Data quality and the Internet of Things

4.1 Research themes
In this review, we identified four main research themes that concern DQ in IoT, these
are: (1) definition, (2) measurement, (3) analysis, and (4) design and development.
Each research theme contains its own subcategories as summarized in Fig.
2
.
Definition
This research theme addresses how DQ has been defined in IoT. Generally,
researchers described their DQ requirements and defined a set of DQ dimensions. The
DQ dimensions identified are: (1) Accuracy, (2) Timeliness, (3) Completeness, (4)
123

---

580
C. Liu et al.
Fig. 2
Distribution of research themes on DQ in IoT in this review
Data volume, (5) Utility, and (6) Concordance, which are discussed in more detail in
Sect.
4.2
.
Measurement
This research theme refers to the ways that the quality of data been
measured in IoT. The analysis identified seven methods used to measure DQ: (1)
Measurement among techniques, sources or defined attributes, (2) Measurement with a
reference, (3) Devices or algorithms validation, (4) Measurement within time intervals,
(5) Measurement of presence, (6) Process observation, and (7) Log files review. These
methods are further described in Sect.
4.3
.
Analysis
This research theme concerns the analysis of DQ problems that influence the
achievement of DQ in IoT. As one of the aims of this study is to identify the manifes-
tations of DQ problems in IoT, these manifestations (further outlined in Sect.
4.2
) are:
measurement errors, noises, artifact error, data frame distortion, dirty data, outliers,
missing data, missing updates, data loss, and delay data transmission.
123

---

Data quality and the Internet of Things
581