4 石油和天然气行业中的认知机遇

大数据已经成为新的自然资源。6而且这种资源的数量、多样性和复杂性在石油和天然气行业的发展尤其迅速。举例来说，根据预测，每1~2年业务数据便会翻一番。7尽管各行业的信息呈爆炸式增长，但目前全球只有不到1%的数据得到了分析利用。8

尽管传统分析解决方案对于无数应用来说都有效，但传统分析解决方案无法充分利用大数据的价值：它们无法适应新的问题领域，不能处理歧义，只适合具备已知、明确语义的结构化和非结构化数据（单词和短语的关系以及它们的含义）。如果没有新的能力，数据太多、洞察太少的矛盾仍将继续。

石油和天然气行业如何才能弥合未开发的机会和当前的能力之间的差距？如何充分利用结构化数据和非结构化数据中隐藏的洞察力来进行发现、洞察、决策支持和对话？答案是认知计算。基于认知的系统可构建知识、学习和了解自然语言，与传统可编程系统相比，更能与人类进行更自然地互动。

石油和天然气企业高管承认认知计算能够从根本上改变这个行业。在熟悉认知计算技术的石油和天然气企业高管中，94%的高管认为认知计算将会对石油和天然气行业产生颠覆性作用，83%的高管认为认知计算在其将来的业务中具有重要作用，而91%的高管计划对认知能力进行投资（见图13.4）。

图13.4 全球的石油和天然气企业高管都认识到了认知的价值，并打算在企业内部广泛应用认知能力

因此，石油和天然气企业如何才能利用认知计算来应对该行业普遍面临的问题？这种新的计算模式具有两种能力，可专门应对先前确定的两个行业热点问题：发现和决策（见图13.5）。9

图13.5 两种能力领域——发现和决策——阐释了行业高管如何才能利用认知计算

（1）发现能力

认知系统可以帮助用户发掘即使最聪明的大脑也无法揭示的洞察。发现涉及发掘洞察力和联系，并了解全球大量可用信息。

一些发现能力已经在使用预测性数据解决方案的认知系统中崭露头角，这些系统可以拓展工程师的知识面，同时支持更快速地分析大量数据（参见“案例1：转向预测性数据科学”）。有关认知技术的另一个应用示例是快速原型，这可以实现与人类的协作（参见“案例2：建立认知技术原型，减少不确定性，降低风险”）。

发现

案例1：转向预测性数据科学

有一家大型的石油和天然气企业，总部位于澳大利亚，业务范围覆盖全球。该公司希望改善自己的决策流程，以便提高效率，更出色地设计、制造和建造面向未来的石油和天然气设施。为实现这个目标，该公司实施了认知咨询服务，拓展了工程师的知识范围，从而可以为更多团队提供洞察和信息。

该解决方案利用预测性数据科学，可以通过自然语言立即回答复杂的问题，并快速分析大量非结构化数据和历史数据。所生成的洞察可以帮助相关人员更快做出决策，改善流程，实现更出色的运营成果。该公司还可以发现在整个企业范围降低成本和提高效率的潜力。

发现

案例2：建立认知技术原型，减少不确定性，降低风险

一家总部位于欧洲的全球主要的能源公司，面临着全球能源需求日益上升的压力，需要确保未来数年的能源供应。该公司发现自己的决策充满不确定性和高风险。与此同时，公司需要处理的复杂数据的数量呈指数级增长。为应对这些挑战，该公司与一家合作伙伴携手，尝试将认知技术实际应用到石油和天然气行业中。

这些技术能够以更自然的方式与专家开展协作，通过与人互动，进行学习，帮助员工利用大数据做出更加明智的决策。在优化油田生产和获得新油田的过程中，该公司利用新的应用促进战略性的决策。

（2）决策能力

认知系统可提供基于证据的选项，帮助相关人员做出决策，减少人为偏差。认知系统通过学习新的信息、结果和行动，不断进步。目前的认知系统更像是顾问，向人类用户提供一系列选项，由这些用户最终做出决策。

这些系统可以帮助石油和天然气行业的专业人士做出更明智、及时的决策。举例来说，应用自然语言处理（参见“案例3：利用自然语言处理来优化勘探”）。另一家公司通过增加大量非结构化数据，改进了原油处理分析（参见“案例4：增加非结构化数据来进行成本分析”）。还有一家跨国公司综合利用内部和外部数据，更快速、更高效地采取行动（参见“案例5：加强HSSE风险管理”）。

未来的策略可能支持在各个石油和天然气企业之间交换信息，同时仍能保护隐私。因此，认知系统能够访问更多的历史数据，开展更多分析，从而使提出的建议越来越有效。

决策

案例3：利用自然语言处理来优化勘探

一家总部位于欧洲的能源公司，业务范围遍及全球三十多个国家或地区。过去，该公司采用评估流程做出关键的勘探决策，而此类流程往往缺乏相关信息。现在，该公司实施了全新的认知计算能力，可以为研究人员提供有关现有开发活动和项目的信息，以及来自石油和天然气行业外部的数据提供商的信息。

该解决方案综合利用结构化数据和非结构化数据、内部数据和外部数据，提供根据可信度加权的选项和建议。此类分析帮助该公司评估潜在收购活动，无论是收购公司、油田，还是技术解决方案，消除收购活动的不确定性。

决策

案例4：增加非结构化数据来进行成本分析

一家总部位于北美的大型石油和天然气企业希望降低原油处理成本，提高利润。低成本原油包含的杂质较多，需要较为复杂的处理，这会推高炼油成本。因此，该公司希望找到一种解决方案，可以帮助分析从全球原油市场中收集的海量信息，以便预测市场状况，改进交易决策，从而降低炼油成本。

现在，借助认知计算解决方案，该公司可以利用相关数据，运用模式识别和自然语言处理功能，发现各种非结构化数据源的多维关系。例如，该解决方案可以从外部信息源中挖掘洞察，针对主要原油特征实施由数据驱动的权衡分析，从而加快做出采购决策的速度。此外，该公司现在还可以更高效地分析历史运营记录和运营状况，从而更好地评估炼油流程。

决策

案例5：加强HSSE风险管理

为保持出色的绩效，能源公司必须能够快速高效地处理可能出现的任何环境问题。一家总部位于北美的石油和天然气企业希望通过更好地利用所有可用的内部数据和外部数据，提高应对HSSE风险的能力。

该公司部署了一种认知计算解决方案，可以高效获得和运用整个企业范围的知识。目前，该公司可以分析全球各种报告中的信息，通过最有效的方式运用所获得的洞察，形成一流的能力。通过采取上述措施，该公司可以更好地监控和缓解环境风险，更为积极主动地应对异常的运营状况。