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
在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08