到这一篇，我们要做一件不太"聪明"的事——主动揭自己的短。

前面七篇，我们讲了怎么从数据里读出安全、设施、维保、真火、水系统。可这一切，都悄悄依赖着一个前提：那些数据，本身是真实、鲜活的。如果这个前提塌了呢？

这一篇，讲一个让我们自己都心里一紧的问题——死数据。它不惊悚，却可能是整个消防物联网行业，最被低估的风险。

01

坏数据不可怕，"装死"的数据才可怕

先做个区分。

坏数据，其实不太可怕——因为它一眼能看出来。一个明显离谱的读数、一段乱码、一个不可能的数值，稍微设个防就能拦住、剔掉。坏数据是"看得见的敌人"。

真正可怕的，是死数据：一台传感器因为线路故障、设备老化、或者干脆被人拔了，已经停止上报很久了。它不产生错误的数据，它只是沉默。而这份沉默，最容易被误读成"一切正常"。

这就像我们在第二篇打过的那个比方：一支摔坏了的体温计，屏幕永远显示着 36.5℃。 你若信了它，会安心地以为病人不发烧——可实际上，你根本不知道病人现在什么情况，因为那个数字是"死"的。一个基于死数据算出来的"健康分"，比没有分更危险，因为它给了你虚假的安心。

02

把这个死角，诚实地量出来

那么，这个死角到底有多大？我们没有拍脑袋，而是老老实实算了一遍——在真正在服、有设施可监测的建筑里，"体检"里掺进了"装死"传感器读数的，大约 3%，也就是一百栋里大概三栋。

这个 3% 来之不易。它之所以只是 3%、而不是一个更吓人的比例，靠的不是运气，而是我们一栋栋把这些"装死"的传感器揪出来、挡在了打分之前。若不加这道分辨，同样一批数据算出来的"安全分"会好看得多，也危险得多——因为每一支"摔坏了却还显示 36.5℃"的体温计，都会被当成"一切正常"。

正视这个死角、并把它诚实地量出来，我们并不轻松。但一个不敢正视自己数据完整度的分析系统，它算出来的一切都不可信。敢把这 3% 摆上桌面，而不是假装它不存在——这和上一个系列里，我们敢把 99.9984% 这个尴尬数字放在开篇，是同一种态度。

03

我们的对策：先问"它还活着吗"

那怎么办？对策，其实就是第二篇讲的第三个基本功——先确认仪器还活着，再相信它的读数。

在采信任何一台设备的数据之前，我们会先做一道"活性检查"：这台设备最近还在正常上报吗？它现在的沉默，是真的太平无事，还是它其实早已"断了气"？

这件事有一个专业的难点，值得一提，因为它反直觉：在消防里，"安静"不一定等于"离线"。 很多报警探测点，本来就是"有事才报、没事不吭声"的——它平时安静，恰恰是正常的。所以不能简单粗暴地把"一段时间没消息"就判成设备死了，那会冤枉一大批健康的设备。真正判断一台设备是不是还活着，要依据它该有的"心跳"规律来分辨——什么样的沉默是正常的作息，什么样的沉默是真的失联。这中间的分寸，是一门需要懂消防、也需要懂数据的细活。

行业其实也意识到了这件事的重要。在前面提到的团体标准里，就有"设备在线率不低于 95%"这样的硬指标，并且明确定义了"连续两个巡检周期收不到心跳即视为离线"。把"在线率"和"离线"这么较真地定义出来，本身就是承认：数据活不活，是数据服务的生命线。

04

把"数据完整度"当成体检的前提，而不是背景

所以，在我们的体系里，"这份数据可不可信"不是一个可以放在角落的技术细节，而是摆在最前面的前提。

一份负责任的体检报告，不该只告诉你一个分数，还该老老实实地告诉你：这份体检，有多少是建立在鲜活、可信的数据之上的；又有多少设备，其实早已沉默，它们的状态其实是个未知数。 把"有多少数据是活的"这件事本身透明地呈现出来，业主和监管才知道，这个分数该信几分，哪些设备是当务之急该去唤醒的。

不回避数据的死角，恰恰是对数据最大的尊重。 一套敢于告诉你"我有哪里还看不清"的系统，比一套永远给你打满分的系统，可信得多。

前面八篇，我们讲了怎么读、读出了什么、以及数据本身可不可信。可你可能一直有个疑问：你们说的这些判断方法，凭什么让人相信它靠谱、而不是拍脑袋？下一篇，我们就把这个系列里最"较真"的一环打开——一条判断规则，在真正上线之前，要过多少道关。

本文为"看得懂消防 · 瑞眼技术科普"系列第八篇。
文中所涉团体标准 T/STIC 120062-2022 相关内容依据标准文本。

下一篇：《一条判据的"临床试验"：我们凭什么敢让它上线》。