Fortiden forutsier fremtiden: Hvordan prediktiv analyse kan hjelpe innen utdanningssektoren

Fortiden forutsier fremtiden: Hvordan prediktiv analyse kan hjelpe innen utdanningssektoren

Det er et ordtak vi alle har hørt i en historieklasse eller et annet sted: De som ikke lærer av fortiden, er dømt til å gjenta den. Denne tankegangen kan også gjelde for data analytics – spesielt når det kommer til prediktiv analyse. Å lære fra tidligere erfaringer er faktisk nøkkelen til å få prediktiv analyse til å fungere.

Dataanalytikere er i stand til å bruke tidligere resultater til å avdekke de mest sannsynlige utfallene i fremtiden. Mange høyskoler og universiteter bruker prediktiv analyse for å redusere frafallet av studenter. La oss ta en titt på hvordan de gjør det, og hvilken informasjon de bruker for å ta de mest informerte beslutningene.

Utfordringene ved frafall

For ulike typer skoler er det ulike typer problemer som påvirker frafall. For noen er det akademisk eller økonomisk – kursene er for vanskelige, og studenten kan ikke opprettholde sine karakterer, eller skolen er for dyr, og studenten tviler på hvorvidt det er verdt bekostningen å fortsette. Men det kan være andre situasjonsfaktorer som spiller inn. Som for eksempel, om en student er det første familiemedlemmet som tar høyere utdanning. Den studenten får kanskje ikke støtte hjemmefra, og dette kan være noe en skole må ta hensyn til.

Men dette vet skolene allerede. Eventuell informasjon som kan få innvirkning på studentens mulighet til å bli på skolen er registrert og samlet inn av institusjoner. Mange høyskoler og universiteter gjennomfører også selv undersøkelser enten i løpet av skolens første uker eller i løpet av sommerferier (eller begge deler). Dette gjøres for å få en følelse av hvordan studentene gjør det og for å kunne måle studentenes trivsel på skolen.

Dataene bak prediktiv analyse

Selv om årsakene til at en skole kan se en økning i frafall kan skyldes forskjellige faktorer fra skole til skole, er det data de alle har til felles når det gjelder å redusere frafallet. De har alle data som kan brukes til å finne ut hvordan de kan få flere studenter til å lykkes med studiene.

For eksempel, Bellarmine University i Kentucky benyttet seg av prediktiv analyse i et forsøk på å redusere frafallet. Vi skal nå se på noen av variablene som skolen brukte i modellen. Den øverste variabelen i modellen var elevers high school GPA, den gir en rask oversikt over studentenes engasjement over flere år med videregående skole. Andre variabler var om studenten var aktiv i sport, og personlig problemer – hvordan studenten følte seg ved ulike kontrollpunkter i løpet av året på Bellarmine. Det var også andre variabler som bosted og forelderens utdanningsnivå, som skolen vurderte, men som ikke endte opp i modellen.

Bellarmine, som enhver skole som jobber med prediktiv modellering, visste at de ikke kunne ta hensyn til hver eneste faktor som kan bidra til at en student slutter. De kunne imidlertid bruke disse viktige faktorene, som historisk har vist seg å indikere frafall, og bruke dem som verktøy sammen med de andre ressursene som er tilgjengelige for å forbedre kommunikasjon og tiltak når det gjelder frafall.

 

Mer enn bare dataene

Det spiller ingen rolle om en skole endrer hele sin teknologiske infrastruktur for å identifisere de studentene som trenger hjelp, hvis skolen faktisk ikke kan hjelpe de. Det må være effektive støttesystemer som gjør at skolen kan gå inn og gjøre en forskjell. Tilpasninger kan selvfølgelig gjøres, men strukturen for støtten må være på plass. En skole kan ikke begynne fra bunnen av med støtte når de er nødt til å gjøre en påvirkning umiddelbart.  

En grunn til at Bellarmine hadde suksess med dataene de brukte, var fordi de også hadde støttesystemer på plass som de visste kunne hjelpe de studentene som ble indentifisert med behov for støtte. Målet for skolens Student Success Center er at studentene skal finne suksess i løpet av deres første år og vedlikeholde det til endt utdanning.

Noen skoler tar reaktive skritt for å forbedre seg. For eksempel, offentlige undersøkelser foretas og skolen anerkjenner at frafalls-tallene er høye, så de setter sammen noe for å løse problemet. De skolene som er mest suksessfulle, er de som er proaktive, og foretar justeringer som vil tilfredsstille undersøkelsene, men som også blir gjort fordi det er en del av skolens visjon, og ikke bare fordi de vil bli fulgt opp på området.  

Prediktiv analyse kan begynne med å se på feiltrinn i fortiden og prøve å fikse dem for fremtiden … men den fremtiden kan innebære å se tilbake til suksessene fra fortiden og prøve å gjenta det som fungerte.

Er du interessert i å lære mer om prediktiv analyse, les mer her

Data Analytics: En løsning for flere bransjer

Data Analytics: En løsning for flere bransjer

Vi lever i en verden full av data. Enorme mengder transaksjoner skjer hver dag og det kan fort bli overveldende med store data mengder. Et data analyseverktøy bidrar til å strukturere dataene og skape nytteverdi fra tallene dine. Analyse er avgjørende for å forstå hvorfor en organisasjon oppfører seg som den gjør og hvor fremtiden din er på vei.  

Alle organisasjoner kan dra nytte av analyse

Data analytics er ikke eksklusivt for kun en bransje, da alle organisasjoner har stor nytteverdi av sine data. For leverandører som selger sine produkter gjennom salgsavdelinger eller store nettverk av forhandlere og distributører, har dataanalyser blitt et sentralt element i deres beslutningsprosess. Mens flere organisasjoner forstår at avanserte analyser kan forandre hvordan virksomheten deres fungerer, har flere enda ikke oppdaget verdien av å utnytte dataanalyse.

Å forbli konkurransedyktig i dagens globale økonomi, er ikke en lett oppgave. Med stigende driftskostnader og store fragmenterte datamengder, har bedrifter utfordringer knyttet til å nå sine mål. Så hvordan skal de håndtere sine utfordringer? Under kan vi se hvordan data analytics viser sin allsidighet i forskjellige bransjer.

Produksjon

Er produsenter oppdatert på dagens teknologi? Med nye fremskritt som automatisering, virtuell virkelighet og additiv produksjon, må produsenter kunne revurdere og overvåke de gamle prosessene og gi plass til det nye. Ved hjelp av bransjespesifikke måleindikatorer kan analyser bidra til å spore den generelle ytelsen til forretningsprosessene dine, og styrke din interne struktur for å analysere effektivitet, kostnad og produktivitet på tvers av KPIer. Med en tilnærming til en grundig dataanalyse og bruk av praktisk erfaring, kan produsenter optimalisere deres supply chain, redusere driftskostnader, kontrollere utgifter, administrere lagerbeholdning og forbedre driftseffektiviteten.

Distribusjon

Distributører står ofte overfor en overflod av data, spesielt data som fokuserer på lagerbeholdningen. Det alle streber etter, er å alltid vite hva som er på lageret, hva det er verdt, og hvor mye det koster å holde det der. Når det gjelder emballasje og distribusjon, hjelper dataene distributører med å opprettholde et konkurransefortrinn, som de trenger for å møte sine marginer og vekstmål. Ved hjelp av en datastyrt tilnærming kan organisasjoner fokusere på å bestemme de sanne kostnadene og oppdage hvordan deres innsikt (eller mangel) kan påvirke lønnsomheten.

Utdanning

Hvordan kan universiteter måle studenters suksess? Med robuste analyseverktøy for høyere utdanning, kan data-dreven innsikt integreres i ulike organisasjonsprosesser. Med et analyseverktøy har du muligheten til å se hvordan studentene dine presterer og lære hvordan du kan forbedre deres studietid, både faglig og personlig. Hvordan? Start med å spørre deg selv hva du vil vite om studentene.

Vil du vite hvordan studentene bruker fritiden sin? Kanskje de har en jobb ved siden av studiene. Eller kanskje de driver med sport. Når du vet hva du leter etter, kan du opprette måleindikatorer som er spesifikke for hver kategori du vil utforske. Informasjon som du vil se nærmere på kan omfatte: kurs, økonomisk hjelp, ekstra kursordninger, osv. Dette vil i sin tur hjelpe din høgskole med studentrekruttering, studentretensjon, studiepoeng, økonomisk rapportering og prediktiv analyse for å identifisere potensielle problemer.

Valget er ditt

Suksess er betinget av tilnærminger for samarbeid som gir klar, handlekraftig innsikt som bygger tillit til brukerne dine. Enten organisasjonen din er fokusert på å øke effektiviteten, redusere kostnadene, optimalisere fortjenesten eller oppnå betydelig vekst, vil suksessen din bestemmes av din evne til å fremskaffe kilder og analysere data.