Previsão de rematrícula e retenção de alunos com dados

A rematrícula não se decide na campanha, se decide no ano inteiro#

A maioria das instituições descobre o problema de retenção tarde demais. A campanha de rematrícula abre, os boletos saem, e só então alguém percebe que uma fatia dos alunos não vai voltar. A previsão de rematrícula existe para inverter essa ordem: em vez de reagir à evasão quando ela já virou vaga aberta e receita perdida, você estima, meses antes, quais alunos têm baixa probabilidade de renovar e age enquanto ainda dá tempo. O sinal quase sempre já está nos seus sistemas. Falta juntar, medir e transformar em uma ação que chega na mão da pessoa certa.

Este artigo é para quem dirige instituição de ensino, básica ou superior, e para o time de dados que vai construir isso. Vou ser direto sobre o que dá para fazer com Business Intelligence, o que exige um modelo preditivo de verdade e onde a tecnologia não resolve nada. Dado nenhum retém aluno sozinho. Ele aponta para onde a escola precisa colocar gente, atenção e apoio, antes de a cadeira esvaziar.

Os fatores de risco são poucos e você já os coleta#

A tentação em projeto de retenção é querer capturar tudo: pesquisa de satisfação, humor do aluno, dados de redes sociais. Resista. Os preditores mais fortes de não renovação costumam ser um punhado de variáveis, e a maioria já está registrada nos seus sistemas hoje. O trabalho não é inventar métrica nova, é integrar o que existe e transformar em variável comparável entre alunos e entre períodos.

Fator de risco	Onde o dado costuma estar	Sinal de alerta típico
Frequência	Sistema acadêmico, diário de classe	Queda em relação à própria média do aluno, faltas em sequência
Desempenho	Lançamento de notas e avaliações	Reprovação, queda de nota entre bimestres ou entre disciplinas
Inadimplência	ERP financeiro	Atraso recorrente, renegociação, título vencido há muitos dias
Engajamento no LMS	AVA, plataforma de conteúdo, biblioteca	Login raro, atividades não entregues, tempo de uso em queda
Perfil e trajetória	Matrícula, histórico acadêmico	Ingressante, transferido, mudança recente de turno ou de curso

Duas observações de quem já fez isso na prática. Primeiro: o valor absoluto engana. Um aluno com 80% de frequência pode estar em rota de saída se ele sempre teve 98%, enquanto outro com 80% estável está bem. O que prediz risco é a variação em relação à linha de base da própria pessoa, não o corte fixo do regimento. Segundo: a inadimplência é um fator delicado. Ela se correlaciona com não renovação, sim, mas correlação não é causa. Usar atraso de pagamento como gatilho principal de intervenção empurra a instituição para a cobrança quando muitas vezes o aluno precisa de apoio pedagógico ou de uma renegociação humana. Trate a inadimplência como um sinal entre vários, nunca como o volante.

O primeiro entregável de um projeto desses quase nunca é um modelo de inteligência artificial. É uma camada de dados confiável que unifica frequência, notas, financeiro e engajamento por aluno e por período. Sem isso, tudo que você construir em cima herda o lixo da origem. Esse é trabalho de engenharia de dados, e ele responde por boa parte do resultado final.

Escore de propensão é a saída, não a solução#

Quando as pessoas pedem "previsão de rematrícula", muitas imaginam um número mágico por aluno: 0,82 de chance de voltar. Esse número tem nome técnico. É um escore de propensão, a probabilidade estimada de um evento, no caso a renovação da matrícula para o próximo ciclo. É útil, mas precisa ser entendido pelo que ele é.

O escore não diz por que o aluno vai sair. Ele ordena a população por risco. Isso já é muito, porque permite priorizar. Se o seu time de retenção consegue conversar com 200 famílias por mês e você tem 3.000 alunos, o escore responde à pergunta mais cara de todas: com quais 200 falar primeiro. Essa é a virada real. Você deixa de tratar todo mundo igual e passa a concentrar esforço onde a probabilidade de reverter é maior.

Alguns cuidados que separam um projeto sério de um slide bonito:

• Calibração importa mais do que acurácia. Um modelo que acerta muito, mas cujos escores não correspondem a probabilidades reais, engana o time. Se o modelo diz 70% para um grupo, cerca de 70% daquele grupo precisa de fato renovar. Verifique isso.
• O ponto de corte é decisão de negócio, não de estatística. Onde você separa "em risco" de "estável" depende da capacidade de atendimento da instituição, não de um número universal.
• O escore envelhece. Propensão calculada em março com dados de fevereiro não vale em outubro. Ele precisa ser recalculado ao longo do ano, acompanhando frequência, notas e pagamento.

Vale separar dois problemas que costumam ser confundidos. Prever a evolução de uma série temporal, por exemplo o total de matrículas nos próximos meses, é um problema de forecast. O Power BI tem recurso nativo de previsão para séries temporais dentro do visual de linha, e ele resolve bem esse tipo de pergunta agregada. Já estimar a probabilidade de renovação de cada aluno é um problema de classificação, e isso não sai do Power BI sozinho. Exige um modelo treinado fora dele. É uma distinção que muda a arquitetura inteira do projeto, e confundir as duas coisas é o erro mais comum que vejo.

Onde o modelo mora: Azure Machine Learning ou Fabric#

O escore de propensão vem de um modelo de classificação, e um modelo de classificação não vive dentro de um relatório de Power BI. Ele é treinado, validado e servido em um ambiente de ciência de dados. No universo Microsoft, há dois caminhos principais.

Caminho	Quando faz sentido	O que considerar
Azure Machine Learning	Equipe de dados madura, necessidade de MLOps, versionamento de modelo, reuso em outros projetos	Serviço dedicado, mais controle e mais peças para operar e governar
Microsoft Fabric, experiência de Data Science	Quem já vai concentrar dados no OneLake e quer treino, notebooks e consumo no mesmo lugar	Plataforma unificada, anunciada em 2023, reduz idas e vindas entre ferramentas

Não existe resposta única. Se a instituição já está migrando para o Microsoft Fabric e concentrando dados no OneLake, treinar o modelo na experiência de Data Science do próprio Fabric evita mover dados de um lado para o outro e mantém tudo sob a mesma governança. Se já existe uma prática de machine learning rodando no Azure, com esteira de MLOps e modelos versionados, o Azure Machine Learning tende a ser o lar natural. O que não muda em nenhum dos dois: o modelo produz um escore por aluno, esse escore volta para uma tabela do modelo semântico e o Power BI vira a camada de consumo. O diretor não abre notebook. Ele abre um painel onde o aluno em risco aparece com nome, turma e o que fazer.

Um ponto técnico que costuma passar batido: o motor VertiPaq, que sustenta o modelo do Power BI, comprime dados por cardinalidade. Guardar um escore contínuo com quinze casas decimais por aluno e por dia infla o modelo sem necessidade. Arredonde o escore para o que a decisão exige, uma ou duas casas, ou trabalhe com faixas de risco. É o tipo de detalhe que decide se o painel abre em dois segundos ou em vinte. Nossa prática de analytics avançado trata modelo preditivo e desempenho do relatório como o mesmo problema, não como duas fases isoladas.

A coorte de retenção mostra a verdade que a média esconde#

Escore prioriza indivíduo. Coorte explica o sistema. E, para tomar decisão de gestão, você precisa das duas visões. A análise de coorte agrupa alunos por um marco comum, o período de ingresso, o curso, o turno, o canal de captação, e acompanha quantos permanecem a cada ciclo. É a ferramenta certa para responder onde a instituição perde aluno de forma estrutural.

Uma tabela de coorte de retenção olha mais ou menos assim, com cada linha sendo uma turma de ingresso e cada coluna um ciclo depois da entrada:

Coorte de ingresso	Ciclo 1	Ciclo 2	Ciclo 3
Ingressantes A	100%	percentual que permaneceu	percentual que permaneceu
Ingressantes B	100%	percentual que permaneceu	percentual que permaneceu
Ingressantes C	100%	percentual que permaneceu	percentual que permaneceu

A leitura dessa matriz costuma revelar coisas que a média nunca mostraria. Um curso pode ter retenção excelente no primeiro ciclo e desabar no segundo, o que aponta para um problema específico daquela transição, e não para a captação. Um canal de matrícula pode trazer muito volume e reter mal, o que muda a conta de custo de aquisição. A coorte transforma "estamos perdendo alunos" em "estamos perdendo estes alunos, neste momento da jornada, por este caminho". É a diferença entre um lamento e um plano de ação. Boa parte desse recorte se constrói com boa modelagem, e vale a leitura sobre boas práticas de DAX para não travar o relatório ao cruzar coorte com tempo.

Os limites da previsão de rematrícula são reais, e você precisa dizê-los#

Vender previsão de rematrícula como bala de prata é a forma mais rápida de queimar a confiança da diretoria. Alguns limites precisam estar na mesa desde o primeiro dia.

O modelo aprende com o passado. Se a instituição muda de preço, abre um curso novo, passa por uma crise ou por uma reforma pedagógica, o padrão histórico deixa de valer, e o escore perde qualidade justamente quando mais se precisa dele. Modelo preditivo não substitui julgamento, ele informa julgamento.

Existem eventos que nenhum dado captura. Mudança de cidade, doença na família, perda de emprego do responsável, uma decisão pessoal. Um aluno com todos os sinais verdes pode não voltar, e isso não é falha do modelo, é o mundo sendo o mundo. A meta não é acertar caso a caso, é priorizar melhor no agregado do que a intuição prioriza.

Há ainda o risco ético e legal, que não é detalhe. Você está tratando dado de pessoas, muitas vezes menores de idade, para tomar decisões que afetam a vida delas. A LGPD, Lei nº 13.709/2018, exige base legal, finalidade clara e proporcionalidade. Um escore de risco não pode virar rótulo que fecha portas nem gatilho automático de cobrança. Ele orienta apoio. Governança aqui não é burocracia, é o que mantém o projeto vivo e defensável. Vale estruturar isso com cuidado, como discutimos no guia de governança de dados e LGPD, e apoiar na disciplina de governança de dados desde o início.

E o limite mais prosaico de todos: previsão sem ação é relatório de necropsia. Se o escore não dispara uma conversa, uma visita, uma tutoria, uma renegociação, ele não retém ninguém. O valor do projeto não está no modelo, está no fluxo que transforma o alerta em atendimento. Muitas instituições ganham mais orquestrando essa ação com Power Platform do que refinando o modelo pela terceira vez.

Como começar sem virar um projeto eterno#

A sequência que funciona é chata e previsível, e é exatamente por isso que funciona. Primeiro, unifique frequência, notas, financeiro e engajamento em uma base confiável por aluno e por período. Segundo, construa a coorte de retenção e o painel descritivo, porque isso já entrega valor e valida a qualidade do dado antes de qualquer modelo. Terceiro, e só então, treine o escore de propensão no Azure Machine Learning ou no Fabric, valide a calibração e devolva o resultado para o Power BI. Quarto, monte o fluxo de ação e meça se ele muda a taxa de renovação.

Pular direto para o modelo, sem a base e sem o fluxo de ação, é o caminho mais curto para um projeto bonito que não move a rematrícula. Comece pequeno, prove valor em uma coorte, depois escale.

Perguntas frequentes#

Qual a diferença entre a previsão nativa do Power BI e o escore de propensão? São problemas distintos. A previsão nativa do Power BI faz forecast de séries temporais, por exemplo estimar o total de matrículas dos próximos meses, e resolve bem perguntas agregadas dentro do visual de linha. O escore de propensão é um problema de classificação: estimar a probabilidade de cada aluno renovar. Esse escore precisa de um modelo treinado fora do Power BI, no Azure Machine Learning ou no Fabric, e depois volta para o relatório como uma coluna.

Preciso de Azure Machine Learning ou o Microsoft Fabric resolve? Depende de onde a instituição já está. Se os dados vão para o OneLake e você quer treino, notebooks e consumo no mesmo lugar, a experiência de Data Science do Fabric concentra tudo. Se já existe uma prática de machine learning no Azure com esteira de MLOps, o Azure Machine Learning é o lar natural. Nos dois casos, o resultado é o mesmo: um escore por aluno que alimenta o Power BI.

Quantos dados históricos são necessários para prever rematrícula? Não há número universal, e desconfie de quem cravar um. O que importa é ter ciclos completos o suficiente para o modelo enxergar o evento de renovação e o de saída em condições parecidas com as atuais. Se a instituição mudou muito de preço, portfólio ou perfil, histórico antigo pode atrapalhar mais do que ajudar, porque ensina um padrão que não vale mais.

A inadimplência sozinha não bastaria para prever a saída? Ela é um sinal forte, mas usá-la isolada é arriscado por dois motivos. Primeiro, correlação não é causa: nem todo inadimplente sai, nem todo desistente estava inadimplente. Segundo, transformar atraso de pagamento no gatilho principal empurra a instituição para a cobrança quando o aluno muitas vezes precisa de apoio. Trate a inadimplência como um fator entre vários.

Como a LGPD afeta um projeto de previsão de rematrícula? Diretamente. Você trata dado pessoal, muitas vezes de menores, para decisões que afetam a vida das pessoas. A LGPD, Lei nº 13.709/2018, exige base legal, finalidade definida e proporcionalidade. Na prática, isso significa acesso controlado ao escore, uso do resultado para apoio e não para punição automática, e registro de quem vê o quê. Governança não é um adendo, é condição para o projeto existir.

O modelo vai me dizer por que o aluno vai sair? Não com precisão de causa. O escore ordena a população por risco e alguns métodos apontam quais variáveis mais pesaram na estimativa, o que ajuda a direcionar a conversa. Mas isso é atribuição estatística, não diagnóstico. O motivo real de cada saída se descobre falando com o aluno. O modelo diz com quem falar primeiro, não o que dizer.

O sinal já está aí, falta a decisão de agir#

Previsão de rematrícula não é adivinhação nem um painel a mais. É a disciplina de juntar os sinais que a instituição já coleta, priorizar quem precisa de atenção e colocar uma ação humana antes de a matrícula não ser renovada. Comece pela base de dados e pela coorte, prove valor em um recorte, só então avance para o modelo, e nunca perca de vista que o resultado vive no fluxo de ação, não na acurácia. Se você quer estruturar isso com quem já fez engenharia de dados, modelo preditivo e governança andarem juntos, fale com a gente.