Şehirlerin çeşitli noktalarına yerleştirilen küçük sensörler, iklim araştırmalarından bina yönetimine kadar pek çok alanda giderek artan bir rol üstleniyor. Ancak bu sensörlerin ürettiği verilerin kalitesi, çoğu zaman analiz aşamasına gelinene dek sorgulanmıyor. Fransa'daki ikonik Tour Perret kulesi çevresine kurulan LoRaWAN tabanlı sensör ağından derlenen iki yıllık veriyi ele alan yeni bir çalışma, bu ihmalin bedelini çarpıcı biçimde ortaya koyuyor.

Haziran 2021'den Haziran 2023'e uzanan dönemde beş farklı cihazdan toplanan 421.937 veri çerçevesi incelendiğinde, araştırma ekibi beklenmedik bir tabloyla karşılaştı. Başlangıçta sıcaklık, nem, CO2 ve basıncı aynı anda ele almayı hedefleyen çalışma, kapsam denetimi sonucunda planlarını kökten revize etmek zorunda kaldı. CO2 ölçümleri veri setinde tamamen yoktu; basınç verisi ise yalnızca tek bir modülden ve tüm veri setinin yüzde dördünü bile bulmayan oranda geliyordu. Bu durum, dörtlü değişken analizini başlamadan geçersiz kılıyordu.

Araştırmacılar bunun üzerine analizlerini, dört Elsys EMS sensöründen gelen ve veri setinin yaklaşık yüzde 96'sını oluşturan 205.000'i aşkın sıcaklık-nem çiftine odakladı. C++17 ile geliştirilen işleme hattı; değiştirilmiş Z-skoru ve Isolation Forest algoritmasıyla anomali tespiti, iki değişkenli Temel Bileşenler Analizi (PCA) ve kümeleme yöntemlerini sıralı biçimde uyguladı. Makine öğrenmesi teknikleri de sürecin ayrılmaz bir parçasını oluşturdu.

Çalışmanın belki de en önemli katkısı, teknik bulgulardan çok metodolojik uyarısında yatıyor: Farklı sensör tiplerinin aynı ağda bir arada bulunduğu durumlarda, hangi verinin gerçekten mevcut olduğunu analiz öncesinde titizlikle denetlemek şart. Aksi hâlde araştırmacılar, var olmayan veya temsil gücü son derece zayıf veriler üzerine kurulu analizler yapma riskiyle yüz yüze geliyor.

IoT tabanlı çevre izleme sistemlerinin yaygınlaşmasıyla birlikte bu tür metodolojik tuzaklar da artıyor. Söz konusu çalışma, veri kalitesi denetimini yalnızca iyi bir uygulama olarak değil, bilimsel geçerlilik için zorunlu bir adım olarak konumlandırıyor. Uzun vadeli sensör ağlarından veri kullanan araştırmacılar için sağlam bir referans niteliği taşıyor.