EDUCAUSE快速调查结果:(重新)为今天的分析组织数据功能

EDUCAUSE正在通过共享现有数据和从高等教育界收集新数据，帮助机构领导人、技术专业人员和其他工作人员解决他们面临的紧迫挑战。本报告基于EDUCAUSE快速民意调查。QuickPolls使我们能够快速收集、分析和分享来自社区的关于特定新兴主题的输入。^脚注1

所面临的挑战

高等教育机构正面临着对易于消费格式的现成数据和分析的日益增长的需求。^脚注2再加上新的分析技术的兴起，这种需求为机构提供了一个做出数据知情决策的机会。然而，为了让基于数据的决策高效有效地发挥作用，机构需要能够支持这些数据能力的人员和结构。在这次快速投票中，我们试图了解机构是如何组织和配备人员来支持数据和分析的使用，并考虑如何改进这些功能的结构。

底线

虽然很少有受访者(25%)认为他们所在机构目前的数据职能结构对于满足数据和分析需求是理想的，但好消息是，这些职能已经得到大多数机构的支持(并且位于其组织的显著位置)。虽然机构对数据和分析的使用还没有成为文化的一部分，只有少数受访者(16%)报告说，这些职能是协作和内聚的，但机构已经准备好利用这些机会来构建这些职能，以满足利益相关者的需求。

数据:数据函数的当前状态

大多数机构支持每种数据功能，但这种支持因FTE规模而异。我们要求受访者报告他们的机构是否有一名或多名工作人员致力于支持以下五个数据功能:

• 制度研究:提供数据，进行研究和分析，支持机构
• 商业智能:收集、存储、报告和分析数据，以帮助机构做出决策
• 分析:分析数据以获得洞察力，并对复杂问题做出明智的决定
• 数据治理:开发管理机构数据的流程和方法
• 学术/机构的效力:促进持续的、综合的、全机构范围的规划和评估过程

大多数受访者(97%)表示，他们的机构有一名或多名工作人员致力于支持这五项职能中的至少一项。如图1所示，机构研究(IR)是被超过90%的受访者最常选择的功能。尽管商业智能(BI)、分析、数据治理和学术/机构有效性不那么普遍，但它们仍然是机构的突出特征。对于所在机构的每个数据功能，受访者还被问及每个功能是集中的(员工被组织在同一个办公室或部门内)还是分散的(员工被组织在整个机构的不同办公室或部门)。主要集中了三个功能:制度研究、数据治理和学术/制度有效性。商业智能和分析主要是去中心化的。

表示院校有职员支援各项职能的受访者的百分比，一般随全职教师人数的增加而增加。与全日制学生人数达15,000人或以上的院校相比，全日制学生人数少于2,000人的院校较少表示有员工负责以下各项职能:

• 机构研究:100%(全日制学生15,000或以上)vs 58%(全日制学生少于2,000)
• 商业智能:88%对33%
• 分析:83%对50%
• 数据治理:75%对17%
• 学术/机构有效性:75%对67%

这些观察到的差异可以用这些机构现有资源的类型和数量的差异来解释。

大多数集中式数据功能位于技术部门，由高级领导层直接监督。对于集中功能，受访者被要求说明每个数据功能在其机构中的位置。排名前三的地点分别是技术、数据和分析以及学术部门。机构研究主要位于数据和分析部门(30%)和学术部门(30%)，而商业智能和数据治理最常位于技术部门(分别为58%和48%)。不出所料，超过三分之一(37%)的分析功能是在数据和分析单元中组织的，但紧随其后的是技术单元(35%)。学术/机构有效性功能主要位于学术单位(47%)。(见图2。)

那些在职能集中的机构工作的受访者还被要求指出哪个最高职位直接监督每个职能。在这五项职能中，有四项(机构研究、分析、数据治理和学术/机构有效性)通常由副总裁/高级副总裁(VP/SVP)直接领导。商业智能部门最常向经理或总监报告，其次是副总裁/高级副总裁。(见图3。)

数据:疗效、操作和使用

目前的数据函数结构尚未实现其全部潜力。总体而言，只有25%的受访者认为，他们所在机构目前的数据职能结构——职能向谁报告，职能位于哪个区域，以及职能是集中还是分散——对于满足机构的数据和分析需求是理想的(见图4)。

受访者认为他们的机构目前的结构是满足数据和分析需求的理想选择，他们被要求描述当前结构有效的方式。^脚注3.受访者(n=21)描述了文化特征，如跨职能部门有共同的使命或方法，他们还列举了当前结构对整个机构的好处。

• “集中分析、研究和数据工程部门有助于标准化结果和简化工作流程。”
• “事实证明，共同承担责任比以前的专门组织更有弹性。”
• “作为一个直接向大学校长汇报的单位，我们的团队有灵活性和必要的权力来收集、调整和分发数据，以支持行政决策、战略规划和行政沟通。”
• “部门之间和部门内部的合作和讨论有助于丰富数据和分析演示。”

受访者认为他们的机构目前的结构不适合满足数据和分析需求，他们被要求描述当前结构不能满足这些需求的方式。回应者(n=65)的主题集中在与分散结构相关的挑战:重复工作、支持功能的任务和预算不一致、缺乏标准化的数据策略以及有限的合作。

• “数据策略需要集中。每个分散的单位都有自己的战略，这导致竖井和单位变得领地化。”
• “中央IT部门与数据和分析部门不属于同一个部门。这种差异造成了目标的错位和优先级的竞争，使得很难获得所需的数据和分析支持。”
• “虽然IT部门集中了技术专家，但没有中央部门积极推动其他部门的数据需求。我们以相对被动的方式运作。”
• “对于我们如何从制度上使用数据，缺乏集中的使命和目的，这使我们无法确定支持校园数据使用的最佳方式。”
• “IR和IE的分析师分属不同的部门。在这些部门执行数据战略时，几乎没有来自IT部门的技术指导或有效监督。此外，去中心化的BI导致了大量的真相来源，以及设置BI优先级的极其混乱的方法。”

目前的结构还不够理想，特别是对于分散的职能而言。在集中的数据功能中，34%至57%的受访者认为机构目前的结构无法满足数据和分析需求。相比之下，在分散的数据功能中，38%至71%的受访者认为他们目前的结构并不理想，无法满足机构的数据和分析需求。(见图5。)

大多数数据功能在实践中是一致的，但很少有机构扩展了它们的使用。当被问及他们所在机构的数据功能如何运作时，超过三分之二(68%)的受访者表示，这些功能在一定程度上是一致和协作的，但仍然是不同的。其余的受访者分为两个极端:16%的人表示，这些职能是协作和内聚的;15%的人表示，每家公司都是独立运作的。

在使用数据和分析时，只有10%的受访者报告说，分析的使用已经在整个机构范围内扩展，数据是他们文化的一部分。虽然大多数受访者(59%)表示，他们的机构在使用分析方面有出色的表现，但近三分之一(31%)的受访者表示，数据和分析的使用才刚刚出现，并开始在他们的机构中发展。(见图6。)

数据(重新)组织数据功能

(重新)组织还是不(重新)组织，这是一个问题。各机构的领导人开始考虑如何改进其机构的这些数据职能结构。超过三分之一(37%)的受访者表示，他们的机构最近重组了一个或多个数据功能，超过一半(57%)的受访者表示，他们的机构没有重组，一小部分人不知道(6%)。在那些最近机构重组的受访者中(n=41)，他们这样做的原因主要包括创建一个新的角色、职位、办公室或部门;数据需求和功能的机构重新调整优先级;以及角色、职位、办公室和/或部门之间的合并。

此外，受访者还被问及他们的机构是否考虑在不久的将来重组一个或多个数据功能。28%的受访者表示他们正在考虑，32%的人表示他们没有考虑。大多数受访者表示他们不知道(41%)。对于那些报告他们的机构正在考虑重组的受访者来说，原因包括孤立的系统、流程或部门;数据需求和功能的机构重新调整优先级;以及无法充分利用数据。有一条评论特别概括了变革的动力:“将与分析和数据服务相关的所有功能结合在一起，在整个机构范围内专注于使用数据提供可操作的见解。我们拥有丰富的数据，但缺乏信息和洞察力;将这些小组聚集在一起作为一个集中的服务组织将(希望)为我们提供跨机构单位开发分析和度量的能力。”

共同的挑战

当涉及到数据功能和机构规模时，拥有和没有发挥作用。虽然大多数机构至少支持一项数据功能，但不同规模的全日制培训机构在提供支助方面存在差异。这可能是由于各机构可用资源的类型和数量。

目前(分散的)结构并不理想。虽然组织职能的区域和职能报告的对象在职能结构中同样重要，但在确定结构是否适合满足机构的数据和分析需求时，职能是集中还是分散发挥着更大的作用。分散的职能部门面临着许多集中的单位所没有的业务挑战。

跨职能操作是一项正在进行的努力。无论目前的结构如何，很少有机构实现了跨数据功能的协作和凝聚力。即使是那些报告了一些一致性和协作的受访者，也仍然存在差异，并且正在研究如何制定统一的数据策略。

有前途的实践

高层领导经常领导各个职能部门。由高级领导(总裁、c级、副总裁/高级副总裁)直接监督的数据功能参考了他们作为贡献者的可见性、访问权和权威，使他们的团队能够成功地满足他们机构的数据和分析需求。

数据和分析的使用在不断发展。尽管很少有机构已经扩大了对分析的使用，并且还没有看到数据使用成为其文化的一部分，但大多数机构已经建立了一些优秀的使用分析的地方，同时继续解决其他领域的数据差距。在数据和分析的使用刚刚出现并开始发展的地方，有机会检查数据功能是如何(或将如何)结构化的，以及它们如何跨功能操作，这将有助于实现更早和更广泛的成功。

EDUCAUSE资源

EDUCAUSE:Dave Weil, Casey Kendall和Rob Snyder，制度分析的现代框架

EDUCAUSE库:

• 分析
• 商业智能
• 2022 EDUCAUSE地平线报告|数据分析版
• 机构自我评估

AIR, EDUCAUSE和NACUBO:数据分析联合声明

CONNECT社区团体:

• 数据治理
• 学生成功分析从业者
• 制定和执行数据策略

笔记

1. QuickPolls没有EDUCAUSE调查研究那么正式。它们在一两天内收集数据，而不是几周，并允许及时报告当前问题。这项调查于2023年2月20日至21日进行，由18个问题组成，得到了177份完整的回答。投票邀请已透过EDUCAUSE连接平台为专注于IT领导、开发和执行数据策略以及学生成功分析的团体提供了平台。我们无法将反应与具体的机构联系起来。我们的样本代表了一系列机构类型和FTE规模，大多数受访者(90%)代表美国机构。跳到正文中的脚注1。↩
2. 看到2022 EDUCAUSE地平线报告|数据分析版2022年7月19日。跳到正文中的脚注2。↩
3. 为了可读性，直接引用被略加编辑。跳到正文中的脚注3。↩

---

阿什利·卡隆是EDUCAUSE的研究员。

她史密斯是EDUCAUSE的研究数据分析师。