物联网的价值在于数据——这反过来意味着物联网的价值在于能够收集、分析和解释质量数据的物联网生态系统。这并非没有挑战。以下是您的组织可能遇到的五个最重要的物联网数据质量挑战，以及如何克服这些挑战。验证：识别不相关的脏数据是最明显且可能代价高昂的物联网质量问题之一。假设您部署了传感器来自动识别重型机械上的某个部件何时需要维修或更换，而它们传输的数据不知何故不正确？好吧，您最终可能会购买不必要的替换零件，或者派出昂贵的工程师来解决不存在的问题。应对这一挑战需要多方面的方法。您需要能够识别和标记可能不正确的数据的工具和流程，因为它超出了正常或预期的范围。转换：将数据转换为有用的格式通常物联网数据是可用的，但不能按原样解释，因为它是一种无法识别的格式，它们需要以某种方式进行转换。例如，网络摄像机捕获的视频可能需要逐帧分解，以便分析平台可以正确地“读取”它们并识别有用的对象或模式；生产线上不同元素的性能或状态数据可能需要作为一个统一的整体进行分析，而不是作为单独的部分。集成：与非物联网数据相结合重要的是要记住，物联网生态系统捕获的数据只是更广泛数据图中的一部分。在物联网出现之前，其他企业IT系统已经从消息系统、日志文件、交易记录等中捕获了大量潜在有用的数据。未能结合物联网整合和分析数据可能意味着物联网数据被断章取义或以不完整的方式查看。这意味着公司需要发现他们的其他数据，无论它存储在整体架构的哪个位置，都需要与他们的物联网生态系统集成，以全面了解所有企业信息。应对这一挑战可能需要与系统集成商或互操作性专家合作，以确保旧系统和新系统完全集成。边缘管理即使是最小和最简单的物联网生态系统也能以惊人的速度生成大量数据，并且数据生成是连续和动态的。如果您的物联网设备收集和传输的数据没有得到有效存储和管理，您很快就会发现您的组织没有正确利用这些数据，或者更糟糕的是，处理不完整、损坏或误导性数据。物联网正在推动数据处理更接近网络边缘设备的趋势。虽然这在减少延迟和提高效率方面带来了巨大好处，但这也意味着IT人员需要确保在核心数据中心之外正确管理数据。安全性：保护数据免受威胁与企业IT的所有方面一样，物联网中的数据需要受到保护，免受恶意威胁、意外泄露、技术故障和人为错误的侵害。然而，物联网中生成的数据的规模和动态，以及典型物联网生态系统中涉及的设备数量，使得这与几年前的企业IT安全性大不相同。应对这一挑战首先要确保您的组织拥有清晰而全面的物联网数据安全方法，避免职责重叠或被忽视的问题。（来源IoTHomeNetwork）然后您需要考虑如何在生成、传输和静止时保护您的IoT数据，以及如何验证和保护IoT生态系统中的每个连接设备。IoT可以为您提供前所未有的商业智能，还可以为您的运营提供新的见解，帮助您以前所未有的方式创新和优化流程。所有这些过程的基础是高质量的数据。
