制度分析的现代框架

分钟阅读

一个有效的机构分析项目对于提供积极主动的学生服务和为战略行动提供信息至关重要。利用描述成熟数据和分析程序元素的现代框架可以帮助学院和大学获得可操作的见解。

屏幕上有图形和齿轮跳出来
图片来源:theromb / Shutterstock.com©2023

对于高等教育机构来说,利用分析的力量——利用数据来告知和主动指导机构的行动和决策——不再是一个可选的“额外”。强大的分析能力已经成为高校提供学生期望的服务、预测和应对变化的必要条件。

在2023年万博官方手机版登录十大IT问题文章,十大问题中有四个涉及数据和分析。文章强调了数据收集和数据使用的重要性:

分析学的领导者们正在努力创建“超智能机构”。对于一所学院或大学来说,数据和技术一样不可或缺。但是,使数据对现代管理至关重要的是对数据的使用。今天的数据专业人员专注于与管理层合作,以完成从“什么”到“那么什么”再到“现在什么”的数据之旅(第7期)。特别是,努力集中在改善学生体验(第4期)和扩大入学人数(第6期)上。脚注1

许多机构正处于数据和分析使用演变和实现这一愿景的交汇点。虽然一些国家已经成功实施了强有力的机构分析项目,但其他国家仍在努力找出需要整合的部分,以有效地向前发展。本文提出了一个现代框架,着眼于一个成熟的数据和分析程序的要素,以及在利用数据提供可操作的战略见解方面发展机构能力所需的指导原则和关键能力。

了解当前的机构分析能力

学院和大学获得的数据比以往任何时候都多。数据和复杂的分析通常用于通知招生,学生保留和其他关键领域。建立更复杂的机构仪表盘的工作可能正在进行中。

虽然这些都是学院或大学在数据和分析使用方面成熟的积极和重要步骤,但在使用数据为机构决策提供信息、跟踪关键kpi和评估战略成果方面,通常缺乏数据素养、透明度和一致性的共享文化。有些数据通常仍然无法访问,或者被视为特定数据所有者的权限。很多时候,数据科学家和分析师的主要关注点是注册和合规性报告,为其他领域留下了有限的带宽。对数据治理程序的需求可能越来越大。

了解机构在其分析旅程中所处的位置是一个重要的起点。这样做的一种方法是利用EDUCAUSE“分析机构自我评估”来帮助建立对当前机构分析成熟度的共同理解。脚注2该工具可以使关键利益相关者(包括学院和大学领导)之间的讨论集中起来,以建立对当前机构能力、方法、优势和差距的共同理解。

支持整个机构的分析和知情决策

图1显示了一个四象限的数据和分析成熟度模型,它说明了机构如何使用报告和分析。

图1所示。数据和分析成熟度模型
4盒。战略报告:评估、评价;“我们是怎么到这儿来的?”战略分析:计划、预测、测试“我们如何从现在开始前进?”操作报告:计数、观察、测量;“我们在哪儿?”运营分析:理解;“来到这里意味着什么?”

数据和分析成熟度模型可以用来评估用于计划、预测、测试和理解的分析的广泛使用,以及用于评估、评估、计数、观察和测量的分析的更集中的使用。例如,虽然目前在招生和保留方面可能有一些有限的运营和战略分析使用,但运营报告通常仍然是使用和共享数据的主要方式。分析专业人士擅长通过计算、列举和衡量申请、注册、住房分配和gpa来衡量一个机构及其学生的状态。虽然这无疑是日常工作的基础,但运营报告只是高校可以从其机构数据中释放的价值的一小部分。

机构利益相关者如何管理、使用和从数据中获取可操作信息的成熟依赖于对数据和分析的结构组织的重新思考。协调的方法包括坚持八项核心指导原则,并在八个关键能力领域解决机构的执行能力。

指导原则

以下八个原则可以帮助创建必要的基础,以便在整个机构中利用数据获得可操作的见解。

  1. 数据应该是及时的每周、每天、每小时——只要需要,随时保持最新状态和更新。
  2. 数据应该是一致:确保定义、计算、含义和解释是标准化的,并且测量、预测和度量是基于通常理解的概念。
  3. 数据应该是信任:已经过功能领域的验证和支持,并有意采取步骤持续确保数据准确性。
  4. 数据应该是相关:对最紧迫和最重要的问题提供适当程度的细节和洞察力。
  5. 数据应该是互动:支持用户通过动态仪表板和报告进行直接探索,包括从汇总数据向下钻取到详细信息的能力。
  6. 数据应该是连接:将数据转化为可直接用于驱动战略和运营决策的信息,并在机构层面设置分析优先级,并与战略计划保持一致。
  7. 数据应该是访问:在适当的时间向需要的人提供对相关信息的访问,并能够根据需要和适当的情况向上或向下挖掘。
  8. 数据应该是可操作的:解决数据和分析成熟度模型中涵盖的所有类型的问题,以支持数据知情的决策。

原则8也许是最重要的。可操作的数据应该能够提供见解并为战略提供信息,而不是描述已经发生的事情。可操作的数据可用于为决策提供信息和指导机构行动。

关键技能

使用这八个指导原则,机构需要能够成功地执行图2中所示的八个关键能力中的每一个。这将使数据和分析程序成熟,并使机构领导者能够充分利用可操作的信息来为他们的决策提供信息。

图2。关键技能
流程图。数据加上数据治理、文化、分析、数据素养、报告、技术和人员相结合,输出:可用于知情决策的可操作信息。

数据

需要建立一个现代化的机构数据环境,将机构信息整合到一个存储库中。关键机构记录系统的数据需要经常流入这一环境,并以便利报告和分析的方式加以组织。脚注3.这种机构数据需要能够使用外部数据源进行充实,例如全国学生交流中心,联邦教育数据集,以及与其他机构签订的自愿数据共享协议中提供的数据。

应该注意不要让完美成为进步的敌人。鼓励机构渐进地处理这项工作,将决策视为可逆的,并且在没有所有答案的情况下轻松地向前推进。数据架构和建模的历史方法通常过度关注预先设计和复杂性。在数据旅程的后期,避免大型供应商决策和实现可能也是明智的。

数据治理

需要与数据管理员和机构领导建立和维护一个可行的、协作的数据治理流程。这一进程应侧重于标准化和政策的双重目标。标准化工作包括定义术语、确定计算和表示数据。同时,涉众应该就识别群体、群体和队列的标准达成一致,并应该为过滤和选择创建通用术语。

文化

在所有功能领域的数据专家之间建立万博体育全站官网强大的社区对于打破围绕数据的制度障碍和孤岛非常重要。一个关键因素是将企业文化从数据文化转变为数据文化所有权走向其中之一共享管理。这种文化转变对于建立对单一机构数据存储库的信心和信任至关重要,并得到对数据质量的共同关注的支持。

分析

分析学,即对汇总数据进行统计和数学分析的实践,需要从一个孤立的活动转变为一个由内阁指导的、全校范围的战略重点。分析团队必须被视为创新的中心,而不仅仅是一个报告和遵从功能。随着机构在这方面建立能力,对第三方供应商支持的依赖可能会减少。然后,供应商可以主要关注外部比较和见解,而内部资源可以专注于最好地了解有关机构的信息。

数据读写

一项在教职员工和学生中培养数据素养和技能的计划——包括对那些在工作中使用数据分析的人的培训和支持——将有助于创建更实质性的数据文化。需要在整个组织中制定数据素养的基线,以确保关键利益相关者具备阅读、理解和在上下文中交流数据的能力,并对用于从数据中提取意义的底层方法有共同的理解。鉴于现有的数据比过去多得多,机构需要做出相应的努力,以确保人们拥有正确理解和利用这些数据的技能。

也有一种倾向倾向于过去的制度知识或历史,相信一个制度的真正知识在于人民的观点,而不是数据。但是,知识有不同的类别,机构领导者不应该回避对数据以及利用数据所必需的分析和统计过程进行更深入的理解,即使这样做会挑战历史上的机构知识和信仰。

报告

报告是交付机制,无论是静态列表还是动态仪表板。这是提供可操作数据过程中的关键一步。分析专业人员必须使用现代可视化工具开发报告机制,这些工具可以直接与领导层联系,以便从数据中获得战略价值。

技术

技术是数据分析程序的基本组成部分,涉及用于收集、存储和分析数据的系统和工具。这包括数据仓库、可视化工具和机器学习平台。该机构需要投资建立一个健壮的现代数据仓库环境。学院和大学应该考虑使用商业、数学和计算机科学课程中教授和支持的工具,为教师和学生参与分析工作创造机会。

成功地执行这些能力需要拥有正确的组织、技能集和重点,并将数据和分析工作设想为跨机构的活动。数据分析团队需要多种技能,包括数据素养、数据治理、分析和可视化,以及变更和项目管理。通过了解当前的分析能力,并努力建立一个成熟的数据和分析程序,利益相关者可以有效地利用数据来告知决策并改善学生体验。许多适合这项工作的人可能已经是项目的一部分,但学院和大学必须有最好的结构和支持机制来支持他们的努力。

将这些概念付诸行动

当数据和分析成熟度模型、八项指导原则和八项关键能力共同使用时,提供了一个现代框架,可以帮助评估、讨论和开发机构分析的战略方法。

尽管每个机构都是不同的,但大部分工作都始于采用集中的思维方式:

  • 将数据、报告和分析团队重新设想为一个单一的、全校范围的提供商,具有明确定义的领导责任和与机构目标一致的强大的服务导向使命。
  • 确保有才能的员工能够作为一个协调、协作、一致、高效和可扩展的团队一起工作。在有意利用战略性第三方伙伴关系的同时,投资于团队内部分析能力的增长。
  • 授权并支持该团队领导机构数据治理和数据素养工作,解决政策和文化问题。
  • 利用IT组织中的技能和技术,并将IT团队作为这项工作的战略合作伙伴。

成熟的机构分析框架有助于支持“超智能机构”的愿景,这需要努力。运用现代制度分析框架的一些概念,有助于为成功提供一条途径。

笔记

  1. Susan Grajek和2022-2023年教育信息技术问题小组,《2023年十大IT问题:基础模型》万博官方手机版登录2022年10月31日。回到正文的脚注1。
  2. EDUCAUSE,"分析机构自我评估"2021年7月29日。回到正文的脚注2。
  3. 参见Betsy Tippens Reinitz等人,2022年EDUCAUSE地平线报告:数据和分析版研究报告(Boulder, CO: EDUCAUSE, 2022)。附录列出了一些很好的资源,可以帮助您了解更多关于现代数据架构的知识。回到正文的脚注3。

David Weil是伊萨卡学院首席信息官。

凯西肯德尔是伊萨卡学院应用与基础设施的执行主任。

罗伯·斯奈德是伊萨卡学院企业应用、数据和集成系主任。

©2023 David Weil, Casey Kendall和Rob Snyder。本作品的文本是根据a知识共享BY-NC-ND 4.0国际许可协议。