油气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”。

　　文/邓 赟

　　提起“智能油田”，那些连接着新型传感器、布满高清监视器的控制中心无疑展示了技术创新的魅力。然而，当这类设施采集到的数据迅猛增长时，到底令企业的运营者和决策者更加自信，还是反而无所适从呢?

　　为回答这两个关键问题，埃森哲刚刚完成一份针对油气行业管理层的全球调查。超过四分之三的受访者表示，企业高层领导都在着力打造或全力部署基于事实的决策方法。可是，行业中竟有五分之四的受访者都面临数据整合的窘境：他们在油气业务中对于数据分析的做法基本是零散的、孤立的，仍然不能使用覆盖整个企业组织的集成化方法来分析数据。

　　这可谓是能源企业在大数据时代进行数字化转型的最大困惑。不破解这种数字化之惑，能源企业就难以从新技术的巨额投入中获得理想回报，更不用说通过数据分析取得市场竞争的先机了。

数字化管理改变了油气田传统的作业方式，极大地提高了工作效率。（摄影/何炳彦）

　　期望：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于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，找出其中那些与即将开采的油气井最为相似的数据，从而获得更多可借鉴的资料。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，而且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，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较为少见，跨设备设施的数据分析更是凤毛麟角。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他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，而且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HSE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。

数字化管理改变了油气田传统的作业方式，极大地提高了工作效率。（摄影/何炳彦）

　　困惑：数据分析零散孤立待整合

　　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，能源企业一直通过传感器和设备间的数据交换对生产过程进行监控。但许多用以提升绩效的工具在设计时，却并未考虑数据优化分析的因素。同时，由于零散部署、缺乏统一规划，导致各种工具应用范围狭窄，分析工作也只能孤立地进行，并未与企业架构有机地整合在一起。

　　当前，业界对数据分析仍存质疑之声，这不难理解。再举“数字油田”的例子。这一概念已有15年的历史，它是指一套互相作用、互为补充的技术系统，旨在帮助作业者、合作伙伴和油田服务企业整合数据和知识管理，进而利用先进的分析工具，开发更高效的业务流程，并做出及时决策。然而从全球行业来看，“数字油田”的这些初衷并未充分实现，原因来自方方面面——包括职能部门各自为政、工作流程整合不利、数据所有权模糊以及技术局限等。

　　此外，数据的数量和种类也因设备的新旧程度而大相径庭。老设备仪表不全，进行高级数据分析的资源非常有限。相反，新设备中传感器众多，自动化程度也较高，因此生成了海量的数据流。不过，鲜有企业能够将不断增加的数据转化为洞见，最终达到提高企业盈利能力的目的。

　　通过新的行业调查，再结合埃森哲与世界各地能源企业的长期合作经验，我们发现能源企业之所以无法借助数据分析来推动运营绩效，关键问题在于系统集成的欠缺，或谓之“中间环节缺失”：可用数据与所用系统无法充分对接、流程或工作流缺乏端到端的整合、企业策略与分析法在职能和部门层面不相一致，而且仍有近三分之二的受访企业继续对数据分析实行按职能或部门管理，这将阻碍采取业务集成的方式来管理端到端的工作流程。由于存在这一短板，能源企业很难就运营决策对企业绩效的影响做出全面而及时的评估。同样，站在集团层面看，也很难将油气田的日常运营纳入整体目标制定与规划决策当中。

　　我们的经验表明，“中间环节缺失”问题迟迟未解决的主要原因，是未能明确流程各个环节上的数据所有权。尽管首席信息官和总部的职能部门可能已开展合作，努力提高数据管理、报告和分析等方面水平，以期实现整体目标，但具体到各生产地点，实际工作却仍在分散安排。由于问题本身的复杂性，加之缺乏轻重缓急方面的合理安排，从而导致试图弥合差距、提高集成化水平的种种努力收效甚微。

　　需要注意的是，分析工具不应只为数据管理职能的高管及其工作团队服务，但在受访油气企业中只有29%的中层管理人员接受过将分析法有效融入日常决策的专门训练。只要数据分析、系统、数据和人才管理仍停留在职能部门层面，“中间环节缺失”这一顽疾就势必继续存在下去。只有将企业目标、财务目标与实际工作中的业务分析、企业分析充分整合起来，才能弥合这一欠缺。

　　大多数油气企业都在管理着全球化的投资组合，业务复杂而相互关联，因此特别需要采取措施，建立涵盖企业整体的数据分析策略。虽然能源行业受访者中，有60%认为目前数据缺乏相关性，但令人欣慰的是，他们中有71%都表示，自身企业的首席高管层正在努力制定数据战略，确定需要收集和分享哪些数据，以及具体的实施方案。

　　出路：站在组织高度看待变革

　　为了提高数据分析成果，企业首先必须对现有能力进行客观审视。一般来说，需要对数据和技术两个方面进行评估，但是，如果站在整个组织的高度看待变革，就需要考虑流程和员工方面的因素。这意味着，需要将数据和分析技术纳入具体的工作职责和工作流程中进行分析。此外，员工对于数据和分析技术的态度，也需要连同人才问题以及组织变革一起进行评估。

　　为了让企业利用数据分析提高收益，我们首先建议企业应对现有项目进行评估，然后提出最关键的问题，并制定以价值为导向的数据路线图。油气企业既要寻找新的技术，又要使其与现有IT系统整合起来。发展过程中的一个重要阶段就是加强主数据管理，提高数据质量。长期来看，建立一体化、智能化的数据服务平台有利于开发业务型应用和服务。这一平台便于将信息技术和运营技术数据有机结合起来，不断利用分析平台形成数据洞见，进而优化调整工作模式，提升业务绩效。同时，企业要发现数据缺口，及时弥合。因此，组织内部需要制定数据创建战略，通过扩充数据来源获取更多信息，这里的来源既包括机器间的数据交流，也包括来自新软件和商业伙伴的数据。

　　其次，我们建议管理者采用端到端的流程视角，整合企业和运营数据分析。为此能源企业应当关注前台运营和后台操作之间的脱节问题，努力将运营技术和信息技术整合在一起，确定覆盖整个组织的数据分析战略并在内部大力宣传。通过制定和执行覆盖全部组织的综合数据分析战略，能源企业往往能够获取最大效益。这一方案需要利用IT知识获取数据，借助分析技术与建模技术对数据进行深入分析，再结合深厚的行业知识形成洞见，最后付诸行动。

　　在我们的调研中，某大型综合石油企业“数字油田”项目的前负责人说：“实现数字化油田，在很大程度上将取决于企业的文化及员工行为的调整。部分企业要么从高层开始，要么从基层入手，但无论采取哪种方式，孤立推进都不会取得显著成功，需要将两者相结合起来，方可实现理想的成果。工程人员和管理人员思考问题的方式完全不同，双方并不了解彼此的数据和需求。因此，要想克服数字化油田分析技术的应用问题，解决中间环节缺失问题是关键。”

　　因此，最后建议管理者推动企业文化转型，建立一家敏锐分析型企业。这就需要打破业务部门与IT部门之间的界限，采用开放式思维，建立相互协作的企业文化。企业开发人员需要将数据采集方法纳入用户界面设计，让作为用户的业务部门知晓数据采集过程，且不会令他们反感。

　　总之，一家油气企业要想成为数据分析领域的领军者，就务必将所有能力结合起来，深深植入企业的竞争力核心之中。组织必须在数据、技术、流程、员工和文化等领域采取一体化行动，才能成功实现从发现问题到业务绩效提升的转型。

 　　责任编辑：侯瑞宁