（一）完善量化考核指标，精准识别“真贫困”
通过大数据分析，以学生的家庭经济状况、消费支出等硬性指标，对所有学生的个人信息指数进行量化赋分考核，分数越高，困难等级优先，从高到低排列，家庭经济困难学生的困难等级一般分为三个层次：“特别困难”、“比较困难”和“一般困难”。在贫困学生的认定及审核过程中，根据学生的量化指标得分和总分，根据班级审核小组的意见和民主评估过程，对贫困学生的信息数据库进行综合识别，确定年度的补助资金。结果，基于用于识别贫困学生的可量化指标，对贫困学生的识别将更加标准化，客观和可操作性，从而避免了由于主观因素审查过程而导致对贫困学生的识别不准确的问题。在助学金分配标准方面，根据助学金目标的贫困程度，以增加对特别困难的助学金目标的支持，提高补助标准以及助学金分配的准确性和差异性，并确保工作过程公平公正。
（二）依托大数据技术搭建精准资助动态管理平台
采用大数据技术来构建信息管理系统，以实时监控贫困学生的动态。通过整理指标数据，实时分析、研判继而汇总成报告，建立困难预警机制，实施动态资金管理以及完善扶贫脱贫机制。动态资助管理模式作为实施有针对性的扶贫工作的重要措施，可以帮助学校及时了解贫困学生的生活状况，从而最大程度地减少教育扶贫工作的偏差。此外，动态管理不仅可以实时监控贫困学生的各种状况，而且可以更迅速、准确地识别和查找信息，以便及时调整，确保应助尽助。因此，大多数高校还应该使用大数据来监视，分析和预测受资助的学生，建立资助预警机制，实时监督学生的家庭经济、学习情况和消费情况的变化，动态调整扶贫目标和扶贫标准，为深化和改善教育援助提供数据支持。
（三）利用“大数据”技术挖掘隐性贫困生
在大数据技术的支撑下，高职院校可以主动识别贫困学生，全面了解学生的实际家庭经济状况，消费状况和贫困原因。因为家庭经济困难的学生容易受到影响，学校可以在一定程度上主动给予国家政策支持，减少对家庭经济困难学生自尊的损害，并达到利用“大数据”发现学生的目的。
基于院校自身的信息平台，利用大数据技术，高职院校可以主动谋划，进行数据比对并识别贫困学生，全面了解学生的实际家庭经济状况，消费状况和贫困原因。因为家庭经济困难的学生容易受到影响，学校可以在一定程度上主动给予国家政策支持，通过大数据技术学生在校一卡通的消费情况、银行卡的账单记录以及其它电子支付情况进行在线筛查、分析、研判，挖掘“隐性”贫困学生，达到应助尽助不多助。