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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 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 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 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 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24