石油圈
成千上萬條死魚堆積在一起，是死魚堆；沒有靈魂的數據孤島集成在一起，是體量更大的數據孤島。
作者 | 中國海油數字化先鋒營
建設數字化油田的進程正在加速，石油人對大數據重要性的認識，也正在飛速提升。
中國石油大學（北京）先后建立了“油氣數據工程實驗室”“石油數據挖掘北京市重點實驗室”，在十余年的發展歷程中，他們共完成涉及大數據、數據挖掘的二十余項課題。人工智能連續三年寫入政府工作報告，這讓一直從事石油數據工程的中國石油大學（北京）教授李洪奇感到，大數據的重要性應在石油行業提升至前所未有的高度——
大數據不僅僅是科研，也不僅僅是項目，而是一個產業形態。就數據科學而言，應該有崗位，有規范，有隊伍，把數據的重要性提到這個位置上，數據才能發揮作用。
大數據是智慧油田的基礎
什么是大數據？大是個相對的概念，大數據就是數據量相對比較大的數據。大到什么程度？大到給常規的數據獲取、存儲、處理、應用技術帶來困難的程度。正是這種困難引發了人們對大數據的重視，進而形成了大數據獲取技術、存儲技術、處理技術的科學。
人工智能是讓計算機系統干原本只有人才能干的高級智力活動。近年來由于成本低廉的大規模并行計算、大數據、深度學習、人腦芯片4大催化劑的出現，讓人工智能蓬勃發展。
人工智能的來源，一是數據，二是算法。如今廣為探討的智慧油田，是基于數據產生的。也就是說，大數據是智慧油田的基礎，沒有大數據就沒有智慧油田。把石油行業的數據資產變現，讓它為石油勘探開發、油田生產服務，是我們在石油行業建設數字化的目標。
數字化油田需要什么樣的大數據？
在與大數據公司、大數據實驗室合作的過程中，許多油田的生產技術人員誤將生產數據等同于數字油田要采集的大數據。其實，普通的生產數據是無法進行挖掘分析，更無從獲取有用價值。生產數據是對實際生產過程的描述，例如一口井的生產數據，由于加壓、換泵等在實際生產過程中遇到的各種情況，不可能是連續性的，這樣的數據是無法被計算機挖掘分析的。現實生產數據和大數據分析所需要的數據，完全不是一個概念。
比如做鉆井故障預期的大數據分析。大數據實驗室的工作人員發現，在錄井數據中，鉆井過程中所有的故障都沒有記錄，而很多故障數據是被記錄在完井過程中的。因為錄井和完井在生產作業中是兩個程序，兩套人馬。當數據實驗室工作人員手拿錄井數據想了解卡鉆情況時，大費周章之后才能從完井報告中獲知一二。
原始地震數據切片和大數據體沿層切片所反映的信息不同
現實生產過程中產生的數據信息，與大數據分析所需要的數據，存在嚴重不匹配，是油田形成“數據孤島”一個非常重要的現實原因。數據分析師們將其形象地比喻為“死魚”——成千上萬條死魚堆積在一起，是死魚堆；沒有靈魂的數據孤島集成在一起，是體量更大的數據孤島！
解決石油行業的“數據孤島”問題，不是簡單地集成一個平臺，將四面八方的數據錄入就行，而是要建立一個健康的數據生態環境，給每一個數據標注業務內涵，讓數據與數據之間形成業務關聯，這樣的大數據才能釋放價值。
新型大數據管理平臺
石油數據工程專家認為，新型大數據管理平臺的理念，是要通過管理業務來管理數據，為數據賦予業務靈魂。每個崗位需要哪些數據、用到哪些數據、產生哪些數據，把這些數據收集后，全局做標準化，生成數據模型。今天的數據庫不需要人來建設，每個崗位的人員只需要描述業務，只要描述準確，生成的業務模型就準確。有了這樣的模型，既可以做生產流程的優化，也可以做數據流圖和數據模型。
新型大數據管理平臺就是數據模型、業務模型和組織模型三位一體的數據智能建設與管理技術。新型油田數據庫，針對業務模型和組織模型構建數據模型。這樣的數據才具有業務靈魂。
未經允許，不得轉載本站任何文章：
