對於衡量學生在高等教育中順利畢業的範圍及影響方面，「學習分析learning analytics」算是一種較新的概念；這個名稱最先是由 Mitchell and Costello 兩人在2000年時提出，當時此分析和線上學習產品相關產業有關，但大概一直等到近十年後才逐漸在教育學術領域受到關注；而學習分析是一個很容易理解的概念 — 基本上是要界定最佳化的學習 — 也就是個人如何學習及學習時所處的環境，學習分析可用來改善學術機構的教育核心科目，像是找出課程、改善課程表、改善指導老師的績效和學生畢業後就業；學習分析是將資料研究處理和整合型科技與報表功能相結合來看出各類趨勢、了解對於學生順利畢業後產生的影響結果並找出學習具有阻礙風險的學生；而追蹤學生的學習脈絡背景能夠讓我們更深入了解學術機構各校務單位是如何共同努力讓學生取得較佳的學業成就。
或許要持續提升學生學習和進行研究的方式會取決於他們在資訊素養方面的技能熟練程度，這也包含確立目標、檢索、評估、選擇和使用資訊來源的能力；一般來說圖書館可負責推行資訊素養輔導教育並將資源使用數據與學生成功相互整合來展現圖書館重要的價值和影響力，而館員則負責推廣研究技能並以成功學習為重要的基礎目標來強化自身的管理和建設者的角色。
圖書館可負責推行資訊素養輔導教育並將資源使用數據與學生成功相互整合來展現圖書館重要的價值和影響力，而館員則負責推廣研究技能並以成功學習為重要的基礎目標來強化自身的管理和建設者角色。
圖書館可負責推行資訊素養輔導教育並將資源使用數據與學生成功相互整合來展現圖書館重要的價值和影響力，而館員則負責推廣研究技能並以成功學習為重要的基礎目標來強化自身的管理和建設者角色。
近幾年來學習分析又增加了一些複雜的狀況，其中一環是從學習者或學生身上取得資料的隱私權問題；隨著全球對隱私權各種規範的重視，例如個人資料保護法(GDPR)還有一些在地法規像是加州消費者隱私權法案(California Consumer Privacy Act)，對此各機構在運用學習分析方式上就必須要有一套考慮周全的運用策略；對於圖書館員來說，雖然這種革命性的資料使用方式具有雙重挑戰；但想當然也要能保障使用者隱私且在提供詳細的各種使用者參與度指標時，更需要有道德責任來保護圖書館使用者的隱私，另一項挑戰則是將資料彙集整合的安全取得途徑予以自動效率化，為了執行數據資料分析，館員可能會碰到要從不同的平台取得與蒐集且以人力整合後續資料，這在使用較傳統的圖書館指標數據報表時，此法多少還能繼續沿用，但要針對圖書館的影響力提供一套整體觀點時，用傳統的資料彙總絕對很難以應付；再者以人力來處理資料分析不但非常辛苦還會增加資料遺失風險，甚至更嚴重的會有資料外洩的可能。
將圖書館數據資料與學習分析進行適當整合的最佳途徑有哪些? 最一開始可用近期由美國大學和研究圖書館協會(ACRL)推出的學習分析工具，此工具除了提供有關隱私權和道德規範資訊，還有很多前瞻結果預測和圖書館數據案例來將學生的成功串連起來。
目前這個主題雖然有非常穩健的基礎，但許多圖書館還是會被卡在簡化不同資料來源和整合集中存取安全數據的問題上；而下一步則應利用圖書館分析平臺來簡化數據資料並將多個數據資料點(包含像是學生的學業平均成績分數GPA、電子資源使用狀況)都集中至一個中央控制面板上。
觀看影片可瞭解如何輕易將圖書館藏應用與學生成功相結合並為學術機構的學習分析做出貢獻。