对于公立大学而言，留级率和毕业率等指标是在竞争环境中脱颖而出的重要指标。这些成功指标对于吸引更多学生，使他们成功并持续发展强大的校友网络至关重要。

佛罗里达州立大学（FSU）是全美最好的研究型大学之一，它在保存，扩展和传播科学，技术，艺术，人文学科和专业知识的同时，还接受深深植根于文科和批判性思维传统的学习哲学。它成立于1851年，位于佛罗里达州历史最悠久的连续高等教育机构。

FSU远程学习办公室（ODL）有限的数据技术人员负责学习管理系统（LMS）的报告，该学习报告了40,000多名学生和3,000名教员机器学习回归问题，该组织一直在寻找一种方法来解决挑战并实现传统上是手动的流程自动化。

遇到数据挑战并寻求解决方案

ODL面临着数据丢失，资源有限而无法进行高级分析的挑战，并且需要有关如何处理来自各种来源的数据的更多信息。数据非常孤立，团队没有一个健壮且符合安全性的环境来正确收集，处理和分析数据。还存在空间限制的问题– LMS应用程序服务器和数据库生成大量数据文件，导致经常达到容量限制，因此必须定期决定可以保留哪些内容以及必须舍弃的内容。

提供更好的数据并帮助提高学生毕业率以及最大程度地提高留任率的需求促使ODL运用具有更强大和完整的大数据堆栈的预测分析功能。该大学使用画布学习管理系统（LMS）来跟踪学生在特定课程中的活动。借助Cloudera的平台，ODL现在可以识别LMS数据中的模式，从而帮助他们识别有可能落后或失败课程的学生。Apache Spark ML中的逻辑回归等算法用于预测学生是否会通过一门课程。与金融服务欺诈分析类似，该大学现在还可以监控作弊行为-帮助查明和调查作弊行为，从而也确保了毕业生的素质。

大学中的多个部门都依赖ODL技术团队的报告来制定决策。以前，ODL必须查看电子表格，压缩的服务器日志，数据库输出以及手动将数据汇总在一起以创建这些报告。现在已经准备好数据，因此可以与Apache Impala和Apache Hive结合使用，以构建有洞察力的用例并了解趋势，并创建可帮助部门做出决策的自定义报告。

“我们负责报告各种结果。有统计显示您在学生方面取得了成功，他们正在学习，正在提供价值并正在努力提高自己的学位。并且数据显示这些目标已经实现。作为LMS数据的管理者，我们可以向其他部门提供他们所需的信息，以更清晰地了解他们如何实现学生的成功目标。”FSU远程学习办公室技术助理主任Mary Eichin说。

建立效率更高的测试中心

另一个需要存储和分析大量数据的主要用例是测试中心。以前，测试中心是在不知道要参加多少学生的情况下聘用和安排人员的。这种方式造成问题和效率低下。利用Cloudera的平台，可以对季节性测试需求进行适当的分析和预测。有了这些见解，测试中心可以通过更好的计划来改善流程和效率。

根据他们迄今为止的经验和成功经验来看，ODL数据技术团队已草拟了30多个用例的清单，他们可以利用数据的力量来提高效率和洞察力。团队对他们现在拥有的数据平台有信心，可以帮助推动学生和组织的成功。

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！