岳相如，姚渝琪，何 楊，沈俊豪

（中國石油西南油氣田公司通信與信息技術(shù)中心，四川 成都 610041）

0 引 言

隨著“兩化”（信息化和工業(yè)化）結(jié)合戰(zhàn)略的逐步推進，石油領(lǐng)域的現(xiàn)代化工程高速增長，各油氣田更加注重數(shù)字化建設(shè)力度，并積極開展信息系統(tǒng)建設(shè)工作，其運行中形成的非結(jié)構(gòu)化、結(jié)構(gòu)化、半結(jié)構(gòu)化數(shù)據(jù)規(guī)模巨大且成長速度快，顯示出大數(shù)據(jù)分析的特點[1-3]。在信息爆炸性增加的背景下，原有的信息處理系統(tǒng)遇到障礙，無法滿足油氣田高速增長產(chǎn)生的大量信息迅速收集與分析應用的要求。同時，大力實施信息系統(tǒng)建設(shè)和改造的過程中，數(shù)據(jù)質(zhì)量、數(shù)據(jù)管理、數(shù)據(jù)標準化問題日益凸顯，特別是在大型油氣田企業(yè)中，數(shù)據(jù)質(zhì)量問題已經(jīng)成為制約上層數(shù)據(jù)分析應用的關(guān)鍵因素。為解決該問題，提升數(shù)據(jù)質(zhì)量，量化的數(shù)據(jù)質(zhì)量評價方法研究與實踐尤為重要。

1 數(shù)據(jù)質(zhì)量及評價概述

1.1 數(shù)據(jù)資產(chǎn)

數(shù)字信息是被個人和企業(yè)所擁有或者控制、能夠給企業(yè)提供未來經(jīng)濟效益、以物理和電氣方式表示的信息，這些信息可能包含數(shù)據(jù)、文字、圖像、語音或視頻等形式[4]。數(shù)據(jù)指在具備數(shù)據(jù)權(quán)屬、有價值、可計量以及可讀取能力的網(wǎng)絡(luò)空間中的信息集合，根據(jù)構(gòu)成形式又可以進一步劃分為3 種，分別是結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)以及半結(jié)構(gòu)化數(shù)據(jù)，也可以包括各種業(yè)務(wù)形式的信息，如企業(yè)信息、商務(wù)辦公信息、運營服務(wù)信息以及“質(zhì)量、健康、安全、環(huán)境（Quality Health Safety Environment，QHSE）”信息等。中國石油西南油氣田公司典型的數(shù)據(jù)資產(chǎn)如下。

（1）非結(jié)構(gòu)化數(shù)據(jù)。非結(jié)構(gòu)化數(shù)據(jù)具體內(nèi)容如下：以文件形式儲存的文本文件、電子表格、演示文稿等；各單位檔案館內(nèi)的紙質(zhì)及光盤存檔資料；協(xié)同辦公平臺的文檔和稿件等；即時消息、圖片、音頻以及視頻文件等；會議形成的會議文件和影音資料等；生產(chǎn)視頻監(jiān)控平臺的監(jiān)控錄像和安眼系統(tǒng)的報警信息；公司地理信息系統(tǒng)的地理數(shù)據(jù)等。非結(jié)構(gòu)化數(shù)據(jù)占據(jù)了公司數(shù)據(jù)資產(chǎn)的絕大部分，存在儲存容量需求大、數(shù)據(jù)孤島、管理困難等問題，與結(jié)構(gòu)化數(shù)據(jù)相比，難以創(chuàng)造二次價值。

（2）結(jié)構(gòu)化數(shù)據(jù)。結(jié)構(gòu)化數(shù)據(jù)主要包括資源勘查和生產(chǎn)技術(shù)信息管理系統(tǒng)（A1）以及石油水井生產(chǎn)技術(shù)信息管理系統(tǒng)（A）等二等信息系統(tǒng)的數(shù)據(jù)管理。其相同點是按照一定格式和規(guī)范組織數(shù)據(jù)，可以很容易地將數(shù)據(jù)轉(zhuǎn)換成圖表或報表等可視化形式，使數(shù)據(jù)分析工具（Excel、BI、Hadoop 等）能夠快速識別和處理這些數(shù)據(jù)，為數(shù)據(jù)挖掘和分析提供堅實基礎(chǔ)，從而有助于發(fā)現(xiàn)潛在趨勢和關(guān)聯(lián)，為上層應用決策提供有力依據(jù)。

（3）半結(jié)構(gòu)化數(shù)據(jù)。半結(jié)構(gòu)化數(shù)據(jù)主要包括實體關(guān)系（Entity Relationship，ER）圖、勘探與生產(chǎn)數(shù)據(jù)模型（Exploration and Production Data Model，EPDM）、關(guān)系模型以及接口文檔等，包含一定程度的結(jié)構(gòu)化元素，如相關(guān)標記或部分數(shù)據(jù)等，但沒有嚴格的格式，具備自我描述功能。半結(jié)構(gòu)化數(shù)據(jù)用于分隔轉(zhuǎn)換語義元素和對數(shù)據(jù)字段進行分層管理。

1.2 數(shù)據(jù)質(zhì)量

數(shù)據(jù)質(zhì)量（Data Quality，DQ）是反映信息是否符合服務(wù)要求水平的衡量指標和體現(xiàn)數(shù)據(jù)價值的關(guān)鍵因素，高質(zhì)量的數(shù)據(jù)可以支撐更加精準高效的上層分析決策和優(yōu)化改進業(yè)務(wù)流程。數(shù)據(jù)質(zhì)量的評價維度涉及多個方面，主要如下。

（1）準確性（Accuracy）。準確性主要指數(shù)據(jù)是否正確反映真實生產(chǎn)或?qū)嶋H業(yè)務(wù)情況，沒有錯誤或偏差。準確性是數(shù)據(jù)質(zhì)量評價最重要的一環(huán)，直接影響數(shù)據(jù)價值，是衡量數(shù)據(jù)質(zhì)量的核心標準之一。

（2）完整性（Completeness）。完整性主要指數(shù)據(jù)是否包括全部的必要信息，同時實體值、屬性值、記錄值以及字段值不遺漏。完整性決定了數(shù)據(jù)在分析和決策中是否可用。

（3）一致性（Consistency）。一致性包括層級一致（不同部門和單位橫向一致、二三級單位豎向一致等）和庫級一致（不同信息系統(tǒng)中相同源數(shù)據(jù)是否具有相同的格式、單位、定義以及值等）。一致的數(shù)據(jù)有助于確保數(shù)據(jù)在各層級的分析應用中不產(chǎn)生偏差。

（4）及時性（Timeliness）。及時性主要指是否能夠在適當?shù)臅r間范圍內(nèi)提供數(shù)據(jù)，以滿足業(yè)務(wù)需求和分析決策需求。

1.3 數(shù)據(jù)質(zhì)量評價的意義

數(shù)據(jù)質(zhì)量直接影響數(shù)據(jù)分析和決策的準確度與可行性，優(yōu)良的數(shù)據(jù)質(zhì)量評估工作能夠提升大數(shù)據(jù)分析的價值。在企業(yè)各單位明確數(shù)據(jù)職能的前提下，形成標準化的企業(yè)數(shù)據(jù)質(zhì)量評估標準方法，可以提高企業(yè)數(shù)據(jù)采集管理與應用技術(shù)水平，改善企業(yè)數(shù)據(jù)管理服務(wù)質(zhì)量，促進企業(yè)數(shù)據(jù)的合作資源共享，將數(shù)據(jù)運用到企業(yè)經(jīng)營、管理、戰(zhàn)略決策，從而實現(xiàn)數(shù)據(jù)資本的商業(yè)價值，促使企業(yè)從“業(yè)務(wù)驅(qū)動”轉(zhuǎn)向“數(shù)據(jù)驅(qū)動”，進而實現(xiàn)企業(yè)數(shù)字賦能。

2 油氣水井生產(chǎn)數(shù)據(jù)現(xiàn)狀和面臨的挑戰(zhàn)

2.1 油氣水井生產(chǎn)數(shù)據(jù)管理系統(tǒng)（A2）

A2 系統(tǒng)的主要功能包括數(shù)據(jù)采集與審核、各類氣藏報表查詢、動態(tài)監(jiān)測管理、采油氣工藝管理以及基本實體管理。產(chǎn)量數(shù)據(jù)方面，A2 系統(tǒng)主要分為公司、氣礦和作業(yè)區(qū)3 級。公司級主要負責年報數(shù)據(jù)的采集和審核；氣礦和作業(yè)區(qū)級主要負責月數(shù)據(jù)和日數(shù)據(jù)的采集與審核。動態(tài)監(jiān)測方面，A2 系統(tǒng)以常規(guī)監(jiān)測、專項監(jiān)測數(shù)據(jù)采集、審核、上報以及綜合應用為主，能夠?qū)崿F(xiàn)動態(tài)監(jiān)測數(shù)據(jù)和相關(guān)解釋成果的規(guī)范化管理，提高動態(tài)監(jiān)測日常管理效率。采油氣工藝深化應用方面，A2 系統(tǒng)能夠?qū)崿F(xiàn)采油氣工藝分類標準化、數(shù)據(jù)采集標準化、數(shù)據(jù)處理以及審核流程化，綜合應用規(guī)范化管理，滿足開發(fā)部和氣礦采油氣工藝管理的應用需求。

目前，根據(jù)管理A2 系統(tǒng)處理的業(yè)務(wù)信息，可以將其分成2 大類，即管理信息和業(yè)務(wù)數(shù)據(jù)。管理信息主要指管理系統(tǒng)正常運行的有關(guān)信息；業(yè)務(wù)數(shù)據(jù)主要指管理系統(tǒng)中收集頻度很高的與業(yè)務(wù)活動有關(guān)的信息。

從生產(chǎn)業(yè)務(wù)角度分析，A2 系統(tǒng)數(shù)據(jù)主要包括以下5 類：一是基礎(chǔ)實體，包括結(jié)構(gòu)單位、地質(zhì)單元、構(gòu)造單位、井以及地層單位等基本信息；二是計劃數(shù)據(jù)，包括配產(chǎn)配注計劃、動態(tài)監(jiān)測計劃、措施計劃以及站庫計劃等數(shù)據(jù)；三是油氣生產(chǎn)數(shù)據(jù)，包括單井和油氣田，日、月、年累計產(chǎn)量等數(shù)據(jù)；四是措施數(shù)據(jù)，包括油氣水井措施基礎(chǔ)、措施效果、措施增產(chǎn)等數(shù)據(jù)；五是監(jiān)測數(shù)據(jù)，包括常規(guī)、專項、油氣水分析及壓力溫度等數(shù)據(jù)。文章主要針對油氣生產(chǎn)數(shù)據(jù)開展現(xiàn)狀調(diào)研及分析研究。

2.2 面臨的挑戰(zhàn)

目前，公司的數(shù)字治理工程、主數(shù)據(jù)入湖、信息來源目錄建設(shè)以及對油氣水井生產(chǎn)信息的技術(shù)研究與管理評估等項目是信息標準化建設(shè)的有利契機，但是也存在巨大的問題，具體如下。

2.2.1 公司級數(shù)據(jù)管理基礎(chǔ)依然薄弱

數(shù)據(jù)可用性不高、平臺內(nèi)部無法統(tǒng)一整合、缺少數(shù)據(jù)處理和分析人員等問題仍然在企業(yè)層面出現(xiàn)，數(shù)據(jù)的分析品質(zhì)有待提高。這些問題都將會出現(xiàn)在今后的大數(shù)據(jù)分析應用和數(shù)據(jù)入湖等工作流程中，導致企業(yè)無法得到正確的數(shù)據(jù)分析或沒有正確的數(shù)據(jù)分析結(jié)果，從而無法從中獲得經(jīng)濟價值，并最終耗費大量資金。

2.2.2 數(shù)據(jù)深層次挖掘分析能力有待加強

目前，中國石油西南油氣田公司在數(shù)據(jù)價值發(fā)掘方面還停留在相對的淺層階段，存在著“數(shù)據(jù)豐富但缺乏分析”的狀況，數(shù)據(jù)資產(chǎn)價值和發(fā)展狀況還停留在相對粗放的初級階段。除個別科研單位外，其他公司對數(shù)據(jù)分析所運用的手段大多停留在對圖表或報告等基本資料表面價值的統(tǒng)計和分析階段，對跨專業(yè)數(shù)據(jù)價值的關(guān)聯(lián)分析和橫縱向比較手段相當薄弱。即沒有對數(shù)據(jù)分析進行深入挖掘研究的先進大數(shù)據(jù)分析技術(shù)手段，也沒有既熟悉石油勘探開采生產(chǎn)經(jīng)營情況又熟悉大數(shù)據(jù)分析應用決策過程的專業(yè)人才。同時，沒有適用于石油業(yè)務(wù)實時處理與分析數(shù)據(jù)處理的計算模式，不同部門和單位間未能建立高效的大數(shù)據(jù)合作資源共享機制，各種資料數(shù)據(jù)挖掘技術(shù)，如商業(yè)智能（Business Intelligence，BI）等，也沒有全面展開推廣工作。

3 油氣水井生產(chǎn)數(shù)據(jù)質(zhì)量的評價方法研究

按照生產(chǎn)數(shù)據(jù)管理質(zhì)量的統(tǒng)一性、準確度、完整性以及及時性4 項主要特點，建立了油井生產(chǎn)數(shù)據(jù)管理質(zhì)量評價指標，統(tǒng)一處理質(zhì)量指標數(shù)據(jù)、分析結(jié)果以及綜合評價結(jié)果，以滿足人們對A2 系統(tǒng)動態(tài)及時進行數(shù)據(jù)品質(zhì)好壞量化檢驗和評價的需要[5]。同時，遵循定性和定量相結(jié)合、實用性和可比性相結(jié)合的原理，定義4 個數(shù)據(jù)質(zhì)量指標維度，即準確性Qacc、完整性Qcom、一致性Qcon以及及時性Qtim，使用窮舉法對數(shù)據(jù)質(zhì)量進行量化評價。

3.1 評價對象

以生產(chǎn)單位作業(yè)區(qū)級井生產(chǎn)日數(shù)據(jù)的準確性、完整性、一致性以及日生產(chǎn)數(shù)據(jù)上報的及時性為評價對象。

3.2 可測指標具體分析

3.2.1 準確性Qacc

設(shè)某檢測條件下的某表可測指標井數(shù)量為Ai，被測作業(yè)區(qū)所轄井數(shù)量為m1，設(shè)置檢測指標數(shù)量為n1，使用結(jié)構(gòu)化查詢語言（Structured Query Language，SQL）對A2 系統(tǒng)數(shù)據(jù)庫相應對象進行統(tǒng)計判斷，檢測以下數(shù)據(jù)：A1，即生產(chǎn)時間填報不準確的井數(shù)量，檢測表中當日生產(chǎn)時間是否為0，或空值卻有產(chǎn)量；A2，即產(chǎn)量填報不準確的井數(shù)量，檢測表中當日有生產(chǎn)時間但產(chǎn)量為0 或空值；A3，壓力不準確的井數(shù)量，檢測當日油套壓力是否為負數(shù)；A4，即壓力不準確的井數(shù)量，通過油田管理軟件（Oil Field Management，OFM）檢測當日油套壓力是否為負數(shù)；……；An1，即第n1個檢測指標的井數(shù)量，檢測是否滿足條件。

根據(jù)檢測結(jié)果，則該作業(yè)區(qū)生產(chǎn)日數(shù)據(jù)的準確性計算公式為

式中：n1的數(shù)值越大，對數(shù)據(jù)準確性評估越可靠；準確性Qacc的值越接近于1，則被測作業(yè)區(qū)當日數(shù)據(jù)填報準確性越高。

3.2.2 完整性Qcom

設(shè)某檢測條件下的某表可測指標數(shù)量為Bi，被測作業(yè)區(qū)所轄井數(shù)量為m2，設(shè)置檢測表對數(shù)量為n2，該表列總數(shù)（或關(guān)注的完整性字段列數(shù)）為Si，使用SQL 語句對A2 系統(tǒng)數(shù)據(jù)庫相應對象進行統(tǒng)計判斷，檢測以下數(shù)據(jù)：B1是表1 所有列（或關(guān)注的完整性字段列）空值的數(shù)量；B2是表2 所有列（或關(guān)注的完整性字段列）空值的數(shù)量；B3是表3 所有列（或關(guān)注的完整性字段列）空值的數(shù)量；B4表所有列（或關(guān)注的完整性字段列）空值的數(shù)量；……；Bn2是表n所有列（或關(guān)注的完整性字段列）空值的數(shù)量。

根據(jù)檢測結(jié)果，則該作業(yè)區(qū)生產(chǎn)日數(shù)據(jù)的完整性的計算公式為

式中：n2的數(shù)值越大，其對數(shù)據(jù)完整性評估越可靠；完整性Qcom的值越接近于1，則被測作業(yè)區(qū)當日數(shù)據(jù)填報完整性越高。

3.2.3 一致性Qcon

設(shè)某檢測條件下的某表可測指標井數(shù)量為Ci，被測作業(yè)區(qū)所轄井數(shù)量為m3，設(shè)置檢測表間不一致指標數(shù)量為n3，使用SQL 語句對相應對象進行統(tǒng)計判斷，檢測如下數(shù)據(jù)：C1，即檢測中間庫與表數(shù)據(jù)不一致的井數(shù)量，需要關(guān)注生產(chǎn)時間和日產(chǎn)量字段列；C2，即檢測中間庫與表數(shù)據(jù)不一致的井數(shù)量，需要關(guān)注生產(chǎn)時間、日產(chǎn)量字段列；C3，即檢測探與生產(chǎn)技術(shù)數(shù)據(jù)模型（Exploration and Production Data Model，EPDM）表與被測表格數(shù)據(jù)不一致的井數(shù)量，需要關(guān)注日產(chǎn)量字段列；……；Cn3，即檢測某2 個表之間數(shù)據(jù)不一致的井數(shù)量。

根據(jù)檢測結(jié)果，則該作業(yè)區(qū)生產(chǎn)日數(shù)據(jù)的一致性計算公式為

式中：檢測表間不一致指標數(shù)量n3的數(shù)值越大，其對數(shù)據(jù)一致性評估越可靠；一致性Qcon的值越接近于1，則被測作業(yè)區(qū)當日數(shù)據(jù)一致性越高。

3.2.4 及時性Qtim

設(shè)當月天數(shù)為t，執(zhí)行時間大于11:00（作業(yè)區(qū)上傳時間節(jié)點為11:00）的數(shù)量為n4。

則該作業(yè)區(qū)該月的日數(shù)據(jù)上報及時性為

式中：及時性Qtim的值越接近于1，則被測作業(yè)區(qū)當日數(shù)據(jù)上報及時性越高。

4 數(shù)據(jù)治理手段

依據(jù)管理要求，支撐A2 系統(tǒng)數(shù)據(jù)標準規(guī)范、數(shù)據(jù)建設(shè)、數(shù)據(jù)開發(fā)利用以及數(shù)據(jù)安全管理，實現(xiàn)覆蓋數(shù)據(jù)采集、傳輸、存儲、應用以及報廢全生命周期過程管理，油氣水井生產(chǎn)數(shù)據(jù)治理主要分信息技術(shù)手段和業(yè)務(wù)管理要求2 個方面。具體數(shù)據(jù)治理手段如下。

（1）日數(shù)據(jù)上報治理。對每天數(shù)據(jù)上報情況進行日監(jiān)督，對逾期未上報數(shù)據(jù)的作業(yè)區(qū)和相關(guān)氣礦管理員及時進行上報通知。

（2）新投產(chǎn)井數(shù)據(jù)上報及時性。新投產(chǎn)井須在投產(chǎn)日期后1 個工作日內(nèi)開始數(shù)據(jù)上報，對超3 d 未上報的井進行高亮提示，對超5 d 及以上未上報的井直接刪除井號，并納入月度通報內(nèi)容。

（3）推廣數(shù)據(jù)上報情況通報制度。建立每月A2系統(tǒng)數(shù)據(jù)上報及時性月通報制度，并在中國石油西南油氣田公司分公司范圍內(nèi)進行推廣使用。

（4）建立數(shù)據(jù)質(zhì)量月通報制度。對A2 系統(tǒng)相關(guān)數(shù)據(jù)質(zhì)量問題進行通報，對各作業(yè)區(qū)數(shù)據(jù)質(zhì)量進行排名。

（5）建立數(shù)據(jù)修正線上流程和機制。規(guī)范數(shù)據(jù)修正申請、審批、解鎖以及同步的業(yè)務(wù)流程。修正線上流程節(jié)點，包括中間庫和A2 生產(chǎn)庫。

5 結(jié) 論

通過對油氣水井生產(chǎn)數(shù)據(jù)管理系統(tǒng)的數(shù)據(jù)質(zhì)量問題的分析，梳理了影響生產(chǎn)數(shù)據(jù)質(zhì)量的4 個主要因素。結(jié)合影響數(shù)據(jù)質(zhì)量的主要因素，提出一種簡單量化的數(shù)據(jù)質(zhì)量評價方法，進一步闡述配套質(zhì)控手段。通過量化的數(shù)據(jù)質(zhì)量評價方法實踐，獲取和評估了作業(yè)區(qū)日生產(chǎn)數(shù)據(jù)質(zhì)量，能夠有效解決油氣田公司數(shù)據(jù)質(zhì)量評價困難、數(shù)據(jù)質(zhì)量考核沒有量化指標、數(shù)據(jù)質(zhì)量提升沒有準確目標等痛點，對今后油氣田公司數(shù)據(jù)治理、數(shù)據(jù)模型設(shè)計迭代、數(shù)據(jù)標準化制度規(guī)范建設(shè)以及數(shù)字化交付等工作有重要意義。中國石油西南油氣田公司信息化建設(shè)正在大力發(fā)展，但由于缺乏高質(zhì)量的數(shù)據(jù)標準來規(guī)范生產(chǎn)技術(shù)和數(shù)據(jù)共建共享機制，導致其存在“數(shù)據(jù)孤島”和“煙囪系統(tǒng)”等現(xiàn)象。數(shù)據(jù)的標準化建設(shè)與實體基建一樣，只有依據(jù)地基、建材、驗收標準等相應行業(yè)標準，才能支撐未來高質(zhì)量的發(fā)展。在數(shù)據(jù)標準化的增量更大的背景下，標準越領(lǐng)先，地基就越牢固，未來的發(fā)展空間就更大。在數(shù)字經(jīng)濟時代，需要更多地參與到數(shù)據(jù)標準化建設(shè)工作及數(shù)字化應用實踐中去，更好地助力我國數(shù)字經(jīng)濟和數(shù)字中國建設(shè)邁向新高度。