Лидерами нефтегаза станут компании, использующие Big Data
Нефтяные и газовые компании не смогут воспользоваться конкурентным преимуществом технологий Big Data, если не начнут более эффективно управлять своими данными. К такому выводу в своем новом докладе пришла нефтегазовая консалтинговая компания Molten. По мнению ее экспертов, многие нефтегазовые предприятия «безответственно» распоряжаются своими данными, несмотря на то, что тратят миллиарды долларов в год на их сбор.
Авторы доклада поясняют, что более тщательный подход к работе с данными позволит руководителям и инвесторам получать необходимую информацию для принятия ключевых стратегических решений. Например, аналитика Big Data может помочь при принятии решений о коэффициенте замещения резервов.
По подсчетам Molten, крупные нефтегазовые компании тратят от $1 до $3 млрд в год на сбор данных, однако расходы на поддержание и обработку накопленной информации зачастую составляют менее 1% от этой суммы. В то же время от компаний требуется принимать оперативные решения и поддерживать высокий уровень производительности. Как следствие, руководство должно полагаться на большие объемы данных, чтобы принимать критические решения.
Позитивные моменты есть: так, в исследовании Molten говорится, что точность принятия стратегических решений в нефтегазовых компаниях возросла. Однако уровень ошибочности решений все еще колеблется на отметке в 10%. По мнению экспертов, Big Data может исправить эту ситуацию. Те компании, что справятся с управлением данными, получат значительное преимущество в выполнении ключевых стратегических задач.
Вероятность ошибки в 10% сегодня считается нормой в индустрии, но это вовсе не должно быть так, поясняет Колин Фрост (Colin Frost), ведущий партнер Molten Group. «В ближайшие пять лет компании, которые будут лучше управлять своими данными, смогут понизить этот шанс до 7–8%», – заключил он.
Наибольшего успеха в нефтегазовой отрасли добьются предприятия, освоившие технологии Big Data
К сожалению, отечественный нефтегаз не может похвастаться экспертизой в описанной технологической области. Например, как заявила пресс-служба компании, в «Лукойле» технологии Big Data не используются.
Российские нефтегазовые компании всегда старались использовать аналитические подходы к решению различных задач, рассказывает Андрей Свирщевский, руководитель направлений аналитики и гарантирования доходов компании SAS Россия/СНГ. Но, поскольку это в основном делалось на основе собственных теоретических разработок, никогда не использовались масштабные аналитические платформы. Только последние один-два года многие крупные компании отрасли активно развивают аналитику на инструментах и технологиях, соответствующих их масштабу. Основные решаемые аналитические задачи: прогнозирование нештатных ситуаций на основе показателей работы оборудования, управление рисками и оптимизация использования ресурсов в рамках ТОРО мероприятий, кластеризация скважин/месторождений и их сравнительный анализ, прогнозирование объемов добычи, выбор оптимальных режимов работы оборудования. «На мой взгляд, самая актуальная задача – прогнозирование нештатных ситуаций на основе датчиков работы динамического оборудования. Мы получаем понимание ключевых причин возникновения отказов, прогнозы возникновения нештатных ситуаций на часы вперед для проактивных оперативных мероприятий (например, вывод в ремонт во избежание аварийного останова) и прогнозы на несколько месяцев вперед для управления рисками и корректировки ТОРО мероприятий», – обосновывает важность этого направления Андрей Свирщевский.
По его словам, первые системы такого типа уже развернуты у лидеров индустрии. Пока про Big Data тут речь не идет, сначала стоит освоить базовый Data Mining. Хотя в нефтегазе не совсем базовый уровень – предсказываются отказы определенного типа для определенного вида оборудования. «Истории отказов обычно не хватает, поэтому используются специализированные методы предсказания редких событий. Также на вход подаются показатели работы датчиков – это временные ряды, соответственно нужны специфические методы их предварительной обработки перед анализом», – рассказывает Андрей Свирщевский. По данным CNews, именно так обстоит ситуация в «Лукойле». Когда Data Mining будет освоен, станет ясно, что моделей нужно строить много, и тогда понадобятся высокопроизводительные Data Mining технологии калибра Big Data. Также компаниям захочется использовать не только формальные показатели датчиков, но и журналы дежурной смены, а это уже неструктурированная информация, опять же ведущая к появлению Big Data, прогнозирует он.
Нефтегазовые компании по всему миру давно уделяют много внимания сбору и хранению данных. «К сожалению, в отечественных компаниях в большинстве случаев показатели с датчиков работы оборудования не сохраняются в архивах. Как следствие, использование средств Big Data и аналитики существенно затрудняется», – заключает Андрей Свирщевский.
