Chip 和 Dan Heath是畅销书“Made to Stick”和“Switch”的作者，他们曾说过：“数据只是成千上万个故事的总结。” 确实，但摘要并不是故事本身，尤其是在学生保留率方面。

故事更加复杂和微妙。分析数据会产生信息——更好地理解故事。它还可以预测接下来的章节和续集会发生什么。对于许多使用数据来帮助提高保留率和学生支持的高等教育机构来说，这是一个缺失的难题。

考虑一下这个数据点：超过 40% 的社区大学学生既没有完成大学学业，也没有转学到另一所学校。虽然该数据点是无数学生故事的总结，但它只是：总结;40% 以上的高等教育旅程的终点​​。

但是，如果我们查看其他数据以更好地理解将我们带到这一点的故事呢?如果我们查看辍学学生并分析他们在大学期间的表现会怎样?如果我们收集的信息可以告诉我们学生在决定离开之前与他们的目标、课程和课程脱节的那一刻会怎样?

可以。

更好的是，通过了解学生数据告诉我们的知识，机构和工作人员可以在为时已晚之前进行干预并提供必要的个性化支持。

让我们讨论如何准确地分析数据可以提高高等教育中的学生保留率和学生支持：

预测的力量

在提高学生保留率和学生支持方面，数据的作用可以归结为一种能力：预测能力。预测分析利用学生数据不仅可以识别需要帮助的学生，还可以识别阻碍他们成功的障碍。

预测分析使用学生数据(例如考试成绩、参与度以及社会经济和人口统计因素)来分析和识别每个学生的风险水平，以及何时需要干预以确保成功。

假设我们有一个学生突然停止上课。通过高等教育公平解决方案，教授和工作人员可以轻松地注意到学生的缺勤情况，并将其编入该人的学生风险数据中。虽然学生没有上课，但学生仍然按时交作业。该数据也可以编译。

如果分配完成，单独作为单个数据点的缺席可能不会引发标志。但更广泛的风险分析将揭示，一些障碍仍然阻碍了学生实际上课的能力，这会损害学生学习和最大程度地取得成功的能力。

预测分析和分析学生数据不仅可以预测减员风险，还可以为顾问和成功教练提供主动干预机会和洞察，了解学生可能需要什么支持才能成功地继续他们的高等教育之旅。

主动干预提高学生保留率

通过分析数据，您可以在每个学生的字里行间阅读。这让您可以看到学生的路径以及他们的去向。当该路径偏离轨道时，您可以在为时已晚之前进行干预。

主动干预是提高保留率和学生成功的有力因素。Noel-Levitz 的一项研究发现，学生满意度和保留率的两个重要因素是顾问表现出的知识和关注。

大数据允许顾问在学生放弃高等教育之旅之前展示知识和关注。例如，科罗拉多州立大学决定利用大数据进行主动的学生干预。结果，该大学将其保留率从 82% 提高到 86%，并将毕业率从 62% 提高到 66%。

需要注意的是，所有校园部门和系统的闭环可追溯性对于全面了解学生及其需求至关重要。如果没有完整的洞察力，您的努力就无法发挥其全部潜力。

另一方面，使用人工智能驱动的学生成功软件可以告诉你现在的整个故事和未来的情况。

学生跑偏时踩刹车

成功教练可以自动洞察哪些学生最需要他们的支持。数据解决方案可以将学生归入风险类别，他们的顾问可以优先考虑中高风险范围内的学生。

中央卡罗来纳社区学院学生学习主任Jairo McMican将这个过程比作汽车刹车。成功教练的作用就像是学生走上失败快车道的刹车。如果没有正确的信息，成功教练就无法洞察哪辆车正在撞车。

提高学生保留率和学生成功率是一项由多个组成部分协同工作的努力。数据产生的信息有助于更好地了解学生去过的地方和要去的地方。通过高等教育软件和保留解决方案，教职员工可以了解学生的需求、他们面临的挑战以及在他们退出之前如何最好地帮助他们。

超过十分之四的社区大学生辍学。如果高等教育机构采用正确的工具来重写故事，那么这种结果可能会改变。