Forrige4 af 18Næste

4. Benchmarking af told- og skatteregionernes produktivitet

Told•Skat har – som det fremgår af kapitel 3 – i et stort omfang levet op til de resultatkrav, der har været stillet til organisationen i aftaleperioden. Ved at sammenholde Told•Skats resultater på de forskellige områder med de ressourcer, som Told•Skat har anvendt på områderne, kan der gives et billede af produktiviteten på områderne. Produktiviteten på de forskellige områder kan dels sammenlignes over tid, dels på tværs af de 29 told- og skatteregioner eller de otte toldcentre.

I denne budgetanalyse af Told•Skat er der gennemført produktivitetsanalyser på følgende områder: Kontrol og revision (afsnit 4.4), information og vejledning (afsnit 4.5), motorekspeditioner (afsnit 4.6), afgørelser (afsnit 4.7), toldområdet (afsnit 4.8) samt opkrævning og inddrivelse (afsnit 4.9).

Indledningsvis gives først dels en mere generel introduktion til benchmarkingsbegrebet og benchmarking som analyseredskab (afsnit 4.1), dels en mere konkret introduktion til produktivitetsanalyser af told- og skatteregionerne (afsnit 4.2). I afsnit 4.10 gives der afslutningsvis en vurdering af dels udviklingen i Told•Skats produktivitet på de berørte områder, dels det beregnede produktivitetsforbedringspotentiale.

4.1. Benchmarking som begreb og analyseredskab

Anvendelsen af benchmarking inden for både den private og offentlige sektor er i dag især karakteriseret ved følgende forhold:

Benchmarking indebærer systematiske sammenligninger af præstationer baseret på målinger.
Benchmarking handler om at lære af de bedste på et område med henblik på selv af blive bedre.

Det, som adskiller benchmarking fra andre typer af sammenligninger, er den systematiske metode kombineret med en eksplicit målsætning om at opnå forbedringer.

De anvendte præstationsmål er et centralt element i benchmarking-analyser. Der skelnes i forbindelse hermed typisk mellem produktivitet og effektivitet. Produktivitet vedrører organisationens evne til at konvertere de anvendte ressourcer (input) til flest mulige varer eller ydelser (output). En høj produktivitet fører med andre ord til, at der kan produceres meget mere ved en given ressourceindsats. Produktivitet er kun en del af den samlede effektivitet. Den samlede effektivitet vedrører også evnen til at opnå størst mulig effekt (nyttevirkning) af ressourceindsatsen.

Den systematiske sammenligning indebærer, at der i forbindelse med en benchmarking skal fastlægges et fikspunkt eller en norm, der kan benyttes som sammenligningsgrundlag. Ofte anvendes det såkaldte best practice som norm for de organisationer, der skal benchmarkes. Best practice betyder, at de enkelte organisationer måles i forhold til de sammenlignelige organisationer, der klarer sig bedst. Best practice har den styrke, at organisationen ikke måles i forhold til abstrakte eller måske urealistiske krav eller målsætninger. Den enkelte organisation sammenlignes således med organisationer, der eksisterer og fungerer i virkeligheden. Svagheden ved best practice benchmarking er derimod, at selv de bedste organisationer kan præstere resultater, der ikke er optimale i absolut forstand.

Der eksisterer forskellige dimensioner i benchmarking-begrebet. Eksempelvis taler man om henholdsvis resultat- eller procesbenchmarking. Resultatbenchmarking vedrører typisk kvantitative analyser af produktivitet og effektivitet. I sin mest simple form består resultatbenchmarking i en sammenligning af centrale nøgletal for et antal organisationer. Procesbenchmarking omfatter derimod mere detaljerede analyser og sammenligninger af f.eks. arbejds- og produktionsprocesser i de enkelte organisationer. Det skal dog understreges, at resultatbenchmarking og procesbenchmarking på ingen måde udelukker hinanden, og et benchmarkingprojekt kan med fordel indeholde elementer af begge – eksempelvis kan man starte med en resultatbenchmarking-analyse på et givet område og derefter følge op med mere detaljerede procesbenchmarking-analyser.

I dette kapitel gennemføres der resultatbenchmarkinger af de 29 told- og skatteregioners eller de otte toldcentres produktivitet på en række forskellige områder.

I forbindelse med resultatbenchmarking er det vigtigt, at der gøres en række overvejelser med hensyn til måling af performance, analysemetode, mv. Der eksisterer flere mere eller mindre avancerede metoder til resultatbenchmarking – f.eks. nøgletalsanalyser, regressionsanalyser og DEA-metoden [1].

DEA er en egentlig benchmarkingmetode, fordi den både giver et bud på best practice og et forholdsvist enkelt mål for, hvor meget de forskellige organisationer afviger fra best practice. På det punkt adskiller DEA-metoden sig eksempelvis fra de mere velkendte regressionsanalyser, hvor de forskellige organisationer måles i forhold til den gennemsnitlige præstation.

DEA er baseret på en vurdering af den relative præstation, herunder f.eks. relativ produktivitet eller relativ effektivitet. Organisationernes faktiske præstationer sammenlignes indbyrdes i forhold til hinanden og ikke i forhold til en idealnorm for, hvor god præstationen bør være. Dette indebærer, at selv de relativt bedste institutioner i analysen kan have potentiale for yderligere produktivitetsforbedringer.

Benchmarking-metoder, som f.eks. DEA-metoden, giver i den forstand alene et forsigtigt skøn for potentialet for f.eks. produktivitetsforbedringer i de enkelte organisationer. Det reelle potentiale for produktivitetsforbedringer kan meget vel være større end det potentiale, som DEA-metoden anviser.

En af styrkerne ved DEA-metoden er, at den kan håndtere de tilfælde, hvor organisationer bruger flere forskellige typer af ressourcer til at levere flere forskellige typer af ydelser. Denne fordel kommer især til sin ret i forbindelse med performancevurderinger i den offentlige sektor, fordi det ofte her er uklart, hvorledes de forskellige typer af offentlige serviceydelser skal vægtes i forhold til hinanden. DEA giver et bud på disse vægte for den enkelte organisation, således at organisationen stilles i det bedst mulige lys, det vil sige således, at organisationen opnår den størst mulige performancegrad. DEA er således en stærk metode til produktivitetsanalyser i især den offentlige sektor.

En af svaghederne ved DEA-metoden er dog, at det er en ikke-parametrisk model. Det betyder, at der ikke kan beregnes en statistisk usikkerhed i forhold til DEA-scoren. Det vil derfor ofte være relevant at operere med flere forskellige DEA-modeller inden for et givet område med henblik på at få et indtryk af variationen i DEA-scoren.

DEA-metoden er i de senere år blevet en mere og mere brugt metode til at vurdere bl.a. offentlige institutioners produktivitet. Finansministeriet har således i de seneste budgetredegørelser bl.a. brugt DEA-metoden i forbindelse med produktivitetsanalyser af bl.a. politiet, retskredsene og udenrigstjenesten, ligesom Rigsrevisionen i 1999 bl.a. gennemførte en DEA-analyse af Told•Skat [2]. For en nærmere uddybning af såvel bechmarkingbegrebet som DEA-metoden henvises der til publikationen "Benchmarking i den offentlige sektor". [3]

4.2. Generelt om produktivitetsanalyserne af told- og skatteregionerne

Produktivitetsanalyserne af told- og skatteregionerne dækker over en forholdsvis stor andel (ca. 43 pct.) af regionernes samlede årsværksforbrug (og svarende til ca. 37 pct. af det samlede ressourceforbrug i Told•Skat). Produktivitetsanalyserne er foretaget såvel over tid som på tværs af told- og skatteregionerne/toldcentrene, Det vil sige som benchmarking-analyser.

DEA-metoden forudsætter, at det er muligt at sammenligne flere institutioner, der alle udfører de samme aktiviteter. Dette vurderes i det store og hele at være opfyldt for Told•Skat, hvor henholdsvis de 29 skatteregioner og de otte toldcentre i vidt omfang udfører de samme aktiviteter på de udvalgte områder [4].

Analyserne af told- og skatteregionerne er baseret på historiske tal – Det vil sige, at der er taget højde for allerede kendt teknologi, organisation, medarbejdersammensætning og kontrolstrategi. Resultaterne af analyserne kan derfor bruges som indikatorer for mulige forbedringer. I analyserne indgår således ikke den mulige udvikling, der f.eks. kan opnås med en øget digitalisering af Told•Skats forvaltning.

Analyserne giver mulighed for at skønne over et samlet potentiale for regionerne som helhed på de udvalgte områder. Specielle forhold i de enkelte regioner kan betyde, at placeringen ikke udelukkende er udtryk for produktiviteten. Disse forhold udtrykker, at metoden ikke tilsigter at give en perfekt beskrivelse af virkeligheden i den enkelte region, men derimod tegner et mere overordnet billede af de enkelte regioner i sammenhæng. Dette er meget vigtigt at have in mente. Det skal dog nævnes, at specielle forhold især synes at gøre sig gældende for region Bornholms resultater, og at det ikke umiddelbart synes rimeligt at antage, at Bornholm vil kunne realisere sit beregnede produktivitetsforbedringspotentiale. I forhold til det samlede produktivitetsforbedringspotentiale for alle regionerne får dette forbehold dog ingen mærkbare effekter.

Det skal endvidere understreges, at der knytter sig en vis usikkerhed til datagrundlaget for analyserne af told- og skatteregionernes produktivitet, idet told- og skattemedarbejdernes tidsregistrering i tilknytning til udøvelsen af de enkelte aktiviteter i de fleste tilfælde vil være baseret på et skøn. Der knytter sig ligeledes en vis usikkerhed til den anvendte metode. De variable der indgår i analysen af de enkelte aktivitetsområder vil aldrig give en fuldstændig perfekt beskrivelse af virkeligheden i told- og skatteregionerne. Det er dog forbehold, der bør tages i enhver produktivitetsanalyse, og der er ikke noget der umiddelbart tyder på, at usikkerheden i analyser af Told•Skat er større end af andre dele af den offentlige sektor, bl.a. set i lyset af at Told•Skat har en god tradition for registrering og måling af aktiviteterne.

Med henblik på at opnå et indtryk af variationen i DEA-scoren på de enkelte områder opereres der i nedenstående med flere supplerende modeller inden for de enkelte aktivitetsområder. De supplerende modeller adskiller sig først og fremmest fra grundmodellerne ved, at de dels også medtager en række variable, der ikke direkte udtrykker regionernes produktion (f.eks. antal skatteydere eller antal automobilforhandlere i regionen), dels er beregnet som gennemsnit over årene 1998-2000 (dog i visse tilfælde kun 1999-2000). Det skal dog her bemærkes, at alene det forhold, at der tilføjes yderligere en output-variabel til grundmodellen, vil øge DEA-scoren – uanset hvad variablen udtrykker.

De grundlæggende DEA-modeller er som udgangspunkt baseret på konstant skalaafkast. Konstant skalaafkast betyder, at en fordobling af alle input vil medføre netop en fordobling af alle output. Dette er ofte en rimelig antagelse [5]. I analysen af Told•Skat kan der imidlertid på nogle områder være tegn på, at en del af forklaringen på produktivitetsproblemer for nogle af de mindste told- og skatteregioner kan være, at regionerne er for små. Dette behandles nærmere nedenfor i analysen af disse områder.

Det beregnede produktivitetsforbedringspotentiale i told- og skatteregionerne er udregnet i forhold til de såkaldte best practice regioner. Det er dog vigtigt at bemærke, at ikke alle best practice regioner indgår med samme vægt i forhold til det beregnede produktivitetsforbedringspotentiale. Regioner der kun er best practice fordi de scorer ekstraordinært højt på ét af outputmålene indgår således med mindre vægt.

I nedenstående præsenteres de overordnede resultater af DEA-analyserne af told- og skatteregionerne. For en mere detaljeret uddybning af resultaterne af analyserne henvises der til appendiks 3.

4.3. Told•Skats forbehold

Told•Skat og Finansministeriet har ikke kunne nå til enighed om budgetanalysens kapitel 4 vedrørende benchmarking af told- og skatteregionernes produktivitet.

Uenigheden knytter sig som udgangspunkt til den valgte analysemetode. Hertil kommer sammenhængen til resultaterne af produktivitetsanalyserne, hvor forskellige analysemåder giver sig udslag i forskellige besparelsespotentialer, som i Finansministeriets version er højere end i Told•Skats analyse.

Told•Skat tager derfor forbehold over for de gennemførte produktivitetsanalyser. Dette gælder såvel for metode som for det beregnede potentiale for produktiviteten.

I kapitlet fremhæves det, at DEA-metoden kun giver et forsigtigt skøn over besparelsespotentialet, og at det reelle potentiale meget vel kan være større. Dette er kun korrekt, hvis alle metodeforudsætningerne for analysen er opfyldt. For at minimere metodens usikkerhed skal der tages højde for fire modelkriterier – homogenitet, datakvalitet/-usikkerhed, valg af variable og valg af skalaafkast. Det er Told•Skats opfattelse, at disse kriterier ikke er tilstrækkeligt opfyldt i nedenstående analyser.

Det er Told•Skats opfattelse, at analysen ikke er foretaget på homogene enheder, eftersom told- og skatteregionerne adskiller sig fra hinanden både hvad angår regionsstørrelse, antal skatteydere, virksomhedernes størrelse, geografiske forhold mv. Hertil kommer et fald i homogeniteten, når antallet af variable er begrænset til et minimum. Konsekvensen er, at den beregnede besparelse i sjælden grad kan realiseres.

Indberetningen af oplysninger og dermed datakvaliteten er behæftet med en vis usikkerhed, som skyldes, at tidsregistreringen ofte er baseret på et skøn. Herudover vil der være variationer i tallene fra det ene år til det andet, som ikke alene kan forklares med produktivitetsstigninger, men som også kan være udtryk for enkeltstående tilfælde ("lucky-punch" mv). For at reducere den usikkerhed, der er knyttet til dataene, er det Told•Skats opfattelse, at der bør anvendes en gennemsnitsbetragtning over flere år.

Antallet af variable på et bestemt område bør efter Told•Skats opfattelse være ud fra faglige og statistiske hensyn, således at alle arbejdsopgaver på området er dækket af analysen. Medtages en ekstra variabel, er det Told•Skats opfattelse, at scoren kun forbedres, hvis der er yderligere oplysninger at tilføje modellen. Er variablen 100 pct. korreleret med en af modellens andre variable, vil resultatet ikke forbedres.

Det er Told•Skats opfattelse, at valg af skala-afkast alt andet lige bør ske med udgangspunkt i det enkelte område. Variabel skala-afkast kan efter Told•Skats vurdering anvendes til at tage højde for forskellen i regionsstørrelse målt i årsværk, og at regionsstørrelse kan have betydning for de resultater, som regionen opnår. Ved anvendelse af konstant skala-afkast vil nogle regioner tilsvarende blive stillet ringere alene på grund af størrelse.

Endelig er det Told•Skats opfattelse, at det på grund af den store usikkerhed ved anvendelse af DEA-analyser ikke er realistisk at beregne besparelsespotentialet under forudsætning om, at alle enheder skal opnå en relativ effektivitet på 100 pct.

4.4. DEA-analyse af told- og skatteregionernes kontrol og revision

I dette afsnit præsenteres DEA-analyserne af de 29 told- og skatteregioner på kontrol- og revisionsområdet. Helt konkret fokuserer analysen på told- og skatteregionernes skatte- og afgiftskontrol. Skatte- og afgiftskontrollen udgør størstedelen af aktiviteterne på kontrol- og revisionsområdet. For en nærmere præsentation af kontrol- og revisionsområdet henvises der til kapitel 3.

Årsværksforbruget på skatte- og afgiftskontrollen udgjorde i 2000 ca. 826 årsværk, hvilket svarer til ca. 15 pct. af Told•Skats samlede årsværksforbrug. I forhold til det samlede årsværksforbrug i told- og skatteregionerne (Det vil sige eksklusiv Told- og Skattestyrelsen og toldcentrene) udgjorde årsværksforbruget på skatte- og afgiftskontrollen i 2000 ca. 18 pct.

Analysens input- og outputvariable fremgår af nedenstående boks 4.1.

Boks 4.1. Input- og outputvariable i grundmodellen for skatte og afgiftskontrollen

Input:

Antal årsværk.

Output:

Reguleringsbeløb.
Antal kontroller.
Momsomsætning i kontrollerede virksomheder.

Et usikkerhedselement i analysen er, at det ikke uden videre kan antages, at en skatte- og afgiftskontrol er det samme i alle told- og skatteregionerne. Det skyldes, at det synes plausibelt, at der f.eks. er forskel på, om det er en stor eller lille virksomhed, der kontrolleres. Der er derfor – som supplerende variabel – medtaget den samlede lønsum i virksomhederne i told- og skatteregionerne.

Boks 4.2. Supplerende variabel til grundmodellen for skatte- og afgiftskontrollen

Output:

Den samlede lønsum i virksomhederne i told- og skatteregionerne.

Regionernes relative produktivitet udtrykkes ved en produktivitetsgrad eller en DEA-score mellem 0 og 1, hvor en score på 1 er udtryk for, at der ikke er nogle regioner, som med sikkerhed har en bedre ressourceudnyttelse. Regionerne med en DEA-score på 1 bruges i analysen som best practice regioner, og dermed som sammenligningsgrundlag for de øvrige regioner.

En DEA-score på f.eks. 0,90 betyder således, at regionen har en ressourceudnyttelse på 90 pct. i forhold til, hvad den maksimalt kunne have i sammenligning med de mest produktive regioner. Det vil sige, at regionen i princippet skulle kunne frigøre 10 pct. af ressourcerne og fortsat opretholde produktionsniveauet.

DEA-analyserne af told- og skatteregionernes skatte- og afgiftskontrol viser, at regionerne har en gennemsnitlig produktivitetsgrad på mellem 0,82 og 0,90 i 2000. Dette indikerer – alt andet lige - et beregningsmæssigt produktivitetspotentiale i regionerne i størrelsesordenen 10-18 pct. for så vidt angår skatte- og afgiftskontrollen, jf. nedenstående tabel 4.1.

Tabel 4.1. Resultater af DEA-analyser af skatte- og afgiftskontrollen

	Grundmodel (1999-tal)	Grundmodel (2000-tal)	Grundmodel + lønsum i virk- somhederne i regionen (2000-tal)	Grundmodel + lønsum i virk- somhederne i regionen (gnst. 99-00) (1)
DEA-score	0,83	0,82	0,87	0,90

Størrelsen af de totale reguleringer vil altid indeholde en vis grad af tilfældighed. Der er derfor i ovenstående grundmodel korrigeret for samtlige "lucky punch" i regionerne i 1999 og 2000. Et "lucky punch" er her defineret som en regulering større end 25 mio.kr. Resultatet af DEA-analysen baseret på grundmodellen uden denne korrektion er en DEA-score på 0,84 i 2000. Sammenlignet med resultaterne i tabel 4.1 har det altså ikke den store betydning om der korrigeres for "lucky punches". Det har dog en betydning for hvilke regioner, der fremstår som best practice.

Ved at kombinere DEA med forskellige indeksmetoder er det endvidere muligt at give en forholdsvis præcis beskrivelse af udviklingen fra år til år i de enkelte told- og skatteregioners produktivitet i tilknytning til skatte- og afgiftskontrol.

Metoden, der også benævnes Malmquist indekset, er baseret på, at de enkelte regioner i et givet år ikke alene måles i forhold til best practice regionerne i det pågældende år, men også i forhold til best practice regionerne i andre år.

Den samlede produktivitetsudvikling opdeles i indekset på to effekter, teknologiskift-effekten og cathing-up-effekten. Teknologiskif-effekten belyser, om de mest produktive organisationer er blevet mere produktive, det vil sige, om der fra år til år er blevet stadig bedre måder at gøre tingene på. Catching-up-effekten, eller indhentningseffekten, viser om de øvrige institutioner er i stand til at hale ind på de bedste institutioner. Metoden er nærmere beskrevet i publikationen "Benchmarking i den offentlige sektor" [6].

Udviklingen i told- og skatteregionernes produktivitet i tilknytning til skatte- og afgiftskontrollen fra 1999 til 2000 fremgår af nedenstående tabel 4.2. Indekset baserer sig på grundmodellen for skatte- og afgiftskontrollen, og der er også her korrigeret for samtlige "lucky punch" i regionerne i både 1999 og 2000.

Tabel 4.2. Malmquist produktivitetsudviklingsindeks for de 29 told- og skatteregioner 1999-2000 (korrigeret for "lucky punch" og opgjort i 2000-priser) på kontrol- og revisionsområdet (baseret på grundmodellen)

	Malmquist produk- tivitetsudviklings- indeks	Catching-up	Teknologi- skift
1999 – 2000	1,12	1,00	1,12

Det fremgår af tabel 4.2, at den gennemsnitlige værdi af Malmquist indekset er 1,12. Analysen viser således, at told- og skatteregionernes produktivitet i tilknytning til skatte- og afgiftskontrol samlet set er steget med 12 pct. mellem 1999 og 2000. Produktivitetsstigningen skyldes dels et fald i årsværksforbruget på området, dels bedre resultater i tilknytning til momsomsætningen i de kontrollerede virksomheder. Der bør dog tages forbehold for dette resultat, idet analysen alene dækker over to år. Det bør endvidere bemærkes, at der er tale om en gennemsnitsbetragtning for regionerne under ét, og at der kan være store forskelle i udviklingen for de enkelte regioner.

Det fremgår ligeledes af tabellen, at produktivitetsstigningen alene skyldes teknologiskift-effekten – det vil sige, at de mest produktive regioner er blevet mere produktive. Da indhentningseffekten er 0, betyder det, at de mindre produktive regioner har fulgt med produktivitetsudviklingen i de mest produktive regioner, men relativt hverken er blevet mere eller mindre produktive.

Sammenfattende kan det konstateres, at Told•Skat i perioden 1999 og 2000 har haft en fin produktivitetsfremgang i tilknytning til skatte- og afgiftskontrollen på ca. 12 pct. Det skyldes alene, at de mest produktive regioner er blevet mere produktive. Samtidig kan der dog fortsat konstateres et beregningsmæssigt produktivitetspotentiale i regionerne i størrelsesordenen 10-18 pct. for så vidt angår skatte- og afgiftskontrollen.

4.5. DEA-analyse af told- og skatteregionernes information og vejledning 1998-2000

I dette afsnit præsenteres DEA-analyserne af de 29 told- og skatteregioners informations- og vejledningsindsats. Området omfatter den information, som regionen yder som en service overfor de virksomheder og borgere, der retter henvendelse til regionen – bl.a. besvarelse af personlige, telefoniske og skriftlige henvendelser, som umiddelbart kan besvares på grundlag af lignings-, moms- eller toldvejledningen eller andet foreliggende materiale, udlevering af vejledninger og pjecer samt hjælp til udfyldelse af blanketter.

Informations- og vejledningsområdet dækker over et årligt årsværksforbrug i told- og skatteregionerne på ca. 174 årsværk.

Analysens input- og output-variable fremgår af nedenstående boks 4.3.

Boks 4.3. Input- og outputvariable i grundmodellen for informations- og vejledningsområdet

Input:

Antal årsværk.

Output:

Antal momsregistrerede byvirksomheder i regionerne.
Antal personlige og skriftlige henvendelser fra virksomheder og borgere (REKS 1.1.1 og 1.1.2).
Det samlede provenu, ekskl. told og selskabsskat, i regionerne.

Et forhold, som ovenstående model ikke tager højde for, er antallet af telefoniske henvendelser, da Told•Skat ikke foretager registreringer heraf. Dette er dog ikke nødvendigvis et problem, såfremt det antages, at regionerne arbejdsmæssigt belastes forholdsmæssigt lige hårdt heraf. Dog kan det ikke på forhånd afvises, at indbyggerne i regioner med store geografiske afstande er mere tilbøjelige til at ringe frem for at henvende sig personligt til Told•Skat.

Som en mulig indikator for belastningen af telefoniske henvendelser er regionernes transportudgifter medtaget som en supplerende variabel. Det kan diskuteres, hvorvidt variablen skal medtages som en yderligere output-variabel eller som en såkaldt ikke-kontrollerbar inputvariabel, og der opereres derfor i nedenstående med to supplerende modeller.

Tabel 4.3. Resultater af DEA-analyser af informations- og vejledningsområdet

	Grundmodel (1998-tal)	Grundmodel (1999-tal)	Grundmodel (2000-tal)
DEA-score	0,72	0,79	0,79

	Grundmodel + regionens transport –udgifter som output-variabel (2000-tal)	Grundmodel + regionens transportudgifter som ikke-kontrollerbar input-variabel (gnst. 98-00)	Grundmodel + regionens transportudgifter som ikke-kontrollerbar input-variabel (gnst. 98-00) (variabel skalaafkast)
DEA-score	0,84	0,87	0,92

DEA-analyserne af told- og skatteregionernes informations- og vejledningsindsats viser, at regionerne i modellerne med konstant skalaafkast har en gennemsnitlig produktivitetsgrad på mellem 0,79 og 0,87 i 2000. Dette indikerer – alt andet lige – et beregningsmæssigt produktivitetspotentiale i regionerne i størrelsesordenen 13-21 pct. for så vidt angår informations og vejledningsområdet.

Ovenstående beregninger er et udtryk for forskelle i produktiviteten blandt regionerne. For nogle af de mindre told- og skatteregioner, især Bornholm og Maribo, kan der være tegn på, at regionernes størrelse kan være en del af forklaringen på produktivitetsproblemerne, idet det på området ifølge Told•Skat er nødvendigt at have et beredskab til at svare på eventuelle spørgsmål fra virksomheder. Dette vil give de små regioner en ulempe, idet en forholdsvis større andel af deres ressourcer skal anvendes til beredskabet. Betragtningen understøttes af en beregning af korrelationen mellem regionsstørrelse og DEA-score, der indikerer, at en sådan sammenhæng tilsyneladende eksisterer. Beregningerne ved en antagelse om konstant skalaafkast vil derfor i et vist omfang ved den givne regionsstruktur kunne overvurdere det mulige produktivitetspotentiale for den enkelte region på informations- og vejledningsområdet.

For at belyse eventuelle smådriftsulempers betydning for det mulige produktivitetspotentiale kan det overvejes at anvende en særlig variant af DEA-modellen med variabel skalaafkast, jf. ovenstående tabel 4.3. I det konkrete eksempel forøges den gennemsnitlige DEA-score for regionerne med 0,05 i modellen med variabel skalaafkast. En antagelse om variabel skalaafkast er imidlertid relativ vidtgående. Da der kun er 29 told- og skatteregioner, betyder dette således, at nogle regioner af modeltekniske årsager vil opnå en DEA-score på eller tæt på 1, alene på grund af regionernes størrelse. Da tilstedeværelsen af eventuelle smådriftsulemper for de små regioner ikke nødvendigvis er ensbetydende med, at der slet ikke vil være et produktivitetspotentiale for disse regioner, vil en sådan beregning derfor kunne undervurdere det mulige produktivitetspotentiale på området. Modellen med variabel skalaafkast indebærer således i visse tilfælde, at hele produktivitetspotentialet af rent modeltekniske årsager henføres til regionernes størrelse.

Udviklingen i told- og skatteregionernes produktivitet i tilknytning til information og vejledning i perioden 1998-2000 er også her beregnet ud fra Malmquist indekset, jf. nedenstående tabel 4.4.

Tabel 4.4. Malmquist produktivitetsudviklingsindeks for de 29 told- og skatteregioner 1998-2000 på informations- og vejledningsområdet (baseret på grundmodellen)

	Malmquist produktivitets- udviklingsindeks	Catching-up	Teknologi- skift
1998 – 1999	1,03	1,14	0,92
1999 – 2000	0,96	1,04	0,93

Tabel 4.4 viser en samlet fremgang i produktiviteten fra 1998 til 1999 på ca. 3 pct. Denne vækst i produktiviteten kan henføres til, at de mindre produktive regioner er blevet mere produktive, jf. indhentningseffekten. Denne effekt opvejes dog til dels af, at de mest produktive regioner er blevet mindre produktive.

Samme tendens ses i 1999-2000, hvor indhentningseffekten også er positiv, mens effekten fra teknologiskift er negativ. Det vil sige, at tendensen også her er, at de mindre produktive regioner gennemsnitligt øger produktiviteten, mens produktiviteten i de mest produktive regioner gennemsnitligt falder. Dog dominerer den negative effekt fra teknologiskiftet, således at den gennemsnitlige produktivitet falder fra 1999 til 2000 med ca. 4 pct.

Sammenfattende kan det konstateres, at produktiviteten på Told•Skats område for information og vejledning stort set har været uændret i perioden 1998-2000. Dette kan dels henføres til et fald i produktiviteten blandt de mest effektive regioner, dels stigende produktivitet i de mindre produktive regioner. Samtidig kan der dog konstateres et beregningsmæssigt produktivitetsforbedringspotentiale i regionerne på mellem 8 og 21 pct. for så vidt angår informations- og vejledningsindsatsen.

4.6. DEA-analyse af told- og skatteregionernes motorekspeditioner

I dette afsnit præsenteres DEA-analyserne af told- og skatteregionernes motorekspeditioner. Motorekspeditionsområdet omfatter regionernes beregning og opkrævning af registreringsafgifter af motorkøretøjer, herunder revision af afgiftsangivelser og regnskaber fra virksomheder, der er registreret efter lov om registreringsafgift af motorkøretøjer. Årsværksforbruget på motorekspeditioner var i 2000 på ca. 79 årsværk.

Analysens input- og outputvariable fremgår nedenstående boks 4.4.

Boks 4.4. Input- og outputvariable i grundmodellen for motorekspeditioner

Input:

Antal årsværk.

Output:

REKS-område 4.1: Antal modtagne certifikater (vægt 1), antal gennemførte ekspeditioner i forbindelse med ny-registreringer (vægt 3), antal gennemførte ekspeditioner i forbindelse med om-registreringer (vægt 3) antal afsluttede sager vedrørende skriftlige forespørgsler om depositum (vægt 2,67).
Antal deposita (REKS 4.8).
Antal reviderede månedsangivelser (REKS 4.9).

Anm.: Vægtene er taget fra Told•Skats REKS-vejledning.

Produktivitetsmålingen på REKS-område 4.1 dækker over antallet af motorekspeditioner vægtet efter, hvor ressourcekrævende de enkelte ekspeditioner er. Antal deposita er medtaget for at tage højde for de ressourcer, som Told•Skat bruger i forbindelse med den afsluttende behandling efter at en vurdering har fundet sted. Antal reviderede månedsangivelser tager højde for de ressourcer, der er brugt på revision.

Told- og skatteregionerne er i tilknytning til motorekspeditionsopgaverne imidlertid nødt til at afsætte ressourcer til betjening af de "skranke-henvendelser", der kommer i løbet af dagen. Disse henvendelser registreres imidlertid ikke i de enkelte regioner, og da det ikke umiddelbart kan udelukkes, at skranke-henvendelserne ikke fordeler sig jævnt over alle regionerne, har det i nærværende analyse været overvejet at inddrage forskellige supplerende output-mål for belastningen i de forskellige regioner af skranke-henvendelser – eksempelvis antal skatteydere i regionen som en indikator for antallet af skranke-henvendelser fra privatpersoner og antallet af automobilforhandlere i regionen som en indikator for antallet af skranke-henvendelser fra erhvervsdrivende.

Boks 4.5. Supplerende variable til grundmodellen for motorekspeditioner

Output:

Det samlede antal skatteydere i regionen
Det samlede antal automobilforhandlere i regionen.

DEA-analyserne af told- og skatteregionernes motorekspeditioner viser, at regionerne har en gennemsnitlig produktivitetsgrad på mellem 0,80 og 0,86 i 2000. Dette indikerer – alt andet lige - et beregningsmæssigt produktivitetspotentiale i regionerne på omkring 14-20 pct. for så vidt angår motorekspeditioner, jf. nedenstående tabel 4.5.

Tabel 4.5. Resultater af DEA-analyser af motorekspeditionsområdet

	Grundmodel (1998-tal)	Grundmodel (1999-tal)	Grundmodel (2000-tal)	Grundmodel + antal skatteydere og automobil- forhandlere i regionen (gnst. 98-00)
DEA-score	0,75	0,68	0,80	0,86

Udviklingen i told- og skatteregionernes produktivitet i tilknytning til motorekspeditioner i perioden 1998-2000 er også her beregnet ud fra Malmquist-indekset, jf. nedenstående tabel 4.6.

Tabel 4.6. Malmquist produktivitetsudviklingsindeks for de 29 told- og skatteregioner 1998-2000 på motorekspeditionsområdet (baseret på grundmodellen)

	Malmquist produktivitets- udviklingsindeks	Catching-up	Teknologi- skift
1998 – 1999	1,10	0,91	1,19
1999 – 2000	0,96	1,19	0,81

Det fremgår af tabel 4.6, at den gennemsnitlige værdi af Malmquist-indekset er 1,10 i 1998-1999 og 0,96 i 1999-2000. Analysen viser således, at told- og skatteregionernes produktivitet i tilknytning til motorekspeditioner steg med ca. 10 pct. i mellem 1998 og 1999 og faldt med ca. 4 pct. i mellem 1999 og 2000. Den samlede produktivitetsstigning i perioden 1998-2000 har således samlet været ca. 6 pct.

Hvor teknologiskift-effekten gav anledning til en gennemsnitlig forbedring af regionernes samlede præstation med ca. 19 procentpoint i mellem 1998 og 1999, bidrog teknologiskift-effekten til en forværring af regionernes samlede præstation med ca. 19 pct. i mellem 1999 og 2000. Samlet set kan det således konstateres, at de mest produktive regioner i perioden 1998-2000 hverken er blevet mere eller mindre produktive.

Indhentningseffekten bidrog derimod til en forværring af regionernes samlede præstation med ca. 9 procentpoint i mellem 1998 og 1999 og en forbedring af den samlede præstation med ca. 19 procentpoint imellem 1999 og 2000. Samlet kan det således konstateres, at de mindre produktive regioner er blevet mere produktive i perioden 1998-2000.

Sammenfattende kan det konstateres, at der i told- og skatteregionerne i perioden 1998-2000 har været en tilfredsstillende produktivitetsfremgang på sammenlagt ca. 6 pct. Det skyldes først og fremmest, at de mindre produktive regioner er blevet mere produktive. Samtidig kan der dog fortsat konstateres et beregningsmæssigt produktivitetsforbedringspotentiale i regionerne på mellem 14 og 20 pct. for så vidt angår motorekspeditioner.

4.7. DEA-analyse af told- og skatteregionernes sagsbehandling

I dette afsnit præsenteres DEA-analyserne af de 29 told- og skatteregioners sagsbehandling. Sagsbehandlingsområdet dækker primært over henholdsvis bobehandlinger og afgørelser. Årsværksforbruget til sagsbehandling var i 2000 på ca. 281 årsværk.

Analysens input- og outputvariable fremgår nedenstående boks 4.6.

Boks 4.6. Input- og outputvariable i grundmodellen for sagsbehandling

Input:

Antal årsværk.

Output:

Antal bobehandlinger: Gældssaneringer, eftergivelsessager, henstandsager og betalingsstandsninger (REKS 7.1.1, 7.1.3, 7.1.6, 7.1.8 og 7.1.10).
Antal afgørelser vedrørende skat, moms, afgifter og andet: Administrative sager 1. instans, administrative sager ankeinstans, bindende forhåndsbeskeder, bistand til Told- og Skattestyrelsen, gavesager, omkostningsdækning, aktindsigt samt klagesager over sagsbehandlingen i kommunerne (REKS 7.4.1, 7.4.4, 7.4.7, 7.4.10, 7.6.1, 7.6.4, 7.7.1, 7.7.6, 7.7.9 og 7.7.12).
Det samlede provenu (ekskl. selskabsskat og told): Variablen er medtaget som en indikator for sagskompleksiteten i regionerne – under antagelse af at sagskompleksiteten er større i de regioner, hvor provenuet er størst.

I grundmodellen er det samlede provenu i told- og skatteregionerne medtaget som et udtryk for kompleksiteten i sagsbehandlingen. Supplerende variable som indikatorer for sagskompleksiteten i regionerne er antallet af hovedaktionærer og antallet af erhvervsdrivende i regionerne.

Boks 4.7. Supplerende variable til grundmodellen for sagsbehandling

Output:

Det samlede antal hovedaktionærer i regionen.
Det samlede antal erhvervsdrivende i regionen.

DEA-analyserne af told- og skatteregionernes sagsbehandling viser, at regionerne har en gennemsnitlig produktivitetsgrad på mellem 0,83 og 0,87 i 2000. Dette indikerer – alt andet lige – et beregningsmæssigt produktivitetspotentiale i regionerne i størrelsesordenen 13 – 17 pct. for så vidt angår sagsbehandling, jf. nedenstående tabel 4.7.

Tabel 4.7. Resultater af DEA-analyser af sagsbehandlingsområdet

	Grundmodel (1998-tal)	Grundmodel (1999-tal)	Grundmodel (2000-tal)	Grundmodel + antal hoved- aktionærer og erhvervsdrivende i regionen (gnst. 98-00)
DEA-score	0,70	0,80	0,83	0,87

Der har endvidere være en stigning i produktiviteten på sagsbehandlingsområdet i perioden 1998-2000, jf. nedenstående tabel 4.8.

Tabel 4.8. Malmquist produktivitetsudviklingsindeks for de 29 told- og skatteregioner 1998-2000 på sagsbehandlingsområdet (baseret på grundmodellen)

	Malmquist produktivitets- udviklingsindeks	Catching-up	Teknologi- skift
1998 – 1999	1,42	1,17	1,22
1999 – 2000	1,12	1,05	1,08

Det fremgår af tabel 4.8, at den gennemsnitlige værdi af Malmquist-indekset er 1,42 i 1998-1999 og 1,12 i 1999-2000. Analysen viser således, at told- og skatteregionernes produktivitet i tilknytning til motorekspeditioner steg med ca. 42 pct. i mellem 1998 og 1999 og ca. 12 pct. i mellem 1999 og 2000.

Teknologiskift-effekten gav anledning til en gennemsnitlig forbedring af regionernes samlede præstation med ca. 22 procentpoint i mellem 1998 og 1999 og ca. 8 procentpoint i mellem 1999 og 2000. I perioden 1998-2000 har der således været en tendens til at de mest produktive regioner er blevet mere produktive.

Indhentningseffekten bidrog ligeledes til en forbedring af regionernes samlede præstation – i 1998-1999 med ca. 17 procentpoint og i 1999-2000 med ca. 5 procentpoint. Samlet kan det således også konstateres, at de mindre produktive regioner er blevet mere produktive i perioden 1998-2000.

Sammenfattende kan det konstateres, at der i told- og skatteregionerne i perioden 1998-2000 har været en tilfredsstillende produktivitetsfremgang på sagsbehandlingsområdet. Det skyldes først og fremmest, at de mest produktive regioner er blevet mere produktive, men også at de mindre produktive regioner er blevet mere produktive. Samtidig kan der dog fortsat konstateres et beregningsmæssigt produktivitetsforbedringspotentiale i regionerne på mellem 13 og 17 pct. for så vidt angår sagsbehandlingen.

4.8. DEA-analyse af toldområdet

I dette afsnit præsenteres DEA-analyserne af toldområdet (toldekspeditioner). Området omfatter toldekspeditionsopgaverne godsregistrering, fortoldningsprocedure, udførselsprocedure, forsendelsesprocedure og Intrastat. Arbejdsopgaverne i tilknytning til toldområdet udføres af de otte toldcentre. I 2000 var årsværksforbruget på toldområdet ca. 272 årsværk, svarende til ca. 34 pct. af toldcentrenes samlede årsværksforbrug i 2000.

Analysens input- og outputvariable fremgår nedenstående boks 4.8.

Boks 4.8. Input- og outputvariable i grundmodellen for toldområdet

Input:

Antal årsværk.

Output:

Toldprovenu.
Forsendelser: Diverse EU-forsendelser og TIR-transporter (REKS 3.5.1 – 3.5.16).
Angivelser: Antallet af manuelle godsposter (3.2.1), antallet af automatiske godsposter (3.2.2), antallet af manuelle importangivelsesposter (3.3.1), antallet af automatiske importangivelsesposter (3.3.3), antallet af manuelle eksportangivelser (3.4.1) og antallet af automatiske eksportangivelser (3.4.2).

DEA-analyserne af toldcentrenes indsats på toldområdet viser, at centrene i modellerne med konstant skalaafkast har en gennemsnitlig produktivitetsgrad på ca. 0,86 i 2000. Dette indikerer – alt andet lige – et beregningsmæssigt produktivitetsforbedringspotentiale i toldcentrene på ca. 14 pct. for så vidt angår toldområdet, jf. nedenstående tabel 4.9.

Tabel 4.9. Resultater af DEA-analyser af toldområdet

	Grundmodel (1999-tal)	Grundmodel (2000-tal)	Grundmodel (gnst. 99-00)	Grundmodel (gnst. 99-00) (variabel skalaafkast)
DEA-score	0,88	0,86	0,86	0,92

Ovenstående beregninger med konstant skalaafkast er et udtryk for forskelle i produktiviteten blandt toldcentrene. Særligt for Odense, som er det mindste toldcenter, kan der være tegn på, at centerets størrelse kan være en del af forklaringen på produktivitetsproblemerne. Beregningerne med konstant skalaafkast vil derfor i et vist omfang ved den givne regionsstruktur kunne overvurdere det mulige produktivitetspotentiale for den enkelte region.

For at belyse betydningen af eventuelle smådriftsulemper kan det – som på informations- og vejledningsområdet - overvejes at anvende en DEA-model med variabel skalaafkast, jf. ovenstående tabel 4.9. I det konkrete eksempel forøges den gennemsnitlige DEA-score for toldcentrene med 0,06 i modellen med variabel skalaafkast. En antagelse om variabelt skalaafkast er imidlertid – som nævnt ovenfor – relativt vidtgående. Da der kun er otte toldcentre, betyder det således, at nogle toldcentre af modeltekniske årsager vil opnå en DEA-score på eller tæt på 1, alene på grund af deres størrelse. Da tilstedeværelsen af eventuelle smådriftsulemper for de små centre ikke nødvendigvis er ensbetydende med, at der slet ikke vil være et produktivitetspotentiale for disse centre, vil en sådan beregning derfor kunne undervurdere det mulige produktivitetspotentialet på området. Dette vil i endnu højere grad være tilfældet for analysen af toldekspeditionsområdet end for analysen af informations- og vejledningsområdet ovenfor, da der er færre toldcentre end told- og skatteregioner. Generelt gælder det, at estimationen af randen for produktivitetsmulighedsområdet kan blive mere upræcis, når der kun indgår få analyseenheder i en DEA-analyse. Resultaterne af en DEA-analyse med kun otte analyseenheder skal derfor tages med et vist forbehold.

Endvidere skal det bemærkes, at Toldcenter København modtager en del angivelser, som kontrolleres før de sendes videre til indtastning i andre toldcentre. Omfanget af denne aktivitet i Toldcenter København registreres ikke, og det har ikke i resultatmålingerne været muligt at korrigere for dette forhold. Dermed vil beregningerne kunne overvurdere det mulige produktivitetspotentiale for Toldcenter København.

Som det fremgår af nedenstående tabel 4.10. har der i perioden 1999-2000 været et fald på ca. 2 pct. i produktiviteten på toldområdet, idet Malmquist-indekset er 0,98.

Tabel 4.10. Malmquist produktivitetsudviklingsindeks for de 8 toldcentre 1999-2000 på toldområdet (baseret på grundmodellen)

	Malmquist produktivitets- udviklingsindeks	Catching-up	Teknologi-skift
1999 – 2000	0,98	0,98	0,99

Faldet i produktiviteten skyldes både, at de mest og de mindre produktive toldcentre er blevet mindre produktive.

Sammenfattende kan det konstateres, at toldcentrene i perioden 1999-2000 har haft et fald i produktiviteten på ca. 2 pct. Endvidere kan der i toldcentrene konstateres et beregningsmæssigt produktivitetspotentiale på mellem 8 og 14 pct. for så vidt angår toldområdet.

4.9. DEA-analyse af told- og skatteregionernes opkrævning og inddrivelse

I dette afsnit præsenteres DEA-analyserne af de 29 told- og skatteregioners opkrævning og inddrivelse. Området omfatter både forebyggende aktiviteter, udlægsforretninger og andre aktiviteter. I 2000 var årsværksforbruget i tilknytning til opkrævning og inddrivelse ca. 421 årsværk.

Analysens input- og outputvariable fremgår af nedenstående boks 4.9.

Boks 4.9. Input- og outputvariable i grundmodellen for opkrævnings- og inddrivelsesområdet

Input:

Antal årsværk.

Output:

Antallet af inddrivelige restancer pr. regioner i forhold til antallet af by- og landvirksomheder (igangværende og afmeldte) der er momsregistrerede pr. regioner (Pct. C).
Antallet af afmeldte/ophørte restanter pr. region i forhold til antallet af afmeldte/ophørte restanter i hele landet (Pct. D).
Antallet af inddrivelige restanter i SSR for selskaber pr. region i forhold til antallet af selskaber pr. region (Pct. E).
Det samlede provenu i den enkelte region i forhold til det samlede provenu i hele landet (Pct. G).
Vægtede resultatmålinger på udlægsforretninger pr. region i forhold til vægtede udlægsforretninger for hele landet (Pct. I).
Antal afsluttede sager vedrørende Trip, Trap, Træsko pr. region i forhold til antallet af afsluttede sager vedrørende Trip, Trap, Træsko for hele landet.

Eksistensens af fire registre på området medfører, at antallet af output-variable, må øges for at dække området. De fire særskilte registre er: 1) Debitor-/Restanceregistret (moms, A-skat, arbejdsmarkedsbidrag mv.), 2) Selskabs- og fondsskatteregistrene (selskabs- og fondsskatter), 3) SAP R/3 (regionsbogholderiet) og 4) Registret over Udgiftsførte Fordringer (RUF), det vil sige krav som anses som uerholdelige.

DEA-analyserne af told- og skatteregionernes opkrævning og inddrivelse viser, at regionerne har en gennemsnitlig produktivitetsgrad på mellem 0,88 og 0,91 i 2000. Dette indikerer – alt andet lige – et beregningsmæssigt produktivitetspotentiale i regionerne i størrelsesordenen 9 – 12 pct. for så vidt angår opkrævning og inddrivelse, jf. nedenstående tabel 4.11.

Tabel 4.11. Resultater af DEA-analyser af opkrævnings-

og inddrivelsesområdet

	Grundmodel (2000-tal)	Grundmodel (gnst. 99-00)
DEA-score	0,88	0,91

4.10. Samlet vurdering af told- og skatteregionernes produktivitet

For en stor organisation som Told•Skat er spørgsmålet om produktivitet yderst relevant. Det er derfor i budgetanalysen på udvalgte områder analyseret, dels hvordan produktiviteten har udviklet sig i aftaleperioden, dels hvad der kan opnås af produktivitetsgevinster, hvis de mindre produktive regioner bringes på niveau med (eller i nærheden af) resultaterne i de mest produktive regioner. Analyserne er baseret på historiske tal – Det vil sige med allerede kendt teknologi, organisation, medarbejdersammensætning og kontrolstrategi. Resultaterne af analyserne kan derfor bruges som indikatorer for mulige forbedringer. I analyserne indgår således ikke den mulige udvikling, der f.eks. kan opnås med en øget digitalisering af Told•Skats forvaltning.

Produktivitetsanalyserne af Told•Skat er foretaget såvel over tid som på tværs af told- og skatteregionerne, Det vil sige som benchmarking-analyser. Tilgangsvinklen har været DEA-metoden, der i de seneste år er blevet en metode, der mere og mere bruges til at vurdere især offentlige institutioners produktivitet.

Produktivitetsanalyserne er gennemført på områderne 1) kontrol og revision, 2) information og vejledning, 3) motorekspeditioner, 4) sagsbehandling, 5) toldområdet samt 6) opkrævning og inddrivelse.

Analyserne viser, at der generelt har været en tilfredsstillende stigning i produktiviteten på de udvalgte områder i perioden 1998-2000. Stigningen i produktiviteten har været størst på sagsbehandlingsområdet, mens produktiviteten har været nærmest uændret på informations- og vejledningsområdet. På toldområdet har der været et mindre fald i produktiviteten, jf. nedenstående tabel 4.12. Der skal dog her tages forbehold for resultaterne, idet analyserne af produktivitetsudviklingen alene dækker en forholdsvis kort periode – 1998-2000 og i nogle tilfælde kun 1999-2000.

Tabel 4.12. Samlet oversigt over udviklingen i produktiviteten i told- og skatteregionerne samt toldcentrene på udvalgte områder 1998-2000 (pct.)

Område	1998-1999	1999-2000
Kontrol og revision	-	+12,0
Toldområdet	-	-2
Sagsbehandling	+42	+12
Information og vejledning	+3	-4
Motorekspeditioner	+10	-4
Opkrævning og inddrivelse	-	-

Udviklingen i produktiviteten er primært påvirket af, at de mindre produktive regioner er blevet mere produktive (indhentningseffekten, men også af at de mest produktive regioner på de fleste områder ligeledes er blevet mere produktive.

Produktivitetsanalyserne dækker over ca. 37 pct. af Told•Skats samlede ressourceforbrug i 2000 - svarende til ca. 44 pct. af told- og skatteregionernes samlede årsværksforbrug, jf. nedenstående tabel 4.13.

Tabel 4.13. Samlet oversigt over årsværksforbruget i told- og skatteregionerne samt toldcentrene på udvalgte områder 2000 (antal årsværk)

Område	2000
Kontrol og revision	826
Toldområdet	272
Sagsbehandling	281
Information og vejledning	174
Motorekspeditioner	79
Opkrævning og inddrivelse	421
I alt	2.053

Pct. af told- og skatteregionernes samt toldcentrenes samlede årsværksforbrug (4.694 årsværk)	43,7 pct.
Pct. af hele Told•Skats årsværksforbrug (5.569 årsværk)	36,9 pct.

DEA-analyserne viser også et beregnet produktivitetspotentiale, der vil kunne realiseres hvis de mindre produktive regioner kommer op på niveau med (eller i nærheden af) de mest produktive regioner. Analyserne giver mulighed for at skønne over et samlet potentiale for regionerne som helhed på de udvalgte områder. Specielle forhold i de enkelte regioner kan betyde, at placeringen ikke udelukkende er udtryk for produktiviteten, således at det beregnede produktivitetspotentiale ikke nødvendigvis svarer til det faktiske produktivitetspotentiale for den enkelte region. Disse forhold udtrykker, at metoden ikke tilsigter at give en perfekt beskrivelse af virkeligheden i den enkelte region, men derimod tegner et mere overordnet billede af de enkelte regioner i sammenhæng. Dette er vigtigt at have in mente.

Det beregnede produktivitetspotentiale i 2000 for de seks områder fremgår af nedenstående tabel 4.14.

Tabel 4.14. Samlet oversigt over det beregnede produktivitetspotentiale i told- og skatteregionerne samt toldcentrene på udvalgte områder i 2000 (pct.)

Område	2000
	Pct.
Kontrol og revision	10 – 18
Toldområdet	8 – 14
Sagsbehandling	13 – 17
Information og vejledning	8 – 21
Motorekspeditioner	14 – 20
Opkrævning og inddrivelse	9 – 12

Hvis det beregnede produktivitetspotentiale på de forskellige områder sammenholdes med årsværksforbruget på områderne fås det beregnede frigørelsespotentiale, jf. nedenstående tabel 4.15.

Tabel 4.15. Samlet oversigt over det beregnede frigørelsespotentiale opgjort i årsværk i told- og skatteregionerne samt toldcentrene på udvalgte områder 2000 (antal årsværk)

	2000
Kontrol og revision	83 – 149
Toldområdet	22 - 38
Sagsbehandling	37 – 48
Information og vejledning	14 – 37
Motorekspeditioner	11 – 16
Opkrævning og inddrivelse	38 – 51
I alt	205 - 339

Som det fremgår af tabel 4.15 indikerer resultaterne af DEA-analyserne af de seks områder et beregningsmæssigt produktivitetspotentiale på mellem i alt 205 og 339 årsværk.

Sammenfattende kan det konstateres, at der er et samlet beregningsmæssigt produktivitetspotentiale på mellem 10 og 17 pct. på de seks udvalgte områder i Told•Skat. Områderne dækker – som tidligere nævnt - tilsammen over ca. 37 pct. af Told•Skats samlede årsværksforbrug. For så vidt angår de resterende 63 pct. af ressourceforbruget i Told•Skat kan der ikke på baggrund af ovenstående analyser siges noget om størrelsen af et eventuelt produktivitetsforbedringspotentiale.

Fodnoter

[1] DEA er en forkortelse for Data Envelopment Analysis.

[2] "Beretning om Told•Skats økonomistyring", Rigsrevisionen, november 1999.

[3] Udgivet af Finansministeriet, marts 2000.

[4] Jf. også Rigsrevisionens vurdering i "Beretning om Told•Skats økonomistyring", Rigsrevisionen, november 1999.

[5] Hvis en institution under konstant skalaafkast kan producere 4 outputenheder ved anvendelse af 2 inputenheder, må det også som udgangspunkt kunne lade sig gøre at producere 8 outputenheder ved anvendelse af 4 inputenheder. Der er således hverken stordriftsfordele eller stordriftsulemper i produktionen.

[6] Finansministeriet, marts 2000.

Forrige4 af 18Næste

Top