اطلاع رسانی > اخبار >
.: اخبار

نقش کلان داده(Big Data ) در صنعت نفت

هر روز با مطالعه روزنامه ها و یا سایت های خبری با رویدادهای علمی و فناورانه مختلفی آشنا میشویم ؛ به عنوان مثال می شنویم که سال 2015 سال داده های بزرگ (کلان داده (Big Data)) بوده و یا در دهه 90 میلادی با استقرار سیستم‌های ERP در سازمان های بزرگ جهان روبرو بودیم.

شاید اغلب از کنار این اخبار بگذریم و بگوئیم این فناوری های جدید مربوط به کامپیوتر است و بخش اعظم بودجه کشور هم که با نفت و پتروشیمی ارتباط پیدا می کند ولی نگاهی عمیقتر به واقعیت ها و ساختار درهم تندیده اقتصاد و تحلیل مالی نشان می دهد نقش کنونی بازار نفت و پتروشیمی و قیمت جهانی آنها با مدیریت داده ها کنترل می شود. حدود 90 درصد از خرید و فروش نفت خام و محصولات پتروشیمی بصورت حواله های زمان دار و اعتباری صورت می پذیرد و  نوسانات  10 درصدی عرضه و تقاضای فیزیکی نفت نمی تواند توجیه گر کاهش شدید قیمت نفت باشد. گشت و گذاری در صنایع مختلف نفت و پتروشیمی کشور نشان می دهد این صنایع و شرکت ها داده های بسیاری بصورت دستی و نیمه دستی تولید می کنند ولی عملاً فرآوری اطلاعات ساختار یافته درون سازمانی (ERP) و الگوریتمی جهت پردازش داده ها با رویکرد تاثیر بر بازار و مدیریت بهینه عرضه مشاهده نمی شود. پس سئوالات را مرور میکنیم :

داده ها کجاست؟

چگونه پردازش می شود؟

اختیار و نقطه اثر تحلیل کجاست؟

نتایج چگونه ارزیابی و روش های تحلیل و اجرا بهینه می شود؟

 داده ها در صنعت نفت و پتروشیمی بصورت غیر متمرکز تولید و معمولاً بخش بزرگی از اطلاعات کیفی جامانده و مابقی به رده های بالاتر منتقل می شود. به نوعی می توان گفت آمار تولید و یا فروش محصولی چون اسید استیک تهیه می شود ولی دلایل عدم حصول به ظرفیت تولید در سطح مجتمع حبس شده و سطوح تصمیم گیری اطلاعات کامل و روشنی از عوامل کاهش فروش ندارند.

چگونه پردازش می شود؟

کلان ‌داده در قرن بیست و یکم نیازی حیاتیست و در کلیه صنایع از جمله صنایع کشور ما نیز این داده ها هر چند به روش های سنتی ولی گردآوری می شوند. این داده ها با همه ارزشمندی که دارند ذاتاً بی مفهوم هستند و درواقع تا زمانی که ندانید چگونه می‌خواهید از آن استفاده کنید، داده‌ها به خودی خود کاری انجام نمی‌دهند. درست مثل نفت که تا وقتی پالایش نشود و به سوخت تبدیل نگردد ‌ارزش بالایی نخواهد داشت. این که اصولاً با چه الگوریتی این داده ها را می توان تحلیل کرد، اهمیت بسیار بالایی دارد. معمولاً در شرکت ها افرادی از بخش های برنامه ریزی سکان تحلیل را برعهده می گیرند و چنین استنباط می کنند که تکنولوژی به خودی خود تمامی فرصت‌های بازرگانی را تشخیص می‌دهد و داده به طور خودکار ارزش بیشتری را به وجود می‌آورد حال آنکه شرکت های بزرگ تولیدی غرق در داده‌های خودشان هستند، که بیشتر آنها بصورت هارد کپی نگهداری می‌شوند که نه می‌توان به سادگی به آنها دسترسی داشت، نه آنها را  مرتب‌سازی نموده و نه به سادگی نتیجه گیری کرد. واقعیت اینست که برای بهره‌وری از انبوه داده‌ها به یک مدل عملیاتی جهت پیاده‌سازی تحلیل‌های تخصصی با تکرار در یک زمینه‌ نیاز دارد است.  مدلی که بصورت کاربردی قابل استفاده در شرایط کنونی ما باشد مدلی مشابه با پلتفورم Kaggle خواهد بود. در این راهبرد از روش مدیریت داده (MDM-Master Data Management)  استفاده می گردد.

  ارکان سه گانه این روش در مدیریت داده ها بر یکپارچه سازی داده های داخلی جمع آوری شده ( حاصل نرم افزار ERP ) و کلان داده های بیرونی با روش جمع آوری داده خودکار (الگوریتمی) بنا نهاده می شود و روش اعمال مدیریت انسانی( متخصصین) بصورت تصحیحات روشی صورت می گیرد.

سیستم‌های ERP باعث شده‌اند که همه اطلاعات به صورت یک پایگاه داده یکپارچه و نگهداری شده و این باعث شده است تا سیستم‌ ERP به عنوان یک دانشی تجمیع شده سازمان باشد ولی این نرم افزارها بر اساس داده‌های داخلی شرکت عمل می نمایند ولی در مورد داده‌های خارجی چه باید کرد؟

در مقابل کلان داده بر تحلیل داده های نیمه‌ساختاریافته و بدون ساختار متمرکز است و در صورتی که بتوان خروجی کلان داده را با سیستم‌های ERP یکپارچه سازیم می‌توانیم به نتایج واقعی و با ارزشی برسیم و لازم است مدل  و چارچوبی این روش در نظر گرفته شود و در  پلتفورم Kaggle  از روش خبرگی ساختار یافته نیروی انسانی برای پردازش، ذخیره و تحلیل داده ها استفاده می شود.  

در حال حاضر و با رشد شدید حجم اطلاعات که در زمینه خرید ، فروش محصولات پتروشیمی ، کیفیت آنها و زمان تحویل ، روش باز پرداخت بهای کالا ها و... هر شرکت ایجاد گردیده است هلدینگ های پتروشیمی با بحرانی مواجه شده اند که طی آن درصدی از داده ها را با دقت ناکافی دارند ولی دچار بحران عدم وجود افرادی با مهارت‌های لازم برای تحلیل و تفسیر اطلاعات شده اند . متخصصینی که بتوانند اطلاعات خام را به رویکردهایی اجرایی تبدیل کنند. در بررسی موسسه گارتنر آمده است که اغلب مدیران کسب‌وکار در تحلیل نتیجه گیری اطلاعات بازار با مشکل مواجه‌اند چراکه فاقد خبرگانی  با استعدادهای مناسب می باشند.  

اختیار و نقطه اثر تحلیل کجاست؟

یکی از مشکلات بزرگ صنایع کشور و صادرات محصولات بحث نقطه اثر تحلیل هاست . تحلیل صورت می گیرد و نتایج حال با دقتی نسبی بدست می آید ولی بدلیل تمرکز تصمیم گیری و عدم نهادینه شدن روش های تصمیم تحلیلی که شاید بتوان آن را دور بودن فضای تصمیم سازی صنایع از تصمیم گیری روش مندی چون ERP و روش هایی متد محور دانست، اغلب این نتایج  عملیاتی نشده و در زمینه های گوناگون چون سیاست گذاری فروش، انتخاب خریدار و.. محمل تاثیر نمی باشند. لذا ضروریست ضمن ترویج فرهنگ دستورات اجرایی هدفمند ساز وکارهای انتخاب خریدار، بهای فروش، مقرارت حاکم بر کمیسیون های معاملات و حدود اختیار آنها در راستای تقویت نقش اقدامات سیستماتیکی اصلاح گردد که برون داد تحلیل داده ها باشد.

نتایج چگونه ارزیابی و روش های تحلیل و اجرا بهینه می شود؟

یکی از سئوالاتی که در این زمینه مطرح است ارزیابی نتایج تحلیل داده هاست. چگونه می توان پی برد که  نتیجه بدست آمده از Kaggle  بر روش سنتی مزیت داشته و چگونه می توان  این مزیت را  کمی نمود. برای این کار روش ارزیابی توسط مولف طراحی گردیده و  EXPMETHOD©  نام گذاری گردیده است . در این روش با ثبت و تقابل بین تصمیم های خبرگی برداشت اولیه و نتایج نهایی تفاوت ها ارزیابی و ریشه یابی می گردد.

در پایان بایستی پذیرفت که داده های بزرگ از قدرت بالایی در عرصه اقتصاد برخوردارند و ضروریست با بکارگیری تحلیلی آنها از بروز مخاطرات بزرگی که هلدینگ ها و سودآوری آنها و کل صنعت هیدروکربوری را متاثر ساخته ممانعت به عمل آورد.



بازگشت1396/02/18
نظرات کاربران
تاييديه : تشخيص عامل غير انساني    
توجه : نظر شما پس از تایید مدیر سایت در سایت نمایش داده می شود !