Xử lý In-network cú thể được sử dụng để khai thỏc sự cõn bằng tớnh toỏn/truyền thụng. Vớ dụ, thay vỡ hàng ngàn nỳt cảm biến làm tắc nghẽn mạng khi truyền dữ liệu, cỏc cluster chớnh tổng hợp lại dữ liệu bằng cỏch thực hiện một số tớnh toỏn (max, min, trung bỡnh, tổng, nộn,…), bởi vậy làm giảm số
lượng dữ liệu truyền từ nhiều nguồn tới một đớch. Để khai thỏc sự cõn bằng tớnh toỏn/truyền thụng, mạng cú thể cần tới xử lý In-network, như tớnh tổng hợp, càng gần với nguồn càng tốt. Vớ dụ, trong Hỡnh 1.17, mạng bờn trỏi định tuyến gúi tin theo khoảng cỏch ngắn nhất, mạng bờn phải định tuyến gúi tin theo cỏch thuận lợi cho việc tổng hợp dữ liệu,…, trong vớ dụ này, đó làm giảm số lượng truyền từ 6 xuống cũn 4.
Hỡnh 1.17 Mạng bờn trỏi: gúi tin được định tuyến bởi đường đi ngắn nhất tới sink. Mạng bờn phải: gúi tin được định tuyến bằng tổng hợp dữ liệu
Hơn nữa, một số ứng dụng sẽ đũi hỏi rằng cỏc nỳt mạng xử lý dữ liệu “cú tớnh chất cộng tỏc” và kết nối dữ liệu từ nhiều cảm biến. Đú là bởi vỡ việc truyền dữ liệu thụ từ tất cả cỏc cảm biến tới một trạm cơ sở khụng thể trải rộng ra trong những mạng lớn được. Theo Gupta và Kumar, thụng lượng trờn mỗi nỳt trải rộng theo tỷ lệ – nú sẽ tiến tới 0 khi số nỳt N tăng. Núi cỏch khỏc, khi N tăng thỡ mọi nỳt sẽ dành phần lớn toàn bộ thời gian của nú vào việc chuyển tiếp cỏc gúi tin đến từ cỏc nỳt khỏc.
Dữ liệu từ cỏc cảm biến gần nhau dường như cú liờn quan đến nhau, và dữ liệu dư thừa cú thể giảm một cỏch cục bộ bằng cỏch lọc, tổng hợp in- network, và nộn. Cuối cựng, cỏc ứng dụng cần những thụng tin hữu ớch, chứ
khụng phải là một lượng lớn dữ liệu thụ hỗn độn. Cú thể thấy rằng một mạng sinh ra dữ liệu khụng-dư-thừa với chi phớ O(log N) khi N tăng. Dữ liệu được sinh ra trờn mỗi nỳt theo tỷ lệ O( ) và tuõn theo lý thuyết về khả năng thụng lượng trờn mỗi nỳt của Gupta và Kumar.