NAMER All PDFs

Die datengestütz te Hochschule

Issue link: https://access.awscloud.com/i/1469038

Contents of this Issue

Navigation

Page 10 of 20

Inhalt: › Wie Daten die digitale Transformation in der Bildung vorantreiben › Der Nutzen und Wert von Daten › Daten, Wandlungsfähigkeit und Agilität › Agilität für Daten › Wie nutzen wir Daten, um unsere Einrichtung anpassungsfähig zu machen? › Fazit › Über den Autor 3. Verfügbar machen Der nächste Schritt zu agilen Daten bedeutet, sie verfügbar zu machen –wann und wo auch immer das nützlich ist (Wichtig: Ich sage nicht, wann und wo sie benötigt werden. Es geht schließlich um Agilität und Innovation). Ein häufig verwendetes Modell ist das der Selbstbedienung. Wenn eine Analystin oder ein Analyst der Aufsichtsbehörde FINRA neugierig wird, kann er oder sie eine Reihe von Programmen und einen Teil der zu analysierenden Daten auswählen, ohne die Daten von jemand anderem anfordern und auf deren Bereitstellung warten zu müssen. Die damit verbundene Freiheit erlaubt es den Analysten, ihrem Gedankengang wie einem „Flow" zu folgen, statt in einer Art Stop-and- Go-Betrieb zu arbeiten, der die Kreativität zerstören und so gewissermaßen die Kosten der Neugierde steigern würde. Die Cloud macht vieles davon erst möglich. Sie ermöglicht jederzeit die Einrichtung neuer Arbeitsumgebungen, die genutzt und dann auch wieder entsorgt werden können, wenn sie nicht mehr nötig sind. Sie erleichtert auch die Einrichtung von Rahmenbedingungen für Datenschutz (siehe weiter unten). Viele der Daten, die Hochschulen erfassen, werden in Studierendeninformations-und Lernmanagementsystemen abgelegt. Sie sind dort für Berichte innerhalb genau dieser Systeme verfügbar –wie es der jeweilige Softwareanbieter vorsieht. Um diese Daten tatsächlich agil zu machen und sie als für eine echte Wandlungsfähigkeit nutzen zu können ist der erste Schritt oft, sie in einen Data Lake umzuziehen, wo sie sich mit den Daten anderer Systeme kombinieren und mit einem breiteren Spektrum flexibler Analysetools wie etwa Machine Learning nutzen lassen. Die University of Maryville in den USA etwa wollte mithilfe ihrer Daten die Studienleistungen verbessern. Doch sie erkannte, dass „Daten in Hochschulen überwiegend isoliert in betrieblichen IT-Systemen und Abteilungen lagern. Akademische Inhalte oder Lerndaten einerseits und Studierendeninformationen wie das persönliche Profil, Kursabschlüsse, Wohnsituation und Stipendien andererseits bleiben weit gehend separiert." Die Hochschule löste das Problem, indem sie bei AWS einen Data Lake einrichtete und mit den Daten aus ihren einzelnen IT-Systemen füllte. Dadurch ließ sich ein Datenmodell entwickeln, das automatisch Studierende identifiziert, die ihre Maryville-Accounts nicht aktiviert hatten, und ihnen eine Textnachricht schickt. Immerhin ist dieser Account ist notwendig, um Kurse zu belegen. Das westaustralische Bildungsministerium führte die Daten von 320.000 Schülern aus 800 Schulen zusammen, um deren Bedarf an IT-und Kommunikationsgeräten zu analysieren und zu erfüllen. 10

Articles in this issue

view archives of NAMER All PDFs - Die datengestütz te Hochschule