
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
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08