Em março de 2024, uma faculdade particular de São Paulo percebeu que 23 alunos do curso de Administração não tinham aparecido nas duas primeiras semanas do semestre. A coordenação só soube quando o sistema financeiro sinalizou inadimplência. Nesse ponto, 19 desses 23 já tinham se matriculado em outra instituição ou desistido de estudar.

Não é um caso isolado. É o padrão.

A maioria das instituições de ensino descobre a evasão quando ela já aconteceu. O aluno sumiu, a vaga ficou vazia, a receita caiu. Aí começa a corrida pra entender o que deu errado. Ligam pro aluno, mandam e-mail, tentam uma negociação financeira. Tarde demais.

A pergunta que importa não é "por que o aluno saiu". É "como saber que ele vai sair antes de ir".

E a resposta, cada vez mais, passa por dados.

O custo real de reagir tarde

Antes de falar sobre como usar dados, vale olhar pros números do problema.

O Censo da Educação Superior de 2023 registrou taxa de evasão de 31,7% nas instituições privadas brasileiras no primeiro ano. Em cursos EAD, chegou a 36,4%. No ensino médio público, a taxa de abandono ficou em 5,6% segundo o Inep — parece pouco até você multiplicar pela base de 7,7 milhões de matrículas.

Cada aluno que sai representa:

Receita perdida (no ensino privado, a conta é direta)
Vaga ociosa que não vai ser preenchida no meio do semestre
Investimento em captação que não se pagou
Impacto nos indicadores institucionais junto ao MEC
Um ser humano que interrompeu sua formação

Pra uma IES privada de médio porte com 4.000 alunos, uma evasão de 30% no primeiro ano significa perder algo em torno de R$ 2,8 milhões por semestre em mensalidades, considerando ticket médio de R$ 780. Isso sem contar o custo de captar novos alunos pra repor — que, segundo dados da Hoper Educação, gira entre R$ 800 e R$ 1.400 por matrícula.

E o problema não é só financeiro. Escolas com alta evasão enfrentam dificuldade pra manter turmas viáveis, perdem professores e veem a qualidade do ensino cair num ciclo que se retroalimenta.

Que dados você já tem (e provavelmente não está usando)

A boa notícia: a maioria das instituições já coleta os dados necessários pra prever evasão. Eles estão espalhados por sistemas diferentes, mas existem.

Veja o que normalmente está disponível:

Frequência por disciplina (sistema acadêmico)
Notas e entregas de atividades (LMS ou sistema acadêmico)
Situação financeira e histórico de pagamento (sistema financeiro)
Dados de acesso ao ambiente virtual (LMS)
Interações com atendimento e secretaria (CRM ou planilha)
Histórico de trancamentos e rematrículas
Canal de captação original (vestibular, Prouni, transferência)

O problema não é falta de dados. É que eles vivem em silos. O coordenador de curso vê a frequência mas não vê o financeiro. O financeiro vê a inadimplência mas não sabe que o aluno já tinha parado de acessar o AVA três semanas antes.

Quando você cruza essas informações, padrões aparecem rápido.

Os 4 sinais que antecedem a evasão

Pesquisas da área de learning analytics, incluindo trabalhos do CEDES/Unicamp e do grupo de pesquisa em mineração de dados educacionais da UFRGS, convergem em quatro indicadores que, combinados, preveem evasão com acurácia acima de 80%:

Queda na frequência — não a ausência total, mas a redução gradual. Um aluno que ia a 90% das aulas e passa pra 68% em três semanas está sinalizando algo.
Atraso ou não-entrega de atividades — especialmente quando o padrão muda. Se o aluno sempre entregou no prazo e começa a atrasar, isso pesa mais do que um aluno que sempre entregou atrasado.
Inadimplência ou renegociação — o financeiro é preditor forte, mas tem um detalhe: ele funciona melhor como confirmação. Quando o aluno para de pagar, em geral a decisão de sair já foi tomada.
Redução no acesso digital — logins no AVA, tempo de sessão, participação em fóruns. A queda aqui costuma anteceder a queda na frequência presencial em 2 a 4 semanas.

Nenhum desses indicadores sozinho é suficiente. A força está na combinação. Um aluno com frequência caindo E atividades atrasadas E sem acessar o AVA há 10 dias é um caso muito diferente de um aluno que só faltou numa semana porque ficou doente.

Definindo limiares que funcionam

Saber quais dados olhar é metade do trabalho. A outra metade é definir quando um dado vira um alerta.

Limiares genéricos não servem. "Abaixo de 75% de frequência" é uma regra que o MEC já define, mas quando o aluno chega em 75%, você já perdeu semanas de oportunidade.

O que funciona melhor: limiares relativos ao comportamento do próprio aluno.

Em vez de um número fixo, olhe pra variação. Se a média de frequência de um aluno era 92% e caiu pra 78% em duas semanas, o delta de 14 pontos percentuais é mais informativo do que o número absoluto.

Na prática, um sistema de alertas pode ter três faixas:

Atenção — Delta de frequência acima de 8 p.p. em 2 semanas, OU 2+ atividades atrasadas no mês, OU queda de 40% no tempo de acesso ao AVA. Ação: monitoramento ativo pelo coordenador.

Alerta — Dois ou mais critérios de atenção simultaneamente, OU inadimplência superior a 30 dias. Ação: contato direto com o aluno em até 48 horas.

Crítico — Três ou mais critérios de atenção, OU ausência total por mais de 10 dias letivos. Ação: protocolo completo — contato com aluno, família (quando aplicável) e encaminhamento interno.

Esses números não são arbitrários. Eles vêm de ajustes feitos por instituições que testaram e calibraram ao longo de semestres. Sua instituição vai precisar fazer o mesmo. Os limiares iniciais são um ponto de partida, não uma verdade final.

O caso Weducation: de reativo a preditivo em um semestre

A Weducation é uma edtech voltada pro ensino superior que atende 14 instituições no Sudeste e Nordeste. Em 2024, a empresa implementou um sistema de dashboards preditivos pra detecção precoce de evasão. O resultado concreto merece atenção.

Como era antes

Os coordenadores acadêmicos das IES atendidas pela Weducation trabalhavam no modelo clássico: recebiam relatórios mensais de frequência, cruzavam manualmente com as listas de inadimplência e tentavam ligar pra quem já tinha sumido.

Numa das instituições parceiras, uma faculdade com 3.200 alunos em Belo Horizonte, a taxa de evasão no primeiro semestre de 2023 foi de 27,3%. Dos alunos que saíram, 71% não tiveram nenhum contato proativo da coordenação antes do desligamento.

O problema não era falta de vontade. Era falta de visibilidade. Cada coordenador cuidava de 400 a 600 alunos. Sem um sistema que filtrasse quem precisava de atenção, o trabalho era impossível.

O que mudou

A Weducation integrou dados de quatro fontes — sistema acadêmico, LMS (Moodle), sistema financeiro e registros de atendimento — num painel unificado que calcula um score de risco pra cada aluno, atualizado diariamente.

O score combina os quatro indicadores já mencionados (frequência, atividades, financeiro, acesso digital), ponderados por relevância. A ponderação foi calibrada com dados históricos de 18 meses: o sistema analisou os perfis de alunos que evadiram no passado e ajustou os pesos pra maximizar a detecção precoce.

Cada coordenador passou a ver, ao abrir o painel pela manhã, uma lista priorizada dos alunos em risco. Vermelho, amarelo, verde. Sem precisar abrir planilha, sem esperar relatório mensal, sem cruzar dados na mão.

Resultados em números

Após dois semestres de operação (2024.2 e 2025.1), a mesma faculdade de BH registrou:

Evasão no primeiro semestre caiu de 27,3% pra 19,1% — uma redução de 8,2 pontos percentuais
O tempo médio entre o primeiro sinal de risco e o contato com o aluno caiu de 34 dias pra 6 dias
82% dos alunos classificados como "alerta" que receberam intervenção dentro de 7 dias permaneceram na instituição
A taxa de sucesso das intervenções com alunos em faixa "crítica" foi bem menor: 38%. O que confirma que tempo é o recurso mais valioso

A coordenadora acadêmica da instituição descreveu a mudança assim: "Antes, eu sabia que ia perder aluno, mas não sabia qual. Agora sei qual, e sei com antecedência suficiente pra tentar."

O que não funcionou tão bem

Nem tudo foi positivo, e isso é importante de registrar.

Nos cursos EAD, o modelo preditivo teve acurácia menor. A razão: alunos EAD têm padrões de acesso muito mais irregulares por natureza. Um aluno presencial que não aparece por 10 dias é um sinal forte. Um aluno EAD que não acessa por 10 dias pode simplesmente estar acumulando pra assistir no fim de semana.

A Weducation precisou criar modelos separados pra EAD e presencial, com pesos diferentes. No EAD, o indicador financeiro ganhou muito mais relevância, e o tempo entre atividades substituiu a frequência como variável principal.

Outro ponto: nos primeiros meses, o sistema gerou alertas demais. Coordenadores recebiam 40, 50 alunos em amarelo por dia e não davam conta. A solução foi calibrar os limiares pra cima e criar um filtro de "falso positivo recorrente" — alunos que apareciam em alerta todo mês mas nunca evadiam foram reclassificados.

O que não funciona (e muita escola ainda faz)

Ter dados é necessário, mas não é suficiente. A maneira como você age sobre os dados importa tanto quanto os dados em si.

Algumas práticas comuns que os dados da Weducation e de outras pesquisas mostram como ineficazes:

Mandar e-mail genérico pra todos os alunos em risco. Taxa de resposta abaixo de 4%. Aluno em risco não abre e-mail institucional.
Oferecer desconto financeiro como primeira intervenção. Funciona em menos de 20% dos casos. Quando a questão é financeira, desconto ajuda. Quando não é — e em 58% dos casos não é — o desconto não resolve nada e ainda deprecia o serviço.
Esperar o aluno procurar ajuda. Alunos em processo de evasão raramente pedem ajuda. Eles se distanciam. A instituição precisa ir até eles.
Reunião de colegiado pra discutir evasão uma vez por semestre. Inútil pra ação. Quando os dados chegam ao colegiado, os alunos já saíram.
Pesquisa de satisfação anual como termômetro. Pesquisas medem satisfação, não risco. Um aluno pode estar satisfeito e sair por questão financeira. Ou insatisfeito e ficar porque não tem alternativa.

O padrão aqui é claro: intervenções genéricas, tardias e que não consideram o contexto individual do aluno simplesmente não movem o ponteiro.

Como montar seu sistema de alerta (mesmo sem uma edtech)

Nem toda instituição vai contratar uma Weducation. Mas qualquer escola com um sistema acadêmico e uma planilha pode começar.

Passo 1: Junte os dados num lugar só

Não precisa de um data lake. Uma planilha atualizada semanalmente com frequência, notas, situação financeira e último acesso ao AVA já funciona. O formato importa menos que a regularidade. Defina um responsável e um dia da semana pra atualizar.

Passo 2: Calcule o delta, não o absoluto

Em vez de olhar se o aluno tem 75% de frequência, calcule a variação nas últimas 2-3 semanas. Frequência caindo é mais informativo que frequência baixa. Muitos alunos têm frequência historicamente baixa e não evadem. Outros têm frequência alta e, quando ela cai, é sinal de problema sério.

Passo 3: Defina 3 faixas e só 3

Mais que três faixas cria paralisia. Use as faixas de atenção, alerta e crítico descritas acima. Ajuste os números pra sua realidade, mas mantenha a estrutura simples.

Passo 4: Atribua ações concretas a cada faixa

"Monitorar" não é uma ação. "Enviar mensagem por WhatsApp em até 48h perguntando como o aluno está" é uma ação. Cada faixa precisa ter um protocolo claro, com responsável definido, prazo e canal de contato.

O que os dados sugerem sobre canais, aliás: WhatsApp tem taxa de resposta 6 a 8 vezes maior que e-mail pra alunos em risco. Ligação telefônica funciona, mas coordenadores não têm tempo de ligar pra 30 alunos por semana. A combinação mais eficiente parece ser: mensagem por WhatsApp primeiro, ligação apenas pra quem não respondeu em 72h.

Passo 5: Treine quem vai usar

Dados sem interpretação viram ruído. O coordenador precisa entender o que significa um aluno em "alerta", qual é o protocolo e como registrar a intervenção pra acompanhamento. Um treinamento de 2 horas com simulação de casos reais já faz diferença.

Passo 6: Revise trimestralmente

A cada trimestre, olhe pra trás. Quantos alunos em "alerta" realmente evadiram? Quantos em "verde" evadiram sem aviso? Se os falsos negativos (alunos que saíram sem sinal) forem muitos, seus limiares estão frouxos. Se os falsos positivos (alertas que não viraram evasão) estiverem sobrecarregando a equipe, ajuste pra cima.

O que dados podem e não podem fazer

Vale ser direto sobre os limites.

Dados podem identificar padrões que o olho humano perde. Com 400 alunos sob sua responsabilidade, nenhum coordenador vai perceber que o João do 3° período reduziu 12% de frequência e não entregou duas atividades. O painel percebe.

Dados podem comprar tempo. Em vez de descobrir a evasão quando o aluno não renova a matrícula, você descobre 3 a 6 semanas antes. Esse tempo é o ativo mais valioso de qualquer programa de permanência.

Dados podem medir o que funciona. Se você faz intervenção com 50 alunos em risco e 35 ficam, você tem uma taxa de 70%. Se muda o protocolo e a taxa sobe pra 78%, você sabe que melhorou. Sem dados, é achismo.

Mas dados não podem substituir a relação humana. O aluno não fica porque viu um dashboard verde. Ele fica porque alguém ligou, perguntou o que tava acontecendo e ofereceu um caminho possível. Dados dizem pra quem ligar. A conversa é com a pessoa.

E dados não preveem o imprevisível. Uma crise familiar, uma mudança de cidade, uma oportunidade de emprego que aparece do nada. Vai ter evasão que nenhum modelo prevê. O objetivo não é zerar — é reduzir o evitável.

Frequência não é vaidade: por que medir semanalmente muda tudo

Muitas instituições medem evasão semestralmente. Comparam o número de matriculados no início do semestre com o número de concluintes e calculam a taxa. É como medir a temperatura de um paciente uma vez por mês.

A mudança mais simples que uma escola pode fazer é passar a acompanhar indicadores de risco semanalmente. Não o número final de evasão — esse é resultado, não indicador. Mas sim o número de alunos em cada faixa de risco, a velocidade com que alunos estão migrando de verde pra amarelo, e o tempo médio de resposta da coordenação aos alertas.

Quando a faculdade parceira da Weducation em BH começou a acompanhar essas métricas semanalmente, a equipe percebeu algo que o relatório semestral escondia: a maior migração de alunos pra faixa de risco acontecia entre a 4ª e a 6ª semana de aula. Não no final do semestre, como todos assumiam. As primeiras provas, o primeiro choque de realidade com a dificuldade do conteúdo e o acúmulo de atividades eram os gatilhos.

Com essa informação, a instituição concentrou ações de acolhimento e tutoria nas semanas 3 a 7. Monitorias extras, grupos de estudo facilitados, mensagens de check-in. A evasão nesse período caiu 41% entre 2024.2 e 2025.1.

Detalhe: a intervenção não custou quase nada além de reorganização de agenda. Não foi preciso contratar mais gente. Foi preciso saber quando agir.

Próximo passo: descubra onde sua escola está

Se você chegou até aqui, provavelmente reconheceu alguma coisa da sua própria instituição nesse texto. A pergunta agora é: por onde começar?

Antes de montar dashboards e definir limiares, vale entender a maturidade da sua escola em gestão de dados. Você coleta os dados certos? Eles estão acessíveis? Alguém usa? Existe um processo definido?

Conheça o nosso eixo de Transformação Digital & Automação — onde construímos dashboards preditivos de evasão e sistemas de alerta que identificam alunos em risco semanas antes do abandono.

Ou comece pelo diagnóstico rápido que mapeia exatamente a maturidade da sua escola. São 12 perguntas, leva menos de 5 minutos, e no final você recebe um relatório com o nível de maturidade da sua instituição e recomendações específicas pra cada gap identificado.

Faça o diagnóstico gratuito →

Não é pesquisa de satisfação. É um raio-x da sua capacidade de agir sobre dados antes que eles virem estatística de evasão.

Evasão Escolar: Como Usar Dados para Agir Antes da Perda