在这样的新式工具背后，教育工作者们古老而美好的愿望——因材施教——第一次有了实现的可能。这也是类似的大数据工具为高校教学提供的最大价值：将学生的学习习惯和学习进度记录下来，包括答题准确率、答题时长、引用的资料、选择跳过的题目等，老师看到这些数据反馈后，就能够根据每个学生不同的情况进行指导。
为雇主挖掘职场人才
找到一份心仪工作是很多大学生四年奋斗的目标。除了择校和教学，大数据工具能否在就业这个由大学入社会的关键环节上，为毕业生提供关键的助力?
显然，与学业相比，招聘过程中有更多难以被量化的因素，例如求职者与企业文化匹配度这样的软性考量。然而，大数据所能揭示出来的信息量比人们想象得更加丰富。在一些强调人际交往的职业领域中，大数据也不是全无用武之地——网络教育机构Coursera日前开始为雇主提供服务。雇主可以购买学生在其网络平台上产生的学习数据作为招聘参考，其中，学生在网络课程论坛上发言和帮助其他同学的情况就是雇主极感兴趣的团队合作相关数据。在一些更加强调“硬本领”的行业(例如软件工程)里，借助大数据来找到最优秀的人才，更是成为了一个炙手可热的创业方向。创业公司Gild开发了一套计算工具，综合考量了和求职者有关的300个变量，这些变量既有来自求职者的网络行为，如在商务社交网站Linkedin上列举的技能;也有来自求职者的学业背景，如其所在学校和专业的全国排名；还有一些表面上和职业毫不相关的变量，如他(她)在业余时间喜欢去的地方——Gild希望通过尽可能多的变量，通过算法得出对求职者的综合评分，从而让招聘过程尽可能消除人为偏好的影响。
Gild的首席数据科学家维维恩·敏博士认为，人们普遍认为美国是个“唯才是用”的地方，其实不然。很多充满才华的毕业生没有得到和他们能力相匹配的工作。例如在程序员这样的行业里，很多只有社区学院学历的人才在编程上拥有过人天赋，但这些人才却很难被雇主发现。
《大数据时代》的作者舍恩伯格写道，大数据时代最大的特点，是放弃对因果性的追求，转而关注事物之间的相互关系。上面介绍的种种大数据工具，为未来的高等教育呈现了丰富的可能性：每一个教育领域的决策，小至课堂小组匹配，大至毕业生就业，大数据工具都可以为我们揭示各种因素之间的关联性，为决策提供了量化而科学的依据。