京公网安备 11010802034615号
经营许可证编号:京B2-20210330
云计算、大数据……石油信息化新技术应用,智能油田就靠你啦……
随着石油信息化集中集成,物联网的建设,云计算,移动互联,大数据在石油行业的应用前景如何呢?什么是智慧油田,智能油田呢?
个人的一些想法现总结如下,对行业的关注基本停留在14年4月,疏漏局限难免:
一、关于云计算。互联网电商领域应用方兴未艾,国内阿里云腾讯云青云七牛云存储等也耳熟能详,但是传统行业还未规模应用。传统企业,一是出于数据保密性的要求,二是市场监管的完善问题,应该还是以企业私有云自建为主,如油田还是考虑自建数据中心,毕竟面向的主要还是企业内部应用,而不是直接面向市场,响应要求不是很高,成本也不是很大。
至于Paas,Sass还未成熟应用。用友今年出台了几个经管系统的软件云服务,不知市场应用如何。
二、关于移动互联。11年已经做出来了采油厂生产业务系统的Android版,但是油田真的都需要信息系统移动吗?哪些领域需要呢,还需细分定制,额想主要还是在办公系统和下游销售面向消费端客户,方便。
三、关于物联网,其实技术早已成熟,为何到最近几年才大建呢?额想主要还是成本问题,东北,华北等老油田基本都是特高含水阶段,日产量很低,再说一个人就管那些井又不是天天变撒情况都不清楚还管撒咧,实时监控花那钱也没撒用嘛。但由于近几年物联网的时兴,以及借助数字油田的东风,东西部新老油田油服都开始建设物联网。物联网的建设不仅降低了工人的劳动强度,加强了现场监控,也是实现智能油田必不可缺的基础。
四,关于大数据。业界说2014年是大数据元年,但是真正的有技术含量的经济价值的成功案例国内并不多,据说国外很早就商用了,但是主要还是在消费端。
目前互联网的大数据分析是咋玩的捏?你打啊个浏览器来的,爱疯还是艾麦可,爱撒时候来,来都干撒了,爱瞅撒,是买了还是光瞅瞅,这月来了么。
这货最近咋不来呢,想死奴了,奴换新发型了学新曲儿了,给发个信息叫怂赶紧来,上回来咋耍的,这回来该耍些撒捏..琏哥儿笑道:眼黑叫你改个样儿,你扭捏撒嘛。凤姐儿听了,把脸飞红,“嗤”的一笑,向琏哥儿啐了一口,依旧低下头吃饭。琏哥儿笑着一经去了。
这就像大数据的状态。传统行业依旧低下头吃饭,大数据笑着一径去了。
大数据的主要作用有:
一是已知结果向过去看,找出某一原因规律。如从措施增产效果找选井因素,是注入压力,流量,还是地层性质等因素。这个若能定性定量,那措施有效率将大幅提升,对措施增产以及摸不见看不着先想当然再验证的地质分析都有重要意义。
其实现在的BI也就是简单的数据统计等,未必能发现一些规律来。不知在历史数据的积累量大了后,依靠样本训练,专家系统等技术是否能有新的发现。
额看已知结果找原因最难,计算机未必也行,依靠数据也不行,额是从男女运动灵感的哈,实践验证完全正确,生命才是这个世界最伟大的奥妙与奇迹,众妙之门。诗经能近取譬的比就是最好的道法,道不远人,人为道而远人非为道也。生活专业化,专业生活化才是真的两化融合,将所学能日常应用才是最高的境界。
你是一口油井,
我是一口水井,
我用我的生命
释放你的生命,
在驴头上死点处
抽到高潮……
自然情化,情化自然,才是中国文化的最美境界。我们要想的是如何使实践的主客体合一,而不能被某一方化了,同情同动,静以养生,心腹无住,惟有青仙,才是最美最高的境界。
二是已知历史判断预测未来,给出某一有效结论。这个在井下工况智能诊断已经有很好的效果,误差在10%之内,即是依靠神经网络训练特征值而智能判断。再有还是从下游用户消费行为模型预判而精准营销,提高油品非油品的销售量。这方面互联网电商应用经验成熟,将是现前大数据的主战场。这个也需要传统企业转变观念,主动面向市场,树立面向服务的理念,提高服务质量。
五,关于智慧油田,智能油田。
信息系统的发展趋势,就是诗经的赋比兴。
传统的管理系统,采存查看,如诗经之赋陈直述。
智慧系统,是能够自动关联判断分析业务,由此及彼由表及里由近知远自学习自适应,如诗经之能近取譬,见花惜人,感物抒怀,落叶知秋。
智能系统,不仅能分析思考还能现实实现,理想与现实融为一体,经验与知识相互学习,信息化于自动化,秀才不出门能干天下事,如诗之兴观群怨挹彼注兹。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09