Indicadores acadêmicos e de desempenho no Power BI

O boletim consolidado não é o mesmo que gestão de desempenho#

Quase toda instituição de ensino já emite relatórios. A secretaria fecha o boletim, o coordenador recebe uma planilha com as médias da turma, a diretoria pede o número da evasão no fim do semestre e alguém passa a madrugada colando dados do sistema acadêmico no Excel. O que quase nenhuma instituição tem são indicadores acadêmicos confiáveis, atualizados e comparáveis, que respondam à pergunta que importa: onde o aprendizado está falhando, para quais alunos, em quais disciplinas, e há quanto tempo isso acontece sem ninguém agir.

A diferença entre um relatório e um indicador é grande. O relatório mostra o que aconteceu num recorte estático. O indicador mede uma coisa específica, com regra clara, e permite comparar turmas, períodos e coortes na mesma base. Este artigo é sobre sair do primeiro estágio e chegar ao segundo com o Power BI conectado ao sistema acadêmico, sem inventar dado que você não tem.

Antes do painel, decida o que cada indicador significa#

O erro mais comum que vejo em projeto de BI acadêmico não é técnico. É a instituição não ter combinado a definição do indicador antes de plotar o gráfico. Taxa de aprovação parece óbvia até você perguntar: inclui quem foi aprovado no conselho de classe? A frequência é calculada sobre aulas dadas ou aulas previstas? Evasão é quem não rematriculou ou quem formalizou o cancelamento? Cada escolha muda o número, e se não estiver documentada, cada coordenador chega num valor diferente e o painel perde a confiança em duas semanas.

Antes de abrir o Power BI, monte um dicionário de indicadores. Ele não precisa ser bonito, precisa ser explícito. Uma tabela resolve.

Indicador	Definição operacional	Numerador	Denominador
Taxa de aprovação	Aprovados sobre ativos no período	Alunos "aprovado"	Matriculados ativos no fim do período
Taxa de reprovação	Reprovados por nota ou falta	"Reprovado" + "reprovado por falta"	Matriculados ativos no fim do período
Frequência média	Presenças sobre aulas ministradas	Soma de presenças	Soma de aulas dadas
Evasão	Saída sem conclusão	Cancelamentos + não rematrículas	Matriculados no início do período
Retenção	Complemento da evasão na coorte	Matriculados que permaneceram	Matriculados no início do período
Nota média por disciplina	Média das notas finais	Soma das notas finais	Quantidade de notas lançadas

Esse dicionário é o contrato do projeto. Ele determina a modelagem, o DAX e o que a diretoria vai cobrar de quem. Sem ele, você constrói rápido e refaz devagar.

O sistema acadêmico é a fonte, não o painel#

O dado nasce no sistema acadêmico: matrícula, diário de classe, lançamento de notas, controle de frequência, situação do aluno. Seja um TOTVS, um SGE próprio, um sistema de secretaria ou uma combinação deles, a lógica de extração é a mesma. Você raramente vai conectar o Power BI direto na base transacional de produção, porque consulta analítica no banco que roda a matrícula do dia derruba a performance de quem atende no balcão.

O caminho saudável é extrair para uma camada intermediária: um banco analítico, um data warehouse ou um lakehouse, dependendo do porte. Ali você limpa, padroniza códigos de disciplina, resolve o aluno com cadastro duplicado e monta o modelo dimensional. Esse trabalho de fundação sustenta tudo o que vem depois, e é onde a maioria dos projetos que fracassam economizou tempo que não deveria. Se a sua instituição não tem essa camada, vale conversar sobre engenharia de dados antes de comprar licença de Power BI.

Uma nota técnica que economiza dinheiro: o motor VertiPaq, que comprime os dados dentro do Power BI, funciona por cardinalidade de coluna. Colunas com poucos valores distintos comprimem muito bem. Guardar data e hora exata de cada registro de frequência num campo único cria uma coluna de altíssima cardinalidade que incha o modelo. Separe data e hora em colunas diferentes e o mesmo dado ocupa uma fração do espaço, algo que ninguém nota até o modelo passar de milhões de linhas de diário.

A modelagem dimensional que sustenta indicadores acadêmicos#

O padrão que funciona é o esquema estrela: no centro, tabelas de fato com o grão certo; em volta, dimensões que descrevem quem, o quê e quando. No contexto acadêmico, você normalmente terá ao menos três fatos.

• Fato de notas, uma linha por aluno, disciplina, período e avaliação. Alimenta nota média por disciplina, por turma e a distribuição de desempenho.
• Fato de frequência, uma linha por aluno, disciplina e aula. Alimenta frequência média e a reprovação por falta.
• Fato de matrícula e situação, uma linha por aluno, curso e período, com a situação (ativo, trancado, cancelado, formado). É a base da evasão, da retenção e do denominador de quase tudo.

As dimensões costumam ser: aluno, disciplina, curso, turma, professor, unidade e uma dimensão calendário obrigatória, com período letivo, bimestre ou semestre. Não improvise a dimensão de tempo com a data crua dos fatos. Uma tabela calendário dedicada é o que permite comparar o mesmo bimestre entre anos e calcular acumulados.

A qualidade dessas relações define se o painel vai dar o número certo. Uma dimensão aluno mal relacionada faz a evasão contar o mesmo aluno duas vezes. Para aprofundar as escolhas de cálculo, vale ler nosso guia de modelagem e boas práticas de DAX no Power BI, porque indicador acadêmico é, no fim, um exercício de contexto de filtro bem resolvido.

Os indicadores que a diretoria realmente usa#

Painel bom não tem cem gráficos. Tem os indicadores que geram decisão e os cortes que permitem investigar. Abaixo, os que pagam o projeto no setor educacional.

Indicador	O que ele revela	Corte mais útil
Taxa de aprovação e reprovação	Saúde acadêmica do período	Por disciplina e turma
Frequência média	Risco precoce, semanas antes da nota cair	Por aluno e disciplina
Nota média por disciplina	Onde a dificuldade se concentra	Por professor e unidade
Distribuição de notas	Se é a turma toda ou poucos puxando a média	Histograma por turma
Evasão e retenção	Perda de alunos e receita no funil	Por coorte de entrada
Desempenho por coorte	Se cada turma entra melhor ou pior que a anterior	Por semestre de ingresso

Reparei numa armadilha recorrente: a nota média por disciplina esconde muita coisa. Uma turma com média 7 pode ter todo mundo perto do 7 ou metade tirando 9 e metade tirando 5, situações pedagogicamente opostas que pedem ações opostas. Por isso a distribuição de notas, e não só a média, precisa estar no painel.

Análise de coorte é o indicador que muda a conversa#

Se eu pudesse colocar um único conceito na cabeça de um gestor educacional, seria coorte. Uma coorte é o grupo de alunos que entrou junto, os ingressantes de um semestre específico, e a análise de coorte acompanha esse mesmo grupo ao longo do tempo. Em vez de perguntar "qual foi a evasão neste semestre", que mistura alunos de origens diferentes, você pergunta "dos alunos que entraram em 2024, quantos seguiam matriculados a cada semestre seguinte".

Essa mudança de ângulo revela padrões invisíveis no número agregado. Você descobre que a maior parte da evasão acontece entre o primeiro e o segundo período, o que direciona o esforço de retenção para os primeiros meses, onde ele rende mais. No Power BI, a coorte é uma matriz: linhas são as coortes de entrada, colunas são os períodos decorridos, e a célula mostra a retenção média.

O painel na prática: camadas de leitura#

Um painel acadêmico que funciona respeita quem vai olhar. A diretoria quer a visão institucional numa tela, a coordenação quer descer até a turma e a disciplina, e o professor, quando tem acesso, quer o seu diário. Organize em camadas.

• Visão institucional: aprovação geral, evasão da coorte atual, frequência média, matrículas ativas, comparadas com o período anterior.
• Visão de curso e turma: as mesmas medidas segmentadas, com destaque para as turmas fora da faixa esperada.
• Visão de disciplina e professor: nota média, distribuição e taxa de reprovação, para ver onde a dificuldade se concentra.
• Visão de aluno: acompanhamento individual de quem está em risco, respeitando quem pode ver o quê.

Essa última camada exige cuidado. Dado de aluno é dado pessoal, e menor de idade quase sempre significa titular vulnerável sob a LGPD, a Lei nº 13.709/2018. Segurança em nível de linha, a Row Level Security do Power BI, precisa garantir que o coordenador de um curso não veja o aluno de outro, e que o professor veja só as suas turmas. Isso não é opcional. Tratamos disso no texto sobre governança de dados e LGPD no Power BI, e é tema para endereçar antes de publicar o relatório, não depois de a auditoria perguntar.

O que muda quando a base cresce#

Uma escola com trezentos alunos e uma rede com dezenas de unidades vivem realidades técnicas diferentes. Para a maioria das instituições, o Power BI com licença por usuário resolve. O Power BI Pro e o PPU, o Premium por usuário, são licenças individuais e cobrem bem de dezenas a poucas centenas de usuários, com volumes que o modelo importado aguenta.

Quando a base fica grande, com muitos anos de diário de classe e muitas unidades, entra a conversa de capacidade dedicada. O Microsoft Fabric, anunciado em 2023, mede consumo em Capacity Units e é comercializado em SKUs que vão do F2 ao F2048, enquanto o Power BI Premium por capacidade tradicional usa SKUs de P1 a P5. Nesse patamar, o Direct Lake, que lê os dados direto do OneLake sem importar nem consultar em tempo real, pode ser a diferença entre um painel que abre na hora e um que faz o gestor desistir. Não adianta capacidade grande para mascarar modelo mal feito: primeiro a modelagem, depois a licença. Se essa decisão estiver no seu radar, o serviço de Power BI da Fynx começa por esse dimensionamento honesto.

Vale lembrar do óbvio: a Microsoft é reconhecida como Líder no Quadrante Mágico do Gartner para plataformas de Analytics e BI. Isso não significa que a ferramenta faz o trabalho sozinha, e sim que a plataforma não será o gargalo. O gargalo é a definição do indicador e a qualidade do dado.

Erros que custam caro e são fáceis de evitar#

Alguns tropeços aparecem em quase todo projeto acadêmico. Vale nomear.

• Comparar coisas incomparáveis: taxa de aprovação de um curso técnico com a de uma graduação, sem contexto, gera conclusão errada.
• Média sem denominador claro: nota média que ignora quem não fez a prova mente sobre o desempenho real da turma.
• Frequência sobre aula prevista: se o professor faltou, a aula não foi dada, e contar como falta do aluno distorce o indicador.
• Ignorar o aluno com cadastro duplicado: infla matrícula e desinfla evasão, e some quando você concilia a dimensão aluno.
• Publicar sem RLS: expor nota e frequência para quem não deveria ver é risco de LGPD, não detalhe de configuração.

Nenhum desses é problema de ferramenta. Todos são problema de definição e de fundação de dados, e por isso um bom projeto gasta mais tempo no dicionário e na modelagem do que arrastando visuais.

Perguntas frequentes#

Preciso trocar meu sistema acadêmico para ter esses indicadores? Não. O sistema acadêmico continua sendo a fonte, TOTVS, SGE próprio ou qualquer outro. O Power BI lê os dados que já existem lá, por conexão a uma cópia analítica da base, exportação agendada ou integração via API quando disponível. A troca de sistema é um projeto muito maior e raramente resolve o problema de indicador.

Quanto tempo leva para ter o primeiro painel útil? Depende mais da qualidade do dado do que da construção do painel. Com a base organizada e o dicionário de indicadores definido, um painel de aprovação, frequência e evasão sai em poucas semanas. Quando o dado está espalhado e sujo, a maior parte do prazo vai para a camada de dados, e é aí que não se deve economizar.

Dá para acompanhar o aluno individualmente sem ferir a LGPD? Dá, e é recomendável para retenção. O que a LGPD exige é finalidade clara, acesso restrito a quem tem responsabilidade pedagógica sobre aquele aluno e segurança adequada. A Row Level Security do Power BI garante o acesso restrito por perfil, e o registro de finalidade e base legal fica com os processos da instituição.

Qual licença de Power BI eu preciso? Para a maioria das instituições, o Power BI Pro ou o PPU por usuário atendem, porque cobrem publicação e compartilhamento para dezenas ou centenas de pessoas. Capacidade dedicada, via Fabric ou Premium, entra quando o histórico e o número de usuários crescem a ponto de o modelo importado sofrer. É decisão de dimensionamento, e os preços variam conforme o plano e a negociação, então trate qualquer número como faixa aproximada.

Notas médias por disciplina bastam para avaliar o desempenho? Não. A média esconde a dispersão. Duas turmas com a mesma média podem ter realidades opostas, uma homogênea e outra polarizada. Por isso o painel precisa mostrar a distribuição de notas junto com a média, para separar o problema coletivo do problema de um grupo específico de alunos.

Análise de coorte é muito complexa para uma escola pequena? Não. Coorte é só olhar para o grupo que entrou junto e acompanhá-lo ao longo do tempo, e isso vale para trezentos ou trinta mil alunos. Numa escola pequena, a coorte é até mais fácil de interpretar, porque cada aluno tem peso maior.

Onde isso te leva#

Indicadores acadêmicos bem construídos mudam a conversa da diretoria: de "quantos alunos perdemos" para "onde, quando e por quê estamos perdendo, e o que fazer nesta semana". O Power BI é a ferramenta certa para isso, desde que o trabalho comece pela definição do indicador e pela fundação de dados, não pelo visual bonito que não sustenta um número. Se você quer sair do boletim consolidado e chegar a um painel que a coordenação usa toda segunda-feira, fale com a gente.