［摘要］在大数据时代下，数据智能分析技术是一条能充分发挥数据价值的有效途径，并推动相关业务领域的融合快速发展。通过深入调研分析，如何快速分析功图计产波动、影响计产准确率因素和业务跟踪指标分析。本文主要以免费POWER BI为载体，利用PQ、PP和PV基本功能，使用M、DAX语言和度量值等程序，实现A2、智能油井3.0和A11平台交叉数据自动关联共享、计产准确性、计产影响因素判断、生产业务指标智能化分析应用，精准掌握生产油井运行现状，降低生产成本。

　　［关键词］可视化；数据建模；智能化分析

　　1背景

　　借助大数据的智能化、可视化技术，多维复杂数据能以可视化方式呈现，并通过简洁明了的视觉形式提高人们对数据的接受度。数据可视化交互技术可对大量数据进行采集、开发、分析，然后将多元抽象信息以可视化的方式展示，为用户提供直观便捷的人机交互环境，对挖掘信息价值具有重要意义。

　　通过深入调研分析，发现生产技术员大部分时间用于处理复杂重复的数据统计分析工作：如何快速分析功图计产波动、影响计产准确率因素和业务跟踪指标分析（如油井类型、油量、液量、修正值等）。

　　大量生产数据一直在变化、一直在产生？报表样式不停变化？数据量越来越庞大？跟踪油井信息调整频繁？多维度交叉计算难度增强？数据分析方向维度多样？油井日报数据报表数据源与结构不同？提出数据可视化技术，实现生产数据自动跟踪及可视化效果。

　　2基本概念及需求

       2.1基本概念

　　2.1.1 Power BI

　　Power BI是微软推出的一套商业分析工具，可连接数百个数据源、简化数据准备并提供即席分析[1]。

　　Power BI数据获取支持多数据源：文件、数据库、PowerPlatform等数据源服务。常用的数据格式如excel、sql、csv/txt等，基本上目前所有能见到的数据格式都可直接导入。

　　（1）Power Query（数据编辑查询）：主要完成数据处理（数据获取、清洗和丰富）环节；该工具主要应用M语言。

　　（2）Power Pivot（超级透视）：又称数据建模，用到的语言是DAX及度量值，为实现数据多维度分析建立数据表之间关系的过程，是数据可视化应用的基础。

　　（3）Power View（数据可视化）：是一种数据分析可视化技术，可以快速创建各种可视化效果，从表格、矩阵到饼图、条形图和气泡图，以及多个图表的集合，以便直观呈现数据。

　　2.1.2数据可视化

　　在数据的可视化过程中，首先要简化数据处理、解决数据相关的复杂性问题，所提问题应以数据本身为基础，而非基于人的主观意识进行设计。其次要进行数据规律分析，在海量且繁杂的数据中寻找相应领域密切相关的有价值的数据，并以相关数据信息作为可视化前提。但要在海量、繁杂的数据中精确寻找目标数据并非易事，因此，可基于可视化技术要求，优化设计智能分析挖掘技术，高效筛选数据，进而基于相关数据实现再加工和展示。最后是数据展示。数据展示并非单一呈现不同类型数据间的关系或某种数据发展趋势，而是要在精确设计的基础上，以能够让用户一目了然且符合其信息了解需求的方式呈现出来，具体可通过统计图表或WEB报表的形式为用户展示不同类型的数据，实现数据表示更加直观易懂。

　　2.1.3数据挖掘

　　数据挖掘是人工智能和数据库领域研究的热点问题。所谓数据挖掘，是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，作出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，作出正确的决策[2]。

　　2.2需求分析

　　2.2.1需求目标

　　如何实现油井计产波动跟踪分析、精准判断影响计产准确率因素和业务跟踪指标分析（如油井类型、油量、液量等）？如何及时掌握项目推广效果，最佳时间做出合理决策？

　　2.2.2存在问题

　　生产报表数据源及结构不同，关联分析难度大？报表数据量越来越大？跟踪油井随时调整？多维度交叉指标计算难度大？分析方向维度多样？

　　2.2.3数据分析需求

　　按不同方向及维度实现可视化分析。维度分析：时间、作业区、跟踪类型、井场、井号、计产、修正值、液量、油量、量油总体积值。方向分析：液量波动、计产影响因素、液量波动修正值范围占比分析、油井分析、跟踪类型分析、作业区分析等。

　　2.2.4解决办法

　　研发油田生产数据可视化应用。

　　3功能实现及应用

       3.1设计架构

　　生产数据可视化应用按文件类型由三大类共六部分组成。

　　3.1.1文件夹类型名称

　　油井日报：存放手工下载的A2系统油井日报。

　　智能油井：存放手工下载智能油井3.0系统油井日报。

　　自动推送油井日报：存放手工下载A11系统自动推送日报。

　　3.1.2 EXCEL类型名称

　　基础结构表：为基础表留存即可，表字段不能修改，各表内容可以修改。

　　需要跟踪信息表：手动维护所需要跟踪油井信息，按照该表要求维护即可。

　　3.1.3 PBIX类型名称

　　数据可视化应用：实现数据可视化应用文件。

       3.2数据结构

　　3.2.1基础结构表

　　该表直接存放于本应用文件夹中，该表名称、表格字段与SHEET名称不允许修改，只允许修改各个表格内容。

　　3.2.2需要跟踪信息表

　　该表直接存放于本应用文件夹中，该表名称、表格字段名称不允许修改，只允许修改各个表格内容。带*为必填项、井号唯一、跟踪类型与基础机构表中跟踪类型为多对一关系。

　　3.3功能研发过程

　　以Power BI平台为载体，其中Power Query完成数据处理，Power Pivot完成数据建模，Power View完成数据可视化展示及数据挖掘。

　　3.3.1数据处理，自动生成查询报表

　　（1）Power Query—M语言

       完成数据清理，自动生成10张查询报表。

　　（2）报表转换

　　油井日报文件夹报表汇总——1—油井日报。

　　智能油井文件夹报表汇总——2—智能油井日报。

　　自动推送文件夹报表汇总——3—自动推送油井日报。

　　基础结构表生成5张表：11—计产跟踪类型表；12—计产波动范围；13—井区-作业区；14—修正系数；15—作业区。

　　需要跟踪信息表生成——9—需跟踪油井信息（这里需维护跟踪油井信息）。

　　3.3.2数据建模，生成星型关系模型

　　（1）Power Pivot

　　完成数据建模，生成星型关系模型，明确报表之间关系，解决数据报表孤岛问题，并新建3张表。

　　（2）模型关系说明

　　9—需跟踪油井信息[井号]分别与1—油井日报[井号]、2—智能油井日报[井号]建立了一对多关系；便于显示用户所需油井可视化分析。

　　新建一张日期表[日期]分别与1—油井日报[日期]、2—智能油井日报[日期]建立了一对多关系；便于跟踪分析相同时间区间数据。

　　15—作业区[作业区]分别与9—需跟踪油井信息[作业区]、13—井区—作业区[作业区]建立了一对多关系；便于以作业区维度分析各类数据。

　　13—井区—作业区[井区]与3—自动推送油井日报[井区]建立一对多关系；便于将自动推送报表井区分析转换为作业区分析。

　　（3）新建日期表（实现时间区间数据分析）

　　3.3.3创建度量值

　　按照生产数据可视化分类共创建53个度量值，为可视化数据展示夯实基础，主要使用CALCULATE函数实现时间分布、作业区、跟踪类型、井场、井号等跟踪分析值的和均值。

　　3.4可视化分析展示实现

　　使用POWER VIEW方式，个性化创建四大类主题16项分析：首页、液量波动、液量分析、系数和波动分析；共使用九类可视化图形实现展示分析。

　　3.4.1首页面

　　首页面主要实现页面链接及按作业区选择分析，如果这里选择好指定作业区，进入其他页面作业区分析都与首页面选择同步。

　　3.4.2液量波动页面

　　该页面主要实现4个分析内容：油井液量波动分析以矩阵实现、3.0与A2。

　　液量变化趋势分析以折线图实现；跟踪油井类型分析以饼状图实现；实现液量、液量均差、跟踪井数及选择井数以卡片器。

　　维度选择：年、月、作业区、跟踪类型、井场。油井液量波动分析实现过程：

　　主要功能：自动根据页面维度选择，以矩阵展示油井液量波动跟踪表。

　　度量值：液量平均、3.0液量平均、3.0—液量均差、计产波动%、范围。

　　展示方式：矩阵。

　　4技术创新及应用效果

       4.1技术创新

　　多源生产报表建立星型关系模型，实现数据关联，工效率达90%。解决生产数据孤岛问题，实现智能油井与A2系统计产精度可视化自动跟踪。

　　精快准判断油井运行情况及计产精度影响因素，精准度达90%。实现计产影响因素（智能油井和A2）差值可视化趋势跟踪；第一时间辅助产量分析及决策，为技术员及决策者提供充足时间解决问题。

　　可视化掌控生产数据治理及数据自动进展和效果，数据指标分析准确率达100%。实现油井修正值指标范围及液量波动井数占比可视化跟踪分析，辅助试点单位推广提供决策依据。

　　可视化应用，实现数据挖掘功能，数据共享价值率达100%。任意导出可视化趋势跟踪分析，自动挖掘出交叉底层有价值数据，数据再次利用高效快捷。

　　4.2应用效果

　　4.2.1快精准定位问题，决策效率再升20余倍

　　计产准确率分析：跟踪时长30天单量单井油井5口，主要对比分析液量波动、波动范围占比和计产准确性影响因素判断（时间期间内跟踪油井冲程、冲次、生产时间、功图张数、泵径和的差值自动对比跟踪）。传统方式全过程需要8.5小时，可视化方式不到25分钟，决策效率再升20余倍。

　　4.2.2实现跟踪油井类型、液量波动范围多维度分析可视化

　　按照油井液量波动范围、跟踪类型自动统计分析油井数及波动范围占比，同时自动生成液量波动明细表，并实现数据在线导出功能，效率提升90%。

　　4.2.3油井自动推送修正值及量油总体值大于20%波动分析

　　通过定期跟踪分析修正值及波动范围，可及时掌握功图计产3.0自动推送推广效果，自动统计修正值范围及波动大油井占比分布，提高工作效率90%，替代重复劳动。

　　4.3效益评价

　　4.3.1直接效益

　　将多源生产数据实现自动可视化分析，降低劳动强度，可视化应用有效提高数据获取及时性、准确性和决策水平。

　　4.3.2间接效益

　　使用免费软件，自主创新设计开发，零成本实现提质增效目标。

　　生产数据可视化应用从五方面得到提升，成本从四方面得到下降，如图1所示。实现项目目标只需要一支团队、一台电脑、免费软件及自主创新设计开发，团队自主创新意识得到提高，创新技术永远是企业高质量发展永恒不变的主题。

　　5结束语

　　在大数据数字经济时代，拥有Power BI平台这个利器，用最少的时间来处理复杂烦琐的统计分析工作，发现数据背后的规律，实现数据价值及共享性，提高工作效率，降低劳动强度，为数字智能化分析、数据挖掘及AI报告实现夯实基础。利用数字技术推动管理变革，推动数字技术为管理赋能，为油田企业高质量发展贡献微薄之力，为数字化转型、智能化发展赋能。

　主要参考文献

　　［1］阿尔贝托·费拉里，马尔·科鲁索.PowerBI建模权威指南［M］.刘钰，潘丽萍，付大伟，译.北京：电子工业出版社，2020.

       ［2］金晓倩.面向大数据的网络安全策略［J］.智库时代，2017（13）：168-169.