大数据改变能源未来.docx

??

?

??

大数据改变能源未来

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

文/KristenEtheredgeVivekChidambaramHugoEvans

虽然并不容易，但石油和天然气公司一直在进行各种数据收集。随着新信息系统和分析工具的出现，石油和天然气公司的采购部门可以依靠大数据做出更加明智的、对实际绩效产生真正影响的采购决策。

设想这样一个场景：品类经理可以把各种操作环境下的阀门、燃烧装置或吊车装置的故障率与具体设备的品牌、机型信息相关联，找出其中的关系。或者，供应链人员能够通过了解设备维护服务人员的经验水平，从而更加准确地预测何时需要更换零件。这些都是大数据在制造业领域的实际应用，并且类似的成功案例还在不断增加。采购组织是这些数据的神经中枢，如果能充分利用那些一直存在但很难整合的数据，就可以对设备运行状况、成本和项目执行情况等指标产生重大影响。本文将专门探索大数据在石油天然气（OG）行业的应用，当然这些应用也适用于很多其他行业。

能源中的信息化价值

石油天然气行业处于勘探开采技术的最前沿，会对高性能集群、大储层模型、地震模型和大量的生产数据进行定期分析。因此，在这个行业，大的数据量和高级分析建模（大数据）的应用并不是一个新的概念。

然而，大数据分析通常运用于那些在数量、多样性和变化速度上都较为突出的领域。近期的发展让石油天然气行业的高层管理人员不得不努力追赶其他行业的步伐——如金融、媒体和消费品行业——这些行业利用非结构化的数据来源（基于视频、文本和社交媒体等）获得差异化的竞争力情报。这些行业开始快速吸收新的分析技术，用于数据挖掘和提高传统分析能力。而大数据分析与其说是对大量不同数据的快速处理，不如说是某种预设机制下的程序执行。这些执行工作需要大规模的跨部门数据访问，并通过高级分析得出独特见解，积极识别机会并解决问题，从而创造新的价值。成功实施大数据项目不仅仅是依靠技术，需要的是商业和IT组织技能的根本性转变，是企业高层对建设和营造“数据分析文化”的不懈追求。

通常来说，石油天然气行业包括很多专业的油田服务（OFS）供应商，项目周期长、成本上涨可能性大、各供应商之间的系统连接性和专业化程度不同等。这样复杂的结构导致数据收集需要跨越多个供应商或公司内的多个部门。大数据分析的进步使石油天然气行业能够从新的视角重新审视以往的数据——捕捉不同平台的已经存在的数据，并将这些数据连接起来，以促成有意义的商业决策。

如同互联网对信息获取方式带来的巨大改变，对已经存在的海量数据进行分析，从而预测未来趋势并支持采购决策，也从根本上改变了石油天然气公司采购部门的运行方式。

石油和天然气行业的数据

所有石油天然气公司都会收集各种各样的运行表现数据。例如，勘探与生产（EP）公司收集地质和地球物理学信息、钻井日志、供应商信息、项目数据、传感器输出和人力资源信息等。每个领域单独处理这些数据可以使各部门不断完善自身的跟踪和衡量指标。例如，服务和设备采购成本得到控制、服务供应商的停机时间得到监控、生产延期也得到持续改善。但这样的结果是，各领域都只能是单独优化而非协同优化，这限制了整个组织所能实现的总价值。要想在运营绩效上实现真正突破的表现，需要能够全面审视整条价值链上这些相互关联的活动，分析它们的潜在总体影响。

公司内部打通信息孤岛和衡量总拥有成本的努力往往会被数据的可获取性阻碍（数据通常存储在不同的信息系统或软件中，项目数据的更新周期也较长，书面信息和各种不同格式的数据亦很难处理）。而近期分析技术的进步促进了数据处理能力和专业性的提升，从而可用于识别相互关系，得出过去无法发觉的洞察，包括：

相同规格下，相似设备的哪些部分（例如燃烧装置或分离装置）导致了更高的运行成本？哪些供应商生产这些装置？将对运营产生怎样的影响？

如何决定具有独特特点的各种页岩油田的维护频率？

哪些供应商关系和KPI需要优化？

人员配置和人才管理如何影响项目执行情况？

这种类型的问题促使大数据分析在石油和天然气公司中的积极应用，其中采购就是大数据分析应用的新领域之一。

采购应用

采购部门面临的最大挑战是设备工程师和现场管理工程师的不满——他们总是面临许多设备运行的问题或服务问题，虽然这些设备和服务都是严格按照技术规格进行采购和运维的。比如，某家供应商的燃烧装置运转不佳，但又找不到明显的问题；脱水机浆槽经常需要维修；阀门经常堵塞；油井管腐蚀过快等。这样或那样的现场问题出现时，大家总是容易质疑之前的采购决策。如果可以采用系统化的方式来进行数据分析，这些数据就可能用来改善采购表现，明确设备和服务的具体的、量化的改进措施。然而，采购决策过程中往往很少考虑所采购零件的现场数据和历史表现数据（虽然这方面的数据存在，但是项目采购紧迫的时间压