随着物联网技术的快速发展,拥有低能耗、低成本、高覆盖率、强连接等优点的窄带物联网(NB-IoT)技术被广泛的应用于各种终端传感器中。由于NB-IoT终端设备数量的激增,其传输的数据量也必然会呈现爆发式的增长。但是由于终端设备数据的质量普遍存在高低不齐的现象,对日后的数据分析工作将造成诸多的不便,因此对终端数据进行数据的质量分析显得尤为重要。将数据按照其质量的高低进行分类,对数据质量低的数据进行分析可以寻找出可能存在异常的终端设备,对数据质量高的数据进行分析可以挖掘其巨大的商业价值。本文研究的主要内容是NB-IoT终端数据的质量分析,为此本文选取决策树C4.5算法对数据进行质量的分析。并根据终端数据的特点对决策树C4.5算法从计算量的简化和条件属性的选择方面进行了优化,使其能够更加准确的进行数据的质量分类。本文主要完成了以下几个部分的内容:(1)介绍了本文数据质量分析所用的方法和步骤。(2)分析了 NB-IoT终端数据管理平台上传感器数据特点,以及经典C4.5算法的不足,提出了对经典C4.5算法的两点改进:①在计算信息熵增益时把对数运算转化为线性运算降低运算复杂度,②通过计算条件属性与决策属性之间的Kendall相关系数来去除对分类结果无用的条件属性。并选取温度传感器的数据从建立决策树的耗时与决策树分类准确率两个方面进行对比验证了改进后的C4.5算法优于经典的决策树C4.5算法。(3)对整个NB-IoT终端数据管理平台进行了实现。首先进行了平台需求的分析,然后根据需求详细介绍了终端与运营商对接模块、平台与运行商对接模块、平台数据编解码模块、平台设备数据质量分析模块、平台设备数据分类模块、平台与第三方服务对接模块等六个模块的设计与实现。