Entre la hausse des coûts d’extraction et l’état tumultueux de la politique internationale, les industries pétrolières et gazières se tournent vers le Big Data pour atténuer les difficultés actuelles qui touchent leurs affaires.
En théorie et en pratique, le Big Data sert à collecter des informations en énorme quantité qui doivent être analysées par un ordinateur sophistiqué afin de leur donner du sens. En affaire, il est utilisé pour transformer les données en achats. Dans le présent, celui de Shell, le Big Data à de nombreuses applications en début et fin de cycle de leur produit. Bernard Marr énumère quelques-unes d’entre elles dans Forbes.
Depuis l’avènement du Big Data, Shell a développé l’idée du « Data-driven oil field » afin de réduire les coûts d’extraction; ce qui correspond à la plus grande dépense de l’industrie.
1. Arpentage et prévision
Les mensurations des sites potentiels de pétrole consistent à mesurer le mouvement sismique. Lorsque les ondes sismiques traversent le souterrain, autrement dit qu’elles voyagent à travers le pétrole ou le gaz naturel. Dans le passé, des milliers de lectures ont été prises, mais la technologie permet maintenant des millions de lectures, augmentant considérablement la quantité de données qui peuvent être récupérables.
D’après Marr, « Shell utilise des câbles en fibre optique, créés spécialement avec le partenariat de Hewlett-Packard, pour ses capteurs. Ensuite, ces données sont transférées vers ses serveurs privés, gérés par Amazon Web Services« .
Ce volume de donnée permet alors d’avoir une vision plus nette et plus précise de ce qui se trouve dans les sols. Ces informations peuvent servir à calculer plus de chiffres fiables sur la capacité de production de pétrole d’une zone en particulier. En conséquence, les ressources pourront être correctement affectées.
2. Appareil de surveillance
Cette application est empruntée directement de l’industrie minière, qui comprend ses équipements miniers. Ces équipements sont équipés de capteurs qui collectent des données concernant leur performance et sont comparés avec données agrégées. Ces « Big Data » servent ensuite à déterminer si les pièces doivent être remplacées et à quel moment. Shell a donc fait la même chose avec son matériel d’exploitation. Cette stratégie minimise le temps pendant lequel les équipements sont utilisés. Par conséquent, les frais généraux sont réduits.
3. Augmenter l’efficacité du transport, le raffinement et la distribution du pétrole et du gaz.
Shell est organisé « verticalement« , ce qui signifie qu’ils sont impliqués dans chaque aspect de leur production d’énergie allant de l’extraction à la vente au consommateur pour le carburant ou pour le chauffage. Les raffineries ont des limitations et le carburant doit être produit si possible à proximité du lieu ou il est vendu afin de minimiser les coûts de transport.
À cette fin, « des algorithmes complexes prennent en compte le cout de production du carburant ainsi que d’autres données diverses telles que les indicateurs économiques et les conditions météorologiques pour déterminer la demande ou fixer les prix à la pompe, » a écrit Marr.
Ces trois dimensions forment la « Big Picture » de l’entreprise. Plus l’image d’une entreprise est synchronisée, plus sa compétitivité est solide.
L’analytique du Big Data permet l’examen minutieux et la surveillance de plusieurs aspects de la Big Picture. Des modèles peuvent être construits et analysés afin de déterminer comment des modifications mineures dans un domaine peut impacter un autre. Plus une entreprise a de données sur les composants de son affaire, plus un portrait réaliste peut être créé et ainsi, de bien meilleures décisions peuvent être prises.
- Partager l'article :