传感器是一条枢纽，它将数字国际和物理国际迷人地衔接在一起。可是，要取得有价值的可用数据并非易事。实际上，许多刚刚进入物联网范畴的规划人员都对传感器数据的紊乱没有满足的心思预期。
引导客户信任，他们看到的许多“过错”数据并不是由于传感器自身出了毛病，成为物联网运动传感器公司MbientLab的日常作业。之所以数据过错，是由于集成了这些传感器的体系规划中短少一些进行数据整理的要害步骤。
“我每天都在应对这些诉苦。”MbientLab首席执行官Laura Kassovic在最近的一次讲演中表明。她一起还正告工程师，有必要正确了解通过机器学习练习物联网的难度。“多年来，东西和硬件都取得了长足进步，可是，关于数据处理的根本了解依然没有多少改善。”
“我对用户测验运用传感器来处理问题、研讨杂乱课题十分欢迎，”Laura Kassovic表明。“这是一种英勇的行为，很风趣，思路很敞开，可是也很难。许多人没有运用正确的办法，未能处理实际问题，就把失利归咎于咱们的传感器，我对此感到很无法。要知道，传感器不会说谎，它没有任何成见，传感器的数据始终是正确的。用户乱用或误解了传感器数据，却把锅甩给了传感器！”
实际上，传感器并非总是易于运用，传感器生成的一切数据也并非都很有价值。要害在于，要搞清楚哪些数据有价值，别离出这些数据，然后把其它废物数据丢掉掉。
Synopsys公司董事长兼联席首席执行官Aart de Geus表明，“大多数传感数据都不是体系价值的要害。可是也有一些破例，比方人工眼睛。有一些能够归类到人工智能设备的范畴，比方能够进行各种丈量的手表。这些丈量数据能够反映什么问题？能够猜测心脏病的发生吗？假如能够，这类数据的价值十分高，你乐意为此付多少钱？假如它能在一分钟之前提示你，你能够给你的妻子写下临别遗言‘谢谢你，我喜欢你’。假如你有一个小时的提早提示时刻，你能够打电话给急救中心，假如有几个小时，数据的价值和危险将会再次改动。”
在各种使用中，数据以各种不同的方式呈现，在某一个使用场景中被以为是洁净的数据，到另一个场景中或许还需求进行进一步的整理。有些数据的整理作业能够在本地完结，而其它数据能够在数据中心里进行整理。
“假如说你有一个面部辨认使用，只允许某些授权职工进入这栋大楼，”Geus说。“你每个月都要更新边际设备中的AI网络，确保AI网络能够辨认一切面孔。由于随时都会有许多的人进入这栋楼，所以这个作业不轻松。不过，这个安全级别并不是太高，并不是一切数据都需求随时更新。”
而在其它一些使用中，数据需求实时进行整理。最近就有一个现成的沉痛事例。10月29日，印尼狮航一架波音MAX 8飞机坠毁，一切机上人员悉数罹难。现在的查询或许正在朝着将传感器定为元凶巨恶的方向行进。康复的黑匣子数据显现，在飞翔过程中，两个迎角传感器（AOA）数据不共同。显然有一半数据都不正确，这足以误导这架飞机的防失速体系，使飞机回头向下，直至机毁人亡。
判别这次飞翔事端中究竟发生了什么，现在还为时尚早。“或许不仅仅是一个传感器的问题，究竟这个数据处理体系有许多环节，”意法半导体战略渠道和物联网杰出中心主任Mahesh Chowdhary说。“先是一个传感部分，然后通过一个衔接部分，最终抵达核算部分。有一些算法能够检查传感器数据并确认飞机的方向。多个功用有必要和谐共同地同步作业，以供给有关飞机方向的信息。”
在传感器供给的许多数据中，并非一切数据都有用，并且，即便是咱们以为有价值的数据也或许被污染了，或许不精确。从看似简略的物联网体系，到更杂乱的安全要害体系，当传感器体系规划失效时，咱们能单纯地把数据-特别是被污染的脏数据-认定为元凶巨恶吗？你怎样判别传感器坏了，数据不对？也许是算法的逻辑或许读取数据的固件出了毛病了呢？为了拣择出真实的失效原因，有必要首要对什么是“脏数据”达到共同。
“这是一个不置可否的范畴。传感器现在作业正常吗？嗯，不好说，它没有依照你幻想的那样作业，那么，是用户形成的过错仍是传感器自身的毛病？我发现，现在关于脏数据的界说是十分含糊的一个概念。有时候，由于用户体系存在缺点，假如您的传感器作业正常的话，用户体系就无法正常作业了。”TT Electronics的产品线总监Robert Pohlen说道，这是一家规划传感器并协助客户创立各种根据传感器的体系的公司。
