埃森哲白皮书：破解能源业数字化之惑

能源企业之所以无法借助数据分析来推动运营绩效，关键问题在于集成工作的欠缺，或谓之“中间环节缺失”。

趋势：四大数字技术重塑能源业众所周知，宏观经济走势会对能源行业产生影响：比如日益增长的能源需求、不断增加的投资成本、全球竞争、日趋严格的监管及合规要求等。

为了应对这些问题，油气企业管理层既要努力提高生产与投资回报，又要对安全与风险进行有效管理。

另一方面，十多年来伴随着以IT和互联网技术为基础的数字化进程，油气企业对某些突出的技术发展趋势已有所认识，但促使企业真正转型、实现高效管理的技术直到最近才发展成熟。

一是信息技术与运营技术的融合。

油气企业可利用设备捕获和收集数据，并将数据整合进IT系统中进行分析，该过程往往实时完成，以支持优化钻探生产、实现设备监控与可视化、完善环境、健康与安全（EHS）监测。

值得注意的是，不同的系统、标准及制造商造成了当前业务运营与信息技术之间的脱节，但控制系统、中间件（如生产执行系统）以及后端IT系统都可以拉近两者距离，将来自传感器和设备的数据进行有效整合、实时分析。

这非常适用于资产密集型行业，尤其是资产分布在不同地域的油气行业。

例如，BP公司努力发展复杂地下数据可视化技术，提升其全球勘探能力。

为此，BP在休斯顿建立了世界上最大的商业研究超级计算机中心。

高性能计算中心利用数据分析技术处理和管理大量BP项目的各种地理数据和地震数据，帮助科学家更准确地绘制油藏信息、寻找新的油气资源。

再如，BP的远程运营中心每月搜集公司在7个国家13个风电场的海量数据。

对海量信息的分析使得远程运营中心的操作团队对关键因素和可变因素保持密切的关注，如风机的可利用率、发电能力、市场定价和风速，以帮助他们更高效、经济、安全地生产。

二是移动技术及技术消费化。

移动通信及用户友好型信息技术支持远程数据访问，有助提高企业运营的可视性和响应速度。

随着便携式移动设备普及，在企业职能部门或操作现场的油气工人也可以通过非常直观的应用来帮助收集、利用、处理和分享相关工作数据。

移动平台方面的投入必将拓展实时数据和分析法的使用范围。

已有不少国际领先油气公司的员工使用iPad进行项目管理，这反映出自带设备办公（BYOD）的便利性和受欢迎的程度。

三是颠覆性架构（如云计算）。

这种按需分配的动态特征正在重塑数据中心的信息技术运作及采购模式。

这一发展趋势将影响数据中心的IT运营模式，使灵活采购成为现实。

企业通过外部部署模式支持外包，以便更加专注于自身的优势业务，并以合理成本管理海量数据的计算能力。

例如，哈里伯顿公司（Halliburton）的vSpace是一个基于云计算的远程主机平台，主要用于检测油井的运营情况，能够给企业带来可观效益。

而全球独立能源与生产企业塔里斯曼能源公司（Talisman Energy）利用哈里伯顿的云解决方案开发了一个实时运营中心，第一年就令自身节约了3,000万美元。

此外，该解决方案还加强了地质科学与工程部门的合作，提高了钻井之前预测危险的能力。

四是大数据分析法与内存计算。

大数据反映了信息的指数式增长、可获得性与使用情况，这些信息类型多样，但不成体系。

随着数据量不断增加，计算速度变得至关重要。

开源工具可将海量数据转换为有意义的洞见，自动对传统上杂乱无序的数据进行整合。

提取-转换-加载（ETL）工具的发展有利于油气企业从不同源头收集、整合数据，进而进行统计分析和模型建构。

互联网协议的开放性为分析法在企业范围的应用提供了进一步支持。

更重要的是，相比传统硬盘存储和读取，新兴的内存计算技术显著加快了查询时间，具有快速、可预测的性能，将处理时间从几小时缩短到不足一秒！武装了这种内存数据库的企业，就能在超大数据集中运用更加先进的分析手段。

分析获得的洞见不仅有助于企业提高绩效，而且领先企业可将这些能力作为服务，以按次计费的方式提供给同行。

例如，石油企业通常很难准确预测原油价格走向，通常使企业面临价格管理和执行的低效，面对多种价格解决方案选择无所适从。

基于内存计算技术的定价分析解决方案可以帮助油气企业将定价能力从基础级提升到先进水平。

作为大型跨国能源企业，壳牌不仅首当其冲地面临全球能源市场瞬息万变带来的挑战，其交易报告还要全球范围内合规。

为此，壳牌采用了交易分析解决方案，在风险管控和合规中找到问题，然后通过数据分析监控交易。

这一解决方案中涵盖了为决策支持而用到的预测分析技术，帮助企业定义交易模式，并利用统计分析技术防止潜在的损失。

通过实施交易分析，壳牌将企业风险管控和合规报告集成在同一个报告平台中，为满足法规遵从的管理要求，还建立了风险分析模型。

同时为交易模式和现场问题制订了预测算法和数学模型。

尤其为了满足石油企业移动性办公的特点，这一解决方案可以被扩展到移动平台以进行风险管控，并方便管理者们几乎实时地生成相关电子报告。

从本质上看，这里的每一项数字技术发展趋势都与数据密不可分：数据如何被生成、获取、整合、管理、分析，以及存储。

在此背景下，油气企业将利用这些技术对业务流程进行数字化处理，同时也开始参与数据管理和分析能力的竞争角逐。

最终，这一巨大的潜在趋势将彻底改变能源行业领导者开展业务、管理员工，以及满足客户需求的方式。

展望：以数据分析实现丰厚回报随着数据分析大规模普及的日益临近，油气企业不难发现使其技术投资实现丰厚回报的潜在机会。

首先看上游领域。

非常规油气井的产量几乎毫无规律可循。

如何有效开采数百个非常规油气井是保证盈利能力的关键所在。

先进的算法和强大的计算能力有助分析最庞杂的数据集，进而帮助企业大规模勘探蕴藏在页岩层中和海底的油气资源。

强有力的分析工具支持对多项数据的集合展开分析，而解释性软件和可视化工具则可为广大的业内人士提供更加直观的信息。

模拟石油在岩层中的流动情况，可以确定最佳的油井位置。

有效利用数据分析可以使开采率提高3%到5%。

对于能源企业来说，非常规能源领域的跨资产分析法，是一大尚未开发的空白。

如今，很多企业开始着眼于所有已钻探的油气井，通过整合现有的统计数据，找出其中哪些与即将开采的油气井最为相似，从而获得更多可借鉴资料。

新的可视化工具使科学家们能够发现过去未曾发现的规律，这或许可以帮助企业将生产效益提升几个百分点之多。

此外，通过供应链数据分析，企业不仅可优化油气田钻探设备的搬迁过程，提高运输效率和水力压裂效率，还可将区域性分包机构（包括仓储、保养、维修、运营等职能）有机协调起来，形成一体化的物流。

在油气井规模较小、钻探更快的非常规能源区域，围绕开采及生产活动的决策具有较高灵活度。

比如，工作人员原本认为今天需要运送一台钻机，但是由于预期钻孔位置未能按计划准备就绪，可能需要将设备移至其他地方，同时还需要尽快将其他相关物资移至该处。

通过不断应用数据分析，加上各职能部门之间的有效沟通，供应链管理者能充分发挥各项工作的协同作用，降低成本，提高企业产量。

此外，油气企业很可能会采用采购分析法来控制成本，目的旨在通过支出管理、存货优化、承包管理等手段提高价值，以及通过商品分析法和采购风险分析法进行风险管理。

其次看下游领域。

下游能源企业多年来一直关注运营数据的收集和分析。

在工厂运营层面，通过对实时数据的采集，实现对设备运行状态与产出进行监控。

多数情况下，数据分析解决方案实施都是以单项资产为基础，由精通技术的运营总监或工程总监来完成，而跨资产层面的数据分析相对而言较为少见，跨设备设施的数据分析则更是凤毛麟角。

为了发挥应用系统的最大作用，企业领导者需要首先就价值的关键驱动因素达成共识。

这些因素的范围从油气精炼和化工生产，贯穿了计划与调度安排，一直延伸至市场营销和销售活动。

举例而言，匈牙利油气公司（MOL）在匈牙利Szazhalombatta地区启动了一个炼油运营优化项目。

该企业设计了一整套集成的绩效考核体系，并在SAP系统基础上进行实施。

整个系统植入了200多项关键绩效指标、19个监督和测量工具，及多个报告模板，可以自动产生分析报表。

因此，管理者得以获取最新信息，事先做出商业决策，以适应瞬息万变的市场。

MOL在匈牙利精炼厂的其他部门也都采用了这一解决方案，接下来会推广至斯洛伐克的一家精炼厂。

炼化企业的运营成本越来越高，越来越复杂，这就促使企业力求实现投资回报最大化。

缩短停工维修时间、加快消除意外事件影响就显得非常重要。

因此，油气企业将设法利用设备维修数据分析提高利润。

在不久的将来，随着大量工具被用于对资产工作状态的监测，类似无人机的管理模式很可能在商业领域崭露头角。

供应链优化带来的潜在利润也可能非常可观，尤其对于那些覆盖广阔领域、拥有众多管道与仓库的国有石油企业而言更是如此。

典型的运营瓶颈并不是精炼环节，而在于物流和分销环节。

因此，与这些进程相关的数据、软件和分析工具都为企业提供了改进机遇。

企业的最终目标就是实现端到端的整合（从供应端，经过生产过程，直到市场渠道），进而对整条生产价值链进行监测。

在健康、安全与环境方面，企业可以在多个精炼厂布置无线网络，进行人员跟踪。

数据分析能使管理者及时了解事故现状，并从事故或险些发生的事故中汲取经验教训。

比如，马拉松石油公司在其位于美国伊利诺伊州罗宾逊地区的精炼厂实施了无线安全解决方案。

这一方案整合了Wifi无线网络和天然气检测器定位技术，使企业能够对潜在事故进行远程监控。

除了起初的安全应用外，在整个企业部署的移动基础设施也为其它实时数据分析打下了基础。

因此，马拉松公司不仅可以追踪可能置身于潜在危险环境中的员工，也能够对承包商和设备进行实时追踪分析。

在西方国家，从个人隐私角度看，数据追踪会令某些人感到不安，但考虑到工作环境风险问题，多数人都倾向于支持这一做法。

除此以外，数据分析还能让人了解到有害气体和有害物质排放情况、提高企业运营与运输的HSSE标准操作流程、有助于企业了解如何更精确地确定多重风险级别和增强风险防护能力。

在油品营销的数据分析方面，尽管某些能源企业正从零售运营模式向特许经营模式转型。

但也有一些企业正在对数千个零售站点展开数据分析和数据挖掘，从而提升对客户需求的洞察力，创新服务模式（可能与油品毫不相干）为企业增收。

比如通过使用数据分析收集并分析社交媒体上的发帖，加油站可以更好地了解客户的反馈，从而在做出零售决策之前找到创新的销售方案。

能源企业需要从零售业和银行业学习很多东西，因为这二者在结合数字化移动技术、云技术和预测性分析方面遥遥领先，藉此促进销售并发现商机。

能源企业数字化的初衷，是帮助企业采用综合方法来管理端到端的业务流程，协助企业做出基于有效数据支撑的业务决策。

但我们的调研表明，数据整合是能源行业面临的最大挑战之一，而且这一问题在油气行业比在其他受调查行业更显突出。

多年来，能源企业一直在通过传感器和设备间的数据交换对生产过程进行监控。