Sergey Nivens - Fotolia
物联网数据质量决定项目的盈利能力
只有更好的物联网数据质量才能提高物联网数据分析得出的见解，数据科学家用准确性、及时性和完整性等指标来衡量物联网数据质量。
物联网数据质量很重要，甚至可能比它的数量更重要，因为端点传感器生成的数据驱动决策和决定行动。
连接设备产生字节在未来的几年中，这个数字将会翻三倍。据统计，到2025年，全球将有557亿台联网设备，其中75%连接到物联网平台研究公司国际数据公司(IDC)。到2025年，这些设备预计将产生73.1 ZB的数据，高于2019年的18.3 ZB。
这些数据令人印象深刻，但有多少数据是好的呢?每个组织的答案将根据他们如何使用数据而有所不同。
“有了糟糕的数据，你不可能做出好的决定。没有高质量的数据就不可能有高质量的决策，没有高质量的决策就不可能有好的结果，”GridCure首席技术官、IEEE高级成员Shawn Chandler说。
物联网工程师和管理人员必须确保他们开发出一个强大的数据治理为他们的物联网部署提供程序，该过程考虑了必要的数据质量措施，以及如何确保这些措施得到满足和维护。任何基于不符合确定标准的数据的决策或预测都将是有缺陷的，并且当预测指向错误的方向时，会给组织带来损失。
如何度量数据质量?
数据科学家可以通过度量来评估数据质量客观特征或维度，如准确性、记录完整性、数据集完整性、完整性、及时性、唯一性、一致性、精确性、可访问性和存在性。主观品质可能还包括可用性、可信度、可解释性和客观性。
数据应确定是否“适合用途”，并有规定的范围或公差。也就是说，它是高度相关的。就像一颗钻石。我们可以测量它的剪裁、颜色、克拉数和净度。但对于订婚钻戒和钻石锯片来说，这些是不同的，”商业和技术咨询公司西门罗(West Monroe)的数据分析战略创新研究员道格·兰尼(Doug Laney)说信息经济学:如何将信息货币化、管理和衡量作为竞争优势的资产。
关于这个主题的更多信息
物联网的部署会产生大量的物联网数据。组织必须计划他们想要从分析中得到什么，建立他们的数据管道和支持技术，并确保数据质量使可行的洞察可行。
每个组织必须评估其数据，并确定每个物联网用例所需的质量水平。换句话说，组织不会找到一个适用于所有人的规则。根据每个企业的需求和用物联网生成的数据做出的决策，数据质量维度的参数在不同的组织中有所不同。
Forrester Research的副总裁兼首席分析师Mike Gualtieri说:“组织应该了解数据质量对特定应用程序所需的准确性、时间和完整性的容差。“为了使一种工业化学品保持气态状态，(杂货店的)冷冻机可能不必像温度那样精确。”
什么会影响物联网数据质量?
工程师可以在物联网数据管道的多个点上改变数据质量。
端点设备本身可能会产生问题。如果设备不可靠或校准不当，它们收集的数据可能不是对现实的准确测量。
Laney解释道:“物联网设备容易出现错误校准或通信问题，从而扭曲数据，或引入可用性和完整性问题。”他指出，此类问题“很容易测试和解决。”
设备部署也可能导致问题。例如，放置不当或编程不当的端点设备可能会接收不完整或不相关的数据。一种旨在测量高速公路桥梁振动的传感器的程序设定是只在车流量倾向较低的时候读取数据，但它无法产生所需的全部数据。
物联网管道中的问题，如安全漏洞或格式更改，也可能影响数据质量。
强有力的治理需要
组织必须创建一个数据计划来处理所需的质量维度。
一个强大的数据质量治理程序首先，团队根据组织目标确定所需的数据，然后决定使用哪些数据质量维度。预期的用途决定了这些维度的参数——换句话说，对于所做的决策，数据质量必须有多准确、多完整和多及时。
“数据质量是一个光谱，用于收集、整理、存储和分析数据的方法和手段在这个光谱中会有所不同。了解收集的数据的性质和使用目的将确定解决方案的形状，以确保质量符合目的，”it服务管理公司Ensono的首席顾问Simon Ratcliffe说。
例如，与物联网部署相比，自动驾驶汽车的终端设备对数据质量的要求要高得多。物联网部署用于提高建筑供暖系统的效率。
治理计划还必须建立机制来审查数据，并确认它在部署的整个生命周期中继续满足组织所需的维度参数，并对物联网用例的演变进行解释。
Laney补充说:“数据治理涉及一个围绕原则、指导方针、政策、实践、程序、监测和执行数据收集、生成、处理、使用和处置的整个运营模式。”“理想情况下，数据治理应该被纳入生成数据的系统设计中，而不是事后才考虑。”
