车间物联网是一个非常繁琐的数据系统，它涉及数据管理的方方面面，包括数据存储和分析、复杂事件处理、数据集成和融合、数据质量控制以及安全访问机制等。
数据存储和分析很好理解，就是利用大型服务器或者云服务器将数据保存下来，然后利用云计算进行分析和处理。此外，其他四个方面则需要重点说明。
（1）数据质量控制。工业物联网的数据质量一般用完整度、置信度和精确度三个指标来确定，而数据质量包括射频识别质量和传感器网络数据质量等方面，采取的控制方法有清除误读、多读和冗余数据，将漏读的数据填补或者用概率统计和时空关联进行数据清洗。
（2）数据集成和融合。物联网数据空间具有类型多、异构和无统一规则等特点，所以，集成与融合可以分为五个方面：①车间内部的制造资源瞬息万变，这种变化很容易对数据的同一性、版本和模式更新等产生影响，所以要能及时的记录数据的变化过程；②以聚合数据模型为基本，研究怎样把异构的信息映射和转换到统一的数据框架中；③物联网中的数据都是独立分布的，在数据融合过程中，有时候需要自发探索出数据源；④为了寻找数据的溯源，一定要记录每一组数据的来源；⑤车间内的生产资源是不断变化的，这影响到了数据模式的更新、版本和一致性。
（3）复杂事件处理。在典型的车间物联网中，复杂事件的处理一般依靠上层系统。该系统可以监测各个部件的行为和状态，并控制部件按照一定的程序做出正确的反应、完成一定的工作，而物体的行为一般靠事件的形式来表达。
（4）安全访问控制。开放性是物联网的一大特点，有促进物联网飞速发展的作用，但同时也带来了不小的安全隐患。物联网系统中的海量数据和信息很容易被黑客通过技术手段破坏和修改，如果对方结合信息检索技术和推理技术，就有可能推算出物联网中的隐私数据，这给工业物联网的安全问题增加了不小的挑战。
