文章

数据管理感到困惑呢?不要。这是思考的一种方式

有一个世界的区别好的和坏的信息。问任何一个侦探。所以,由此可见,有好的和坏的石油和天然气的数据。

提示:这些东西每个人的希望将神奇地改变经营状况和财务performance-artificial情报(AI),机器学习(ML),和预测分析?他们只处理好的数据!

这篇文章是关于识别和提取的关键任务过程良好的1和0的海洋数据,为消费者提供他们需要什么,当他们需要它。

这个过程称为数据管理。

这是个有些误导的术语,因为它让一切听起来简单,“供水”的方式是不公平的一个水龙头背后的基础设施的复杂性。

供水系统可以被描述为一个序列的阶段:收集、清洗,存储和分布。

Curate-Stream-Act

如果水池下面会发生什么,我们应该如何闪亮的分析应用程序背后的想象会发生什么手机?什么功能,步骤,计划,项目和实践构成了数据管理价值链?

亚博竞彩App贝克休斯我们认为数据管理是发生在三个主要阶段:牧师,流,行动。

牧师描述过程识别、清洁和目录可能有用的信息。像净化沼泽的水,使它适合消费。

流描述了硬件、流程和软件策划在世界各地的数据移动到最终用户,如管道,泵干净的水从水库到水龙头。

行为描述了软件和工具,帮助策划,数据流到见解,见解的决定,决定到业务成果。这就像一切可以使用水来做饭,洗澡,或浇草地,例如。

浮动上面这三个阶段是数据治理的所以,它描述了系统中,规则和机制,确保数据处理。对数据很好有两个同等重要的好处:首先,终端用户得到有用的信息,,其次,数据传输的安全流程导航通过迷宫的法律和合同数据相关的需求。

得当,对数据很好可以达到改变游戏规则的结果。的确,得到高质量的数据转化为先进的分析工具已经成为任何上游业务的最重要的事情可以做。

一个竞争优势

为什么?因为电脑能处理信息比人快得多。举例来说,他们可以回顾十年的历史数据抵消井足够快同步与现场操作,提供实时上下文帮助规划者完善决策操作参数如位置,工具选择、钻井轨迹和钻进速度。

及时获得良好的英特尔可以降低钻井风险,降低排放,改善安全,增加或加速生产。最终,当结合自动化井场设备,先进的人工智能和ML算法能够安全地运行一些操作流程以最少的人工监督。

决定是否将数据和计算能力的核心业务就像怀疑来管理工资鹅毛笔,手写的分类帐或先进的会计应用程序。良好的数据几乎已经成为高效的关键,有利可图的石油和天然气生产和商品本身。

但让电脑做繁重的可靠和持续不简单。几十年的经营历史数据的积累加上连续从成千上万的油井流入的新数据传感器是令人难以置信的大。不仅如此:数据工程师试图将以原始数据通常必须应对不同格式,编码,和标准,和协调的信息分散在企业系统,国产数据库、政府网站、日常钻井报告,甚至对个人电脑的脱机文件夹。

技能,能力,和变更管理

做到,你需要培养正确的混合的技能。你不能只雇佣数据工程师和科学家来做这个工作。他们会建立惊人的仪表板,设计智能应用程序,编写优雅的算法。但在数据管理价值链的每一个阶段,他们必须与石油和天然气领域专家密切合作,确保对业务有意义的信息。

你也需要正确的企业文化。数据支撑,使价值创造的决定在每一个地区的油田操作,从生产计划钻探和远程操作。这意味着每个人都遇到数据,即使他们不是在技术数据的作用。从技术支持客服团队,首席执行官,每个人都需要视自己为一个数据管家。这意味着照顾输入数据完全准确,扫描错误和报告他们,记住这段时间最后一行代码,并填写正确的字段在一份报告中称。

所以,除了一个健壮的数据管理流程、变更管理能力需要培养公司的各级数据驱动的心态。即使人雇佣数据角色,像程序员一样,数据分析师,进行数据录入,可能需要帮助理解企业战略是如何结合在一起的。

但是战略应该是什么呢?让我们打破的每个阶段。

阶段1 -牧师

策划丰富各异的多个来源的数据质量产生“黄金记录”,最好的和最完整的版本的数据,可以由输入可用。为此,数据科学家和石油和天然气领域专家必须合作掌握几个子过程(参见图1)。

前三个步骤,收集、清洗和编目,可能更具挑战性的历史数据时,因为有可能大量的过程,因为它是更容易处于混乱状态。

管理新数据从当前操作应该更容易如果正确的数据管理系统。

阶段2 -流

下一阶段,流,选择从策划数据库,最终用户需要的信息并将其传输到当他们需要它,在他们需要的格式。流可以可视化的三个相互关联的个子过程:标准化,安全,和发送。

标准化意味着设计模块化和可互操作的技术堆栈。模块化使客户增加产能,因为它们需要它,而不是试图预测需求几年,这可能会导致高昂的前期成本,并可能导致生存限制低估或昂贵的人不知道和浪费产能过剩。

互操作性涉及标准化的输出的遗留数据库通过将原始数据转换成标准格式,所以可以用不同的语言,跨系统共享需求,和协议(参见图2)。

规范化数据模型,有时被称为一个常见的数据模型,大大简化了遗留系统和应用程序之间的连接驻留在行动阶段,消除耗时的点对点编码集成的必要性和显著减少手工工作。此外,指导现场操作所涉及的许多第三方通常工作一个行业标准,如WITSML或OSDU使从现场数据的无缝传输到数据中心,使运营商、服务公司、集成商、运营商、合作伙伴、供应商,和政府机构。

互操作性和模块化也给用户自由采取最好的解决方案在未来市场上提供。在输入阶段,因此,数据系统应该能够摄取来自任何来源的数据。输出阶段,应该足够灵活,能够适应任何第三方应用程序,因此运营商可以添加新数据分析工具和可用时,不要发现自己被困在一个平台提供者的封闭生态系统的应用程序。

安全描述数据安全,这意味着几件事情。首先,确保数据在你的管理不能访问未经授权的第三方或被盗时从点对网络攻击数据保护的观点。这也保证了正确的人可以访问数据。健壮的安全标准也需要遵守法律和合同要求,数据治理的核心部分。

最后,发送。像一个水管网络,数据流需要基础设施连接井,钻井平台,和其他上游与数据中心设施。从硬件如路由器、服务器和其他网络组件,操作系统、软件程序、数据存储中心,电线,卫星,和无线基站。

这是一个从头开始构建。幸运的是,第三方可以提供必要的ICT基础设施的形式按菜单点菜cloud-streaming解决方案。

第三阶段——行动

这个阶段,我们将使用的数据,利用人工智能和ML实施背景下,见解和提高生产率的工作流。分析有两个可能的结束点:将数据转化为价值通过启用一个更好,更快的决定或者更好、更快行动。如果没有结果,分析不工作。

分析驱动决策可以在四个子过程:概念描述,预测,开出,自动化(参见图3)。

描述性分析涉及到对历史数据进行分析,从而识别趋势和模式在过去的事件。了解过去发生提供了见解,可以改善未来的表现。

预测分析更进一步将ML算法应用于历史数据进行推断和预测。填写空白与最好的猜测将来可能会发生什么。

说明性的分析是建立在描述和预测分析建议的行动。

随着时间的推移,这些建议更加准确、可靠、规范的分析开辟了道路全闭环自动化、无人井场远程操作,安全操作。

当结合精心设计的,用户友好的软件应用程序,该法案阶段能提供其他一些性能改进,简化工作流程,重新连接孤立的操作,节省时间,培养跨学科协作和地理位置,并生成高清可视化在点击鼠标。的例子不胜枚举。

不仅承诺采取行动改变油井业务。可操作的数据驱动的见解可以改变任何一个公司的价值链产生大量的数据,从会计到物流。例如,数据驱动的见解当现场设备可能需要更换使运营商能够确保正确的零件被制造出来并及时提供正确的字段,精简供应链。

可操作的数据驱动的见解可以改变任何一个公司的价值链产生大量的数据,从会计到物流。

然而无论如何Act-stage软件应用程序编码和设计,及其算法无论多聪明,它不会提供其成绩的承诺如果数据没有善待进一步上游。这就是为什么后端数据管理的过程,而迷人的仪表板在前端,如此操作成功的关键。这就是为什么这就是一些你的第一个投资应该去。

让我们开始

所以,就是这样。数据管理的秘诀可以帮助确保数据处理,行动和决策变得更快更好,尽可能保持精益资本投资。

但成功并不仅仅取决于资金和业务流程:这是关于人。

努力实现一个可靠的数据管理系统必须辅之以结构化教育、培训、和其他变更管理计划。他们必须创建正确的混合功能,也结合石油和天然气技术与数据科学技术诀窍将上下文,洞察力和数据域纪律。

这是一个具有挑战性的愿景。但对于一个行业习惯推技术界限,这是可以实现的。

想知道在贝克休斯OFSE数字团队可以支持你的上游数据管理操作吗?亚博竞彩App电子邮件我们OFSDigital@BakerHughes.com要学习更多的知识。