a hozzáférési jogosultságokra.

Teendõ: A MIMIR kialakításánál tekintetbe kell venni az adatkronológia iránt megfogalmazott igényt, s ennek megfelelõen kell az adatbázisok struktúráját és várható méretét megtervezni. Itt figyelembe kell venni azt is, hogy jelenleg az egyes intézmények és adatok eltérõ adatvédelmi, titokkezelési státusszal bírnak (pl. APEH, PM gyorsjelentések).

Határidõ	Szakember (fõ)	Munkaidõ (ember_hónap)	mFt	Felelõs, végrehajtó
1998.12.31.	10	20	10	Konzisztencia Bizottság, ill. informatikai szolgáltatók és adatvédelmi szakemberek

***

Az idõsoros adatok az elemzések, a gazdasági prognózisok alapját, struktúráját adják. A minõségbiztosítás érdekében elkerülhetetlen azonban az elõrejelzések/becslések és a tényadatok folytonos összevetése, a hibákból való tanulás, a szakértõk kiválasztásának finomítása okán.

Teendõ: A szakértõi vélemények (becslések/prognózisok), ill. a számítógépes elemzések (becslések/prognózisok), valamint a tényadatok folytonos összevetését a MIMIR-ben támogatni kell, elõmozdítva ezzel a szakértõi önképzést és a kutatás koordinációját, s végsõ soron a prognózisok helyességét.

Határidõ	Szakember (fõ)	Munkaidõ (ember_hónap)	MFt	Felelõs, végrehajtó
Folyamatos	10	folyamatos	10	Konzisztencia Bizottság, ill. Informatikai szolgáltatók

Az elõzõ gondolati egységben már bemutatott nemzetközi trend és a struktúrájában ehhez illeszthetõ hazai bõvítési igények, valamint az e pontban taglalni kívánt szervezeti elvárások kapcsolatáról elmondható, hogy nagyon nagy mértékben e kettõ át kell, hogy fedje egymást. Hiszen pl. a búza garantált árát elõkészítõ döntési folyamatban több adat aligha használható fel, mint az a Konzisztencia Bizottság búzáról szóló kapcsolótábláján (vö. entity-relationship) már definiálva van. Ha mégis elképzelhetõk speciális adat-egymáshoz-rendelések (pl. búza felvásárlási ár esetén jogi keretek, ill. a nemzetközi piacok felvevõképessége, világpiaci árak, ill. hatósági feladatok esetén pl. export/import engedélyek/tilalmak, növény és állategészségügyi elõírások, valamint a támogatások tervezésénél pl. kárbecslést lehetõvé tevõ vízügyi adatok, stb.), akkor ezeket az adatvagyont leíró metaadatbázis alapján bármikor illeszteni kell tudni a rendszerhez.

Ezeket az igényeket az alaprendszerrel párhuzamosan fel kell mérni és a döntéselõkészítésben illetékes osztályokhoz, csoportokhoz, személyekhez kötötten definiálni kell az adatok tartalmát, gyakoriságát, az elõrejelzési igényeket, stb.

Határidõ	Szakember (fõ)	Munkaidõ (ember_hónap)	mFt	Felelõs, végrehajtó
1998.12.31.	10	20	10	Konzisztencia Bizottság, ill. Informatikai szolgáltatók

Az ad hoc elvárások, vagyis a hirtelen, ritkán és szeszélyes tartalmi, formai jegyekkel rendelkezõ lekérdezések támogatása az információs rendszerek (pl. EIS = Executive Information System) fejlesztõi szerint csak egy jól strukturált adatbázissal a háttérben képzelhetõ el, mely képes a tárolt adatok hatalmas halmazából is bármely adatcsoportot relatíve gyorsan és egyszerûen megmutatni. Ilyen típusú feladatokra kell számítani a csatlakozási tárgyalások során, amikor is viszonylag rövid idõ alatt kell a meglévõ adatvagyonból a szakértõk által szükségesnek ítélt továbbelemzés céljából részeket rendelkezésre bocsátani szinte azonnal, távoli elérés esetén is, hiszen a tárgyalásokon képviselt álláspontot kritizáló felet csak a saját terminológiájának megfelelõen elõkészített, meg nem kérdõjelezhetõ adatokkal lehet meggyõzni (pl. német BSE-delegáció tárgyalási sikere Brüsszelben). Az adatbázis-alapú rendszer (hardware, software, consulting, projektmanagement, stb.) kialakítása ennek méretétõl és az egyéb felhasználói igényektõl függõen a 200-500 mFt-ot is elérheti. Ez az összeg ugyan elsõ látásra soknak tûnhet, de ennek most is sokszorosát költi és veszti el az ország az alulinformáltságból eredeztethetõ koordinálatlanságnak köszönhetõen. Ezért ez az összeg akár egy év alatt is megtérülhet a hatékonyabb döntéselõkészítés által.

Itt kell megemlíteni azt, hogy a MIMIR projekt során felmerülõ szakemberigény (mennyiség, minõség) sok esetben elõreláthatóan nem fedhetõ le a meglévõ állományból (pl. a napi feladatok ellátásának kényszere miatt), ezért az informatikai jellegû tevékenységekhez piaci szolgáltatókat (IT-branch, egyetemek), ill. nemzetközi konzultánsokat (pl. FAO, EU, OECD) kellhet igénybe venni a hatékony munka érdekében. A projekt szakmai érdekeit (agrár+informatika) ez esetben egy, a Konzisztencia Bizottság által megbízott operatív (megrendelõi, szakértõi) team tudná rugalmasan és helyesen képviselni.

Itt kell szólni a projekttel közvetlenül nem összefüggõ, de a tapasztalat alapján meg nem spórolható költségtételek közül a számítástechnikai képzés/továbbképzés kérdésérõl is. Röviden lezárva a felvetést, elmondható, hogy legalább az ECDL (European Computer Driving Licence, azaz az európai számítógép-használói jogosítvány) vizsgaszintjét minden a MIMIR mûködtetésében érdekelt munkatársnak, felhasználónak mihamarabb el kell érnie, s erre a projekt kapcsán érdemes a fedezetet elõre megteremteni. A képzés színvonala a MIMIR mûködtetésének általános hatékonyságát, hosszú távú stabilitását határozza meg. A jogi problémák folyamatos tisztázása, mely szintén jelentõs, elõre alig kalkulálható költségkomponenst jelent, szintén alapjaiban határozza meg a MIMIR sorsát.

További - más szempontból részben már érintett - költségtételek a kapcsolódó intézmények szerepének taglalása során kerülnek érintésre.

Mint látható, adott a feladat (adatvagyon feltérképezése, katalogizálása, ill. az ellentmondás-mentesség biztosítása, adatbázisépítés, felhasználói igények felmérése, kielégítése, integrált, fegyelmezett, átlátható rendszer megteremtése), ismert a magasabb hatékonysági szint elérését biztosító információs technológia (IT-komponensek: MIS, EIS, data support, OLAP, RDBMS, stb. – l. késõbb), világosak a szereplõk, a szervezeti keretek és az erõforrásigény (ember, tõke, struktúra), s körvonalazható a várható hasznosság, azaz minden adott a projekt megindításához.

A várható hasznosság egyik fontos, kiemelendõ komponense a MIMIR technológiájából, logikájából adódó feszes, fegyelmezett jelentéstételi és adatfeldolgozási rendszer, mely kizárja a ma több vonatkozásban is tapasztalható erõforráspazarlást. Magasabb szintû informatikai szolgáltatások, melyek a megalapozott döntéselõkészítés érdekében elengedhetetlenek, csak befektetések révén realizálhatók, hiszen az informatikában csak elõre lehet menekülni!

A MIMIR finanszírozása kormányzati feladat. Ezért a MIMIR haszna elsõ sorban a kormányzati munkában kell, hogy jelentkezzen. Így a MIMIR fejlesztése során elsõrendû feladat az adatvagyon felméréssel párhuzamosan az FVM-ben és kapcsolódó intézményeiben a döntéshozatali mechanizmusok átvilágítása annak kiderítése céljából, mely szervezeti egység, kitõl, mikor, milyen adatot kapott eddig, s szeretne kapni a jövõben, mely döntés elõkészítése érdekében (vö. Kormányzati Tájékoztatási Rendszer, KTRGIS). A felmérés eredményeként elvárható, hogy több információhiányos helyzetre derül fény. Az információhiány sokféleképpen képzelhetõ el.

• Egyrészt abszolút értelemben, amikor is a kért adat hazánkban egyáltalán nem kerül megfigyelésre, ekkor - feltételezve az igény megalapozottságát - az OSAP (Országos Statisztikai Program) módosítását kell megcélozni.
• A hiány felléphet úgy is, hogy meglévõ adatok nem jutnak el a potenciális címzetthez, ekkor a MIMIR fejlesztése (információmenedzsment) jelenti a megoldást,
• hasonlóképpen a harmadik hiánytípushoz, mely esetén operatív (becslési/prognosztikai) jellegû információk hiányoznak, ill. a meglévõ adatok idõdimenziója nem kielégítõ, azaz túl nagy idõbeli késéssel (túl késõn) jut el az adat a felhasználóhoz. Ekkor ismét csak a MIMIR keretében kialakítandó szakértõi, prognosztikai hálózat fejlesztése a megoldás (l. következõ pont).

• Egyrészt - a Konzisztencia Bizottság (l. alább) munkája eredményeként - a szervezeti egységek számára a döntéshozatalhoz szolgáltatna konzisztens adatokat.
• Másrészt kiszolgálná a Konzisztencia Bizottságot, mely feladata a felhasználók felé az alapadat-szolgáltatók által gyûjtött - még nem konzisztens - adatokat úgy feldolgozni, továbbítani, hogy azokat a továbbiakban már ne kelljen a hitelességet illetõen vizsgálni, csak elemzési jelleggel felhasználni.

A Konzisztencia Bizottság székhelye szintén az FVM épületében lenne, (de maga a napi munka folyhat egy fajta internetes felületen is, megfelelve ezzel a több intézményt érintõ network koncepciónak). Az ellentmondások feltárásához nincs szükség arra, hogy az alapadatok fizikailag egy helyen legyenek, csak azt kell megoldani, hogy ezek bármikor beilleszthetõk legyenek a MIMIR logikai rendszerébe, mely a vezetõi információs rendszerek elvei szerint épülne fel. A Konzisztencia Bizottságban helyet foglalnának az érintett szervezetek szakmai képviselõi. A Konzisztencia Bizottság csak akkor tud érdemben mûködni, ha az általa véglegesített adatok törvényileg biztosítva jelentik a végsõ "igazságot". Ebbõl következõen a Konzisztencia Bizottság jogosult csak az egységes országképbe illõ adatok (ingyenes) publikálására. Az egyéb szervezetek természetesen megtartják saját adataik feletti teljes rendelkezési jogukat, azzal a finomítással, hogy minden publikációjukon szerepeltetni kell az odaillõ utalást: "ellentmondásosság szempontjából nem vizsgált adat", ill. "a Konzisztencia Bizottság felé nem jelentett adat". Ennek elmulasztását a Konzisztencia Bizottság által/megbízására folytatott sajtófigyelés fel kell, hogy tárja, s a helyes információt az érintettekhez el kell, hogy juttassa.

/A hozzáférés és az ingyenesség kapcsán utalni kell néhány ellentmondásgyanús elvre: pl. hogy a MIMIR-ben felhalmozott végleges, ellentmondás-mentesített adatvagyon ingyenesen kell, hogy hozzáférhetõ legyen, hiszen közpénzen keletkezik, s így mindenki számára jogosultság szerint megtekinthetõnek kell lennie. Arra a kérdésre, hogy milyen felhasználói csoportok (állampolgár, adatot nem szolgáltató termelõ, támogatást igénylõ termelõ, adatszolgáltató termelõ, szaktanácsadó, gazdajegyzõ, hatóságok, kormányzat, kutatás, stb.) létezzenek és ezek mihez, mikor férhetnek hozzá az adatvédelmi biztos, ill. jogászok bevonásával kell világos szabályokat felállítani, figyelembe véve az együttmûködést motiváló lehetõségeket is). A közpénzekbõl gyûjtött adatokhoz való hozzáférésért nem szabad költségeket felszámítani, kivéve az adatok tovább feldolgozását, elemzését. Az ingyenesség elõfeltétele a MIMIR léte. Hiszen csak a fizikai hozzáférés és a jogosultságok védett biztosítása esetén lehet a szabályozott adatbázis-használatot reálisan elképzelni. Az ingyenes adatlekérdezés egy fajta termelõi, érdekvédelmi támogatásnak is felfogható a ráépülõ elemzések, azaz pl. a szaktanácsadás költségszintjének csökkentése, hatékonyságának javítása révén. A hozzáférési jogosultságok szabályozásakor figyelembe kell venni, hogy ki, milyen mértékben járul hozzá az alapadatbázisok feltöltéséhez, ill. ki nem hajlandó együttmûködni a rendszer üzemeltetésében./

A MIMIR életre hívása kapcsán tehát számos jogi/szabályozási kérdést kell tisztázni. Fontos kiemelni, hogy a legtöbb teendõ bilaterális együttmûködések alapján is elvégezhetõ, de hosszabb távon a jogi keretek rendezés nem kerülhetõ meg. Az érintett szervezetek és a MIMIR projekt tehát bi- és multilaterális megállapodás bázison kell, hogy beinduljon, de ezzel párhuzamosan meg kell kezdeni a szükséges jogszabályok elõkészítését és az elméleti mûhelymunkákat is.

Így - projektvolumentõl függõen - akár 100 mFt forrást igényelnek az egyes feladatok.

A MIMIR konzisztens adatbázisa egy feszes logikai rendszer, melyben az elõre eltervezett felbontásban minden ténynek, becsült és prognosztizált adatnak helyet kell biztosítani, nem feledve ezek kettõs idõdimenzióját, (vagyis mely idõpontra vonatkozóan, ill. mikor lett rendelkezésre bocsátva), valamint az alternatív adatforrások lehetõségét.

Abból kiindulva, hogy reális költségszinten csak az elvárt tények egy kis része gyûjthetõ be, de hipotézisekkel rendelkeznünk kell az alapsokaság minden karakterisztikus csoportjáról, a MIMIR keretében ki kell alakítani egy szakértõi hálózatot, mely képes a relatíve kis darabszámú tényadat figyelembe vételével a hiányzó adatokat szakmai megfontolások és létezõ segédadatok alapján megbecsülni, ill. elõre megadott idõpontokban a múltbeli adatokból a jövõre vonatkozó prognózisokat folyamatosan megadni. S mindezt úgy, hogy a szakértõ ki van téve egy folytonos visszaellenõrzésnek véleményei helyességét illetõen. Fontos rámutatni arra, hogy a becsült adatok esetében a kezdeti szakmai egyeztetések után viszonylag kevés szakértõ képes a relatíve nagy feladatot folyamatosan elvégezni (vö. RENOAAR-projekt). A prognózisok esetében pedig akkor képzelhetõ el egy arányaiban olcsó megoldás, ha a kutatás képes automatizmusokat felfedezni, mely léte az eddigi esettanulmányok alapján nagy valószínûséggel feltételezhetõ. A szakértõk díjazása konkrét és átalányjellegû szerzõdések alapján képzelhetõ el (kb. 50 fõ, mintegy 100 mFt éves költségvetéssel, beleértve a visszaellenõrzést és a hálózatszervezést is).

A már oly sok helyen emlegetett Konzisztencia Bizottság elsõ feladata saját szervezeti kereteinek kialakítása után a jelenlegi adatgyûjtõk feltérképezése, az adatvagyon felmérés levezénylése és a bilaterális együttmûködések beindítása a nem közpénzbõl gyûjtött adatok esetére is. Miután az adatvagyon felmérésre került, ki kell, hogy dolgozza az egyes létezõ adatok közötti kapcsolatok rendszerét, mely alapul szolgál az ellentmondások kiszûrését lehetõvé tevõ hipotézisek felállítására. A Konzisztencia Bizottság eredményként létrehoz egy, az országot egyedül hiteles módon jellemezni képes adatvagyont, melyben elvileg nem szabad, hogy ellentmondás legyen. A konzisztens adatvagyon nagy valószínûséggel az aggregációs szintek bõvülésével egyre kevesebb tényt és egyre több szakértõi becslést tartalmaz (vö. szakértõi hálózat, kutatás), hiszen a totális adatfelvételezés minden esetben irreális, s önmagában is bizonyos hibával terhelt. A konzisztens adatbázis tehát a valós történések legjobb, legsokoldalúbb közelítése, melyben mindaz ellenõrzésre került, ami hibaként szakmailag felmerülhet, s adott költségszinten finanszírozható. Ez a konzisztens adatbázis az, amely minden egyéb felhasználó számára alapul szolgál információs igényeinek kielégítéséhez. A konzisztens adatbázis mellett bárki létrehozhat saját, reprezentatív, vagy pontszerû/véletlenszerû adatfelvételezéssel feltöltött adatbázis(oka)t saját költségén, de ezeket a szervezetek kötelezni kell arra, hogy utaljanak a Konzisztencia Bizottság jóváhagyásának hiányára (l. fentebb).

Az operatív team feladata lenne a költségvetési szereplõk és a piaci szereplõk közötti kapcsolattartás, a megrendelések szakmai (agrár+informatika) helyességének kifejezésre juttatása, a végrehajtás (a projekt folyamatos tartalmi és idõbeli) ellenõrzése, koordinálása.

A KSH, mint az ország törvényileg felhatalmazott, adatgyûjtéssel megbízott, jórészt közpénzekbõl finanszírozott szervezete nem kell, hogy lényegesen módosítson eddigi mûködésén az agrárszférát illetõen. Az adatvagyon felmérés során definiálnia kell tudni a metaadatbázis kedvéért az adatvagyon minden egyes elemét (mit, hogyan, mikor gyûjt). Meg kell, hogy adja a jelenlegi adatbázisai szerkezetét a konvertáló programok kidolgozása érdekében. Részt kell, hogy vegyen a Konzisztencia Bizottság irányításában (pl. elnöki pozíció betöltése), hiszen éppen a jelenlegi adatgyûjtési rendszerben - alapvetõen forráshiányra visszavezethetõen - nem biztosított az adatok szisztematikus összevetése, s fõleg az utólag felfedezett problémák jogilag is helyes orvoslása. A KSH kell, hogy a NSZR rendszerébõl megadja a mezõgazdasági keretszámokat, melyet az alapadatokból a Konzisztencia Bizottságnak (ill. a szakértõi hálózatnak) folyamatosan verifikálni kell. Az EU felé azonban a KSH szakmai vezetésével létrejövõ Konzisztencia Bizottság kell, hogy jelentsen minden agrárvonatkozású adatot. Itt érdemes kiemelni, hogy a legtöbb esetben az EU relatíve hosszú idõ után is elfogad korrekciókat, ha ezek alapos szakmai okokra vezethetõk vissza. További fontos feladatként jelentkezik a szakértõi hálózatba való szakértõ delegálás. Végül ki kell emelni, hogy az 1999-re várható cenzus idõben szintén jól harmonizál a MIMIR szakértõi munkát is alapul vevõ, prognosztikai és tipizáló jellegû feladataival. Így a KSH - projektvolumentõl függõen - 50-150mFt forrást igényel.

Az AKII helyzete az alapadatok tekintetében azonos a KSH fent említett helyzetével. Tehát támogatnia kell egy adatvagyon felmérést, egy adatbázis-szerkezeti leírást, ill. aktív (pl. alelnöki szerepet) kell, hogy vállaljon a Konzisztencia Bizottságban.

Az AKII speciális helyzete miatt azonban két további feladattal is meg kell, hogy birkózzon. Egyrészt a konzisztens adatok tovább feldolgozásával (szimulációk) kormányzati megrendelésre, mint eddig is, másrészt azonban új feladata a szakértõi hálózat kialakítása, közvetlen szervezése, mozgatása (vö. MSZR-munkacsoport). A szakértõi munka ugyanis az operativitás, a prognosztikai karakter biztosításának egyik alapfeltétele, s mint ilyen jól illik az elemzõi feladatokhoz. Így az AKII - projektvolumentõl függõen - szintén mintegy 50-150mFt forrást igényel.

Az Agrárkamara esetében elsõként tisztázandó, hogy az ott rendelkezésre álló adatok mennyiben tekinthetõk közhasznú adatnak, melyek akár rendeletileg is csatolhatók a MIMIR-be. Amennyiben a kamarai adatok saját forrásból gyûjtött adatnak számítanak, úgy egy keretszerzõdésben tisztázni kell, mit és milyen formában, milyen rendszerességgel hajlandó a Kamara átadni adatai közül ellenõrzésre, feltételezve, hogy a konzisztens adatbázisra ennek fejében relatíve nagy rálátást nyer, mely a tagok operatív és ellenõrzött minõségû információval való ellátását nagyban megkönnyíti (pénzügyi források párhuzamos feláldozása nélkül). Értelemszerûen - hasonlóan a TMB-k gyakorlatához - a kamarai szakértõk a szakértõi hálózatban fontos szerepet tölthetnek be, ill. a Konzisztencia Bizottságban kell, hogy képviselettel rendelkezzenek. Így az Agrárkamara - projektvolumentõl függõen - 50-75 mFt forrást igényel.

A Konzisztencia Bizottság és a szakértõi hálózat számos módszertani kérdést vet fel már ma is, melyek helyes megválaszolása a MIMIR minõségét alapjaiban érinti. Ezért országosan koordináltan létre kell hozni egy kutatási programot, mely konkrét válaszokat keres a becslések és prognózisok minél költséghatékonyabb lebonyolítására, aktívan bevonva ezáltal a mindennapi valóságba a ma sok esetben elefántcsonttoronyba zárkózott/szorított kutatói potenciált.

Az említett szervezetek ugyan eltérõ jegyekkel, de mégis mind jórészt közpénzbõl felépített adatbázisokkal rendelkeznek, melyek bizonyos fokú integrálása a MIMIR-be elengedhetetlen. Minden szervezet joggal számíthat szakértõi pozíciókra és bizottsági képviseletre. A felmerülõ problémák közül meg kell említeni a titokkezelés, adatvédelem (PM, APEH, VPOP), ill. az adatbázisok összekapcsolása és a hozzáférési jogosultságok tisztázásának (OMSZ) problémáját. Így - projektvolumentõl függõen - 50-75 mFt forrást igényelnek az egyes szervezetek.

Minden szervezet, mely zömmel saját finanszírozású, esetlegesen belsõ felhasználásra szánt adatokkal rendelkezik saját hatáskörben kell, hogy mérlegelje, mit jelent neki a konzisztens adatbázishoz való hozzáférés, s mit hajlandó saját adataiból a közös rendszerben ellenõrzötté tenni. A szakértõi szintû együttmûködés mindenképpen üdvözlendõ. Így - projektvolumentõl függõen - 15-20 mFt forrást igényelnek az egyes szervezetek.

A MIMIR felbontása kapcsán felvetõdik, hogy hosszabb távon, ill. az Uniós ellenõrzési rendszer részeként (hasonlóan az EU gyakorlatához) a földhivatali nyilvántartás szintjére vigyünk le bizonyos adatbázisokat. A Földhivatalok szerepe a TEIR-ben, ill. a területfejlesztés, környezetvédelem, vidékfejlesztés háromszögében, ill. a polgárok (térinformatika) GIS-alapú adatokkal való kiszolgálásában további vizsgálatokat igényel, különösen a megnövekvõ költségek miatt, melyek több 100 mFt-ot is kitehetnek.

A Földhivatalok kapcsán érdemes megemlíteni, hogy a körzeti földhivatalok számítógépesítését célzó (referenciaértékû) TAKAROS projekt eredményeként létrejött egy korszerû, a mai kor igényeit is kielégíteni képes informatikai rendszer, amelyet néhány körzeti földhivatal már használatba is vett. A rendszer országos bevezetésének mûszaki feltételei adottak, egy átgondolt bevezetési stratégia megléte esetén a bevezetést a szakértõk 6-12 hónapra becsülik.

A TAKAROS rendszer országos bevezetése egyben lehetõvé tenné az önkormányzatok, hitelintézetek és egyéb érdekeltek számára, hogy közvetlen módon hozzáférjenek az ingatlannyilvántartás egyes, - számukra engedélyezett - tartalmához, így a jelenleginél sokkal hatékonyabban lehetne intézni például az adás-vétellel, jelzálogkölcsönnel, stb. összefüggõ ügyeket.

Más megközelítésben az ingatlannyilvántartás a magyarországi termõföldek nyilvántartása is egyben, így az abban szereplõ termelési, mûvelési adatok naprakészen összevethetõek a termõföldek besorolásával, amely újabb eszközt adhat az agrárpolitikát irányítók kezébe.

Feltételezve, hogy a termelõk közvetlen elérése sok ismert ok miatt nehézkés, ezért a MIMIR felhasználói között kiemelt helyet kell biztosítani a szaktanácsadásnak. Világosan kell látni azonban, hogy a MIMIR sem tud, s nem is akar minden szaktanácsadási terültet lefedni (pl. tanulmányok, szakértõi rendszerek, növényvédelmi katalógusok, céginformációk, fajtakatalógusok, stb.). Ezért fontos már a kezdetek kezdetén definiálni a MIMIR-ben fel nem dolgozott adatvagyont, s ennek további hasznosítását más keretben (pl. FVM) kell megoldani. A szaktanácsadással és a publikálással kapcsolatban a MIMIR költségeinek volumene elérheti az évi 100 mFt-os nagyságrendet is, mint azt az alábbi pont is érzékelteti.

Végül, de nem utolsó sorban fontos kiemelni, hogy a termelõktõl begyûjtött adatokért cserében a MIMIR-hez való hozzáférést a legkülönbözõbb kommunikációs csatornákon meg kell oldani (TV, rádió, teletext, teleház, fax, internet, sajtó, stb.). Különösen nagy horderejû és minden különösebb szaktanácsadói támogatás nélkül is hasznosítható e tekintetben a prognosztikai jellegû operatív - éppen ezért kényes státuszú - adatok elérhetõségének kezelése, hiszen ezek egyben piacbefolyásoló hatással is bírnak.

Mint már az egyéb jellemzõk között is említésre került az információs technológiák kidolgozása, tesztelése, beüzemelése nem feltétlenül várható el a ma érintett szervezetektõl és szakértõktõl, hiszen a napi feladatokat továbbra is meg kell oldani. Ezért a fejlesztés fázisában szükség van külsõ erõk bevonására is (l. fentebb: IT-branch, FAO, OECD, EU, stb.), mely több száz milliós forrásigényt is jelenthetnek. A költségek fedezete azonban nem csak hazai költségvetési forrásokból kell, hogy összeálljon, hanem törekedni kell a már érvényben lévõ, s a jövõben várható nemzetközi pályázatokhoz való (pl. PHARE-projektek) kapcsolódásra, ahogy ezt a MIMIR koncepciója magától értetõdõen meg is teszi.

Hasonlóképpen fontos lehet a Világbank által tavaly felvetett együttmûködés újraélesztésének lehetõsége is.

A PIT/MIMIR szerkezete és moduljai ma kifejezetten a mezõgazdaságra vonatkozólag állnak rendelkezésre. S a konzisztens, ellenõrzött állapot elérése esetén segítenek a döntéselõkészítés racionalizálásában.

Az Unióban megszavazott és 1999-tõl életbe lépõ változások a Mezõgazdasági Számlarendszerben jól jelzik a tisztán agrárjellegû GDP-termelés és a vidéki életmódot jobban közelítõ vegyes jelleg közötti átmenetet. Amennyiben a hazai igényeket még ennél is továbbfinomítjuk, -bõvítjük, akkor a MIMIR továbbfejlesztett változata jó szolgálatot tehet a vidék jövedelemtermelõ-képességének, munkaerõmegtartó-képességének kimutatásában is. Itt kell megemlíteni, hogy a mezõgazdasági termelés anyagi jellegû erõforrásai mellett a MIMIR-ben tételesen el kell számolni a munkaerõvel, az állóeszközökkel, a kamatokkal és a földbérlettel, sõt az adókkal és a támogatásokkal is.

A területfejlesztés kapcsán már ma is folyó kísérleti jellegû fejlesztések (pl. BAZ megye) rámutatnak arra, hogy a Területi Információs Rendszert (TEIR) is a MIMIR-hez hasonló elvek szerint lenne érdemes realizálni. Egy jól strukturált adatvagyonra azután - a politikai jelleget nem tagadva - jól ráépíthetõk a projekt- és programkiírás, ill. -monitoring, valamint a kistérségi érdekérvényesítés mechanizmusai (mutatószám- és pontrendszerek, döntési fák és kollektív szavazási rendszerek: vö. matematikai demokrácia).

A környezetvédelem kérdését érdemes külön is kiemelni, minthogy a mezõgazdaság maga is környezetszennyezõ (hígtrágya, vegyszer, mûtrágya, stb.). A MIMIR bármely felbontású változata kötelezõen elõírja az ezen anyagokkal való mérlegszerû elszámolást, vagyis lehetõvé tesz egy fajta regionalizált környezeti terhelés-kimutatást.

A mezõgazdasági termelés jövedelmezõségének EU-normák szerinti kimutatásával a MIMIR példaértékû utat mutat az érdekérvényesítés informatikai alapjaira úgy országos szinten, mint egyéb tetszõleges bontásban (megye, kistérség, üzemtípus, tájegység, stb.).

Díjazott tanulmányok a GATE GTK Gazdasági Informatika Tanszékén:

Egyéb publikációk:

1. Pitlik, L. 1993 - Automatisierte Generierung problemspezifischer Prognosefunktionen zur Entscheidungsunterstützung, Dissertation, JLU, Wissenschaftlicher Fachverlag, Giessen, ISBN 3-928563-60-2, O.1-194.
2. Pitlik, L. 1994 - Az egységesség és problémaorientáltság kérdései a mezõgazdasági információs rendszerben, In: Egységes információs rendszer alapjai a mezõgazdaságban, GATE, Gödöllõ, Szerk: Dr. Kovács Gábor, O.160-168.
3. Pitlik, L. 1994 - Elõrejelzések információértéke döntési stratégiák összehasonlítása alapján, In: IV. Agrárökonómiai Tudományos Napok, Gyöngyös, ISBN 963 814025 9, ISBN 963 814026 7, O.599-608, ill. 629-632.
4. Pitlik, L. 1994 - Új módszertani lehetõség a döntéselõkészítésben, Gazdálkodás, XXXVIII/94/2, O.52-59.
5. Pitlik, L. 1994 - Hiányos adatbázisok információvá alakításának módszertani kérdései, In: AGRIBASE Workshop, DATE, Debrecen, Szerk: Dr. Herdon Miklós, O.125-131.
6. Pitlik, L. 1994 - Poszter: Vergleichende Analyse konventioneller und moderner Methoden anhand einer konkreten Aufgabenstellung - Darstellung des Konzeptes der Funktionsgenerierung, 15. GIL Jahrestagung, Hannover
7. Pitlik, L. 1994 - Rendhagyó gondolatok az elõrejelzések módszertanáról, Ipar-Gazdaság, XLV/94/11, O.1-9.
8. Pitlik, L. 1995 - Poszter: Möglichkeiten der automatischen Wissens-akquisition, in: Referate der 16. GIL Jahrestagung, Kiel, Band 7, ISBN 3-980291-6-0, S.269-275.
9. Pitlik, L. 1995 - Idõinformatika, Ipar-Gazdaság, XLVI/95/10, O.16-21.
10. Pitlik, L. 1996 - Térinformatikai adatbázisok és a mesterséges intelligencia kutatás módszerei az oktatásban információs többletérték realizálása céljából, Térinformatika Workshop, DATE, Debrecen, Szerk: Dr. Herdon Miklós, ISBN 963-7177-63-9, O.76-82.
11. Pitlik, L. 1996 - Poszter: Bericht über die Anwendungen und Erfahrungen des Generatormodells, in: Referate der 17. GIL Jahrestagung, Berlin, Band 8, ISBN 3-9802919-7-9, S.130-134.
12. Pitlik, L. 1996 - Automatizáció és manufaktúra a tudományban, V. ATN, Gyöngyös, ISBN 963 814047 xö, O.610-625.
13. Pitlik, L. 1996 - Szakértõi képességek automatizált formalizálása, V. ATN, Gyöngyös, ISBN 963 814047, O.610-625.
14. Pitlik, L. 1996 - GIS vs. GDSS, V. ATN, Gyöngyös, ISBN 963 814047 xö, O.610-625.
15. Pitlik, L. 1996 - Új technikák az automatikus ismeretszerzés gyakorlatához, V. ATN, Gyöngyös, ISBN 963 814047, O.610-625.
16. Pitlik, L. 1996 - Erfahrungen und Nutzung der Landwirtschaftlichen Gesamtrechnung in Ungarn, in: ASA-Schriften, Aufbau agrarpolitischer Informationssysteme in den Ländern Mittel- und Osteuropas, Verlag M. Vehle, Witterschlick/Bonn, ISBN3-89573-066-1, S.120-125.
17. Pitlik, L. 1997 -A német és az osztrák támogatási gyakorlat elemei, IPP-tanulmány, GATE, Gödöllõ, megjelenés elõkészületben
18. Pitlik, L. 1997 - Poszter: Komplexe und einfache Modellstrukturen in der Entscheidungs-unterstützung, in Referate der 18. GIL-Jahrestagung, Stuttgart, Band 10, S. 134-138
19. Pitlik, L. 1997 - MSZR regionalizálása és MSZR-alapú szimulációk, Konferencia a GATE GTK 10 éves fennállása alkalmából, Gödöllõ
20. Pitlik, L. 1997 - Esetalapú következtetés a prognosztikában, poszter, Konferencia a GATE GTK 10 éves fennállása alkalmából, Gödöllõ
21. Pitlik, L. 1997 - MSZR-tanulmányok, AKII-ISM-GATE, Budapest-Gödöllõ
22. Pitlik, L. 1998 - MSZR regionalizálása, ATN, Gyöngyös
23. Pitlik, L. 1998 - CBR prognosztikai célokra, ATN, Gyöngyös
24. Pitlik, L. 1998 – Digitális Agrárinformatikai szöveggyûjtemény., oktatási segédanyag, Agroconsult Kft., Gödöllõ, O.1-300.
25. Pitlik, L. 1998 – LGR-basierte Simulationen für Ungarn, GIL-Jahrestagung, Halle, in Vorbereitung
26. Ónodi, B.1996 – FADN Magyarországon, ATN, Gyöngyös
27. Ónodi, B.1996 – EDI a mezõgazdasági vállalatokban, ATN, Gyöngyös
28. Ónodi, B.1996 – Az EU mezõgazdasági piaci információs rendszere, ATN, Gyöngyös
29. Ónodi, B.1996 – Az EU mezõgazdasági politikai döntéshozatali információs rendszerei, fejlesztési irányvonalai, ATN, Gyöngyös

A MIMIR mélyebb szintû bemutatásakor az informatika három erõforrására, vagyis az adatokra, az információs technológiákra és az adatok továbbfeldolgozásának módszereire mindenképpen ki kell térni.

Ahogy az már az anyag elõzõ fejezeteiben is több helyen felbukkant, a MIMIR fizikai megvalósítására olyan adatbázist / adatbázisokat kell létrehozni, amelyekbõl a hatalmas mennyiségû eltárolt adatot különbözõ elemzõ, prognosztizáló, jelentéselõállító szoftvereszközök segítségével lehet kinyerni, kielégítve a jelen tanulmány megelõzõ fejezeteiben már megfogalmazott több irányú adatáramoltatási kötelezettséget.

Az alábbi ábra a MIMIR fizikai megvalósításának koncepcióját mutatja: (az érintett intézmények közül néhány jelképes megnevezésével)

Ekkora nagyságrendû adatmennyiséget optimális módon ún. adattárházakban lehetséges letárolni, melynek alapja a relációs adatbázis kezelési technika (RDBMS). A fent említett elemzõ, prognosztizáló, jelentéselõállító szoftver eszközök alapja a multidimenziós adatbázis kezelési technika (MDB).

Az adattárház fogalmát úgy lehet meghatározni, hogy az adattárház olyan adatok gyûjteménye, amely vezetõi döntések információjául szolgál. Fõbb tulajdonságai az alábbiakban foglalhatóak össze:

• Integráltság: az adattárház számos más rendszerbõl kap adatokat. Ezek a rendszerek ugyanazt az információt többféleképpen is tárolhatják, ez azonban azt is mutatja, hogy az adatok inkonzisztensek. Ugyanakkor az adattárházban való tároláshoz egy közös adatsémát szükséges kialakítani.
• Stabilitás: az adattárházban tárolt adatokban elméletileg nincs változás.
• Idõalapúság : az adattárházban az adatok tipikusan hosszabb ideig vannak letárolva, minden esetben figyelembe véve az idõdimenziót is, ezáltal biztosítva az idõsoros elemzések lehetõségét (vö. adatkronológia).
• Kiterjeszthetõség: biztosítja új adatok, új aggregációk, mint követelmények hozzáadásának lehetõsége.
• Skálázhatóság: az adattárház képes hatalmas mennyiségû adatot tárolni. Az adattárház mérete akár nagyságrenddel is nõhet a folyamatosan érkezõ új adatokkal, (hiszen a történeti adatokat is szükséges tárolni hosszabb idõperiódusokra.)
• Rugalmasság: Az adatokhoz vezetõ adatelérési utaknak rugalmasnak kell lennie azért, hogy hatékony legyen az adatok manipulálása, a multidimenziós elemzés, "lefúrás", ad hoc lekérdezés. Ugyanakkor szükséges az adatok vizsgálata oly módon, hogy a felhasználók képesek legyenek hipotéziseiket kipróbálni, tesztelni a gyakorlatban is.
• Megbízhatóság: A különbözõ forrásokból betöltött adatok diszkrepanciáit egyeztetni kell, így biztosítható az adattárház folyamatos konzisztenciája (vö. auditálhatóság).
• Granularitás: A granularitás az adattárházban tárolt adatok részletezettségi szintjének jellemzõje. Ha ez a szint nagyon magas, akkor a granularitás alacsony. A granularitás szintje közvetlen módon van hatással az adattárház logikai és fizikai kialakítására (vö. pl. térbeli felbontás: ország, megye, körzet, tábla, parcella)
• Particionálás: A fizikai adatok egységeinek logikai csoportosítása, amely az adatok karbantarthatóságára van befolyással.

A MIMIR-ben megvalósítandó megoldás egy olyan modellre épülõ adatbázis kialakítását tûzi ki célként, mely e modell bõvítésével és további elemzési modulok hozzáadásával egy integrált adattárház kialakítását feltételezi. A megoldás a forrásadat rendszerek és az elemzõ, lekérdezõ alkalmazások közé egy adatintegrációt biztosító adatbázis réteget iktat be, amely a felhasznált elemek révén lehetõvé teszi az architekturális konzisztenciát, valamint ezáltal a korlátlan továbbfejleszthetõséget és a gyakorlati használathoz szükséges mûködési sebességet biztosító méretezhetõséget.

Hangsúlyosan esik latba, hogy nagyon sok olyan adattárház megoldás létezik, amely elsõsorban csak az ott tárolt adatok felhasználását (jelentéskészítés, analízisek, elõrejelzések stb.) érti adattárház megoldás alatt. A MIMIR megvalósulásakor egy, a tapasztalatokon alapuló megközelítés szerinti, megfelelõen karbantartott és gyorsan hozzáférhetõ, releváns adatokat tartalmazó, architekturálisan jól megtervezett adattár (adatbázis) megoldást kell alkalmazni. Ez legalább annyira kulcseleme egy használható megoldásnak, mint az elõbbiek.

A megközelítés ugyanakkor kettõs célú: az említett modell-vezérelt, konzisztenciát nyújtó megközelítés szem elõtt tartásával, gyors eredmény elérése tûzhetõ ki célul egy elsõ közelítésben korlátozott méretû és bonyolultságú, de a hatékony elemzésekhez és döntésekhez a legfontosabb adatokat maradéktalanul felhasználó adattárház-mag rövid idõn belüli kialakításával, és a leghatékonyabbnak gondolt alkalmazások illetve eszközök gyors létrehozásával (vö. pilot-projekt). A modell továbbfejlesztése során azonos eszközbázison épülhet ki a vezetõi információs rendszer, valamint az igények fejlõdésével további alkalmazások is, közös adatelemeket használva az elõzõleg kifejlesztett alkalmazásokkal.

Kiemelendõ, hogy a projekt sikerének egyik kulcseleme az, hogy a projekt megvalósítása nyomán a MIMIR-bõl mielõbb használható adatok kerüljenek ki: Ennek feltétele, hogy az adatmodellen alapuló fejlesztési együttmûködés nagyon szoros kell, hogy legyen a projektben résztvevõ különbözõ szakterületek és szervezetek között, mert csak így biztosíthatóak hosszú távon a fent leírt elõnyök (a konzisztencia, a méretezhetõség, az integráltság és a továbbfejleszthetõség). A következõ lényeges elemeket kell tartalmaznia egy, a fentiekben vázolt megoldásnak:

• Egy architekturálisan megtervezett adattár, melynek magja maga a relációs, nagy teljesítményû, a feladatra hangolt, belsõ párhuzamos mûködésû, méretezhetõ adatbázis.
• Alkalmazási modulok
• elemzési modul
• kötegelt (batch) jelentéskészítõ modul
• Ad hoc lekérdezõ eszközök.

A javasolt szerkezet gerince az integrált, relációs szervezésû adatbázis. Ezen adatbázist - korszerû tulajdonságait kihasználva - úgy kell kialakítani, hogy képes legyen nagyon nagy mennyiségû adat kezelésének optimalizált támogatására. Szükséges kihasználni az olyan párhuzamos feldolgozási képességeket, mint például a párhuzamos lekérdezés, a párhuzamos betöltés, a párhuzamos mentés és visszaállítás, melyek alkalmassá teszik a rendszert arra, hogy egy döntéstámogatási rendszer szilárd alapjait képezzék. Az ilyen típusú adattárház megoldás nagymértékben átskálázható és hordozható, különbözõ hardver platformok használatára, amelyek fokozzák a rendelkezésre állást és a teljesítményt.

A tárház adatmodelljének tervezésekor korszerû CASE (Computer Aided System Design) eszközöket kell alkalmazni. Az ilyen típusú eszközök lehetõvé teszik az adatmodell inkrementális leképezését az adattárház adatsémájára, összegyûjtve azokat a metaadatokat, amelyek automatikusan felhasználhatók dokumentációk készítésére az adatbázis sématervérõl. A korszerû CASE eszközök lehetõvé teszik az adatbázis logikai tervezését követõen az adatbázis objektumok fizikai létrehozását, amely nagymértékben lerövidíti a fejlesztésre fordított idõt.

Az adattárban összegyûjtött adatokat különféle analitikus eszközökkel szükséges bemutatni. A különbözõ felhasználási területek ill. felhasználók típusai számára adekvát eszközöket lehet alkalmazni.

A rendszer olyan felhasználói számára, akik lekérdezéseket, információt kívánnak kinyerni az alkalmazásból, a relációs adattárat közvetlen módon lekérdezõ eszközöket érdemes alkalmazni. Az ilyen típusú eszközök használatakor az adattár szerkezetének összetettsége a lekérdezõ számára rejtve marad, mivel az ún. végfelhasználói réteg, amely az információkat a végfelhasználó számára összeszervezi, lehetõvé teszi üzleti kifejezések használatát a technikai fogalmak helyett. Általában lehetõség van arra is, hogy az így elõálló beszámolók munkanaplóként további elemzésre szétoszthatók legyenek. Az ilyen típusú eszközök hatékonyak lehetnek a részletezett adatok elemzésében és sikeresen egészíthetik ki a kifinomult analitikai és vezetõi információs rendszer eszközöket.

A piacon jelenleg elérhetõ, vezetõi információs rendszer típusú alkalmazások létrehozására alkalmas szoftvereszközök objektumorientált, ún. OLAP (on-line analytical processing) technológiát alkalmaznak. E technológia alkalmas arra, hogy a végfelhasználó által készített elemzésekhez és beszámoló-készítéshez, az aggregált adatok összetettebb feldolgozásához átfogó környezetet képezzen az elemzõ szakemberek számára.

Az OLAP eszközök további tulajdonságai lehetõvé teszik az osztott költségvetési és tervezési alkalmazást, amelyek elsõsorban pénzügyi tervezõk és elemzõk számára jelentenek segítséget. Egyedülálló végfelhasználói modellezési jellemzõi lehetõvé teszik a pénzügyi elemzõ számára összetett elosztott költségvetés és tervezés készítését az egész szervezetre nézve.

Az OLAP alkalmazások adatbázis kezelési technológiája ún. multidimenziós technológián alapul. Kliens-szerver üzemmódban, az alkalmazási adatokat egy nagy teljesítményû multidimenziós adatbázis-motor kezeli, mely a piacvezetõ cégek eszközeit tekintve mind a multidimenziós on-line analitikus feldolgozási (MOLAP) megoldásokat, mind a relációs on-line analitikus feldolgozásokat (ROLAP) támogatja a relációs adatbázisban tárolt adatok on-line elérésére lehetõséget biztosító eszközök használatán keresztül. A kivitelezés folyamán a tervezõ eldöntheti, hogy a multidimenziós motort az adatok állandó tárolására használja, vagy a magas szintû aggregátumokat a multidimenziós adatbázisban tárolja, ugyanakkor a részleteket a relációs adattárházban hagyja. Ezek az állandóan eltárolt (pinning) adatoknak az adattárházból történõ átolvasásával könnyen, dinamikusan módosíthatóak.

Fontos megemlíteni, hogy a OLAP technológiát alkalmazó eszközök egyre inkább támogatják az adatoknak a Web-en történõ publikálását is, vagyis a felhasználó számára lehetõvé válik az adattárház illetve a multidimenziós adatbázis elérése egyszerû Web böngészõ segítségével.

A mezõgazdaság sok tényezõ által befolyásolt folyamatainak elemzése felveti a legújabb, ma még zömmel csak kísérleti stádiumban lévõ elemzési módszerek (MI) rendszerbe integrálásának gondolatát. Ez irányú fejlesztések az informatikai szolgáltatók és a kutatás együttmûködését követeli meg.

Az adattárház és felette mûködõ elemzõ, tervezõ eszközök létrehozásához szükséges elemzési, tervezési, implementálási, tesztelési, bevezetési, dokumentálási, oktatási tevékenységek elvégzéséhez olyan módszertant szükséges alkalmazni, amely biztosítja ezen tevékenységek egységes szemléletben történõ kezelését, prioritásaik és sorrendjük meghatározását, ugyanakkor figyelembe veszi a folyamatosan változó körülményeket és a felmerülõ kérdések, problémák megoldására keretet biztosít a projekt teljes életciklusa alatt. Az adattárház módszertan szerinti fejlesztési tevékenységek az alábbi fázisokra bonthatóak:

A Stratégiai fázis célja a prioritások és az infrastruktúra átfogó meghatározása a teljes adatkörre vonatkoztatva, a szakterületektõl összegyûjtött információk és a külsõ szervezetek által elvárt információs igények alapján, figyelembe véve az együttmûködõ szervezetek sajátosságait, egymással való kapcsolatukat, a megvalósítás kritikus sikertényezõit, a fõbb restrikciókat, kérdéseket, kockázatokat. Ezen túlmenõen figyelembe kell venni a technikai architektúrát is. Az ebben a fázisban meghatározásra kerülõ magas szintû rendszercélok magukban foglalják az adatmennyiségek becslését, az elvárt teljesítmény- és szolgáltatási szinteket, valamint a szükséges hardver paraméterek meghatározását.

A Definíciós fázis célja a rendszer terjedelmének / kiterjedtségének meghatározása. Itt kell vizsgálni a meghatározott kiterjedtséget kiszolgáló adatforrásokat, az általuk szolgáltatott adatok minõségét, mind egymáshoz képest, mind önmagukban.

Az Elemzési fázis célja az elõzõekben meghatározott különbözõ követelmények összevetése. E fázisban készül el a logikai modell, itt kerül részletesen meghatározásra a forrásrendszerektõl átvenni kívánt adatok köre, mennyisége, ellenõrizhetõsége, ütemezése, transzformációs szabályai, ciklusai.

A Tervezési fázis célja az Elemzési fázisban összegyûjtött információk alapján a specifikációk elkészítése, mely tevékenység során folyamatosan összevetésre kerülnek a már meghatározott követelmények és a lehetséges specifikációk. Itt kell, hogy megtörténjen az adatbetöltési modulok tervezése, az összegzési szintek, granularizáció mértékének meghatározása, a particionálás, az adat integritás ellenõrzése.

Az Elemzési fázisban létrehozott logikai modell, a részletes adatkövetelmények, az adatok (forrásrendszer vs. adattárház) egyértelmû egymáshoz rendelése alapján lehet megtervezni mind a relációs, mind a multidimenziós, ill. metaadat adatbázis objektumokat, figyelembe véve a denormalizálási, valamint a csillagsémás elrendezés szabályait.

Ezen fázisban kell fizikailag létrehozni, majd tesztelni az adattárház komponenseket (az adatbázis(ok), az adatkinyerõ modulok, a riportok, lekérdezések, katalógusok és a metaadat raktár). Ezen fázis befejezéseként a rendszer tesztelését kell végrehajtani. A tesztelést több szinten szükséges elvégezni. Egyrészt a forrásrendszerekkel való kapcsolattartó modulok mûködését kell vizsgálni, melybe az adatbetöltõ programok funkcionalitásának és az adattárházba betöltött állományok minõségének tesztelése tartozik. Másrészt az adattárház adatállományain mûködõ elemzõ, prognosztizáló, jelentéskészítõ eszközök mûködését kell tesztelni, mind az adatállományokkal való kapcsolatuk, mind az általuk készített output információk tekintetében. A két tesztelési szint vizsgálatát követõen integrációs teszt végrehajtása is szükséges annak érdekében, hogy a rendszer mûködését teljes folyamatában lehessen ellenõrizni. A tesztelés végrehajtása gondos elõkészítést igényel. Mind a szükséges teszt adatállományok, mind a tesztelési terv létrehozása a projektben résztvevõk szoros együttmûködését igényli.

A Bevezetési fázis célja az adattárház megoldás éles környezetben való installálása, ezzel egyidejûleg a felhasználók hozzáférésének biztosítása, a tárház adminisztrációs folyamatainak beüzemelése. Az adatbázis "éles" adatokkal való feltöltése, a feltöltés teljesítményének, sebességének ellenõrzése, szükség szerinti finomhangolása is ide tartozik. Ahhoz, hogy az elkészült rendszer bevezetése és késõbbi mûködtetése zavarmentesen történhessen meg, oktatás és betanítás szükséges a rendszert használó szakemberek részére. Az oktatás elsõsorban a rendszer alapszoftver ismeretek megszerzését, a betanítás pedig a fejlesztett alkalmazások mûködtetésének ismertetését jelenti. Mivel a rendszerhez várhatóan nagyszámú felhasználó fog hozzáférni, költségszempontból is elõnyös lehet az ún. "train-the-trainer" oktatási mód alkalmazása, melynek során a rendszert a késõbbiekben üzemeltetõ, mindennapi munkájában használó kis létszámú felhasználói csoport kapja meg a felhasználói oktatást, majd ezen csoport tagjai adják tovább ismereteiket a többi felhasználó számára. Mivel az adattárház megoldás a felhasználók számára az adatelérés új lehetõségeit teremti meg, egy hagyományos bevezetéshez képest többlet feladatokat is meg kell oldani. Ezek az adattárház folyamatos karbantartása, technikai támogatása, az adatok szükség szerinti archiválása, az adattárház használat, valamint a metaadat raktár folyamatos figyelése, értékelése, naprakész állapotban tartása.

Az ilyen nagyméretû projektek sikeres végrehajtása nagy szakértelmet igényel mind a funkcionalitás oldaláról, mind technikai oldalról, mind pedig projekt irányítási / projektmenedzsment oldaláról. A kiválasztott technikai megoldáshoz szervesen kapcsolódó projektmenedzsment-módszertan következetes alkalmazása lehet a biztosítéka a projekt sikeres megvalósításának. Az ilyen típusú módszertanok célja egy olyan keret biztosítása, amin belül egy információtechnológiai projektet egységes módon lehet megtervezni, felbecsülni, ellenõrizni és kivitelezni. Erre az egységességre szükség van a mai környezetben, ahol a projektek különféle módszereket, eszközöket és megközelítéseket alkalmaznak a velük szemben támasztott igények kielégítésére. A projekt menedzsment módszertanok képesek alkalmazkodni az információtechnológiai projektek egyedi menedzsment-igényeihez úgy, hogy az elvárások projekt kezdetén való egyértelmû meghatározására és annak biztosítására összpontosítanak, oly módon, hogy az elvárások a projekt egészének folyamán áttekinthetõk maradjanak, ugyanakkor formalizálják az ellenõrzési mechanizmusokat, ezáltal segítve a projekt munkacsoportot a projektre vonatkozó kritikus fontosságú információk megosztásában és a külsõ érdekeltekkel való együttmûködésben. Az ilyen fajta megközelítés munkacsoportok által végzett projektmunkákra, munkacsomagokra, alprojektekre, kísérleti projektekre, sõt programokra is igazítható. Az alábbi ábrán látható öt menedzsment eljárás az információtechnológiai projektek irányításához szükséges összes feladat teljes készletét tartalmazza. Az eljárások idõben átfedik egymást és közös szállítandó eredményeken keresztül kapcsolatban állnak egymással.

Ez az eljárás olyan feladatokat tartalmaz, amelyek segítenek a projekt hatókörének és megközelítésének megerõsítésében, a módosítások kezelésében és a kockázatkezelésben. Útmutatást ad a projekttervek kezelésére és a projekt állapotának jelentésére vonatkozóan.

A munkamenedzsment eljárás olyan feladatokat tartalmaz, amelyek segítenek a projekttel kapcsolatos összes munka meghatározásában, ellenõrzésében és irányításában. Ez az eljárás segít a projekt pénzügyi szempontból való nyomon követésében is.

Ez az eljárás útmutatással szolgál a projekt megfelelõ szintû és képzettségû alkalmazott állománnyal való ellátására, és a projekt támogatásához szükséges infrastruktúra megvalósítására.

Ez az eljárás olyan feladatokat tartalmaz, amelyek segítenek a projekt által elõállított és ahhoz szállított összes tétel tárolásában, szervezésében, nyomon követésében és ellenõrzésében.

A teljes információs rendszer Oracle technológiával lett kialakítva. A rendszer hat, egymással kapcsolódó alrendszerbõl áll: adatgyûjtés és adatrendezés, statisztikai regiszterek, statisztikai adatbázisok, elektronikus szolgáltatások, adatelemzés és publikálás, metaadat kezelés. A rendszer komplex, konzisztens adatstruktúrával rendelkezik és integrálja a különbözõ regionális hivatalok és más végfelhasználók adatait egy adattárház megoldás használatával.

A Honvédelmi Minisztérium számára kialakított gazdasági információs rendszer biztosítja a NATO kompatibilitást. A megoldás adattárház alkalmazásával és döntéstámogató, tervezõ eszközökkel lett megvalósítva. Eszközök: pénzügyi alkalmazások, adattárház, döntéstámogató, tervezõ, elemzõ eszközök.

Adattárház, döntéstámogató, elemzõ rendszerek.

Társadalombiztosítás, pénzügyek, állampolgári ügyek, standardizálás, adattárház, pénzügyi információs rendszer, döntéstámogató eszközök.

Könyvtári információs rendszer az aktuális hírekre, információk újságokból és hírügynökségektõl. Belsõ adminisztrációs információs rendszer a parlament tagjai számára, parlamenti publikációk információs rendszere, adattárház, internet alkalmazások.

John Deere Healthcare, Blue Cross Blue Shield of Colorado, The Hartford, Valleylab, Inc., ShopKo Stores Inc., Southern New England Telephone Company (SNET), Sperry Marine, etc.