互聯(lián)網正在改變每個傳統(tǒng)行業(yè)，包括最傳統(tǒng)的油氣領域。

“數字油田”概念在中國被提出已有15年時間。所謂數字油田，是指一套互相作用、互為補充的技術系統(tǒng)，旨在幫助油氣運營商、業(yè)務合作伙伴和服務企業(yè)整合數據和知識管理，進而利用先進的分析工具，開發(fā)更高效的業(yè)務流程，并作出及時決策。

然而，數字油田的初衷并未實現。其原因來自方方面面——包括職能部門間缺乏支持、工作流程整合不利、數據所有權模糊，以及技術局限等，不一而足。

此外，數據的數量和種類也因設備的新舊程度而大相徑庭。老設備儀表不全，進行高級數據分析的資源非常有限。相反，新設備中傳感器眾多，自動化程度也較高，因此生成了海量的數據流。不過，鮮有企業(yè)能夠將不斷增加的數據轉化為洞見，最終達到提高企業(yè)盈利能力之目的。

伴隨著以技術為基礎的數字化發(fā)展，油氣企業(yè)不得不開始思考如何顯著改善生產，滿足自身的安全與風險目標。數字技術、移動技術、云技術和分析法技術的不斷融合，勢必催生出提升業(yè)務成果的巨大潛力。

這里的每一項數字技術發(fā)展趨勢都與數據密不可分：數據如何被生成、獲取、整合、管理、分析，以及存儲。在此背景下，油氣企業(yè)將利用這些技術對業(yè)務流程進行數字化處理，同時也開始參與數據管理和分析能力的競爭角逐。最終，這一巨大的潛在趨勢將徹底改變能源行業(yè)領導者開展業(yè)務、管理員工，以及滿足客戶需求的方式。

隨著數據分析的大規(guī)模普及，油氣企業(yè)管理者應當將資金投向何處？哪些領域可以實現最大的投資回報？

本文探討了影響企業(yè)通過數據分析提升業(yè)務成果的諸多障礙，視角覆蓋行業(yè)的上下游部門，以及企業(yè)中的各項職能工作。

文中還展示了一份路線圖，旨在幫助企業(yè)來界定轉型過程中的進展階段，明確數據分析法將在何處推動競爭優(yōu)勢的形成。

要想通過數據分析來為自身注入動力，石油和天然氣企業(yè)需要首先將價值落實為實際的指標，根據目標成果設計具體計劃。

數據分析法不僅可被用來改進勘探和鉆井工作，在非常規(guī)能源相關領域更是大有用武之地。下游企業(yè)則可利用數據分析，在物流與供應鏈、營銷和交易等環(huán)節(jié)中獲得更有力的洞見，對端到端的運作進行更有效的管理——從需求方一直延伸至商業(yè)渠道，數據分析皆可一展所長。

在這一過程中，企業(yè)領導者應當促進文化上的轉變，營造一種依靠堅實的數據基礎驅動明智決策的氛圍。而一旦跳脫出固有框架，采取開放式思維，企業(yè)便會積極引入新的技術——數字技術、移動技術、云計算和數據分析法，由此不但改善現有運營活動，更將構建出顯著優(yōu)化的工作流程，從而能向成就卓越績效邁進。

提高上游業(yè)務數據價值

目前，油氣企業(yè)已經掌握了預測常規(guī)油氣井產量的技術，但非常規(guī)油氣井的產量卻毫無規(guī)律可循。對于油氣企業(yè)來說，如何有效開采數百個非常規(guī)油氣井是保證盈利能力的關鍵所在。

先進的算法和強大的計算能力，有助于分析最龐雜的數據集，進而幫助企業(yè)大規(guī)?？碧教N藏在頁巖層中和海底的油氣資源。

強有力的分析工具支持對多項數據的集合展開分析，而解釋性軟件和可視化工具則可為廣大的業(yè)內人士提供更加直觀的信息。

地震數據規(guī)模可達上萬億字節(jié)，但這種信息不一定被視為典型的大數據，大數據集合往往基于交易行為，也包括社交媒體跟帖等非結構數據。在油氣開發(fā)生產階段，非結構性數據的重要性尚未凸顯出來。

數據分析有助油氣開發(fā)生產企業(yè)更清楚地了解資源儲量情況，模擬石油在巖層中的流動情況，從而確定最佳的油井位置。

有效利用數據分析，可以使開采量提高3%到5%，這就意味著收入增加——在大宗商品價格高企的市場環(huán)境下，這一點尤為重要。

對于能源企業(yè)來說，跨資產分析法，尤其是非常規(guī)能源領域的跨資產分析法，是一大尚未開發(fā)的空白。如今，在開發(fā)過程中，除了遵循首要原則以外，很多企業(yè)開始著眼于所有已鉆探的油氣井，通過整合現有的統(tǒng)計數據，找出其中哪些與即將開采的油氣井最為相似，從而獲得更多可借鑒資料。盡管分析過程可能非常復雜，但對企業(yè)內部數據進行統(tǒng)計分析卻相對較為簡單直接。企業(yè)將面臨著前所未有的機遇，即利用其他企業(yè)的信息來擴充數據樣本。新的可視化工具為分析工作帶來了很大幫助，科學家們能夠發(fā)現過去未曾發(fā)現的規(guī)律，這或許可以幫助企業(yè)將生產效益提升幾個百分點之多。

數據來源不僅局限于鉆井業(yè)務，也涉及非技術性信息，例如鉆探設備的搬移時間，鉆探設備適合何種環(huán)境，監(jiān)測整個盆地而非各單個井的運作情況，等等。通過數據分析獲得洞見，將幫助企業(yè)更高效地開展批量鉆探活動。

此外，由于與開發(fā)生產相關的資本成本越來越高，因此數字技術和先進分析法的使用也越來越頻繁。不管是出于預防性維護目的，還是出于健康、安全與環(huán)?？紤]，企業(yè)對利用分析法來預測風險的關注程度勢必日漸高漲。

利用數據分析，進行預防性資產維護。運營技術和信息技術的融合有利于加強設備維護，便于對設備進行遠程監(jiān)控和有計劃停止運行（而非意外）。例如，如果鉆探設備出現可靠性問題，就會對企業(yè)收入產生重大影響。

除了使用創(chuàng)新技術工具，企業(yè)還要注意與相關流程保持密切銜接。資產維護方案需多方溝通，并整合工作流程。例如，通過實時信息共享，可以更加及時地準備設備與備件。

與資產維護相關的數據分析也會影響到其他流程，它不僅會影響資本資產的產出，也會影響工作的調度安排以及人力資源的配置。

供應鏈分析法。油氣井生產開工越早，帶來的收益就越大。為了優(yōu)化鉆探產量，油氣行業(yè)正努力采用更加高效的生產模型。某些關鍵變量可采用精益六西格瑪原則，尋找影響生產與物流進度的根本原因。

由于油氣企業(yè)面臨縮短鉆探周期的壓力，尤其是在非傳統(tǒng)油氣田領域，因此可以利用這一機會提高供應鏈效率。企業(yè)可利用數據分析工具提供必要的支持，優(yōu)化油氣田鉆探設備的搬遷過程，提高運輸效率和水力壓裂效率。此外，還可將區(qū)域性分包機構（包括倉儲、保養(yǎng)、維修、運營等職能）有機協(xié)調起來，形成一體化的物流。

在油氣井規(guī)模較小、鉆探更快的非常規(guī)能源區(qū)域，圍繞開采及生產活動的決策具有較高靈活度。

比如，工作人員原本認為今天需要運送一臺鉆機，但是由于預期鉆孔位置未能按計劃準備就緒，可能需要將設備移至其他地方，同時還需要盡快將其他相關物資移至該處。通過不斷應用數據和分析法，加上各職能部門之間的有效溝通，供應鏈管理者能充分發(fā)揮各項工作的協(xié)同作用，降低成本，提高企業(yè)產量。

此外，企業(yè)很可能會采用采購分析法來控制成本，目的旨在通過支出管理、存貨優(yōu)化、承包管理等手段提高價值，以及通過商品分析法和采購風險分析法進行風險管理。

下游運營的六大分析

多年來，能源企業(yè)一直在下游運營中收集和分析數據。

在基本層面上，通過對傳感器信號的分析形成洞見，從而實現對資產與產出的實時監(jiān)控。多數情況下，數據分析解決方案的實施都是以單項資產為基礎，由精通技術的運營總監(jiān)或工程總監(jiān)來完成，而缺乏整個組織層面的統(tǒng)一指導和操作?？缳Y產的數據分析相對而言較為少見，而跨設施的數據分析則更是鳳毛麟角。

為了發(fā)揮應用技術的最大作用，企業(yè)領導者需要首先就價值的關鍵驅動因素達成共識。這些因素的范圍從油氣精煉和化工作業(yè)，貫穿了規(guī)劃與進度安排，一直延伸至市場營銷和交易活動。

精煉與化工作業(yè)的數據分析。精煉是油氣價值鏈中最具商業(yè)挑戰(zhàn)的環(huán)節(jié)之一。因此，多年來，優(yōu)化下游生產向來都是最為關鍵的工作。

舉例而言，匈牙利油氣公司（MOL）在匈牙利Százhalombatta地區(qū)啟動了一個石油精煉項目。該企業(yè)實施了一整套SAP業(yè)務目標組件，其中包括確定用戶、創(chuàng)建關鍵績效指標、監(jiān)督和測量工具和其他報告等部分。整個系統(tǒng)植入了200多項關鍵績效指標、19個監(jiān)督和測量工具和多個報告模板，可以自動執(zhí)行分析任務。因此，管理者得以獲取最新信息，事先作出商業(yè)決策，以適應瞬息萬變的市場。MOL在匈牙利精煉廠的其他部門也都采用了這一解決方案，接下來會將其拓展至斯洛伐克的一家精煉廠。

在歐洲和北美地區(qū)，由于競爭激烈，尤其是來自亞洲石油精煉企業(yè)的競爭，提高效率的壓力也越來越大。因此，歐洲和北美的精煉企業(yè)往往更希望采取數據分析推動的解決方案，以優(yōu)化生產，提高競爭力。

運營數據分析。煉化企業(yè)的運營成本越來越高，越來越復雜，這就促使企業(yè)力求實現投資回報最大化?？s短停工維修時間、加快消除意外事件影響就顯得非常重要。

因此，油氣企業(yè)將設法利用資產維護數據分析提高利潤。在不久的將來，隨著大量設備被用于對資產工作狀態(tài)的監(jiān)測，類似無人機的管理模式很可能在商業(yè)領域嶄露頭角。

為了實現超額收益，運營管理人員往往會考慮將資產維護數據分析和相關流程的優(yōu)化結合起來。例如，運行設備的數據分析結果不僅需要告知工作人員，同時也要遞交給管理設備與備件的人員。

規(guī)劃設計活動加上預防性資產維護，有助提高設備利用率。某些企業(yè)的規(guī)劃設計工作由總部完成，但許多中等規(guī)模的精煉企業(yè)都有自己專門的規(guī)劃設計部門。

績效分析法可用來分析設備預計績效和實際績效之間的差距，從而找到改進設備績效的新方法。提升設備績效有助壓縮成本、提高資產利用率，并增加利潤，這些都是精煉企業(yè)長期努力實現的目標。

通盤考慮能夠提高整個周期中的數據可見性——從生產規(guī)劃設計到供應鏈，再到需求規(guī)劃，一直伸展至市場營銷和交易活動等環(huán)節(jié)。

利用數據分析優(yōu)化油氣價值鏈。由于偷竊和泄漏，油氣資源在逐漸減少，這些問題可通過物流數據分析來確定并進行追蹤。卡車上的監(jiān)測設備可收集穩(wěn)定的數據流，以便及時發(fā)現交付過程中的問題。

供應鏈優(yōu)化帶來的潛在利潤可能非?？捎^，尤其對于那些覆蓋廣闊領域、擁有眾多管道與倉庫的國有石油企業(yè)而言更是如此。

典型的運營瓶頸并不是精煉環(huán)節(jié)，而在于物流和分銷環(huán)節(jié)。因此，與這些進程相關的數據、軟件和分析工具都為企業(yè)提供了改進機遇。企業(yè)的最終目標就是實現端到端的整合（從供應端，經過生產過程，直到市場渠道），進而對整條生產價值鏈進行監(jiān)測。

健康、安全與環(huán)境（HSSE）數據分析。只要不出現嚴重問題，企業(yè)就能夠持續(xù)運營，并改善人力資源狀況。此外，對健康、安全與環(huán)境等問題日趨嚴格的規(guī)定也意味著，下游企業(yè)需要加強實時監(jiān)測，以及制作及時、準確的合規(guī)報告。

企業(yè)可以在多個精煉廠布置同時覆蓋上千人的追蹤技術。數據分析能使管理者及時了解事故現狀，并從事故或未發(fā)生的事故中吸取經驗教訓。

馬拉松石油公司在其位于美國伊利諾伊州羅賓遜地區(qū)的精煉廠實施了無線安全解決方案。這一方案整合了Wifi無線網絡和天然氣檢測器定位技術，使企業(yè)能夠對潛在事故進行遠程監(jiān)控。除了起初的安全應用外，在整個企業(yè)布施的移動基礎設施也為其他實時數據分析打下了基礎。因此，馬拉松公司不僅可以追蹤可能置身于潛在危險環(huán)境中的員工，也能夠對承包商和設備進行實時追蹤分析。

營銷數據分析。過時的技術基礎設施無法滿足當今習慣于數字技術的客戶需求。如今，客戶與網絡之間的聯(lián)系高度密切，掌握很多信息，了解價格走勢，要贏得他們已非輕易之舉，因為他們只需多點幾下鼠標便可能被其他更具競爭力的信息所吸引。電子支付方式提供了新的數字化數據來源，企業(yè)能夠運用這種數據加強對客戶的了解。

盡管某些能源企業(yè)正從零售運營模式向特許經營模式轉型。但是，也有一些企業(yè)正在對數千個零售站點展開數據分析和數據挖掘，從而增加對客戶的了解，創(chuàng)新服務模式（可能與石油毫不相干），為企業(yè)增收。

通過使用數據分析收集并分析社交媒體上的發(fā)帖，企業(yè)可以更好地理解客戶，從而在作出零售決策之前找到銷售方案。能源企業(yè)需要從零售業(yè)和銀行業(yè)學習很多東西，因為這二者在結合數字化移動技術、云技術和預測性分析方面遙遙領先，借此促進銷售、提高零售業(yè)績，并發(fā)現商機。

交易與風險管理數據分析。某些油氣企業(yè)早已擁有成熟的交易數據分析能力。在高度監(jiān)管的市場上，企業(yè)已經開始模擬預測監(jiān)管政策的變化，實時洞察全球商品市場的活動。事實上，一些企業(yè)正在申請全面交易執(zhí)照，需要獲得對抗來自金融機構的競爭。由于商品交易總量上升，而且也有必要對相關的風險進行有效管理，因此企業(yè)也將越來越強調創(chuàng)新。

隨著對商品市場的進一步了解，能源企業(yè)能夠對供應鏈實施相應管理，比如在充分利用能源運輸船隊方面，是繼續(xù)前往現有供應地點，還是安排它們去到其他目的地。

這一事例說明，數據分析可以用于多個流程，從而提升多個職能部門的業(yè)務績效。

升級ERP系統(tǒng)

過去25年中，信息技術的進步大大提升了油氣行業(yè)運營的透明度，加速了數據收集和分析進程。ERP工具包不僅提高了財會、采購、供應鏈、人力資源等領域的標準化程度，也提高了分析所用數據的可靠性。

企業(yè)內部的各種機遇與向上游或下游業(yè)務的拓展關系密切，這無形中增加了整個組織的透明度。能源產業(yè)需要現代化的ERP系統(tǒng)，將生產、收入、利潤分配、運輸與營銷、合規(guī)與會計核算等工作整合在一起。

數據整合是應用先進分析法和提高產品組合可見性的基礎。一般情況下，企業(yè)通常首先開始進行主數據管理，改進數據質量。大量經過整合的數據集與先進的分析法為統(tǒng)計分析、建模和評估企業(yè)績效提供了豐富的資源和工具。

通過分析法整合企業(yè)數據和運營數據。配備有數據分析功能的生產收入核算系統(tǒng)將有助企業(yè)完成上游運營和企業(yè)系統(tǒng)的對接。充分集成、高度自動化的系統(tǒng)能夠減少人工輸入和重復流程。因此，企業(yè)便可縮短前期調整時間，進行跨應用的數據報告和分析。

能源企業(yè)正在努力提高海量數據可見性，而且這些數據還在不斷增長。差異化的系統(tǒng)和各組定制化報告的復雜配置正在被單一數據來源和更加快速的簡化報告形式所取代。用戶友好型設計幫助用戶獲得不斷更新的共享數據，便捷的數據搜索能力也有助輕松找到相關績效指標，并匯報眾多流程和職能部門的業(yè)務績效。

此外，軟件企業(yè)也開始紛紛采用以用戶為中心的方法，幫助人們以更清晰、更圖像化的直觀方式來理解數據。應用開發(fā)人員正致力于拉近大眾移動應用與企業(yè)模型之間的距離，采取平面視角分析數據。直覺工具的出現將減少對大量培訓的需求，并促進分析法在整個組織中的應用。

在企業(yè)中，分析型應用正不斷涌現。這些軟件不再僅僅局限于企業(yè)的某一特定職能范圍，而是拓寬了關注點，能夠與其他部門分享有關流程的數據和業(yè)務洞見，進而提升組織整體績效。

在新一代業(yè)務流程外包中，將會出現許多“價值獵手”。他們會運用數據分析形成洞見，幫助組織提升各個部門、各個流程的績效。

結束語

數據分析本身并非業(yè)務問題的解決方案。它只是實現目標的一種手段，一種創(chuàng)新性技術，一旦與其他關鍵要素密切結合，就能夠提高業(yè)務績效。

能源企業(yè)可以通過明確戰(zhàn)略目標、整合數據資源、縮小差距等方式獲得更多收益。要想彌合企業(yè)職能工作與開采運作的中間環(huán)節(jié)缺失，需要通過多種方式予以解決。

對此，埃森哲的三條建議是：明確數據分析的目標和價值；采用端到端的流程視角，整合企業(yè)和運營數據分析，提升運營成果；推動企業(yè)文化轉型，建設分析敏銳、由洞見驅動的企業(yè)。

如今，移動、數字、云、數據分析等大量新技術逐漸融合，為企業(yè)提供了豐富的數據來源。成熟的工具有助實現復雜數據的可視化，供員工輕松、便捷地調用。

因此，企業(yè)領導者們需要開闊視野，采用跨職能、資產和流程的視角審視經營活動，充分利用數據分析，以創(chuàng)新形式提升企業(yè)績效。