王晨光

(中國石油化工股份有限公司 油品銷售事業(yè)部,北京 100728)

2023年3月,中國國家數(shù)據(jù)局正式成立[1],標(biāo)志著數(shù)據(jù)作為生產(chǎn)要素的應(yīng)用進(jìn)入了新的階段。同時,隨著數(shù)字經(jīng)濟(jì)的發(fā)展,大數(shù)據(jù)正在深刻影響著國民經(jīng)濟(jì)的各個領(lǐng)域。石油石化行業(yè)也在積極探索大數(shù)據(jù)的應(yīng)用,并且已經(jīng)取得了一定進(jìn)展。同時,石油石化行業(yè)的大數(shù)據(jù)具有顯著的行業(yè)特點(diǎn),需要有針對性地進(jìn)行研究,并結(jié)合未來發(fā)展趨勢,提出更加完善的大數(shù)據(jù)應(yīng)用框架和場景。

1 大數(shù)據(jù)發(fā)展概述

1.1 概念及發(fā)展歷程

一般認(rèn)為,“大數(shù)據(jù)”作為計算機(jī)領(lǐng)域的新概念,是在2008年《自然》雜志中被首次提出的[2]。此后,隨著互聯(lián)網(wǎng)、電子商務(wù)等行業(yè)的發(fā)展,大數(shù)據(jù)逐漸顯露頭角。近幾年,新一代信息技術(shù)層出不窮,特別是云計算、物聯(lián)網(wǎng)、人工智能、移動互聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)等技術(shù)的發(fā)展和成熟,進(jìn)一步拓寬了大數(shù)據(jù)的來源,也促進(jìn)了大數(shù)據(jù)在各個領(lǐng)域的應(yīng)用。

大數(shù)據(jù)的概念被提出后,國際數(shù)據(jù)公司、麥肯錫咨詢、美國國家標(biāo)準(zhǔn)和技術(shù)研究院等產(chǎn)業(yè)和學(xué)術(shù)機(jī)構(gòu)分別從不同的角度給出了大數(shù)據(jù)的定義[3]。簡而言之,大數(shù)據(jù)就是無法在合理時間內(nèi)利用現(xiàn)有的數(shù)據(jù)處理手段進(jìn)行存儲、管理、抓取等分析和處理的數(shù)據(jù)集合[4]。相較于一般的數(shù)據(jù),人們將大數(shù)據(jù)的特征總結(jié)為“3V”,即大規(guī)模(Volume)、高速度(Velocity)、多樣性(Variety)。此后,研究人員從不同的應(yīng)用視角和需求出發(fā),又提出了價值性(Value)、真實(shí)性(Veracity)、黏性(Viscosity)、鄰近性(Vicinity)、模糊性(Vague)、多變性(Variability)等多種不同的特征,形成了“(3+x)V”的大數(shù)據(jù)特征[5-6]。

1.2 主要應(yīng)用領(lǐng)域

大數(shù)據(jù)因?yàn)樵诠步】殿I(lǐng)域初顯身手而首次進(jìn)入大眾視野。為了更好地預(yù)測流感,谷歌公司于2008年推出了“Google流感趨勢”工具,通過對流感癥狀、胸悶、溫度計等用戶搜索的關(guān)鍵詞進(jìn)行分析來追蹤流感疫情,其速度和準(zhǔn)確度遠(yuǎn)超傳統(tǒng)的疾控報告[4]。此后,大數(shù)據(jù)在諸多領(lǐng)域都得到了應(yīng)用。

1)社交網(wǎng)絡(luò)。隨著移動互聯(lián)網(wǎng)和智能終端的發(fā)展,社交網(wǎng)絡(luò)的規(guī)模不斷擴(kuò)大,傳統(tǒng)的網(wǎng)絡(luò)分析方法因計算成本過高而不再適用。針對該問題,文獻(xiàn)[7]探索了大數(shù)據(jù)背景下的大規(guī)模社交網(wǎng)絡(luò)抽樣,通過一種聚類隨機(jī)游走抽樣算法,能夠在降低計算規(guī)模的同時較好地保留原始網(wǎng)絡(luò)的結(jié)構(gòu)特征。

2)零售營銷。針對大型城市的零售商業(yè)結(jié)構(gòu)調(diào)整和優(yōu)化等問題,可以基于最近鄰分析和密度估計等大數(shù)據(jù)方法,建立人口耦合度模型,并進(jìn)行空間布局的特征分析[8]。文獻(xiàn)[9]將大數(shù)據(jù)營銷的發(fā)展歷程劃分為互聯(lián)網(wǎng)、社會網(wǎng)絡(luò)、移動互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能等四個階段,并圍繞客戶旅程、營銷活動量化評估和營銷分析技術(shù)開發(fā)等三個方面,對大數(shù)據(jù)營銷的未來趨勢進(jìn)行了展望。

3)金融銀行。隨著金融科技的興起,大數(shù)據(jù)在金融銀行領(lǐng)域的應(yīng)用也受到了廣泛關(guān)注,尤其是對于傳統(tǒng)信貸機(jī)制的革新等。通過構(gòu)建大數(shù)據(jù)信貸模型,文獻(xiàn)[10]對直接信貸、傳統(tǒng)信貸和大數(shù)據(jù)信貸等三種機(jī)制進(jìn)行了對比分析,論述了大數(shù)據(jù)有助于解決道德風(fēng)險和逆向選擇等信貸難題的內(nèi)在機(jī)理。

4)交通運(yùn)輸。針對交通信號控制系統(tǒng)難優(yōu)化、數(shù)據(jù)采集設(shè)備不完備等現(xiàn)狀,文獻(xiàn)[11]基于網(wǎng)約車的行駛軌跡進(jìn)行大數(shù)據(jù)分析,在不依賴道路渠化、路口改造和交通信號設(shè)備改造的前提下,僅通過軟件優(yōu)化的方式,降低了早晚高峰平均延誤時間和停車次數(shù)等關(guān)鍵指標(biāo),有效緩解了交通擁堵現(xiàn)象。

2 大數(shù)據(jù)在石油石化領(lǐng)域的應(yīng)用

作為傳統(tǒng)行業(yè),同時也是數(shù)據(jù)要素密集行業(yè),石油石化行業(yè)的大數(shù)據(jù)應(yīng)用場景十分豐富。在生產(chǎn)、經(jīng)營、管理、銷售和科研等各個環(huán)節(jié),大數(shù)據(jù)已經(jīng)得到了初步應(yīng)用,并且在提高管理效率、降低經(jīng)營成本、改善客戶體驗(yàn)等方面取得了一定成果[6]。

2.1 勘探開發(fā)

針對油氣資源開發(fā)全流程的需求,文獻(xiàn)[2]提出了涵蓋勘探開發(fā)、運(yùn)輸存儲、分配銷售的大數(shù)據(jù)智能化平臺,將各子流程的數(shù)據(jù)提取融合,有望在存儲層物性參數(shù)預(yù)測等方面發(fā)揮重要作用。文獻(xiàn)[12]提出了基于大數(shù)據(jù)的精細(xì)注水方案優(yōu)化方法,充分發(fā)揮機(jī)器學(xué)習(xí)的自動化、智能化優(yōu)勢,某區(qū)塊優(yōu)化后的產(chǎn)量與優(yōu)化前相比提升了8.2%,取得了較好的注采效果。

2.2 煉油化工

針對煉化生產(chǎn)工藝優(yōu)化和設(shè)備預(yù)見性維護(hù)等問題,文獻(xiàn)[13]建立了大數(shù)據(jù)分析平臺,對生產(chǎn)平穩(wěn)率、設(shè)備運(yùn)行狀態(tài)和質(zhì)量預(yù)測等指標(biāo)進(jìn)行分析,提高了煉化企業(yè)在過程控制、安全保障以及故障預(yù)警等方面的能力。文獻(xiàn)[14]提出了用于大機(jī)組等動設(shè)備運(yùn)行狀態(tài)預(yù)警預(yù)測的解決方案,利用RBF神經(jīng)網(wǎng)絡(luò)作為核心算法,實(shí)現(xiàn)了運(yùn)行狀態(tài)的預(yù)警預(yù)測,在一定程度上解決了動設(shè)備運(yùn)行管控中存在的難題。

2.3 銷售服務(wù)

在銷售服務(wù)領(lǐng)域,大數(shù)據(jù)的應(yīng)用場景十分廣泛。針對經(jīng)營管理輔助決策的需求,某石油銷售企業(yè)建設(shè)了一個基于大數(shù)據(jù)的決策支持系統(tǒng)[15]。該系統(tǒng)涵蓋企業(yè)資源計劃系統(tǒng)(ERP)、加油站管理、油庫管理、一次物流、二次物流、財務(wù)和客戶管理等各業(yè)務(wù)系統(tǒng)數(shù)據(jù)的統(tǒng)計分析,并將分析結(jié)果以可視化的形式展現(xiàn)出來,提供了“一站式”的決策支持服務(wù)。

2.4 安全環(huán)保

針對安全生產(chǎn)風(fēng)險管控,文獻(xiàn)[16]設(shè)計了大數(shù)據(jù)風(fēng)險預(yù)警平臺,利用前綴樹、“詞頻-逆文本”指數(shù)和知識圖譜等技術(shù),實(shí)現(xiàn)了對風(fēng)險的識別、分析、評價與預(yù)警等功能。文獻(xiàn)[17]按照終端匯集層、數(shù)據(jù)管理層、智能優(yōu)化層、可視化管理層四層架構(gòu),建設(shè)了基于環(huán)保大數(shù)據(jù)的智能云平臺,實(shí)現(xiàn)了涵蓋通信、優(yōu)化、監(jiān)管與決策的環(huán)保管理一體化。

3 石油石化大數(shù)據(jù)平臺

針對石油石化業(yè)務(wù)場景,結(jié)合該行業(yè)大數(shù)據(jù)特點(diǎn),提出一個面向石油石化行業(yè)的大數(shù)據(jù)平臺。借鑒互聯(lián)網(wǎng)等行業(yè)的經(jīng)驗(yàn),充分挖掘和利用上中下游產(chǎn)業(yè)鏈的海量數(shù)據(jù),廣泛應(yīng)用于生產(chǎn)、供應(yīng)鏈、營銷和管理等領(lǐng)域,促進(jìn)數(shù)據(jù)要素進(jìn)一步發(fā)揮應(yīng)有作用,推動企業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展。

3.1 大數(shù)據(jù)的特點(diǎn)

石油石化行業(yè)大數(shù)據(jù)的特點(diǎn)有以下幾方面:

1)數(shù)據(jù)體量大。在石油石化產(chǎn)業(yè)鏈,各類動靜設(shè)備的數(shù)量和采樣頻率都較高,這使得產(chǎn)生的數(shù)據(jù)達(dá)到TB,PB,EB甚至ZB等量級[4]。隨著物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)和邊緣計算等技術(shù)的深化應(yīng)用,數(shù)據(jù)的維度將不斷擴(kuò)展,數(shù)據(jù)體量也會進(jìn)一步增大。

2)數(shù)據(jù)類型多。在石油石化生產(chǎn)經(jīng)營過程中,除了會產(chǎn)生海量結(jié)構(gòu)化數(shù)據(jù),也會產(chǎn)生各種類型的半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)[6]。前者包括設(shè)備采樣數(shù)據(jù)、信息系統(tǒng)日志數(shù)據(jù)等,后者則涵蓋各類文檔和智能化“田、廠、院、站”環(huán)境的圖紙、聲音、視頻等數(shù)據(jù)。

3)數(shù)據(jù)實(shí)時性強(qiáng)。石油石化行業(yè)是典型的連續(xù)生產(chǎn)型流程工業(yè),持續(xù)不斷的流程,會積累源源不斷的數(shù)據(jù)。因此,為了確保各項(xiàng)生產(chǎn)經(jīng)營業(yè)務(wù)的安全性、穩(wěn)定性和連續(xù)性,對數(shù)據(jù)在采集、處理、分析、反饋等各個環(huán)節(jié)中的實(shí)時性要求也比較高。

4)數(shù)據(jù)價值高。石油石化大數(shù)據(jù)產(chǎn)生于各類生產(chǎn)裝置、傳感設(shè)備以及各類信息系統(tǒng),其中蘊(yùn)含了大量的生產(chǎn)和經(jīng)營規(guī)律,這些信息對于企業(yè)優(yōu)化生產(chǎn)、提高效率、改善經(jīng)營等具有很高的價值。

5)信息隱藏性強(qiáng)。在某些場景,數(shù)據(jù)所攜帶的信息較為隱蔽,需要進(jìn)一步挖掘。例如,產(chǎn)品的產(chǎn)量與原料和工藝參數(shù)之間的關(guān)系,通常是一個復(fù)雜的模型,依靠一般的統(tǒng)計分析方法難以量化。

3.2 大數(shù)據(jù)平臺應(yīng)用架構(gòu)

石油石化大數(shù)據(jù)平臺的應(yīng)用架構(gòu)如圖1所示。該大數(shù)據(jù)平臺應(yīng)用架構(gòu)包括: 數(shù)據(jù)源層、采集存儲層、計算分析層和應(yīng)用服務(wù)層。針對石油石化行業(yè)大數(shù)據(jù)的特點(diǎn),重點(diǎn)加強(qiáng)了對于體量大、類型多、實(shí)時性強(qiáng)的大數(shù)據(jù)的整合處理能力;同時,引入了目前業(yè)界主流的人工智能算法,以提高對于隱藏信息的分析挖掘能力。

圖1 石油石化大數(shù)據(jù)平臺的應(yīng)用架構(gòu)示意

1)數(shù)據(jù)源層匯集了各領(lǐng)域各類型數(shù)據(jù)的產(chǎn)生源。石油石化產(chǎn)業(yè)鏈較長,因此數(shù)據(jù)來源也較多,不僅包括信息系統(tǒng)的基礎(chǔ)數(shù)據(jù)、日志數(shù)據(jù)等,也包括物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、邊緣計算等設(shè)備的采樣數(shù)據(jù),以及生產(chǎn)經(jīng)營過程中沉淀的文檔、聲音、視頻等業(yè)務(wù)數(shù)據(jù),同時也包括第三方共享數(shù)據(jù)。

2)采集存儲層對數(shù)據(jù)進(jìn)行初步處理并存儲,便于后續(xù)分析。具體包括數(shù)據(jù)傳輸、預(yù)處理和存儲三個流程。首先,遵循數(shù)據(jù)同源的原則,通過數(shù)據(jù)傳輸服務(wù)(DTS)、抽取等方式進(jìn)行傳輸;其次,按照統(tǒng)一的標(biāo)準(zhǔn),對數(shù)據(jù)進(jìn)行清洗、變換等預(yù)處理操作,形成符合規(guī)范的數(shù)據(jù);最后,根據(jù)數(shù)據(jù)的類型、規(guī)模和讀寫頻率等因素,綜合選擇最合適的方式進(jìn)行存儲。

3)計算分析層根據(jù)應(yīng)用場景,匹配相應(yīng)的算法進(jìn)行處理。除了基礎(chǔ)的數(shù)理統(tǒng)計分析工具以外,平臺也提供了目前業(yè)界使用較多的人工智能算法。通過統(tǒng)計分析和人工智能的應(yīng)用,能夠進(jìn)一步提高平臺針對石油石化大數(shù)據(jù)中隱藏信息的分析挖掘能力。

4)應(yīng)用服務(wù)層提供各種人機(jī)交互場景下的大數(shù)據(jù)服務(wù)?；诮换ニ饕?shù)據(jù)報表、商業(yè)智能和可視化等基礎(chǔ)應(yīng)用場景,進(jìn)一步封裝并提供預(yù)測、優(yōu)化、診斷以及輔助決策等方面的大數(shù)據(jù)服務(wù)能力。

3.3 大數(shù)據(jù)平臺技術(shù)框架

在搭建大數(shù)據(jù)平臺技術(shù)框架時,主要標(biāo)準(zhǔn)是既要符合業(yè)界主流和發(fā)展趨勢,也要滿足石油石化行業(yè)大數(shù)據(jù)的應(yīng)用需求。本文提出的技術(shù)框架包含: 數(shù)據(jù)存儲、數(shù)據(jù)庫、計算模式、數(shù)據(jù)管理、數(shù)據(jù)分析、應(yīng)用服務(wù)和數(shù)據(jù)安全七個方面,如圖2所示。

圖2 石油石化大數(shù)據(jù)平臺的技術(shù)框架示意

原始數(shù)據(jù)經(jīng)過初步處理后,根據(jù)數(shù)據(jù)類型和特征,選擇合適的存儲技術(shù)進(jìn)行存儲,確保數(shù)據(jù)同源。數(shù)據(jù)庫是數(shù)據(jù)存儲的實(shí)體,考慮到大數(shù)據(jù)的“(3+x)V”特征[5]和石油石化大數(shù)據(jù)特點(diǎn),關(guān)系型分布式數(shù)據(jù)庫已基本無法滿足要求,故需要選擇非關(guān)系型數(shù)據(jù)庫。計算模式是根據(jù)數(shù)據(jù)特征和計算特征抽象出的高層次模型,當(dāng)前主流的大數(shù)據(jù)計算框架,如Hadoop,Spark,HANA等,均涵蓋一種或多種計算模式。數(shù)據(jù)管理是通過整合,使數(shù)據(jù)源符合規(guī)范,以便于分析[17],包括數(shù)據(jù)治理、日志采集、消息系統(tǒng)、集群調(diào)度等。數(shù)據(jù)分析是大數(shù)據(jù)計算框架的核心之一,基于“數(shù)理統(tǒng)計+人工智能”相結(jié)合的分析路徑,才能挖掘出數(shù)據(jù)中的隱藏信息,從而使數(shù)據(jù)的價值最大化。應(yīng)用服務(wù)是連接技術(shù)與業(yè)務(wù)的橋梁,進(jìn)一步提高了大數(shù)據(jù)技術(shù)的實(shí)用性、實(shí)效性和實(shí)操性。其中,可視化及BI工具等能夠顯著降低非專業(yè)人員進(jìn)行大數(shù)據(jù)應(yīng)用的門檻。隨著數(shù)據(jù)安全的重要性日益提升,數(shù)據(jù)安全技術(shù)也成為大數(shù)據(jù)關(guān)鍵技術(shù)之一[2],同時,數(shù)據(jù)安全也為大數(shù)據(jù)的發(fā)展起到了保駕護(hù)航的促進(jìn)作用。

3.4 大數(shù)據(jù)平臺應(yīng)用場景

大數(shù)據(jù)平臺在石油石化行業(yè)的應(yīng)用場景如下:

1)生產(chǎn)優(yōu)化是石油石化行業(yè)大數(shù)據(jù)應(yīng)用的核心場景。對于工藝較為復(fù)雜的煉油化工生產(chǎn)過程,傳統(tǒng)的數(shù)學(xué)建模方法難以獲得準(zhǔn)確的量化關(guān)系,而這恰是大數(shù)據(jù)擅長的領(lǐng)域。大數(shù)據(jù)平臺能夠挖掘產(chǎn)品產(chǎn)量或質(zhì)量與原料、工藝、設(shè)備和環(huán)境等參數(shù)之間的關(guān)系,進(jìn)而得出提升產(chǎn)量或質(zhì)量的生產(chǎn)優(yōu)化方案。

2)供應(yīng)鏈優(yōu)化的目標(biāo)是“全鏈條”統(tǒng)籌優(yōu)化。打通計劃、采購、調(diào)度、物流及倉儲等各個環(huán)節(jié)的數(shù)據(jù),并針對業(yè)務(wù)需求統(tǒng)籌分析。需求預(yù)測方面,實(shí)現(xiàn)需求驅(qū)動采購,根據(jù)需求和庫存綜合制定采購計劃;物流優(yōu)化方面,利用運(yùn)籌優(yōu)化等算法實(shí)現(xiàn)路徑最優(yōu)、運(yùn)距最短、運(yùn)費(fèi)最小;庫存優(yōu)化方面,實(shí)現(xiàn)“滿足所有條件下庫存最低”的協(xié)同管理。

3)營銷優(yōu)化是最早應(yīng)用大數(shù)據(jù)的場景之一。大數(shù)據(jù)平臺能夠賦能煉油和化工產(chǎn)品的銷售環(huán)節(jié),實(shí)現(xiàn)新零售轉(zhuǎn)型?；跀?shù)據(jù)抽取、分類/聚類等技術(shù),能夠?qū)⒉煌瑏碓春皖愋偷臄?shù)據(jù)進(jìn)行組合分析,挖掘客戶習(xí)慣、完善客戶畫像,并進(jìn)行精準(zhǔn)營銷、個性化推薦和定制化檢索等,提升客戶體驗(yàn)。

4)管理優(yōu)化是提升整體效率的關(guān)鍵。相較于業(yè)務(wù)優(yōu)化,管理優(yōu)化有時能帶來更直接的效益提升。例如,對基層班組的用工數(shù)量和效益進(jìn)行大數(shù)據(jù)分析,可以得到用工優(yōu)化方案,進(jìn)而實(shí)現(xiàn)精簡人員、提高效率的目的。針對重點(diǎn)領(lǐng)域或重點(diǎn)崗位的經(jīng)營風(fēng)險,可以利用機(jī)器學(xué)習(xí)算法挖掘出異常數(shù)據(jù),進(jìn)一步規(guī)范業(yè)務(wù)流程、提高風(fēng)控水平。

4 挑戰(zhàn)和趨勢

4.1 面臨的挑戰(zhàn)

大數(shù)據(jù)平臺的建設(shè)會面臨諸多的挑戰(zhàn),例如:

1)系統(tǒng)復(fù)雜性。一方面,石油石化行業(yè)的信息化建設(shè)起步較早,很多企業(yè)的核心生產(chǎn)經(jīng)營系統(tǒng)已運(yùn)行多年,其整體架構(gòu)較為老舊;另一方面,新建項(xiàng)目一般都會傾向于選擇當(dāng)前主流的技術(shù)路徑。新、舊兩種體系,會給數(shù)據(jù)的整合與拉通帶來挑戰(zhàn)。

2)數(shù)據(jù)復(fù)雜性。隨著石油石化行業(yè)的數(shù)字化轉(zhuǎn)型,特別是物聯(lián)網(wǎng)、數(shù)字孿生等技術(shù)的應(yīng)用,數(shù)據(jù)的多樣性、動態(tài)性、不確定性以及極弱監(jiān)督性等,將會成為大數(shù)據(jù)應(yīng)用落地的難點(diǎn)。

3)場景復(fù)雜性。石油石化應(yīng)用場景具有一定的專業(yè)性和特殊性,導(dǎo)致新技術(shù)應(yīng)用難度較大。例如,通用型AI算法難以直接應(yīng)用,需要結(jié)合行業(yè)知識進(jìn)行遷移學(xué)習(xí)[18]。但是,針對石油石化行業(yè)知識的相關(guān)研究較少,這給AI的落地帶來了挑戰(zhàn)。

4)隱私安全性。隨著數(shù)字化轉(zhuǎn)型的深入,數(shù)據(jù)中的敏感信息越來越多,例如客戶、交易、供應(yīng)鏈等信息。同時,隨著數(shù)據(jù)要素的流通,跨部門、跨企業(yè)的數(shù)據(jù)傳輸與交互越來越頻繁。如何做好挖掘價值和隱私保護(hù)二者之間的平衡,是一個重要問題。

4.2 發(fā)展趨勢

在石油石化行業(yè)應(yīng)用大數(shù)據(jù),發(fā)展趨勢如下:

1)應(yīng)用服務(wù)更加靈活。當(dāng)前,石油石化業(yè)務(wù)范圍正在向新能源、新材料、新經(jīng)濟(jì)等領(lǐng)域延伸,大數(shù)據(jù)的應(yīng)用服務(wù)也將會更加靈活、更具可擴(kuò)展性。

2)人工智能應(yīng)用更加深入。作為大數(shù)據(jù)分析的核心驅(qū)動力之一,AI應(yīng)用的廣度和深度都會進(jìn)一步加強(qiáng),少量樣本深度學(xué)習(xí)、大規(guī)模預(yù)訓(xùn)練模型等領(lǐng)域的最新進(jìn)展,將在石油石化行業(yè)得到有效應(yīng)用。

3)從信息挖掘到?jīng)Q策支撐。隨著基礎(chǔ)平臺的完善、技術(shù)的進(jìn)步以及行業(yè)知識的積累,大數(shù)據(jù)應(yīng)用的目標(biāo)將從基本的信息挖掘向高層次的決策支撐發(fā)展,并促進(jìn)生產(chǎn)經(jīng)營相關(guān)的決策更加科學(xué)合理。

4)數(shù)據(jù)要素資產(chǎn)化。作為生產(chǎn)要素,數(shù)據(jù)的流通、整合、共享和交易等會越來越頻繁,并成為一項(xiàng)重要資產(chǎn)。同時,擁有數(shù)據(jù)資產(chǎn)的多少與好壞,將成為數(shù)字時代下企業(yè)競爭力的決定性因素之一。

5 結(jié)束語

數(shù)據(jù)有著“數(shù)字時代的新石油”之稱,這既說明了數(shù)據(jù)發(fā)揮的重要作用,又體現(xiàn)了數(shù)據(jù)蘊(yùn)含的寶貴價值。在能源結(jié)構(gòu)加速轉(zhuǎn)型、市場競爭不斷加劇、客戶需求日益多樣的背景下,石油石化行業(yè)面臨的挑戰(zhàn)與機(jī)遇并存。只有進(jìn)一步深化大數(shù)據(jù)在提高管理效率、降低經(jīng)營成本、改善客戶體驗(yàn)等方面的應(yīng)用,才能使數(shù)據(jù)要素發(fā)揮更大的作用,進(jìn)而促進(jìn)全行業(yè)的高質(zhì)量發(fā)展。