對於推動企業數字化轉型，到底是採用已有的成熟技術產品，還是「另起爐灶」根據自己的需求研發？阿納達科的「多維度開展」的數字化戰略給了行業一些啟示。
編譯 | 風之谷 子衿
阿納達科石油公司（Anadarko Petroleum Corporation）創立於1959年，總部位於美國德克薩斯州伍德蘭（Woodlands），是世界上最大的獨立石油勘探與生產公司之一。作為一家歷史悠久的石油公司，近年來在數字化轉型方面展現出不一樣的活力。
5年前，Anadarko僅有1名數據科學家。如今，該公司的數據科學家團隊已經達到20人。在被西方石油公司(Occidental Petroleum)收購之前， Anadarko一直被認為是該行業數字轉型的最大推崇者之一，依靠數字化技術來提高盈利能力。
隨著公司整合進程的正式展開，Anadarko對其數字化團隊AAET所能夠實現的目標進行全面評估。該公司首席技術官兼數字化負責人Sanjay Paranji說：「我們認為組建AAET以後，Anadarko 80%的資本支出都不同程度地獲得了受益。基於對公司內部的應用情況進行分析，該公司70%的工程師都登陸並使用過AAET團隊建立的新的數據分析和應用平台。
在這些積極現象的背後是Anadarko「多維度開展」的數字化戰略，Anadarko正是依託該戰略，積極投身數字化浪潮並應對各種挑戰。對於其他企業來說，Anadarko的數字化轉型為行業提供了有效的示範案例。
總體而言，Anadarko「多維度開展」的數字化戰略，首先是，有頂層規劃和設計，核心數字化平台由內部專業團隊自主研發。Anadarko在該公司的鑽機裝備上安裝了參數傳感器、搭建了物聯網，同時還開發了可以對鑽機狀態數據進行追蹤、對鑽機裝備工作情況實施檢測、對工程師工作情況進行評估的信息系統。Anadarko內部還開展了大數據分析應用軟體和作業現場監控應用軟體的研發，這些信息系統已推廣應用到Anadarko最大的深水項目和陸上頁岩油氣項目中。基於同樣的思路，提供更高質量的地質和地球物理資料的數字化項目，也是在Anadarko內部完成。
此外，Anadarko持續關注社會成熟的創新資源，每年要與250家左右的科技初創企業進行接洽，評估他們的技術和產品是否能夠解決公司的轉型需求。例如，在DJ 盆地，Anadarko有超過500口柱塞舉升氣井是由矽谷一家名為Kelvin Inc.的初創公司所生產的邊緣設備進行操控運維。另外，Anadarko公司與奧斯汀一家名為Seismos的初創公司啟動了利用聲波信號評估水力壓裂水平井性能的項目。
最後，對於那些非核心業務的數字需求，Anadarko發起了 「眾包」模式，也被稱為「開放式創新」模式。例如，在這種模式下，來自世界各地的2000多人幫助Anadarko創建了一個類似維基百科的手機應用程式，該應用程式可以對員工和大型分析項目的分包商等合作方進行培訓。例如，Anadarko最新的泥漿日誌分析程序是由一名專門研究欺詐銀行行為的巴西警官設計的。
01. 成立專業團隊主導數字化工作
Anadarko曾公開分享過如何組建一支全新的數字化團隊並推動公司數字化轉型。Anadarko所組建的50人數字化團隊由數據科學家、軟體研發工程師和石油工程技術人員組成，這個團隊被稱為高級分析和新興技術（AAET）小組，其任務可以歸結為：探索新方法，解決舊問題。
如何更清晰地了解地下情況，是每個運營商都亟待解決的問題，Anadarko同樣如此。通常來說，地震解釋工程師需要數月、甚至數年的時間，來解釋地震勘探所產生的大量數據信息。Anadarko希望通過機器學習和人工智慧解決該問題。AAET團隊通過積極的努力，證實了該思路是可行。
儘管這項工作花費了2年時間，但Anadarko可以將模型成果分享給它的地質研究團隊。藉此數據模型，地質研究團隊可以高效率完成地震數據解釋和方案設計工作，例如預測是否存在斷層、對不同的地質層位進行解釋……
AAET團隊的地質部署主管Cody Comiskey強調，這種模型可以在全球範圍內推廣。這意味著，雖然該模型最初是基於特定區域豐富的深水地震數據體訓練得到的，但當融入了其他地質學家的數據時，該模型仍然有效，即使是在資料解析度較低的情況下仍然可以應用。
Comiskey說「這是一個全面的模型，它涵蓋了整個數據體的信息」。他補充說，類似這樣的項目不僅僅可以提高生產效率，還能使以前不可能完成的工作成為可能。「很多時候，地震解釋工程師開展工作時要從不同地區獲得完整的地質、歷史構造和背景等信息，可能需要好幾個月甚至更長的時間，但是他們沒有這麼多時間。」
數字化技術能為勘探開發帶來哪些幫助？在這一點上陸上項目團隊深有體會。他們的鑽井周期遠遠短於深水領域。頁岩油氣開發的關鍵在於尋找斷層和現有的垂直井眼，這兩個因素均可能導致鑽井和水力壓裂作業出現問題。
改進地震數據分析解釋也需要外界的共同幫助。今年4月，Anadarko宣布與一家名為Bluware的初創公司合作，研發了可以通過雲計算快速完成地球物理工作流程。
Anadarko表示，通過眾包能夠測試一些新概念，這些概念最終啟發了該公司開發出一種新的斷層檢測方法。這種方法不僅可以預測斷層，還可以挖掘細微的斷層信息，揭示地層內部斷層體系的真正複雜性。眾包的形式雖然沒有實現最終產品的交付，但AAET團隊成員專業背景的多元化給了我們不一樣的啟發，並實現了傳統模式無法達到的效果，這項突破來自Anadarko內部一位數據科學家，他擁有航空航天工程背景。Comiskey說這名數據科學家提出的新方法來自於一本晦澀難懂的刊物。「這本刊物永遠不會出現在我的辦公桌上」，Comiskey打趣道。
Comiskey表示，石油公司和油服公司容易以同樣的方式看待問題，在相同算法下得到的認知也是相同，但是「他能夠從不同的角度看待這個問題，」 Comiskey補充道。
Anadarko公司現在已經製作出斷裂區域效果圖，在以往如果依靠專家組來完成的話則需要耗費數年的時間。該斷裂效果圖展示的地下構造遠比平常的解釋成果要複雜得多。這種新方法的優點在於能夠更好地揭示油氣在儲層內運移的規律並且有利於部署最佳井位。
02. 聯手創新型公司
在某些情況下，在一些特定領域進行創新並不適合石油公司，如邊緣設備和物聯網設備等。因此，Anadarko選擇向一家專門從事人工智慧工業機器應用的公司尋求幫助。此後，這家初創公司幫助Anadarko實現每一個柱塞提升系統的自動化設定。
Anadarko也曾與Ambyint公司開展過類似合作，Ambyint公司致力於杆式舉升系統的自動化，但由於Anadarko缺乏類似系統，因此自動化程度較低，與Ambyint的合作就解決了這一問題。儘管這項自動化工作並沒有直接產生巨額收益，但其更大的好處在於，它推動公司重新考慮對現場操作人員的工作安排問題。現在，工作人員無需做重複的例行檢查工作，而是更有針對性地開展工作。
Anadarko也是DNA診斷服務提供商Biota的最大用戶之一，該服務跟蹤地下的微生物種群，以幫助運營商將生產設備部署到頁岩地層的特定層位。Anadarko已經調查了近300口井的DNA，以幫助確認地下斷層是否封堵。
在鑽井方面，Anadarko利用計算機視覺系統跟蹤鑽井平台上的人員移動情況。通過該應用可以尋找方法來改善鑽井平台上操作人員的行為，並由此找到工作效率難以提升的根本原因。此外，Anadarko還與Abyss Solution公司建立了合作夥伴關係，該公司是一家初創企業，開發了一種可以用於檢測和預測海上設施腐蝕的計算機視覺算法。
SFile是另一家Ananarko合作的小型初創公司。這家初創公司能夠使用蜘蛛機器人或數據爬蟲技術幫助運營商發現隱藏在海量鑽井、完井和生產數據中的重要線索。
此外，在去年短短几個月時間裡，Anadarko就收到了160萬份與發票有關的文件。但當輸入到傳統的規劃軟體中時，一些數據被遺漏了，因為根本沒有欄位可以輸入。
Anadarko新興技術和戰略經理Jose Silva解釋說：「我們拿到了匯總的發票，但詳細的發票信息在同一包裹的第五或第七頁。」根據這個類比，他說這樣做的效果就像每周去雜貨店買一加侖牛奶，而不容易知道牛奶的價格是漲是跌。
Anadarko的供應鏈員工曾試圖手工確定價格是如何變化的，但顯而易見的是，工作量巨大以至於耗費了大量時間。Anadarkoy選擇與SFile合作，應用其技術對數據進行提取，並輕鬆跟蹤這些成本是如何波動的。Jose Silva將這種產出描述為「戰術信息」，供應鏈部門可以據此與供應商進行價格談判。
03. 打造開放創新的生態
受NASA創新的啟發，Anadarko大約2年前開始推動眾包平台，亦即「開放式創新」平台。在該模式下，數百萬的程式設計師和軟體開發人員通過在線社區提供服務。當業內其他人開始推動開放式創新概念時， Anadarko已經完全消化吸收並應用了這一理念。
Anadarko開放式創新經理理Richard Copsey說，我們之所以採用這種方式眾包幾十個項目，其原因很簡單：「你不可能擁有所有聰明的人。」
他指出，在該模式下，為Anadarko工作的人數接近2000人，這大約相當於公司全職員工的一半。採用這種模式還有另外兩個原因：效率高、成本低。Anadarko通過Topcoder平台完成的多數眾包項目僅需要幾天時間就能完成，而其他項目則需要一年時間。這些眾包項目的價格從幾千美元到上萬美元不等。
一年前，Copsey進入Anadarko擔任開放式創新經理。與其他項目一樣，該公司已經多次對開放式創新項目進行測試，以確定其行之有效，但需要有人來設計一個可以大規模實現收益的流程。Copsey很大一部分工作就是將一個石油和天然氣問題用一種行外人士可以理解的方式來描述它。這一步驟對於找到獨特的解決方案來說至關重要。
NASA曾以一個薯片的例子來說明這一點， Anadarko也引用了相同的例子。當一家快餐食品製造商想找到一種方法來向顧客推銷不油膩的薯片時，它向大眾徵求意見和想法。
該公司本可以問「如何去除薯片中的油脂」，但經驗表明，直接的問題往往會導致陳舊的想法，難以取得真正的突破。所以，問題改為「如何將薄餅上粘稠液體去掉？」出乎意料的是，最好的答案竟然來自一位小提琴家，他建議使用聲共振將流體解耦，這樣做不會破壞薄餅或者薯片。
Anadarko在開發一個自動化泥漿測井分析程序時也有過類似的經歷。鑽井時泥漿數據會被記錄下來，通過這些信息石油公司可以判斷油氣層情況。儘管泥漿日誌中蘊含著大量有用的信息，但是由於它具有非結構化特點，檢查泥漿日誌工作是漫長而乏味的，甚至不會得到全面仔細的檢查。
最後，解決問題的是一名專門研究欺詐銀行行為的巴西偵探。他的解決方案是採用光學字符識別算法建立一個資料庫。Anadarko採用這個程序來檢查其5萬多個泥漿日誌。