物联网的数据是什么？

　　数据即价值是目前计算机领域极其推崇的观念。数据无论多少都归结为大数据，数据分析技术也被推到了非常高的地位，资本也对贴有大数据标签的技术公司趋之若鹜。数据如同流动的数字货币一样被一再地评估、追崇。

　　当物联网应用后，由于其数据产生的速度、种类都会对现有云端技术架构、数据处理方式，产生超乎想象的压力和挑战，也必然推动从“数据即价值”盲目崇拜到“有价值数据”这一理性认识上。

　　物联网的数据分类

　　静态数据与动态数据

　　单从数据的变化上来说，物联网数据可以分为静态数据和动态数据。静态数据多为标签类、地质类数据，RFID产生的数据多为静态数据。静态数据多以结构性、关系型数据库存储；动态数据是以时间为序列的数据，物联网动态数据的特点是每个数据都与时间有一一对应关系，并且这种关系在数据处理中尤其重要，这类数据存储通常采用时序数据库方式存储。

　　静态数据会随着传感器和控制设备数量的增多而增加；动态数据不仅随设备数量、传感器数量增加而增加，还会随时间的增加而增加。

　　无论静态数据还是动态数据，在物联网1.0阶段数据的增长是线性的，并且是指数级的，但是因为物联网动态数据是连续不间断的，所以数据的量也是海量的。因此物联网1.0阶段数据的压力是可控的，并不是如宣传的那样不可数，不可控。

　　能源类、资产属性类、诊断类、信号类数据

　　就数据的原始特性来说，我们可以把物联网数据分为能源类、资产属性类数据、诊断类数据、信号类数据。

　　能源类数据：是指与能耗相关的，或者是计算能耗所需的相关数据，例如电流、电压、功率因子、频率、谐波等。能源数据是物联网最关键的数据类型，物联网最终的目的之一就是节能，那么获取能源数据，理解能源数据，分析能源数据是物联网实施中必需的功能。能源采集设备也是物联网重要的设备之一。

　　资产属性类数据：通常指硬件资产数据，例如设备的规格、参数等属性，设备的位置信息、设备之间的从属关系等。资产类数据主要用于资产管理，资产管理是工业物联网非常重要的功能甚至可以作为独立系统研究，因为它可以和ERP系统、MES系统、物流等几乎所有的系统对接。

　　诊断类数据：是指设备运行过程中检测设备运行状态的数据，诊断类数据可以有两类：一类为设备运行参数，例如设备输入输出值，这里通常为传统工业自动化类数据，即OT技术相关类数据；另一类为设备外围诊断数据，例如设备的表面温度、设备噪音、设备震动等，值得提出的是外围诊断才是，物联网开发技术体现的地方，它包括新型传感器技术和物联网通信技术。外围诊断数据是预测性维护的重要的元数据，也为深度控制模型提供依据，因此诊断类数据是我们需要着重关注的数据类型。

　　信号类数据：信号类数据或者告警类数据是目前工业领域使用最普及的数据，因为其直观、易懂、关键，同时在本地、远程同时告知信号类数据容易被忽略，但是它是物联网所需要的、也是快速可以采集到、并对物联网系统提供重要参考价值的数据之一。

　　数据之间的关联性

　　数据之间的关联性是不同数据之间的关系，数据之间的关系对了解整个系统的运行有着最直接的影响，数据之间正确关系的梳理是系统有效运行、产生价值的基石。

　　数据之间的关联性可以从下面几个方面分析。

　　时间关联性：即同一时刻的数据照相，数据是同一时刻系统产生的，它反应的是系统这一时刻的状态，从数据世界角都看，这个系统就是这一时刻的数据集合。数据照相体现的是系统静态展示；时间戳是这类数据关键的因素，因此要求各个数据获取的时间戳必须相同，时间戳是目前很多数据所缺失的，也是物联网实施中需要关注和解决的问题之一。

　　流程关联性：即一个点的数据经过一定时间后影响第二个点数据的产生，它体现的是系统动态的流程展示。数据之间的流程关系性需要模型提供，并在实施中进行修正。

　　数据的时效性

　　数据的时效性是指数据产生到其被清楚的时间，数据时效是由系统的实施部署所决定。数据可以被使用次数，也可以被使用一次后就被清楚。总体来说，远程部署数据还是边缘部署数据影响着数据的时效性，通常边缘部署的数据时效性短，远程数据的时效性长。边缘部署需要的数据通常及时性强，但是边缘存储空间计算能力弱，因此不能长期保持；远程数据通常为历史性数据展示、计算分析，同时云端空间、计算的伸缩性强，因此数据时效性长。

　　数据的实时性也是数据时效性的一部分，实时性和数据的部署位置、数据的重要性以及传输方式都有关联性。