数据也可能一开始是干净的，但是经过更新或者病毒入侵后变脏了。Rambus研究员Helena Handschuh说：“在全球范围内，所有组件都需要尽可能安全，因此您希望从硬件中建立信任。组件安全启动后，通信数据本身就已经具备了某种程度的可信度。但是，有的系统也可能存在不安全的未知组件，这就需要对数据进行入侵检测和软件分析，以查看数据和组件是否存在任何损坏。在汽车中，我们希望检测出那些给出异常或奇怪数据的部件，这不仅是组件安全问题，还涉及到人身安全。”
脏数据肯定要清理掉，但是它在哪里变脏的以及是如何变脏的，决定了下一步采取的行动。是不是传感器本身产生了脏数据，设计人员需要一开始就考虑到这一点。“解决传感器问题需要大量的专业知识，”Kassovic说。 “它需要设计人员在硬件层面了解传感器，理解从传感器中提取的数据，具备软件（算法）开发的经验。”
例如，从数据理解层面上，不要将加速度计的数据与GPS数据混淆。“加速度计只测量身体的加速度，”她说。“大多数人都无法理解它为什么不能代替GPS，GPS给出的是身体在空间的绝对位置。每个应用都足够独特，需要一种独特的方法来最可靠地提取正确的最终数据。很多用户认为来自传感器的数据应该与他们的大学教科书完全相同，其实并非如此。
现实世界的传感器数据并不完美。当你打开你的物理、工程或计算机科学教科书时，会看到书本里充满了完美的运动曲线。但是，当您从现实世界中获取数据时，实际曲线看起来会和书中的完美曲线有很大不同。现实世界中充满了噪音和错误。”
每个应用都足够独特，需要一种独特的方法来最可靠地提取正确的最终数据。
理解数据
那么，对脏数据到底如何处理呢？第一步是理解和解读传感器输出的数据。传感器数据的准确度往往是相对的，而不是绝对正确。现实世界中的传感器读取数据并非完美。
传感器制造商关注的是噪声、滤波器和算法这些基本问题，并给系统设计人员提供了相应的帮助性工具。一些系统设计者和平台供应商则站在系统用户端的视角上，关注的是填入其数据库中的数据是否有效，它们提供了一个监测工具来帮助鉴别数据是否出现错误。
“我在模拟信号链路中发现了脏数据，数字链路的数据是干净的，”TT Electronics的Pohlen说道。“许多不同的源头都会诱发噪声。你可以在线束中拾取电噪声，性能变坏的元件也会产生电气噪声。”
在Pohlen眼中，由某种对实际感应机制的外部影响造成的噪声不算是脏数据。“比如，对于一个光传感器，如果有一个环境光源的话，不能因为它给出的数据不是你真正想要测量的，就认为那是脏数据，因为不管是不是自然光源，它确实正确地测量了光强度。”
未经校准的传感器通常会比校准过的传感器产生更多脏数据。“我们通常所说的脏数据基本上是指未经校准的原始传感器数据，以及信号上有很多噪声的数据。”意法半导体的Chowdhary说。“除了使用某些现象机制感应信号的物理元件，比如测量科里奥利加速度以检测设备、人或者手机的旋转，系统里还有信号调理单元。这些信号调理模块可以工作在不同条件下，也可以在低功耗模式下工作，以尽量降低传感器的电流消耗。但是，如果工作在低功耗模式，传感器数据的噪声就会增加，因为显而易见的是，用于信号调理的功耗越大，数据就越干净。”
“考虑到所有这些不同层面，我们可以给脏数据下个定义，即未经校准的传感器输出的数据以及受到噪声影响的传感器数据，无论噪声来自于信号调理模块还是外部干扰，”Chowdhary说。 他将外部干扰（例如当磁力计受外部磁场影响时）也归类到了脏数据中。
即便是在同一批传感器中，不同传感器也可能存在制造上的差异。一旦被部署到应用现场，传感器就可能会损坏。比如，地勤人员可能会损坏飞机的传感器，甚至包括至关重要的迎角传感器。传感器可能会老化、性能变差，所以需要定期重新校准。
可以站在企业的角度来理解数据。“在基于传感器的设备网络中，脏数据可能是由单个或者多个问题共同产生的。问题可能来自于时间序列跳跃、传感器单元本身的测量有误、日期／时间未及时校准、传感器之间的不恰当关联、跨域数据点的不正确聚合等。也可能是仅仅因为产生的数据不符合业务目标，不稳定或者无法使用，就被认为是脏数据。”Liaison Technologies公司产品营销总监Pratikh表示。这家公司帮助把可用数据放到一个平台上，以供企业使用。
其它人也对脏数据给出了自己的具体定义。“脏数据是那些由您的设备按照正确的格式报告，但是在某种程度上无效的数据。我们甚至无法对这些数据做出解释，”物联网系统集成商Bright Wolf的联合创始人James Branigan说。“你完全可以读取它，但是你会发现，某些数据实际上是完全无效的。”
在智能物联网和物联网中，脏数据的风险在于它会污染公司的大数据库，引发其它危险行为，而且也浪费钱。“脏数据之所以会成为一个问题，是因为在所有这些物联网系统中，当你在数据中寻找价值，在这些输入的数据上进行某些程序化分析时，你会把分析结果在部分程度上反馈到企业系统中，”Branigan说。“对这些数据处理分析并反馈后，会发生一些有趣的事情。但是，如果你把分析建立在糟糕的假设－脏数据－上，那么，垃圾输入必然导致垃圾输出。脏数据可能会给你带来真正的伤害，因为这些实际上无效的数据会导致一些自动化操作被禁能，从而产生实际的经济成本。”
Branigan发现了三种脏数据。“第一种来自传感器的物理故障。它既无法检测环境的变化，也无法检测自身的故障，虽然它仍将向你提供格式良好的数据，但是这种数据完全是垃圾。第二种来自设备运行的固件的软件错误。即使是较新版本的固件也可能产生格式良好但完全错误的数据。第三种脏数据真正可恶，你需要对具体的机器操作非常了解，才能理解如何解释进来的数据。如果不了解这些，你会把错误的数据解释为有效数据，但是系统其它部分却会给出不同的解释。”
那么，脏数据能否被洗白白呢？
数据清洗工具
有许多工具可以帮助清洗数据。“现在已经有了很多很棒的工具，比如大受欢迎的Matlab、Labview和Python。我们自己的MetaWear API可以在所有主要编码语言下帮助实现数据过滤器。我通常建议客户们使用它们最熟悉的工具，而不是强行兜售我们自己的API。Python是一个很棒的工具，它有许多机器学习库，开源、易用，而且有很好的文档记录。”MbientLab的Kassovic说。MbientLab还使用博世的FusionLab，因为它们不仅自己提供传感器，还销售提供博世的传感器。
MEMS市场领导者博世传感技术公司也会其传感器提供驱动程序和库，帮助传感器实现检测、解读、监控、感知情境并预测意图，负责MEMS产品组合业务开发的Marcellino Gemelli写道。意法半导体提供库、驱动程序和传感器设置工具，以及可帮助简化设计的微控制器。
寻找具备合适专业知识的专业人才并非易事。“你不能派一名软件工程师去干固件工程师的活。”Kassovic说。
在企业的角度来看，让数据科学家参与清洗数据将花费太多的时间。“现在，各种机器都在源源不断地产生数据，可能会产生比人类产生的脏数据还要复杂的新级别脏数据，这将成为脏数据清洗的重点对象。”Branigan说。“大数据市场里有很多数据清洗工具，但是这些工具都以数据科学家为中心。对于一个相对静态的数据集，数据科学家清洗它，分析它，然后可以找到一些有趣的东西。这种方式应对人类生成数据的速度确实很有效，但是很难甚至不可能应对机器生成数据的速度。你最终需要一个自动化的系统，它从设备上获得实时数据，流水化地进行分析，然后把分析结果输出到企业的某个业务系统中，以便自动化地执行业务操作。”
传感器转向数字化可能会有所帮助。“数字通信绝对有好处。那些你从中获取并收集优质数据的传感器，它的噪声是不是因为模拟才产生的？我看到传感器行业存在向数字化转变的自然趋势，你可以在其中内置一些错误检查功能。数字系统存在一定的噪声区间，如果这些噪声出现在数字电路通道中，谁会在乎它呢？因为数据要么是1，要么是0，基本不可能出现数据反转，你可以对数据传输加入校验机制，如果校验失败，你可以把数据丢掉。”Pohlen说。
“尽管原始数据可能被过滤、补偿、纠正，但是在大部分情况下，用户的操作也有一定的限制。”负责博世传感器MEMS产品组合的业务开发的Marcello Gemelli在最近的一篇文章中指出。
“克服这些挑战的第一步是实施和集成适当的清洗工具，”Liaison Technologies的Parikh说。“这些清洗工具不仅处理数据质量，还要从项目的角度验证数据源头身份、可信度、时间序列。每个项目都有各自独特的要求。项目实施者可以应用一些通用的技术手段，但是必须做好准备，根据需要进行大规模定制，以实现业务目标。”
Liaison Technologies提供数据清洗、过滤、管理以及重复数据删除检测等业务。“我们提供的一个关键功能是追踪数据的血统，即从数据原始源头到清洗过的结构化数据的链路跟踪。”
对于安全关键系统而言，冗余可能是一种优秀且昂贵的解决方案。TT电子公司的Pohlen表示，“每个人都希望达到更高的ASIL等级，但他们是否一定要承诺提供更多感应能力？同样，ASIL等级也可以归结为数据是否正确，以及在后端如何解读这些数据，除非您可以在传感器中进行某种自诊断，否则最好的方法是冗余。”
