Poprawa wyników studentów dzięki analizie danych
Edukacja
Technologie
Wyzwania
Uczelnia borykała się z wieloma wyzwaniami operacyjnymi i akademickimi:
Brak scentralizowanych informacji na temat zaangażowania i wyników studentów utrudniał szybkie identyfikowanie i wspieranie studentów zagrożonych niepowodzeniem.
Alokacja sal wykładowych była nieefektywna, co prowadziło do przepełnionych sal wykładowych i niedostatecznego wykorzystania sal seminaryjnych.
Dane akademickie, finansowe i administracyjne były przechowywane w odseparowanych systemach, co utrudniało kompleksową analizę wyników i podejmowanie decyzji.
Brakowało mechanizmu umożliwiającego przewidywanie trendów zapisów, co utrudniało dostosowanie zasobów do zapotrzebowania ze strony studentów.
Rozwiązania
Aby rozwiązać te wyzwania, stworzyliśmy solidny ekosystem analityczny oparty na technologiach Microsoftu:
Scentralizowana integracja danych:
-
Zunifikowane dane akademickie i operacyjne za pomocą Azure Synapse Analytics, umożliwiając uproszczony dostęp do informacji historycznych i w czasie rzeczywistym.
-
Azure SQL Database zapewniła niezawodny i skalowalny magazyn danych transakcyjnych.
Analityka predykcyjna:
-
Wdrożono modele Azure Machine Learning do przewidywania ryzyka rezygnacji z nauki, analizując frekwencję, oceny i wskaźniki zaangażowania.
-
Zintegrowano użyteczne wnioski w pulpitach nawigacyjnych Power BI, umożliwiając doradcom akademickim proaktywne interweniowanie i udzielanie spersonalizowanego wsparcia.
Optymalizacja zarządzania zasobami:
-
Analizowano dane o wykorzystaniu przestrzeni w celu zaprojektowania zoptymalizowanych harmonogramów i przydzielania sal wykładowych na podstawie przewidywanych wzorców frekwencji.
Raportowanie operacyjne:
-
Opracowano raporty Power BI, które dostarczają decydentom przegląd trendów zapisów, wyników finansowych i alokacji zasobów.
Rezultaty
Uczelnia osiągnęła wymierne poprawy w swojej działalności i sukcesach studentów:
Strategie optymalizacji zasobów poprawiły wykorzystanie sal wykładowych o 40%, co przyczyniło się do obniżenia kosztów związanych z nieefektywnościami.
Pulpity nawigacyjne Power BI dostarczyły liderom uczelni narzędzi do podejmowania decyzji opartych na danych, zwiększając ogólną efektywność instytucji.
Modele predykcyjne umożliwiły administratorom prognozowanie zapisów i odpowiednie przydzielanie zasobów, co poprawiło planowanie strategiczne.