本文解釋了什么是物聯網數據治理，為什么它對成功至關重要，以及如何實施它的基本概述。

　　在研究和考慮在物聯網(IoT)中進行采購時，數據治理是一個必不可少但往往缺乏支持的主題。

　　我們經常會看到對物聯網的多個“層”的引用：物理基礎設施、網絡安全、與現有軟件的集成和數據分析都是有效部署的重要組成部分。

　　但經常被掩蓋或完全忽略的是物聯網的“人員層”——我們與員工如何與這項技術互動，以及必須如何構建規則和責任，以有效使用收集的數據。

　　事實上，找到物聯網數據浪費的信息并不困難，有時也被稱為數字浪費。由于沒有人決定如何處理而被丟棄或在存儲中枯萎的數據。

　　雖然我們不會在這一點上深入探討，但數據存儲，尤其是云數據存儲，是能源密集型的。這方面的數字略有不同，但每存儲100 GB的數據會產生多達0.2噸的二氧化碳。

　　關于物聯網數據浪費了多少，沒有權威數據，但我們可以找到的大多數估計表明平均在50-99%之間，如果可靠的話，考慮到購買和部署大多數物聯網系統所需的資本投資，這個數字非常高。

　　通過適當的物聯網數據治理可以避免這種結果。本文解釋了物聯網數據治理是什么，為什么它對使用該技術的成功至關重要，以及如何實施它的基本概述。

　　其結果應該是更好地控制我們的數據資產，同時從物聯網投資中獲得最大價值。

　　什么是物聯網數據治理，為什么它很重要?

　　從物聯網中獲得全部價值的許多挑戰是讓相關人員對價值有共同的理解，它創建的數據是為了什么，如何使用以及誰對它負責。

　　物聯網的有效治理和實施需要對組織試圖解決的問題有長遠的眼光。物聯網系統本身并不能解決效率低下的問題，也不能提供對新機會的洞察，它只能作為解決這些問題的長期方法的一部分。

　　因此，數據治理是關于支持數據與組織的業務目標之間的聯系，無論是降低成本、提高員工績效還是自動化流程。

　　幾乎可以肯定，數據治理已作為正常業務操作的一部分。但是，如果現在的數據治理方法是在出現問題時做出反應，然后在每次問題再次出現時重復相同的修復，那么可能會發現無法通過實施物聯網技術獲得顯著的效率。

　　要想取得成功，需要將物聯網數據視為一種預防問題的方法，而不僅僅是在問題發生時解決問題的工具。

　　如何開始物聯網數據治理

　　數據治理并不像想象的那么復雜。數據管理專業人員使用許多技術術語，這些術語雖然非常精確，但若自己不是專家，則很難理解。

　　以下是用于開始數據治理的常見流程，可幫助了解有效管理物聯網生成數據的使用所需的內容。

　　根據使用的物聯網技術，這可能需要時間且可能變得復雜，但如果沒有它，可能會錯失應獲得的價值。

　　第1步：盤點資產

　　首先要做的是盤點擁有的數據資產、所有這些資產的來源以及現在可以從哪里訪問這些資產。這還應該包括從非物聯網來源收集的數據。

　　以漏水為例，這可能包括來自檢測泄漏、流量或壓力的傳感器的數據。還可能包括來自租戶和維護人員的報告。

　　還可能包括基礎設施本身的信息：每個單元中的洗碗機和洗衣機以及整個建筑物中的所有管道、閥門、配件和排水管的記錄。

　　作為此流程的一部分，甚至可能會發現擁有了自身不知道的資產。這種情況經常發生，因為在此之前，沒有人想過問它是否存在或它可能具有什么價值。

　　第2步：對數據進行分類

　　為了使收集的所有資產有意義，需要對數據進行組織。

　　關鍵問題是，它都是以某種邏輯方式構建的。例如，在這個階段通常將所有內容分配給一個類別：來自維護人員的輸入數據作為一個類別，有關電器的產品數據作為另一個類別。但無論選擇哪種結構，它都是有意義的。

　　第3步：創建策略和規則

　　這步是需要對數據資產做出決策的部分。

　　為物聯網數據創建策略首先要決定要保留哪些數據。雖然我們之前注意到，企業丟棄了其收集的一半以上的物聯網數據，但應該清楚，有些數據對實現業務目標是沒有用的。

　　甚至可能想要一條規則，指定丟棄某種類型的數據或不符合特定標準的數據，因為它只會產生不必要的混亂和浪費。

　　這也是考慮合規性的階段。根據所在的司法管轄區，必須遵守有關數據收集和使用的法律法規。許多數據收集制度都具體規定了必須如何存儲和保護數據——應該制定政策和規則來滿足這些要求。

　　最后，定義誰負責數據收集。組織中誰有權訪問不同類型的數據，以及其對該訪問的責任。

　　第4步：標記物聯網數據

　　擁有自己的數據資產，組織它們并圍繞它們構建了規則和策略結構。要使用算法分析和機器學習工具，數據需要被標記。

　　那，如何標記數據呢?可以將其想象為將所有數據放入盒子中，然后在每個盒子的側面寫下其包含的內容。

　　這可能包括標記所擁有的每種類型的數據、收集數據的時間、收集方式，以及重要的是，它對組織的相對商業價值。

　　第5步：自動化

　　這本質上是良好的物聯網數據治理的最終結果。如果做得好，會知道所有數據的位置，如何收集、處理和存儲數據，以及其應該提供的價值。

　　這一步開始使用分析。通常使用機器學習工具，并開始尋找模式，并開發物聯網展示更廣闊的視野：在哪里可以找到效率、降低成本，將組織的工作從處理問題時的被動立場轉變為更主動的立場。