DATA VE VEŘEJNÉ SPRÁVĚ. Ing. Mgr. David Sláma ředitel odboru Odbor strategického rozvoje a koordinace veřejné správy Ministerstvo vnitra ČR

Transkript

1 DATA VE VEŘEJNÉ SPRÁVĚ Ing. Mgr. David Sláma ředitel odboru Odbor strategického rozvoje a koordinace veřejné správy Ministerstvo vnitra ČR

2 OBSAH 1. EVIDENCE-INFORMED ROZHODOVÁNÍ 2. VYUŽÍVÁNÍ DAT MOBILNÍCH OPERÁTORŮ 3. ANALÝZY DOSTUPNOSTI VS DOJÍŽĎKY MHD 4. ZPRACOVÁNÍ ANALÝZY MÍRY KRYTÍ NÁKLADŮ NA PŘENESENOU PŮSOBNOST 5. OPTIMALIZACE SÍTĚ MATRIČNÍCH ÚŘADŮ

3 EVIDENCE-INFORMED ROZHODOVÁNÍ DATA VE VEŘEJNÉ SPRÁVĚ evidence-informed rozhodování = rozhodování s ohledem na faktické údaje a jejich kritické zhodnocení opak opinion-based rozhodování (založené na názorech, intuici, domněnkách, ideologických stanoviscích apod.) důležitý pilíř moderního vládnutí, který však v české veřejné správě stále není uplatňován dostatečně, nejsou k němu vytvářeny dostatečné podmínky

4 EVIDENCE-INFORMED ROZHODOVÁNÍ CO SE DOSUD PODAŘILO zpracování analýz (včetně hodnocení a evaluací) běžnou součástí přípravy politik, sběr dat základem přípravy analýz spolupráce s akademickou sférou při tvorbě analýz a metodik, účast zástupců akademické sféry na většině poradních i rozhodovacích platforem (vládní poradní orgány, odborné rady vybraných ministerstev apod.) pilotně odzkoušený a do praxe zavedený systém měření a hodnocení veřejné správy každoročně vydávána Výroční zpráva o stavu veřejné správy

5 EVIDENCE-INFORMED ROZHODOVÁNÍ VÝZVY DO BUDOUCNA nedostačující analytické kapacity ve veřejné správě rozsáhlé využívání externího zadávání zpracování analýz sběr dat není v rámci veřejné správy koordinován, objevuje se velké množství ad hoc sběrů, které zatěžují především malé obce časté ruční vyplňování data nejsou vždy systematicky integrována a vyhodnocována v rámci veřejné správy ani v rámci jednotlivých institucí

6 EVIDENCE-INFORMED ROZHODOVÁNÍ VÝZVY DO BUDOUCNA data a vzniklé analýzy jsou zveřejňovány na oddělených webových platformách, často nikoliv ve formě open dat data mohou být zpracovávána tendenčně dle politického zadání, tj. absence rozsáhlejší politické podpory ve vztahu k evidence-informed rozhodování řada dat veřejné správě chybí, nemůže se k nim dostat, např. v důsledku výkladu důvěrnosti dat dle 17 zákona o státní statistické službě, některá data naopak mohou být sbírána zbytečně, jelikož neproběhla systematická revize potřebnosti sbíraných dat absence dat se negativně projevuje na schopnosti veřejné správy rozhodovat na základě faktických údajů, odpovědně plánovat a řídit

7 EVIDENCE-INFORMED ROZHODOVÁNÍ JAK VÝZVY ŘEŠIT? řešení bude ukotveno ve vznikající koncepci Klientsky orientovaná veřejná správa 2030 ( ) Koncepce bude vládě ČR spolu s prvním Akčním plánem na léta předložena ke schválení na podzim roku 2019 aktuálně je Koncepce téměř dokončena, připravován je Akční plán

8 EVIDENCE-INFORMED ROZHODOVÁNÍ JAK VÝZVY ŘEŠIT? obsahuje specifický cíl 3.1 Rozšířit rozhodování a plánování na principu evidence-informed, v rámci něj je zařazena řada opatření v gesci ÚV ČR i MV ČR, která povedou ke zlepšení aktuálního stavu: rozvoj kompetencí analytických pracovníků (vzdělávací kurzy, vytvoření vzdělávacího programu ve spolupráci s univerzitou) zvyšování povědomí veřejné správy o významu analytické práce a evidenceinformed rozhodování (workshopy, videa, Pracovní skupina pro spolupráci analytických útvarů předseda ÚV, místopředsedové MV a MMR, apod.) ukotvení analytických útvarů v organizační struktuře státní správy vytvoření systému sběru dat o veřejné správě (informační systém, primárně data o přenesené působnosti, napojený na centrální agendové informační systémy s možností také data vpisovat v případech, kdy centrální AIS není k dispozici)

9 moderní metoda užívající data mobilních operátorů objektivní metoda nezávislá na chování lidí data jsou zcela anonymizovaná data jsou náhodným reprezentativním vzorkem mobility VYUŽÍVÁNÍ DAT MOBILNÍCH OPERÁTORŮ GEOLOKAČNÍ SIGNALIZAČNÍ DATA velikost vzorku je přepočítávána na celou populaci sledování pohybu obyvatel -> využití při plánování rozmístění úřadů v území

10 VYUŽÍVÁNÍ DAT MOBILNÍCH OPERÁTORŮ GEOLOKAČNÍ SIGNALIZAČNÍ DATA Jak si stojí metoda oproti datům z dotazníkových šetření? zjištění, kde lidé skutečně žijí vs. Kde mají nahlášen trvalý pobyt Technická omezení velikost jednotek

11 VYUŽÍVÁNÍ DAT MOBILNÍCH OPERÁTORŮ GEOLOKAČNÍ SIGNALIZAČNÍ DATA

12 ANALÝZY DOSTUPNOSTI VS DOJÍŽĎKY MHD Vyhledávání spojení probíhalo na úrovni obcí Vyhledávání proběhlo v jízdních řádech veřejné linkové dopravy a MHD v ČR aktuálních k datu Analýza byla provedena pro 4 prostorové úrovně: Dostupnost VHD do správních center krajských úřadů Dostupnost VHD do bývalých okresních měst Dostupnost VHD do správních center ORP Dostupnost VHD do správních center POÚ

13 ANALÝZY DOSTUPNOSTI VS DOJÍŽĎKY MHD Průměrný čas a vzdálenost dojezdu POÚ: 19,4 min a 9,2 km ORP: 25,61 min a 12, 4 km Okresní m.: 39,2 min a 20,2 km Krajské m.: 71,0 min a 44,2 km Průměrný počet spojů za všechny kategorie se pohybuje v rozmezí 7 až 8 spojů

14 ANALÝZY DOSTUPNOSTI VS DOJÍŽĎKY MHD Podíl spojů podle počtu přestupů Počet přestupů při spojení na 8:00 Podíl spojů na 8 hod. POÚ ORP Okres Kraj Bez přestupu 91,67% 85,37% 66,57% 34,14% 1 přestup 7,59% 12,95% 30,00% 54,55% 2 přestupy 0,71% 1,50% 3,03% 10,27% 3 přestupy 0,03% 0,18% 0,41% 0,90% 4 přestupy 0,00% 0,00% 0,00% 0,15% Celkem 100,00% 100,00% 100,00% 100,00% Podíl obcí s optimálním spojením do správních center/okresů veřejnou hromadnou dopravou Ukazatel POÚ ORP Okres Kraj Se spojením s dojezdem na 8: Bez spojení s dojezdem na 8: Počet obcí Bez spojení s dojezdem mezi 8:00 a 15: Celkem Se spojením s dojezdem na 8:00 99,01% 98,98% 98,66% 98,11% Bez spojení s dojezdem na 8:00 0,98% 1,01% 1,33% 1,87% Podíl obcí Bez spojení s dojezdem mezi 8:00 a 15:00 0,82% 0,66% 0,59% 0,30% Celkem 100% 100% 100% 100%

15 ANALÝZY DOSTUPNOSTI VS DOJÍŽĎKY MHD Shrnutí z hlediska identifikovaných optimálních spojení je na tom nejlépe Moravskoslezský kraj, dále kraj Zlínský a Jihomoravský nejhorší pokrytí ve všech úrovních mají kraje Plzeňský, Jihočeský a Vysočina. Nedá se zobecnit, že pokrytí obcí optimálním dojezdem do správních center je ovlivněno velikostí kraje, jelikož: největší kraj Středočeský vykazuje střední dopravní pokrytí, větší kraje Moravskoslezský a Jihomoravský patří k nejlépe dopravně pokrytým krajům, velké kraje Jihočeský, Plzeňský kraj a Kraj Vysočina mají nejhorší dopravní pokrytí, malé kraje Liberecký a Karlovarský vykazují střední dopravní pokrytí. není prokázán vliv ani průměrné velikosti obce na dopravní pokrytí území kraje Průměrné pokrytí obcí optimálním dojezdem ovlivňuje především vybudovaná silniční infrastruktura a organizace veřejné hromadné dopravy.

16 ZPRACOVÁNÍ ANALÝZY MÍRY KRYTÍ NÁKLADŮ NA PŘENESENOU PŮSOBNOST KOEFICIENT REŽIJNÍCH NÁKLADŮ (OBCÍ) Podkladem pro stanovení byly náklady vykázané obcemi a kraji. Dle dotazníkového šetření stanovena výše režijních nákladů na 32 % mzdových nákladů. Hodnoty potvrzeny rozborem vybraných úřadu na PP a SP (analýza telefonních seznamů). Při započítání manažerských a obslužných pozic (sekretariát, IT, účetní) může vzrůst výše režijních nákladů na 48 % mzdových nákladů. V případě outsourcovaných služeb je koeficient nižší. Provozní náklady Energie Pohonné hmoty Vybavení Služby Materiál Spotřební materiál Knihy Drobný majetek Ostatní Cestovné Znalecké posudky Režijní náklady Výše uznaných Metodika režijních nákladů MV % MPSV - OSPOD 20% TAČR 20% Granty ESF 15-25% Analýza %

17 ZPRACOVÁNÍ ANALÝZY MÍRY KRYTÍ NÁKLADŮ NA PŘENESENOU PŮSOBNOST MÍRA KRYTÍ NÁKLADŮ (OBCÍ) Započtením příjmů (příspěvek na výkon státní správy, výběr správních poplatků, pokut, příjmů z VPS atd.) proti mzdovým a režijním nákladům vypočtena míra krytí. Skupiny obcí s hodnotou nad 1,00 mají zajištěno pokrytí nákladů na výkon PP. Počet obyvatel obce Míra krytí nákladů příspěvkem na PP Typ obce Do 300 0,88 Do 800 0,84 Do ,75 Nad ,13 Do ,84 POÚ Nad ,12 Do ,14 Do ,30 Do ,84 Do ,00 Nad ,06 ZP Medián 0,94 Medián 0,87 ORP Medián 0,97

18 ZPRACOVÁNÍ ANALÝZY MÍRY KRYTÍ NÁKLADŮ NA PŘENESENOU PŮSOBNOST KOEFICIENT REŽIJNÍCH NÁKLADŮ (KRAJE) Při porovnání podílu režijních nákladů u jednotlivých krajů je zřejmá značná rozdílnost. Olomoucký kraj a Hl. m. Praha více než dvojnásobně převyšují kraje s nejnižším podílem režijních nákladů Moravskoslezský kraj a Kraj Vysočina. Největší odlišnosti ve struktuře krajských úřadů a nákladovosti provozu. Provozní náklady Energie Pohonné hmoty Vybavení Služby Materiál Spotřební materiál Knihy Drobný majetek Ostatní Cestovné Znalecké posudky Režijní náklady Kraj Koeficient Královéhradecký 42,20% Plzeňský 23,90% Jihočeský 22,30% Vysočina 21,10% Karlovarský 27,70% Ústecký 22,80% Středočeský 30,10% Liberecký 24,90% Pardubický 30,20% Olomoucký 51,10% Moravskoslezský 19,10% Jihomoravský 28,20% Zlínský 35,40% Praha 52,90% medián 28,00% průměr 30,90%

19 Uvedené údaje jsou v tisících Kč. MÍRA KRYTÍ NÁKLADŮ (KRAJE) Jihočeský Jihomoravský Karlovarský Vysočina Olomoucký Pardubický Plzeňský Středočeský Počet zaměstnanců vykonávajících PP Výdaje na jeden pracovní úvazek (MONITOR) z toho: mzdové náklady Výdaje na jeden pracovní úvazek v přenesené působnosti (Analýza AK) Výše příspěvku PP na jednoho zaměstnance míra krytí nákladů na pracovníka příspěvkem na PP (MONITOR) 48% 58% 56% 65% 46% 50% 53% 46% míra krytí nákladů na pracovníka příspěvkem na PP (Analýza AK) 47% 51% 57% 64% 78% 40% 44% 66% Královéhradecký Liberecký Moravskoslezský Ústecký Zlínský průměr Praha Počet zaměstnanců vykonávajících PP Výdaje na jeden pracovní úvazek (MONITOR) z toho: mzdové náklady Výdaje na jeden pracovní úvazek v přenesené působnosti (Analýza AK) Výše příspěvku PP na jednoho zaměstnance míra krytí nákladů na pracovníka příspěvkem na PP (MONITOR) 47% 50% 55% 41% 44% 50% 33% míra krytí nákladů na pracovníka příspěvkem na PP (Analýza AK) 62% 48% 64% 33% 36% 50% 62%

20 ZPRACOVÁNÍ ANALÝZY MÍRY KRYTÍ NÁKLADŮ NA PŘENESENOU PŮSOBNOST DALŠÍ POSTUP Březen 2019 Červen 2019 Návrh na posílení financování krajů Nová metodika stanovení režijních nákladů Nová kalkulace výkonového financování matrik Příprava tří agend pro výkonové financování

21 OPTIMALIZACE SÍTĚ MATRIČNÍCH ÚŘADŮ DATOVÁ ANALÝZA SOUČASNÉHO STAVU Způsob sběru dat: Data byla získávána přímo od samotných matričních úřadů prostřednictvím dotazníků. Analyticky byla mapována jak četnost úkonů, tak i jejich náročnost a samozřejmě také veškeré činnosti související s matriční agendou. Na základě údajů o činnosti jednotlivých matričních úřadů za roky 2014, 2015 a 2016 zpracovalo Ministerstvo vnitra analýzu výkonů matričních úřadů na území celé České republiky. Tato analýza identifikovala jednak nespravedlnosti v systému financování a zároveň nerovnoměrnost v zatížení jednotlivých úřadů co se objemu vykonávané agendy týče. Z této analýzy vychází návrh úpravy financování agendy matričních úřadů v ČR

22 OPTIMALIZACE SÍTĚ MATRIČNÍCH ÚŘADŮ ZJIŠTĚNÍ Základní zjištění: Současný způsob financování agendy matričních úřadů neodpovídá reálnému výkonu agendy a je z finančního hlediska neudržitelný a významně neefektivní matričních úřadů 8580 průměrný počet občanů na jednu matriku 400 občanů (ve správním obvodu nejmenších matrik) 230 Kč Kč Rozptyl státního příspěvku na jeden matriční prvozápis

23 podíl na činnosti/ financování OPTIMALIZACE SÍTĚ MATRIČNÍCH ÚŘADŮ SROVNÁNÍ PODÍLU NA ČINNOSTI A NA PŘÍSPĚVKU 50% 49,01% 45% 40% 35% 34,50% 30% 25% 20% 27,36% 23,17% 21,55% 18,85% 15% 10% 5% 0% 0,03% 0,07% 0,29% 0,88% 2,04% 8,12% 6,97% 7,16% DO Podíl na počtu provedených prvozápisů Podíl na přípsěvku pro výkon matriční agendy NAD velikostní kategorie obcí

24 OPTIMALIZACE SÍTĚ MATRIČNÍCH ÚŘADŮ CELKOVÁ BILANCE Kč Celkové příjmy matričních úřadů v roce 2016 (příspěvek + správní poplatky) Kč Celkové výdaje matričních úřadů v roce 2016 (superhrubé mzdy, náklady na materiál, ostatní náklady) = Kč Celková bilance (rozdíl mezi příjmy a výdaji) Přefinancování agendy

25 OPTIMALIZACE SÍTĚ MATRIČNÍCH ÚŘADŮ VÝSLEDEK NÁVRHŮ A BUDOUCÍ VÝVOJ Návrh změny financování matričních úřadů v roce 2019 byl v Poslanecké sněmovně ČR zamítnut. Důvodem byla nedostatečná politická podpora v době předložení. V současné době se pracuje na novém návrhu výkonového financování matričních úřadů, který by měl být v tomto roce předložen. Nově připravovaný návrh vychází z dat o výkonu matričních úřadů za rok 2017 a 2018 evidovaných ČSÚ. Přepokládá zachování stávající sítě matričních úřadů se změnou způsobu financování.

26 DĚKUJI ZA POZORNOST Ing. Mgr. David Sláma ředitel odboru strategického rozvoje a koordinace veřejné správy Ministerstvo vnitra ČR david.slama@mvcr.cz