MBO Amersfoort zocht naar betere prognoses voor studentenbewegingen. We bouwden een model op basis van historische trends, wat leidde tot nauwkeurige voorspellingen en meer vertrouwen in de planning, ondanks de verstoringen door COVID-19.
Uitdaging van klant
MBO Amersfoort is een onderwijsinstelling die jaarlijks voor de uitdaging staat om het aantal studenten dat zal instromen, doorstromen of blijven zitten zo nauwkeurig mogelijk te voorspellen. Deze prognoses zijn essentieel voor het plannen van docenten, middelen en lesroosters. Echter, door de dynamiek binnen het onderwijs en het feit dat prognoses slechts één keer per jaar gemaakt kunnen worden, was het moeilijk om betrouwbare voorspellingen te doen op basis van eerdere cijfers.
De school vroeg daarom om een oplossing die hen kon helpen om beter inzicht te krijgen in de studentenbewegingen voor het komende jaar op basis van historische gegevens.
Visie op probleem
Visie op probleem
Bij het plannen in het onderwijs is er vaak een grote mate van onzekerheid, omdat veel variabelen slechts één keer per jaar vastgesteld worden. Dit betekent dat er met name gekeken moest worden naar trends over meerdere jaren om betrouwbare prognoses te maken, zonder de mogelijkheid om tussentijds bij te sturen. Het project was hierdoor uitdagend, aangezien de accuraatheid sterk afhankelijk is van de juistheid van de data en de patronen die deze data over de jaren heen laten zien.
Bij het plannen in het onderwijs is er vaak een grote mate van onzekerheid, omdat veel variabelen slechts één keer per jaar vastgesteld worden. Dit betekent dat er met name gekeken moest worden naar trends over meerdere jaren om betrouwbare prognoses te maken, zonder de mogelijkheid om tussentijds bij te sturen. Het project was hierdoor uitdagend, aangezien de accuraatheid sterk afhankelijk is van de juistheid van de data en de patronen die deze data over de jaren heen laten zien.
Heeft u ook te maken met uitdagende prognoses die u moet maken voor aankomende jaren?
Neem vrijblijvend contact met ons op om te ontdekken hoe wij u kunnen helpen met het opstellen van betrouwbare voorspellingen!
Stap 1
Analyse van historische data
We begonnen met het verzamelen van alle beschikbare historische gegevens over de instroom-, doorstroom- en uitvalcijfers van de afgelopen jaren. Door de data op te schonen en te standaardiseren, creëerden we een helder overzicht van de studentenbewegingen. Dit gaf ons een goed beeld van de verhoudingen die bepalend zijn voor de jaarlijkse fluctuaties.
Stap 2
Identificeren van patronen en trends
Met de opgeschoonde data hebben we gekeken naar de trends die consistent terugkwamen in de verschillende jaren. We analyseerden factoren zoals economische omstandigheden, regionale bevolkingsgroei en de populariteit van verschillende opleidingen, om te bepalen welke variabelen de grootste invloed hadden op de instroom en doorstroom van studenten.
Stap 3
Ontwikkelen van het prognosemodel
Op basis van de gevonden patronen hebben we een eenvoudig maar robuust prognosemodel gebouwd dat de verhoudingen en dynamiek van de data vastlegde. Het model maakt gebruik van verhoudingen en jaarlijkse trends om betrouwbare voorspellingen te genereren over toekomstige studentenaantallen, rekening houdend met de historische variaties.
Stap 4
Implementeren van een data pipeline
We hebben een data pipeline opgezet die de jaarlijkse cijfers automatisch verwerkt, zodat de input voor de voorspellingen altijd up-to-date is. Dit stelt MBO Amersfoort in staat om eenvoudig de nieuwste cijfers te gebruiken en de prognoses direct aan te passen aan eventuele veranderingen in de data.
Stap 5
Evaluatie en bijstelling
Nadat het model was ontwikkeld en de eerste prognoses werden gegenereerd, hebben we de voorspellingen vergeleken met de daadwerkelijke studentenaantallen. Hierdoor konden we verfijnen waar nodig en de nauwkeurigheid verder verbeteren. Helaas maakte de COVID-19-pandemie het niet mogelijk om het model in het daaropvolgende jaar goed te testen, omdat de omstandigheden te sterk afweken van eerdere jaren.
Impact
Het model werd succesvol toegepast voor de eerste jaarlijkse prognoses en week weinig af van de daadwerkelijke cijfers.
Dit gaf MBO Amersfoort meer vertrouwen in hun toekomstplanning en stelde hen in staat om proactief in te spelen op verwachte schommelingen in studentenaantallen. Ondanks de onverwachte wendingen door de COVID-19-pandemie, heeft het project laten zien dat nauwkeurige voorspellingen mogelijk zijn, zelfs wanneer de optimalisatie beperkt is tot één meetmoment per jaar.
De school heeft hierdoor waardevolle inzichten opgedaan die hen helpen om beter voorbereid te zijn op toekomstige fluctuaties en onverwachte gebeurtenissen.
Heeft u ook te maken met uitdagende prognoses die u moet maken voor aankomende jaren?
Neem vrijblijvend contact met ons op om te ontdekken hoe wij u kunnen helpen met het opstellen van betrouwbare voorspellingen!
