作為人類最重要的能量源，石油勘探開發是對計算和數據要求最高的行業之一。

六十年前的大慶，為了分析石油的地下分布，建設者們從地下11400米取出巖心，分析化驗多達160萬塊次，地層對比超1744萬次。

現在，石油勘探用上了震源車，重擊大地制造人工地震，單次產生上百TB的地震波數據。采集、分析、和處理數據是“找油”的關鍵。

為了分析地下石油分布，原國家地質礦產部（后改組歸入國土資源部）下屬計算所，在二十余年前即擁有著北京前二的計算機算力，僅次于氣象分析部門。

但站在2021年，相比于早已將數據作為核心資產的科技行業，石油勘探與采集領域的“大數據”才剛剛開始。

1 難采的數據

在數字化的大趨勢下，數據已經成為最重要的資產，甚至有學者認為，未來一切企業都是數據公司。但在更“重”的石油勘探開發領域，數字化并不容易。

數據采集困難

油井與抽油機并不會自動產生數據，像互聯網公司一樣自動獲得數據、為用戶畫像是幾乎不可能的任務。在偏遠難走的油田區，石油工人要花一天時間巡檢負責的油井，檢查設備狀態、手工記錄油井與抽油機的狀態。

開采的超高復雜度，也為數字化帶來挑戰。根據中石化華北石油局2017年公布的ERP部署進展，石油開采不同環節日常上報的報表多達55份：鉆井專業10類、測井專業1類、錄井專業25類、井下作業8類、采油氣專業3類、油氣集輸專業8類。

數據工具平臺匱乏

手工采集之后，數據錄入都因過于復雜而成了技術活兒，許多油田都設有專人負責生產數據的統計與錄入。2021年夏天，天津大港油田信息中心曾專門開展數據錄入競賽，以部門比拼的形式提升錄入能力。

數據分散建設，結構和標準不統一

建設時間、地質條件和地域因素不同，各個油田有著各自不同的管理方式。數據采集要求不同、統計口徑各異，使得將不同油田的數據匯總分析幾乎是不可能的任務。

數據分析能力薄弱，價值無法發揮

勘探數據的特殊性即使是在移動互聯網開始普及的2014年，絕大部分生產數據的匯報，都停留在Word、Excel或PPT的形式提交和管理。即便使用現在習以為常的大數據分析技術，面對油田經營生產中產生的大量且繁雜的數據，也無能為力進行數據的高效匯聚、治理、共享交換等一系列的管理和應用。因此盡管有著極大的數據量，石油管理者們能看到的大多是基于財務視角的各類報表，無法為生產、勘探和石化研究提供決策支持和業務提升。

數據孤島，數據拉通困難重重

此前，某石油集團曾邀請知名科學家協助研究，提升油田開采效率。但最初提供的油井數據只有8口，多方協調后才拿到200余口。

在開采石油的行業，數據成了更難被開采的原油。

2 十一年磨出的數據互聯

盡管數據采集艱難，石油開采的信息化建設與其它行業一樣在2000年后開始了快速建設。只是龐大的規模、分散的地理位置和極長的產業鏈條，使得信息化系統的應用也分散在了各個分公司、油田和科室。

這樣的建設模式，讓各業務單元能夠靈活建設最適合自己的系統，實現高效的單點提升。但其帶來的兼容問題，卻使得全局層面上的效率很難進化。

獨立建設的系統互不聯通，長期以來，油田、分公司與集團間的數據交互只能以最通用的Excel進行。但這樣的形式，無疑讓數據的合并、糾錯和分析成為工作量黑洞。各系統數據形成了孤島，這就導致小到數據格式無法互相讀取，大到數據開發管理低效復雜，更無法實現數據的自如應用。

為了解決這一問題，石油系統內外的IT人在十余年前開始了探索。2008年，江蘇油田立項研發“勘探開發一體化數據中心及集成平臺EDIBC”，試圖將物探、地質研究、鉆井、測井、錄井、井下作業、采油、集輸、生產調度、決策輔助等環節的數據統歸入一個平臺，并以符合石化行業規范的方式完成數據的采集、管理與流轉。

這可能是第一個將石油勘探開發的所有領域數據聯通在一起，并面向生產進行數據采集、分析和業務聯動的系統。

2014年，科技部組織倪光南院士領銜的專家團對EDIBC進行了評審，給予了極高評價。次年，中石化集團就決定推廣這一成果，以EDIBC為基礎建設具有自主知識產權的勘探開發業務管控平臺EPBP。

數十萬口油井的生產數據開始有了統一的數據規范和管理平臺，至2019年，EPBP完成了在中石化石油勘探開采領域的全覆蓋。最“重”的石油化工上游，用11年的時間完成了數據維度上的“車同軌、書同文”。

盡管EPBP的部署花費了整整四年 ，卻并不能定義為“慢”。曾為石化行業提供IT服務的軟件商王一（化名）告訴36kr，一套系統能夠將地質情況各異、管理方式不完全一樣的不同油田在數據層面打通，已是相當了不起的成就。

“原油開采不是互聯網，不管什么系統，首先一條是不能影響生產。”王一說，“新系統背后是新的工作流程，包括日常管理方式的變化，這都不是短期能夠完成的。”

協同平臺的部署，解決了業務現場的數據錄入和存儲問題。但這些數據就像“原油”，要用起來并不容易。

算力問題

傳統的數據技術架構難以滿足日益增長的業務需求。EPBP的數據庫由Oracle數據庫為內核搭建，能夠滿足數據的分類匯總和查詢功能，但沒有足夠的處理和應用數據的能力。

響應時效問題

當越來越龐大的數據量源源不斷地匯入時，系統缺乏敏捷的算力支撐，也難以實現數據的實時更新，當日錄入的各類數據往往要延遲到次日才能查看。許多數據整合和管理操作都還依賴于人工，效率低且質量不高。

數據交換和共享成本高

各環節的數據對接也成了問題，原有的數據庫沒有向外對接的接口，無法向科研、業務、管理所需的各類軟件直接導入數據。如果某一研究室需要特定時間段、特定類型的匯總數據，信息管理部門需要以寫腳本的形式調出數據再完成轉交。很長時間內，“數據管理”成了體力活。

數據安全管理問題

數據在面向各油田提供服務的同時更關鍵的可能是安全性，傳統數據架構缺乏服務審計和統一的數據標準，導致數據權限和安全防范的難度大增。

面對以上問題，受命管理數據的中石化石油勘探開發研究院在2019年立項，希望以數據中臺形式，承接前臺管理生產現場數據，為后端的應用層提供統一的數據資產，實現數據匯聚、治理、管理和服務，并不斷挖掘數據更多價值，充分發揮數據能力。在當時，數據中臺、云服務已不是新詞。但外部技術合作方的選擇卻讓負責中臺建設的團隊犯了難。

多年的信息化建設，使得市面上存在不少專為石油行業服務的軟件提供商。它們足夠了解行業，卻很難承接如此規模的大數據項目。在選型過程中重點考察以下幾點：全局體系化的數據規劃；構建自主的大數據能力；以及標準化的產品能力。

知名的互聯網大廠們能提供已被驗證的成熟技術和產品，但標準的“產品化”服務，意味著應用方既無法針對自身需求做調整，也不能由自己掌控數據安全，對于有著大量非公開數據、需求高度特化的石油開采，這一模式同樣無法被接受。

京東大數據背景的科杰科技，在具備大廠的能力同時有針對個性需求調整的可能性，因此得到了機會。在耗時一年的選型之后，中石化勘探院成了“主動上門”的甲方。

按照此前的經驗完成建設后的中臺，在對接后端應用時往往需要供應商的部署服務。但這一次，從應用接入到日常運維，完全由甲方自己完成。經歷了前期的公開招標、技術探討、方案選型完成后，中石化勘探院的信息團隊駐場在了科杰科技的辦公室，自學掌握了后續應用的部署方法，還同時完成了基于脫敏數據的算力測試。整個項目過程中讓于洋驚嘆的是來自傳統行業甲方的專業程度。

國企體系內的信息部門、碩博士為主的年輕團隊、經常加班至深夜，這次合作也顛覆了于洋對國企的認知。

雙方自2020年10月初次接觸起，僅用不到一年時間就完成了產品上線，并在上線后的一個月內為各應用部門交付了近100個數據服務。

中臺搭建完畢后，呈現在管理部門面前的就不再是以日、周、月為單位緩慢更新的匯總數據。在標準化的數據治理后，科杰團隊僅用幾天時間就搭建出了實時更新的大數據看板。隨著一線的數據錄入，總部可以在第一時間掌握每一座油井的運行狀況，讓管理決策能夠以數據為依據。

困擾管理和科研部門的算力與數據問題也被中臺解決，無需再處理雜亂無用的“臟數據”，也不用再因算力問題而拖慢效率。

更直接的效果是，統一的數據中臺建設，避免了各應用方、分公司和油田的重復建設，數據共享節約了大量成本。

從目前的建設成果看，中臺提供了全域化數據匯聚、數據治理、數據管理和數據服務的能力，讓數據成為可被利用的資產。“通常我們認為數字化的過程是信息化、數據化和智能化。”于洋說，“現在的石油勘探開發可能還處在數據化的過程中，剛剛開始具備數據能力。”

根據規劃，數據中臺未來還將接入科研、實驗室和勘探專業的大量地球物理數據，為石化行業上游的全流程提供支撐。

盡管遙遠，石油勘探與大數據結合的智能化已走在路上。