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。

　　我們經常會看到物聯網的多個“層”，例如物理基礎設施、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”，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萎靡不振的數據。

　　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100GB的數據會產生多達0.2噸的二氧化碳。

　　這種結果可以通過適當的物聯網數據治理來避免。本文解釋了什么是物聯網數據治理，為什么它使用該技術的成功至關重要，以及如何實施它的基本概述。

　　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IoT數據治理是什么，為什么它對您使用該技術的成功至關重要，以及如何實施它的基本概述。

　　結果應該是更好地控制數據資產，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企業試圖解決的問題有長遠的看法。物聯網系統本身并不能解決效率低下的問題，或提供對新機會的洞察，它們只能作為解決這些問題的長期方法的一部分。

　　然后，數據治理是關于支持數據與企業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。

　　作為正常業務運營的一部分，我們幾乎可以肯定已經在進行某種數據治理。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，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。這也意味著需要具體說明要解決的問題。

　　舉個例子，假設在一棟公寓樓中部署了傳感器，設施管理人員將大量時間用于維修或跟進單元中的漏水情況。假設泄漏開始耗盡過多的維護時間。在某些情況下，只有當租戶看到水從下面單元的干墻流出時才會發現漏水，而水已經造成了很大的破壞。

　　至關重要的是，由于維護工作非常繁忙，他們沒有時間記錄每天遇到的每起事件的具體細節，因此很難看到泄漏發生的位置，或維修方式的任何更大模式。

　　部署后，傳感器會提醒設施管理人員注意細微的漏水，這意味著他們在造成損害之前就知道了。

　　每次發生微小泄漏時，都會記錄為數據。隨著時間的推移，該數據集被分析并用于預測下一次可能發生泄漏的位置。這是一個理想的結果，但實現這一目標需要堅實的數據治理基礎來促進這種轉變。

　　如何開始物聯網數據治理

　　數據治理并不像有時想象的那么復雜，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，但如果自己不是專家，則很難理解。

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

　　根據使用的物聯網技術，這可能需要時間并且可能變得復雜，但如果沒有它，就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。

　　同樣，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。它還可能包括來自租戶和維護人員的報告。還有掌握的有關基礎設施本身信息，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。

　　作為此過程的一部分，甚至可能會在仔細查看所知資產時，發現擁有所不知道的資產。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，例如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，但重要的是，無論選擇什么結構，它對我們來說都是有意義的。

　　第3步：創建策略和規則

　　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，企業丟棄了他們收集的一半以上的物聯網數據，但有些數據對實現業務目標是沒有用的。

　　甚至可能需要一條規則，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，也應該制定政策和規則來滿足這些要求。

　　最后，應該定義誰負責數據收集，企業內的誰可以訪問不同類型的數據，以及他們圍繞該訪問的職責。

　　例如，如果希望維護人員能夠訪問來自水傳感器的警報，以便他們立即獲知任何泄漏，同時，IT員工可以訪問聚合的匿名數據，那么他們可以使用這些數據生成報告和運行分析。

　　第4步：標記物聯網數據

　　要使用算法分析和機器學習工具，數據需要被標記。在與IT團隊或IT供應商進行的對話中，幾乎肯定會出現如何標記數據的情況，但可以將其視為有點像將所有數據放入盒子中，然后在每個盒子的側面寫下它包含的內容。

　　這可能包括標記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，它對企業的相對商業價值是什么。

　　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，會發現自己知道所有數據在哪里，如何收集、處理和存儲數據，以及它應該提供什么價值。

　　這是開始使用分析，通常使用機器學習工具，并開始尋找模式、開發物聯網可以展示的更廣闊視野的步驟，在哪里可以找到效率、降低成本和轉移企業的工作，從處理問題時的被動態度轉變為更加主動的立場。