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
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26