Big Data in het Hoger Onderwijs
-
Upload
theo-bakker -
Category
Documents
-
view
84 -
download
0
description
Transcript of Big Data in het Hoger Onderwijs
![Page 1: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/1.jpg)
Latent talent in het Hoger Onderwijs
Gevolgen van ontwikkelingen in overheidsbeleid en IT voor institutional researchers
08 november 2012 - Theo Bakker - #LTDAIR
![Page 2: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/2.jpg)
• In 1863 vindt Geoffrey Rand de verftube uit.
• Opeens kunnen kunstenaarsveel langer in de buitenlucht schilderenen ervaren hoe de werkelijkheid er echt uit ziet.
• Het impressionisme is geboren.
Een impressie: de doorbraak van de verftube
![Page 3: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/3.jpg)
• Jullie staan nu voor soortgelijke revolutie:Big Data.
• Wat betekent Big Data in de hedendaagse context van het HO?
• Wat betekent dit voor jouw rol als institutional researcher in dat werkveld?
Een impressie: de doorbraak van Big Data
![Page 4: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/4.jpg)
Een impressie: wie is Theo Bakker
Theo Bakker
Uva
Deloitte
Uva - FGw Vrienden Familie
Studie theologie Studie informatiekunde
Theo Bakker, [email protected], 06-10999307 bron: LinkedIn maps
![Page 5: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/5.jpg)
Belangrijkste ontwikkelingen op hoofdlijnen
Het primaire proces wordt digitaalMeer doen met minder (in geld en aantallen studenten)
![Page 6: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/6.jpg)
Onderwijslogistiek
Bedrijfsvoering
Onderzoekslogistiek
Onderwijs Onderzoek
Studiesucces E-science, publicaties & valorisatie
Intern
Extern
1
2
3
0
Business Intelligence / Institutional research
Learning analytics
Ranking
Efficiëntie
Effect
}}
Concurrentievoordeel
Onderwijs Onderzoek
Gebruik van ICT in het HO wordt volwassen
![Page 7: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/7.jpg)
Maar inkomsten lopen terug voor zowel instellingen als studenten (en hun ouders)... Br
on: w
ww.
sax.
nu -
02-1
1-20
12
![Page 8: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/8.jpg)
... en mogelijkheden en plichten voor besteding van middelen zijn divers en complex.
IR
HO
Overheid & InstellingOnderwijsOnderzoekMaatschappij
ITKetens & cloudData
Informatietechnologie
StudentenDraadloos & mobiel
Sociale netwerken & persoonlijke IV
Interactief & individueel
plichten & doelstellingen
mogelijkheden & beloftes
plichten & doelstellingen
wensen & verwachtingen
![Page 9: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/9.jpg)
Tot 2020 zijn er heel wat uitdagingen
2012 2013 2014 2015 20202016 2017 2018 2019 20232021 2022
demografische afname studenten NL
nieuwe Europese verordening
over privacy en databeveiliging prestatie-afspraken
instellingsaccreditatie
succesvolle e-learning strategie
instellingsaccreditatie (reparatie)
aant
alle
n st
uden
ten
studiekeuzegesprekkenstudiebijsluitersallianties/fusiessociaal leenstelsel
deeltijd vouchers
incidenten
![Page 10: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/10.jpg)
Hoe kan Institutional Research zich gericht ontwikkelen en optimaal bijdragen aan efficiëntie en effect in het Hoger Onderwijs?
Wat moet de institutional researcher in deze context doen of laten?
Systemen
Efficiëntie
Studenten
Effectiviteit
HO
![Page 11: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/11.jpg)
De stand van zaken in de ontwikkeling van het gebruik van data in de informatievoorziening aan studenten
Processen worden digitaal, persoonlijk en sociaal Behoefte aan informatie verschuift naar voren in processen
Data staat centraal in strategievorming en uitvoering
![Page 12: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/12.jpg)
Alles wat digitaal kan worden wordt digitaal: ook het primaire proces zelf
12
• Processen worden gestandaardiseerd en gedigitaliseerd
Proces Systemen
Efficiëntie
![Page 13: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/13.jpg)
Alle informatievoorziening wordt persoonlijk en sociaal
13
• Processen worden gestandaardiseerd en gedigitaliseerd
• Systemen leveren op maat informatie aan studenten en medewerkers
• Het gebruik biedt kansen voor verbetering van efficiëntie. Maar vooral voor verhoging van effectiviteit.
Proces Systemen
Efficiëntie
Student
Effectiviteit
Business Intelligence
Analytics
![Page 14: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/14.jpg)
Voorbeeld in retail: Albert Heijn
14
• De inkoop is gestandaardiseerd en gedigitaliseerd (1995)
• Systemen zorgen ervoor dat de bevoorrading just-in-time is.
• Het gebruik van producten wordt vastgelegd met de Bonus kaart. In 2012 lanceert AH de persoonlijke aanbiedingen (zoals Tesco al heeft gedaan, met 20% succes in plaats van 4% op ‘retention’).
Inkoop Bevoor-rading
Efficiëntie
Bonus-kaart
Effectiviteit
Business Intelligence
Analytics
![Page 15: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/15.jpg)
Voorbeeld in retail: Bol.com
15
• De inkoop is gestandaardiseerd en gedigitaliseerd (1999)
• Systemen zorgen ervoor dat de bevoorrading just-in-time is of digitaal.
• Het gebruik leidt tot persoonlijke aanbevelingen (Bol.com is first mover in Nederland; Selexyz is bijna failliet: AH koopt Bol.com ...).
Inkoop Online shop
Efficiëntie
Pers. aanbev.
Effectiviteit
Business Intelligence
Analytics
![Page 16: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/16.jpg)
Het Hoger Onderwijs loopt 10/15 jaar achter in IV ontwikkeling
16
• Processen worden met moeite gestandaardiseerd en gedigitaliseerd in het secundaire proces
• Systemen zijn aanwezig, maar worden nog weinig in samenhang gebruikt
• Het gebruik wordt onvoldoende benut
Proces Systemen
Efficiëntie
Student
Effectiviteit
Business Intelligence
Analytics
![Page 17: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/17.jpg)
VWO
MAO
Nominaal BAO
HAVO
1
2
HBO VO
MA'O
Niet-nominaal BA'O VP
Langstudeerders
L
LV
Langstudeerders
3
2
O = OriëntatieV = VertragingL = Langstudeerder
Informatiebehoefte verschuift naar voren in de studieloopbaan
17
![Page 18: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/18.jpg)
En naar voren in het leerproces
Studie-voortgang
Onderwijs- voorbereiding
week -1
3 maanden
Resultaat verwerkt
SIS
Normatieftoetsen
2 weken
SIS
Formatieftoetsen
1 week
LMS
Onderwijs
dag 1
LMS
18
![Page 19: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/19.jpg)
Wat betekent dit voor het speelveld van de institutional researcher?
IR
HO
Overheid & InstellingOnderwijsOnderzoekMaatschappij
ITKetens & cloudRekenkracht
DataInformatietechnologie
StudentenDraadloos & mobiel
Sociale netwerken & persoonlijke IV
Interactief & individueel
plichten & doelstellingen
mogelijkheden & beloftes
informatievoorziening naar ‘boven’
alignment van strategie en IT
optimaal gebruik van IT op persoonlijk niveau
plichten & doelstellingen
wensen & verwachtingen
informatievoorziening naar ‘boven’ en ‘onderen’
![Page 20: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/20.jpg)
Wat is er nieuw aan Big Data?
Volume, variety & velocity
![Page 21: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/21.jpg)
IR
Concrete
Abstract
Undiffused
Diffused
Unc
odif
ied
Cod
ifie
d
Social Learning Cycle van Boisot (1998)
1. Analyse Verzameling van
feedback van gebruikers
1
2. Codificering Verwerking van
feedback in systemen en procedures
2
3. Abstractie Reductie en
standaardisatie van informatiestromen
3
4. Verspreiding van informatie
4
5. Absorptie Ontvangst van informatie
via meerdere kanalen
5
6. Impact en gebruik van gegevens in
gebruikers-applicaties en
communicatie-middelen
6
Boisot 1998, Knowledge Assets: Securing Competitive Advantage in the Information Economy
Beleidsrichtlijnen
Institutional research
Beleidsuitvoering...
Data uit systemen
Business Warehouse
Dagelijkse werkelijkheid
HO
IT
IT
![Page 22: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/22.jpg)
Praktijkvoorbeeld - wetenschap
![Page 23: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/23.jpg)
Praktijkvoorbeeld - feedback op rijgedrag
• Radar geeft snelheid direct terug
• Bestuurder heeft referentie naar maximum snelheid
• Snelheid daalt met ca 10%
![Page 24: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/24.jpg)
Praktijkvoorbeeld - Nike+
• Sensor in Nike is verbonden met iPod/iPhone
• Directe feedback op tijd, afstand, energieverbranding
![Page 25: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/25.jpg)
Praktijkvoorbeeld - Purdue
Feedback op basis van gegevens uit Blackboard
Inloggen, cijfers, activiteiten in fora, etc.
![Page 26: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/26.jpg)
Concrete
Abstract
Undiffused
Diffused
Unc
odif
ied
Cod
ifie
d
SLC van Boisot - efficiency & effect (10%)
1. Analyse Verzameling van
feedback van gebruikers
1
2. Codificering Verwerking van
feedback in systemen en procedures
2
3. Abstractie Reductie en
standaardisatie van informatiestromen
3
4. Verspreiding van informatie
4
5. Absorptie Ontvangst van informatie
via meerdere kanalen
5
6. Impact en gebruik van gegevens in
gebruikers-applicaties en
communicatie-middelen
6
Boisot 1998, Knowledge Assets: Securing Competitive Advantage in the Information Economy
variëteit & volume
snelheid (velocity)Efficiency
Effect
IT
IT
E-maxHO
E-min
![Page 27: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/27.jpg)
Praktijkvoorbeeld - een Australische universiteit
uitval'
aangemeld'
toegelaten'
afgestudeerd'ingeschreven'
Manage'aantallen
Manage'kwaliteit
Instroom Aspirant
Doorstroom Student
Uitstroom Alumnus
Identificeer en stimuleer de beste match
Optimaliseer studieresultaat Identificeer en stuur
studiekwaliteit
Sluit aan bij het carrièrepad en
persoonlijke doelen
1 2 3 4 5
![Page 28: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/28.jpg)
Mogelijke bronnen voor relevante dataInput: 18.946 studenten (een Australische Universiteit), 516 attributen per student
1 2 3 5 4
![Page 29: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/29.jpg)
Clustering
Honours
Volwassen, deeltijd Gemiddeld Succesvol BA Blije internationale
Trage internationale
Worstelaars
Uitvallers
Betrokken, maar ontevreden
Ontevreden
Betrokken, agressief Niet betrokken
![Page 30: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/30.jpg)
Inzoomen voor het bepalen van beslisregels
12 cluster model (3 primary churn behaviours)
C 6
C 3
C 1
C 12
C 4
C 7
C 9C 10C 5
C 2C 8
C 11
34 cluster model, focussing on 8 Churn behaviours
Students: 662Age: 20Churn: 24%Marks: 30%Satisfied: 15%Response rate: 29.3%
Students: 218Age: 22Churn: 74%Marks: 39%Satisfied : 10%Response rate: 6.5%
Students: 232Age: 26Churn: 68%Marks: 40%Satisfied : 29%Response rate: 10.6%
Worstelaars
Uitvallers
Niet betrokken
Worstelaars – hoge kans uitval, lage kans uitval
Uitvallers – al vertrokken, nog binnen, etc.
Niet betrokken – tevreden, ontevreden, ec.
![Page 31: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/31.jpg)
Afstemming maatregelen op bevindingen
12 cluster model (3 primary churn behaviours)
C 6
C 3
C 1
C 12
C 4
C 7
C 9C 10C 5
C 2C 8
C 11
34 cluster model, focussing on 8 Churn behaviours
Students: 662Age: 20Churn: 24%Marks: 30%Satisfied: 15%Response rate: 29.3%
Students: 218Age: 22Churn: 74%Marks: 39%Satisfied : 10%Response rate: 6.5%
Students: 232Age: 26Churn: 68%Marks: 40%Satisfied : 29%Response rate: 10.6%
Voorlichting Intake Matching Begeleiding
a a
b c
d e Bewust bekwaam/ onbekwaam
Onbewust bekwaam/ onbekwaam
![Page 32: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/32.jpg)
Concrete
Abstract
Undiffused
Diffused
Unc
odif
ied
Cod
ifie
d
SLC van Boisot - efficiency & effect (10%)
1. Analyse Verzameling van
feedback van gebruikers
1
2. Codificering Verwerking van
feedback in systemen en procedures
2
3. Abstractie Reductie en
standaardisatie van informatiestromen
3
4. Verspreiding van informatie
4
5. Absorptie Ontvangst van informatie
via meerdere kanalen
5
6. Impact en gebruik van gegevens in
gebruikers-applicaties en
communicatie-middelen
6
Boisot 1998, Knowledge Assets: Securing Competitive Advantage in the Information Economy
variëteit & volume
snelheid (velocity)Efficiency
Effect
IT
HO
IT
![Page 33: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/33.jpg)
De transformatie van traditionele BI naar analytics
Prestaties meten en rapporteren
Data extractie & integratie
Data exploratie
Segmentatie / statisch clusteren
Voorspellende modellen
Optimalisatie, simulatie & scenario analyse
Analytics
Traditionele BI
Verkennen en ontdekken, toekomst voorspellen, actiegerichte inzichten
Feiten begrijpen, rapportage verleden en huidige prestatie
hindsight
insight
fore-sight
IR
![Page 34: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/34.jpg)
Effecten van digitalisering en big data op onderwijs en onderwijsdiensten
Enorme toename van online onderwijsOntbundeling van diensten - College as a Service
![Page 35: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/35.jpg)
Het grote geld richt zich op het Hoger Onderwijs
• Google / Microsoft - Khan Academy (200 lessen per seconde)
35
![Page 36: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/36.jpg)
Het grote geld richt zich op het Hoger Onderwijs
• Google / Microsoft - Khan Academy (200 lessons per second)
• Apple - iBooks 2.0 en iTunesU 2.0
36
![Page 37: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/37.jpg)
Het grote geld richt zich op het Hoger Onderwijs
• Google / Microsoft - Khan Academy (200 lessen per seconde)
• Apple - iBooks 2.0 en iTunesU 2.0
• Google - Apps for Education en zoekmachine voor onderwijsmateriaal
37
![Page 38: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/38.jpg)
Steeds meer facetten van het primaire proces worden digitaal
• Blended learning- herhaling materiaal door zittende studenten- oriëntatie voor aankomende studenten
• e-Learning- aanpassing materiaal aan leerstijl van de student (adaptive learning)- hoorcolleges digitaal door ‘superstars’ - vb. Sebastian Thrun 150.000 studenten Robotics- Massive Open Online Courses (MOOCs)
38
![Page 39: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/39.jpg)
DiplomerenDiplomerenNormatieftoetsen
Normatieftoetsen
Normatieftoetsen
NormatieftoetsenOnderwijs Formatief
toetsenOnderwijs FormatieftoetsenOnderwijs FormatieftoetsenOnderwijsOnderwijs Formatieftoetsen
Formatieftoetsen
Normatieftoetsen
Normatieftoetsen
Dit leidt ertoe dat onderwijsdiensten ontbundeld kunnen worden
Hoger Onderwijs
39
HO
![Page 40: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/40.jpg)
FormatieftoetsenOnderwijs
Onderwijs Formatieftoetsen DiplomerenNormatief
toetsenNormatieftoetsen
Normatieftoetsen
Normatieftoetsen
Normatieftoetsen
Normatieftoetsen
FormatieftoetsenOnderwijsOnderwijs
Dit leidt ertoe dat onderwijsdiensten ontbundeld kunnen worden en herbundeld
Hoger Onderwijs
Onderwijs Formatieftoetsen
Externe aanbieders
Diplomeren
40
HO
![Page 41: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/41.jpg)
En de ‘markt’ verstoord kan worden: disruptive innovation
41
tijd
kwaliteit
meest kritischeconsumenten
minst kritischeconsumenten
ondersteunende innovatieeen iets beter product in een bestaande markt
low-end disruptionte goed bediende klantenkiezen voor een goedkoper product
niet consumenten
nieuwe markt disruptionconcurreren tegen niet consumptie
tijd
ande
re p
erce
ptie
van
kw
alite
it
HO
![Page 42: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/42.jpg)
Wat is het businessmodel - college as a service?
42
• Imago building
• Valorisatie van top-onderzoek naar online onderwijs
• Optimalisatie van het onderwijsmateriaal en inzicht in studiegedrag
• Omkering van onderwijs en selectie(studenten uit BRIC landen)
• Verkoop van data aan bedrijven (met toestemming van deelnemers)
IRIT
HO
![Page 43: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/43.jpg)
Hoe kan een instelling haar institutional research transformeren van BI naar analytics?
Begin klein, maar denk grootOntwikkel binnen de instelling de nodige competenties
En investeer in latent talent
![Page 44: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/44.jpg)
Ontwikkel de nodige competenties
• Een op data gedreven cultuur- Op feiten gebaseerd leiderschap- Analytics wordt gebruikt als een strategische asset- Strategie en uitvoering worden geleid door inzichten
• Informatie Management- Solide informatie basis- Standardiseer data management- Maak inzichten breed toegankelijk
• Data analytics vaardigheden en tools- Ontwikkel data analytics als een eigen discipline- Faciliteer dit met een set aan tools en oplossingen- Ontwikkel actie-gerichte inzichten
44
HO
Gebruikers
IT
IR
bron: MITSloan Research report - Fall 2011 Analytics: The Widening Divide
![Page 45: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/45.jpg)
• Word specialist op hoe data kan bijdragen aan de strategie van de instelling, met een focus op nieuwe mogelijkheden van data analyse. - Focus meer op data en snelle besluitvorming, minder op lange termijn rapportages.- Specialiseer op kennis over bottlenecks: standaardisatie, governance, data-ontsluiting, beveiliging, privacy en compliancy.
• Specialiseer op wat individuen nodig hebben om persoonlijk optimaal productief te zijn.
• Neem kennis van nieuwe mogelijkheden van IT en start met pilots in data analytics.
En ontwikkel verdere talenten als institutional researcher
45
![Page 46: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/46.jpg)
Een 1e hulpmiddel: HigherED Maturity Framework
• Analyseert concrete processen en systemen en het gebruik daarvan in onderwijs en onderwijslogistiek
• Met concrete voorbeelden voor verhoging van effectiviteit van studenten
• En richting van gewenste ontwikkeling en projecten voor data analytics
46 Toelichting op papier
![Page 48: Big Data in het Hoger Onderwijs](https://reader033.fdocument.pub/reader033/viewer/2022060114/55721169497959fc0b8eee54/html5/thumbnails/48.jpg)
© 2012 Deloitte The Netherlands
Deloitte refers to one or more of Deloitte Touche Tohmatsu Limited, a UK private company limited by guarantee, and its network of member firms, each of which is a legally separate and independent entity. Please see www.deloitte.com/about for a detailed description of the legal structure of Deloitte Touche Tohmatsu Limited and its member firms.
Deloitte provides audit, tax, consulting, and financial advisory services to public and private clients spanning multiple industries. With a globally connected network of member firms in more than 150 countries, Deloitte brings world-class capabilities and deep local expertise to help clients succeed wherever they operate. Deloitte's approximately 170,000 professionals are committed to becoming the standard of excellence.
This publication contains general information only, and none of Deloitte Touche Tohmatsu Limited, its member firms, or their related entities (collectively, the “Deloitte Network”) is, by means of this publication, rendering professional advice or services. Before making any decision or taking any action that may affect your finances or your business, you should consult a qualified professional adviser. No entity in the Deloitte Network shall be responsible for any loss whatsoever sustained by any person who relies on this publication.