全部数据科学！
在过去的几年里，能源行业正面临着一个充满活力的商业环境和巨大的经济压力。许多人都清楚，新的数字技术将有助于我们的行业创造更高效和有效的工作方式，进一步关注和培育创新文化。
在宏观指标方面，当我们着眼于我们的行业时，有两个趋势是有趣的:劳动力的演变以及随着时间推移的数据生成。过去的数据和预测的数据呈现相反的趋势。尽管过去5年石油技术专业人员的数量总体上在减少，但covid -19爆发前的研究预测，未来几年石油技术专业人员的数量将进一步减少。目前的形势很可能只会加剧这种势头。相反，在生产领域和制造设施设备的工具化推动下，预计我们行业产生的数据量将以接近指数的速度增长。
现在，如果您进行了实证实验，并在E＆P行业中搜索了有多少数据科学家或数据分析师的公司，您可能会了解组织如何解决这个问题的想法。他们似乎已经转向重塑或追求他们的劳动力，以便将Petro技术专家转变为石油数字式。这些趋势也可以通过分析赞助一些领域专家来获取追求数据科学学位。给出前一种方法来操纵新的数字技术，以提高他们在一小部分中吸收不断增加的信息量的能力。对我来说，这是我们在石油和天然气发生的数字转型的基本组件（因为它正在发生在其他行业）。
这些成就依赖于:
一个公司需要经历的结构变化，以支持它的管理
开发和部署数字化基础设施，实现创新变革。
现实地说，这是一段不能自私地进行的旅程。这是一段需要非常特殊的专业知识的旅程，涉及范围很广的数字频谱。它还需要比以往任何时候都更深入的合作;更深层次的信任!
类似地，MIT-Sloan和Deloitte最近的一项调查(加速数字创新Inside and Out)试图将定义数字成熟组织的特征分离出来。一个突出的方面依赖于数字生态系统的发展。通过与相关第三方的渗透来激发创新思维的渗透性环境。大约十年前，斯伦贝谢就相信这一结论是正确的，并因此建立了新的数字技术中心:位于加州帕洛阿尔托的STIC(软件技术创新中心)和位于德克萨斯州休斯顿的SLIIC(斯伦贝谢有限公司工业互联网中心)的任务是与各自领域的领先企业合作，建立专业知识。
结果，该组织进一步结晶，围绕强大的内部数字平台，专注于开发新的解决方案生态系统。它的外部和商业化身是Delfi认知E＆P环境。
“人工智能对我们的未来和石油勘探的激增一样重要。它将改变我们业务规模的数量级。”斯伦贝谢前首席执行官Jean Riboud在1980年纽约安全分析师协会上说。
人工智能（AI）封装了数十年的概念，虽然很少有人感受到它的潜力和它在我们的行业中的影响近半个世纪前，但是在1980年的Jean Riboud表示，只有最近的HPC进步使这些解决方案能够可访问和可供所有。
但是，对于AI茁壮成长，必须通过我们的Petro技术专业人员有效地使用，因此他们可以实现其价值并让他们的创造性思想休息。实际上，在整个PTE社区中开发Python或R专业知识。因此，这与地质学家被给予统计工具以操纵（例如变变函数，高斯函数，正常转换......）来更好地模拟地下的时代。当数据科学能力投入到Delfi环境时，易用性和可访问性成为最重要的重要性。
通常，机器学习(ML)的使用仅限于数据科学家，因为在建立和管理模型的复杂性。但组织很快意识到，领域专家和数据科学家之间的紧密合作往往会带来更快、更中肯的结果。很明显，他们需要一个共同的平台，在这个平台上他们可以进行协作并使用相同的语言。可视化建模工具非常适合这里，它使用可视化工作流，为数据科学家和领域专家提供一个共同的理解。
此外，“无代码”和“低代码”环境的需求显然可以让工程师为简单的情况创建端到端机器学习项目(比如监督相分类等)。因此，从一个简单的、无代码到低代码环境的可视化建模工具开始，是从石油技术到石油数字专业知识的第一步。一旦pte掌握了这些数字工具，向更复杂的工具(如深度学习或自然语言处理)的过渡就会变得很自然。为了实现这一点，必须避免创建任何新的竖井并打破现有竖井，这一直是谷歌、Microsoft、Dataiku、TIBCO等技术在DELFI环境中实施背后的使命。
数字化和人工智能影响着商业活动的方方面面。在石油和天然气行业，我们发现以下几点特别相关:
我们的行业有着漫长而复杂的规划周期。人工智能通过智能自动化各种手工任务，并为复杂的工作流程提供咨询系统，大大减少了这一周期时间。
在生产和钻井领域，数据通常是实时捕获的，需要立即响应。我们需要实时监测状态、优化作业、检测异常、响应和制定干预计划。
由于油气行业经常需要在恶劣的条件下作业，因此非常依赖昂贵复杂的设备，且停机时间有限。停机时间是非常昂贵的，而且可能是危险的。ML帮助优化监视和维护计划，以最大限度地延长正常运行时间。
未来对专业知识和资源短缺以及成本压力的预测。例如，许多石油公司正在削减预算，以应对Covid-19大流行。应用数字和ML/数据科学可以帮助他们快速识别可能的选项和排序场景。
当危机发生时，通常是一个主要意外的事件，如飓风或事故。重要的是要快速访问和分析全面的数据范围，目的是从许多角度来看局势来寻找导致最适合决定的选项。
这些目标不是为遥远的未来设定的，而是已经成熟并提供了具体的解决方案:
在地震处理中，循环时间从13个月减少到2.5个月。
在干预计划中，工作流程减少了80％
构造解释已经被加速到至少五分之一的时间
在现场开发规划中，人们可以评估一个场景数量的14倍，速度快三倍。
油藏工程师能够完成他们的工作，不是在120天，而是在3天
井的建造时间减半
但这不仅仅是提供通用的现成解决方案。它还涉及通过降低数据科学的入口点来授权整个行业的人们。地球科学家和工程师应该能够操纵数据，轻松地分割数据;并有解决方案，便于可视化，分析，监控这些数据。最后有能力推断新的数据，建立关系，找到自己的方法来进一步自动化一些他们认为多余的任务。
DELFI Data Science profile将帮助领域专家实现他们自己的创造性思维。通过建立数字化创新实验室，在用户和斯伦贝谢之间架起专业桥梁，在所有现有技术的支持下，开启效率和性能的新水平，可以加速这一进程。
Sampath目前负责斯伦贝谢DELFI Data Science产品开发。理解和驱动业务需求是他的主要功能之一，同时支持各种客户项目、演示和提案中的实地团队。他是一名数据科学爱好者，拥有综合开发和领域背景，还致力于将AI技术与领域工作流集成在一起的各种原型。
Sampath在印度理工学院(Indian Institute of Technology)获得地质学硕士学位后，于2012年加入斯伦贝谢印度分公司。在过去的8年里，他在不同地点的地球科学、开发、数据管理和DELFI业务的不同业务线工作。
吉米负责培养，促进和汇集钢板的数字创新项目。他的角色是确保新兴的技术;正在评估基于云的解决方案，人工智能，边缘计算和各种其他有趣的技术，并将其整合到更广泛的生产工作流程，最大的投资回报率。他于2008年从IFP和Strasbourg大学毕业后加入了石油和天然气行业，分别具有石油地球科学和地球物理学的学位。然后，他在Schlumberger软件产品线上举行了各种职位，从产品所有权开新利18luck体育登录发了地下表征工作流程的各个部分，为斯堪的纳维亚业务单位的服务提供管理。
