数据治理和物联网：成功所需的知识

在研究和考虑在物联网(IoT)中进行采购时，数据治理是一个必不可少但往往缺乏支持的主题。

我们经常会看到物联网的多个“层”，例如物理基础设施、网络安全、与现有软件的集成和数据分析，都是有效部署的重要组成部分。

但经常被掩盖或完全忽略的是物联网的“人员层”，与员工如何与这项技术互动，以及必须如何构建规则和责任，以有效使用收集的数据。

事实上，找到物联网数据浪费的信息并不困难，有时也被称为数字浪费。由于没有人决定如何处理而被丢弃或在存储中萎靡不振的数据。

虽然我们不会在这一点上深入探讨，但数据存储，尤其是云数据存储，是能源密集型的。这方面的数字略有不同，但每存储100GB的数据会产生多达0.2吨的二氧化碳。

这种结果可以通过适当的物联网数据治理来避免。本文解释了什么是物联网数据治理，为什么它使用该技术的成功至关重要，以及如何实施它的基本概述。

通过适当的物联网数据治理可以避免这种结果。本文解释了IoT数据治理是什么，为什么它对您使用该技术的成功至关重要，以及如何实施它的基本概述。

结果应该是更好地控制数据资产，同时从物联网投资中获得最大价值。

什么是物联网数据治理，为什么它很重要?

从物联网中获得全部价值的许多挑战是让相关人员对价值有共同的理解，它创建的数据是为了什么，如何使用以及谁对它负责。

物联网的有效治理和实施需要对企业试图解决的问题有长远的看法。物联网系统本身并不能解决效率低下的问题，或提供对新机会的洞察，它们只能作为解决这些问题的长期方法的一部分。

然后，数据治理是关于支持数据与企业业务目标之间的联系，无论是降低成本、提高员工绩效还是自动化流程。

作为正常业务运营的一部分，我们几乎可以肯定已经在进行某种数据治理。但是，如果现在的数据治理方法是在出现问题时做出反应，然后在每次问题再次出现时重复相同的修复，可能会发现无法通过实施物联网技术获得显著的效率。

要想取得成功，需要将物联网数据视为一种预防问题的方法，而不仅仅是在问题发生时解决问题的工具。这也意味着需要具体说明要解决的问题。

举个例子，假设在一栋公寓楼中部署了传感器，设施管理人员将大量时间用于维修或跟进单元中的漏水情况。假设泄漏开始耗尽过多的维护时间。在某些情况下，只有当租户看到水从下面单元的干墙流出时才会发现漏水，而水已经造成了很大的破坏。

至关重要的是，由于维护工作非常繁忙，他们没有时间记录每天遇到的每起事件的具体细节，因此很难看到泄漏发生的位置，或维修方式的任何更大模式。

部署后，传感器会提醒设施管理人员注意细微的漏水，这意味着他们在造成损害之前就知道了。

每次发生微小泄漏时，都会记录为数据。随着时间的推移，该数据集被分析并用于预测下一次可能发生泄漏的位置。这是一个理想的结果，但实现这一目标需要坚实的数据治理基础来促进这种转变。

如何开始物联网数据治理

数据治理并不像有时想象的那么复杂，数据管理专业人员使用许多技术术语，这些术语虽然非常精确，但如果自己不是专家，则很难理解。

以下是用于开始数据治理的常见流程，可帮助我们了解有效管理物联网生成数据的使用所需内容。

根据使用的物联网技术，这可能需要时间并且可能变得复杂，但如果没有它，就可能会错失应获得的价值。

第1步：盘点资产

首先要做的是盘点拥有的数据资产、所有这些资产的来源以及现在可以从哪里访问这些资产。这还应该包括从非物联网来源收集的数据。

同样，以漏水为例，这可能包括来自检测泄漏、流量或压力的传感器的数据。它还可能包括来自租户和维护人员的报告。还有掌握的有关基础设施本身信息，每个单元中的洗碗机和洗衣机，以及整个建筑物中的所有管道、阀门、配件和排水管的记录。

作为此过程的一部分，甚至可能会在仔细查看所知资产时，发现拥有所不知道的资产。这种情况经常发生，因为在此之前，没有人想过问它是否存在或可能具有什么价值。

第2步：对数据进行分类

为了使收集的所有资产有意义，需要对数据进行组织。

关键问题是它都是以某种逻辑方式构建的。例如，在这个阶段通常将所有内容分配给一个类别，例如来自维护人员的输入数据作为一个类别，有关电器的产品数据作为另一个类别，但重要的是，无论选择什么结构，它对我们来说都是有意义的。

第3步：创建策略和规则

为物联网数据创建策略首先要决定要保留哪些数据。虽然我们之前注意到，企业丢弃了他们收集的一半以上的物联网数据，但有些数据对实现业务目标是没有用的。

甚至可能需要一条规则，指定丢弃某种类型的数据或不符合特定标准的数据，因为它只会产生不必要的混乱和浪费。

这也是考虑合规性的阶段。根据所在的司法管辖区，必须遵守有关数据收集和使用的法律法规。许多数据收集制度都具体规定了必须如何存储和保护数据，也应该制定政策和规则来满足这些要求。

最后，应该定义谁负责数据收集，企业内的谁可以访问不同类型的数据，以及他们围绕该访问的职责。

例如，如果希望维护人员能够访问来自水传感器的警报，以便他们立即获知任何泄漏，同时，IT员工可以访问聚合的匿名数据，那么他们可以使用这些数据生成报告和运行分析。

第4步：标记物联网数据

要使用算法分析和机器学习工具，数据需要被标记。在与IT团队或IT供应商进行的对话中，几乎肯定会出现如何标记数据的情况，但可以将其视为有点像将所有数据放入盒子中，然后在每个盒子的侧面写下它包含的内容。

这可能包括标记拥有的每种类型的数据、收集数据的时间、收集方式，以及重要的是，它对企业的相对商业价值是什么。

第5步：自动化

这本质上是良好的物联网数据治理的最终结果。如果做得好，会发现自己知道所有数据在哪里，如何收集、处理和存储数据，以及它应该提供什么价值。

这是开始使用分析，通常使用机器学习工具，并开始寻找模式、开发物联网可以展示的更广阔视野的步骤，在哪里可以找到效率、降低成本和转移企业的工作，从处理问题时的被动态度转变为更加主动的立场。