将数据治理和大数据与业务流程集 成在一起 来自石油天然气行业的一个真实案例

将数据治理和大数据与业务流程集
成在一起
来自石油天然气行业的一个真实案例
英文原文：
http://ibmdatamag.com/2012/08/integrating-data-governanc
e-and-big-data-with-business-processes/
作者：Sunil Soares | 发布日期：2012 年 8 月 3 日 | 139 次阅读
打印
PDF
2009 年的研究纪要中有这样一段内容：“警告：不要假定您的业务流程使用的是主数据，请同
步您的业务流程与主数据策略”，来自 Forrester Research 的 Rob Karel、Clay Richardson、
Connie Moore 和 Charles Coit 强调了集成业务流程与数据治理的重要性。一些企业纷纷开始
单独创建和治理自身的数据和流程，但整合它们将会带来大量价值。本文将数据治理策略映射至
简单流程，以监控油田传感器数据。
图 1 描述了管理油田传感器数据（包括关键活动和里程碑）的这一流程。表 1 对这些里程碑
和活动进行了说明。
图 1. 实施油
田传感器数据监控的简单流程。
Sensors installed：传感器安装
Production monitored：生产监控
Equipment monitored：设备监控
Environment monitored：环境监控
Install sensors on facility：在设备上安装传感器
Monitor production at facility：监控设施上的生产状况
Monitor equipment on facility：监控设施上的设备
Monitor environment on seabed around facility：监控设施周围的海床环境
Install sensors on seabed：在海床上安装传感器
Create production dashboards：创建生产仪表板
Conduct preventive maintenance：实施预防性维护
Monitor environmental pollution over time：长期监控环境污染
次序
1.
里程碑/活动
传感器安装
描述
石油和天然气公司在设施和海床上安装了传感器，以监控生
产状况、设施状态、运行状况、运行安全性和环保法规的遵
从性。这些传感器控制系统往往支持 OLE 流程控制
(OPC) 协议，这是一项用于指定不同制造商的监视控制与
数据采集 (SCADA) 系统之间的实时工厂数据通信的标准。
1.1
在设施上安装传感器
现代石油设施可能安装了超过 30,000 个传感器，可以捕获
勘探过程中的多种类型的实时大数据，比如流速、每分钟转
速、电压、功率、温度和压力。
1.2
在海床上安装传感器
各公司可能还需要在海床上安装传感器，以监控流速、温度
和浊度等环境条件。浊度是根据肉眼不可见的粒子导致的水
浊度来评估水质的一个指标。
2.
生产监控
企业需要监控石油和天然气生产状况。石油公司作为运营商
还需要计算各个设施所有者的生产配给。
2.1
监控设施上的生产状况
运营商安装了一些监控器来监控各个设施上的石油和天然
气生产状况。
2.2
创建生产仪表板
石油和天然气公司还需要创建仪表板来监控各个设施上的
能源生产状况。石油和天然气公司创建了一些通用运营中
心，以便能够从中心位置监控生产。
3.
设备监控
一些设施运用了传感器来监控设备。
3.1
监控设施上的设备
运营部门会监控各钻机上的油泵和阀门等设备。典型问题包
括“如果给定某个品牌的涡轮，当设备开始以现今检测到的
这种方式振动时，预期将于多长时间发生故障？”
3.2
实施预防性维护
如果预测模型指示某一部分的特定设备可能会发生故障，那
么运营商则应该实施相应的预防性维护。
4.
环境监控
石油和天然气公司需要使用一些传感器来实现环境监控。
4.1
监控设施周围的海床环境
环境传感器可能需要在平台使用的前期、中期和后期保持运
营。
4.2
长期监控环境污染
企业需要回答这样一个问题，“设施周围的水质的盐度和浊
度是否能够指示出现了石油泄漏？”
表 1. 与监控油田传感器数据相关的里程碑和活动
表 2 总结了与管理油田传感器数据相关的关键数据治理策略。
次序
1.1
里程碑/活动
大数据治理策略
在设施上安装
数据治理计划应当与企业安全性相结合，确保 SCADA 系统受到妥善保
传感器
护，能够抵御可能发生的网络攻击。这项讨论内容并非近期开展的关于
工作基础设施（如 Stuxnet 蠕虫）上的网络攻击的学术讨论内容。
2.2
创建生产仪表
数据治理计划需要确保生产报告内部业务条款的一致性。除“原井”、
板
“完井”、“钻井”和“钻井完成”等子条款外，关键业务条款还包括
“油井”。数据治理计划应充分利用标准模型，比如用于井田数据和定
义的专业石油数据 (PPDM) 关联模型。
3.1
监控设施上的
过去，一台钻探设备可能包含约 1,000 个传感器，由于容量限制，每周
设备
仅会对其中大约 10 个源数据库进行清除。如今，石油和天然气公司需
要将传感器数据保留更长一段时间。例如，健康、安全和环境 (HSE) 部
门可能需要运用为期三个月的旧信息来重新创建视图，从而了解为什么
要为油田制定特定的决策。数据治理计划应当利用一些标准模型，比如
针对石油和天然气生产设施上的系统和设备以及相关定义的 ISO
15926。数据治理计划还需要在确定需要保存的信息量、时间长度方面
发挥关键作用，以满足内部需求和法规合规性要求。另外，请注意，钻
探设备可生成大量非结构化信息，比如视频、图片和声音。
3.2
实施预防性维
如果某台钻探设备上的某种特定类型的设备出现故障，那么石油公司必
护
须快速而又准确地指出同一设备还能部署在其他哪些位置，以便启动相
应的预防性维护。但是，如果通过其他钻探设备上的不同名称引用同一
资产，则很难及时找到这些资产。这就是数据治理对于确保资产数据命
名一致性至关重要的原因之一。
4.1
监控设施周围
如前所述，石油勘探和生产活动产生了大量结构化和非结构化环境信息。
的海床环境
此类信息在设施本身报废后仍需要进行妥善维护，以证明其遵循各项环
保法规。结果，此类信息可能需要存储 50 到 70 年，甚至在某些情况
下需要存储长达百年。虽然存储价格很低，但却并非完全免费的。数据
治理计划必须为特定类型的信息和相应的存档策略建立保管期限表，以
便将信息移动到更加便宜的存储区域（如果可能的话）。
表 2. 针对油田传感器数据的关键数据治理策略。
虽然此流程经过高度简化，但您仍然可以从中获得有关企业如何将数据治理策略映射至关键业务
条款的有力论证。
相关主题
1.
大数据：治理专业人士的福音
2.
大数据治理：成熟度评估框架
3.
专注于大数据治理的“数据”的框架
4.
将分析技术集成到业务运营结构中
5.
事件：大数据、集成和治理论坛