0 引言
当前，中国石油天然气行业已进入常规油气与非常规油气并重开发（“常非并举”）的发展阶段。其中，以页岩油气、致密油气及煤层气为代表的非常规油气，凭借其巨大的资源潜力与战略价值，已然成为推动油气增储上产、保障国家能源安全的重要力量[1-5]。与常规天然气不同，页岩气等非常规资源具有无自然产能的特性，需通过水平井钻井和体积压裂等工程技术手段才能实现经济开采，页岩气藏的单井产量及最终可采储量（EUR, Estimated Ultimate Recovery）受地质条件与工程技术的共同制约[6]。因此，依托“互联网+”技术，整合勘探开发全流程的数据资源，构建标准化数据平台，深入挖掘数据价值，以信息化手段驱动页岩气的高效开发，正是油气田企业信息科技工作的核心发展方向[7-8]。
页岩气地质工程协同研究涉及地质勘探、规划部署、方案设计、技术优化及现场实施等多个环节，涵盖地质、物探、测井、钻井、采气及气藏工程等多学科领域。研究数据包括地质构造、岩石物理、测井、钻完井、压裂和生产等多元类型，对数据质量和时效性均有严格要求。
然而，当前页岩气勘探开发数据的管理与应用水平尚无法满足上述需求，主要存在以下问题：
1）数据孤岛现象突出：页岩气勘探开发数据分散存储于多个独立信息系统、外部合作单位及个人终端，导致数据采集效率低、获取流程复杂，严重阻碍数据整合与利用。
2）数据版本差异显著：由于数据管理的碎片化，不同来源的数据版本众多且不一致，增加数据比对与整合难度，影响业务决策准确性。
3）业务场景数据服务不足：现有信息系统缺乏针对特定业务场景的定制化数据服务，导致专业人员需耗费大量时间进行数据筛选与处理，影响分析效率和结果准确性。
4）数据统计口径不一致：不同部门对同一指标的统计口径各不相同、各自为政；不同部门提交的报告，对同一指标的数据呈现也不一致，以致影响上级管理部门对指标异常情况的准确判断。
综上，建设一个能够支撑页岩气地质工程协同研究的专业数据共享与分析平台迫在眉睫。
因此，可将数据立方体应用于页岩气地质工程一体化平台建设，通过建立多维数据分析体系，整合勘探开发数据，消除专业壁垒，促进数据融合，提升研究效率，为页岩气的高效勘探开发提供坚实的数据支撑与决策依据。
1 数据立方体的基本涵义
1.1 基本涵义
1.2 多维分析操作
1.3 相较于传统数据体系的优势
数据立方体通常以数据仓库或数据集市中抽取的数据为基础，将所抽取的数据按照不同的维度进行再次组织，从而形成一个完整的数据处理和分析体系。相较传统的数据仓库或数据集市分析数据，数据立方体具有明显优势：①由于相邻的数据立方体之间，数据相互关联、相互引用，因此立方体可以更加方便地进行数据的上卷、下钻（即钻取）操作；②由于相邻的数据立方体之间，数据相互闭合，因而数据统计口径统一，有助于从多个角度更加快速地为用户提供数据洞察，发现隐藏在数据中的关系和趋势。
2 一体化平台设计与建设
页岩气地质工程一体化数据分析平台（简称“一体化平台”）的总体架构如图7所示，总体上分为三层：数据源层、数据层与应用层。①在第一层（数据源层），通过数据接口方式，实现对各专业数据的统一汇集管理；②在第二层（数据层），通过“勘探开发数据模型（EPDM）+业务宽表”方式，构建页岩气地质工程专业数据仓库；③在第二层（数据层），通过适用于钻井动态、压裂动态、返排动态、生产动态等专业应用场景的系列数据立方体建设，为专业场景应用提供关键数据服务；④在第三层（应用层），结合FineBI软件[由中国帆软软件有限公司推出的一款商业智能（Business Intelligence）产品]，打造业务主题域，提高数据统计分析效率，为页岩气勘探开发研究工作提供精准的数据支撑。
一体化平台在数据源层的基础之上，所建立的具体技术架构如图8所示，主要由数据汇集区、数据资产区、数据服务区、数据看板区、GIS（geographic information services，地理信息服务）服务区和智能应用区等六部分组成。下面将对这六部分的作用及构建步骤作进一步阐述。
2.1 数据汇集区
数据汇集区主要用于解决数据来源问题。
第一步，遵循“一源一数据”的原则，明确各类专业数据的源头系统，每一种专业数据对应唯一源头系统，从而保障数据的准确性、一致性与时效性。
第二步，通过与各源头系统建立数据接口，及时同步源头系统相关专业数据。数据汇集区的数据结构原则上与源头系统的数据结构保持一致，以实现一体化平台对页岩气各专业数据的统一汇集与存储。
第三步，对于无法从源头系统自动采集的数据（如测井、分析实验等专业数据），建立人工补录通道，实现相关数据的补录入库。
2.2 数据资产区
数据资产区主要用于解决数据质量问题。
第二步，依据页岩气勘探开发对专业数据的应用需求，以“勘探开发数据模型（EPDM）+业务宽表”的形式设计地震、钻井、录井、测井、压裂、返排、生产、实验等专业数据表，建立专业数据模型。以测井专业为例，测井解释成果宽表的部分内容如表1所示，数据项名称有井名、井筒名、层位名称等等，不一而足。
表1 测井解释成果宽表及各数据项阈值设定表Table 1 Logging interpretation results wide table with data threshold settings |
| 数据项名称 | 数据类型 | 长度 | 小数位数 | 单位 | 非空 | 阈值/规范值 |
|---|---|---|---|---|---|---|
| 井名 | VARCHAR2 | 50 | Y | |||
| 井筒名 | VARCHAR2 | 50 | Y | |||
| 层位名称 | VARCHAR2 | 50 | Y | 引用“码表”下属性 | ||
| 起始深度 | NUMBER | 7 | 2 | m | 唯一性：井ID+井筒ID+起始深度 0<START_DEPTH<10 000 | |
| 结束深度 | NUMBER | 7 | 2 | m | 0<END_DEPTH<10 000 | |
| 地层厚度 | NUMBER | 7 | 2 | m | 0<FTHK | |
| 储层厚度 | NUMBER | 7 | 2 | m | 0<RTHK | |
| 孔隙度 | NUMBER | 4 | 1 | — | 0<POR<100% | |
| 饱和度 | NUMBER | 4 | 1 | — | 0<SW<100% | |
| 渗透率 | NUMBER | 6 | 2 | nD | 0.1<PERM<1 000 | |
| 泊杨脆性指数 | NUMBER | 4 | 1 | — | 0<BRIT<100% | |
| 最大水平主应力 | NUMBER | 4 | 1 | MPa | 50<SHMAX<150 | |
| 最小水平主应力 | NUMBER | 4 | 1 | MPa | 50<SHMIN<150 | |
| 上覆地层压力 | NUMBER | 4 | 1 | MPa | 50<OB<150 | |
| … | … | … | … | … | … | …… |
注：渗透率单位采用纳达西（nD），而不是常用的毫达西（mD），1 mD = 1×10-3 μm2，1 nD = 1×10-6 mD = 1×10-9 μm2；因页岩储层的渗透率远低于常规储层，故采用更小的渗透率单位，即nD来表征。 |
第三步，通过数据映射技术，建立主数据模型、专业数据模型与数据汇集区各数据表的数据映射关系，以便下一步数据资产区数据同步。
第五步，通过数据传输工具，对数据汇集区的数据进行整理、清洗、映射，按专业分类抽取数据资产区相关专业数据表中，构建页岩气地质工程专业数据仓库。
2.3 数据服务区
数据服务区主要用于构建数据立方体。
第一步，按照页岩气“钻井、压裂、返排、生产”四大业务类别，以思维导图的形式对业务进行颗粒化分解，每一种业务类别又以“分析、管理、监督”三种业务方式进行业务点梳理，直至拆分至最小业务点，从而获取业务在不同颗粒度下的逻辑关系。
第二步，根据形成的最小业务点，通过ETL（Extract-Transform-Load，抽取—转换—加载）技术，对数据资产区的专业数据进行转换、整合、计算等操作，形成以单井为主的若干最小颗粒度关键指标。
第三步，按照业务应用所需，对最小颗粒度关键指标配置相应的维度，按第一步梳理的逻辑关系进行上卷操作，形成若干具有关联关系的数据立方体（图9）。
第四步，按照业务属性、实现方式等形式对立方体进行分类，形成支撑钻井动态、压裂动态、返排动态、生产动态等专业应用场景的数据立方体应用系列。
2.4 数据看板区
数据看板区主要用于数据立方体可视化展示与管理。
第二步，按照业务应用所需，将若干数据看板组件组装成某个特定功能。
第三步，将不同的功能合理归纳为同一应用分类，从而构建页岩气地质工程核心指标看板，对数据看板组件、特定功能进行集中存储与管理，为GIS服务区、智能应用区“积木式”可视化应用奠定基础。
2.5 GIS服务区
GIS服务区主要用于全局视野数据可视化展示。基于集团公司地理信息系统（内部简称为A4系统）统一提供的GIS底图、二维空间地理数据服务和应用程序开发接口，叠加数据看板区中的数据看板组件与功能，宏观展示川南页岩气地质类、工程类、开发类关键指标；通过GIS快速导航迅速定位单井，弹框查询单井钻、录、测、试、压裂、生产、分析实验等各专业信息，形成“地质+工程+开发”三项数据资源对应的三张图，从而提供全局数据视野，给予业务人员直观而全面的宏观数据应用。
2.6 智能应用区
智能应用区主要解决各专业对专业数据个性化应用问题。
第一步，智能应用区以专业应用场景为中心，形成管控总览、钻井动态、压裂动态、返排动态、生产动态等5个业务主题域。
第二步，根据每个业务主题域的应用场景所需，从数据看板区中提取不同的数据看板组件与功能进行组装，开展可视化统计与分析。
第三步，业务主题域的相关指标均具备任意切换维度、多层数据钻取、自定义分组与排序、数据智能联动等功能。
需要特别说明的是，智能应用区所展示的关键指标不同于GIS服务区的宏观数据应用，而是更加聚焦专业本身。以产量综合分析为例，通过BI（Business Intelligence，商业智能）工具指标关联的查询方式，结合数据立方体钻取、切片、切块、旋转等应用操作，对“区块—方案—作业公司—井区—平台—单井”多维度的产气量、产水量、油压等生产指标进行“日跟踪、周分析、月总结”的统计与分析，对指标出现异常的情况进行跟踪对比、预警标识，使得生产数据变化规律（生产动态特征）能够直观地、多元化地呈现，并将相关预警信息及其对比数据以醒目、针对性强的方式及时反馈给业务人员，实现高效生产管理。
3 一体化平台目前应用情况及效果
目前，一体化平台在川南页岩气领域应用顺畅，效果优良。
得益于数据立方体对数据管理的潜力挖掘与规模应用，勘探开发关键指标统计分析的数量与质量获得了显著提升，实现了从传统人工统计向系统化管理的蜕变。关键指标的统计数量从人工统计模式下的寥寥几十个，飞跃式扩充至目前一体化平台的接近2 000个，并且针对新的业务需求还在进行不断扩充，如同为业务管理体系装上了精密的显微镜，实现了前所未有的精细化管理。指标之间的灵活钻取、紧密联动，仿佛织就了一张错综复杂却又井然有序的数据网，揭示了不同指标间千丝万缕的联系，为决策者提供了鸟瞰全局的视野，从而颠覆了传统页岩气开发的低效跟踪分析模式，全面开创智能跟踪分析新局面。
在数据仓库建设方面，其一是强化源头数据同步，确定数据源头系统10个，涉及数据项2 000余个，开发数据同步接口160余个；成功构建了2 000多口页岩气单井“成长档案”，涵盖钻录、测井、压裂、试油、开发、实验等6个专业；其二是推进盲点治理，找准专业链缺项短板，持续开展测井数据、分析实验数据专项治理工作，至今已完成600余口评价井、300余口水平井的测井资料整理及规范入库，1 500余样次岩心分析实验数据整理及规范入库；其三是接入实时数据，应用CnosDB（Cloud-Native Observability Storage Database，云原生时序数据库）这一开源实时数据库，实现钻录、压裂、返排等实时数据从工程技术公司接入、存储、展示以及派生计算。
在压裂施工跟踪管控方面，建成主屏、对比分析、复杂事故分析、压裂日报、单井施工汇总、单井施工详情等6个模块，涉及“年份—单位—区块—井区—井”等多维度关键指标500余个，通过信息化、集成化、可视化应用，准确完整地反映了当日压裂井现状，实时辅助分析正压井实施效果，为压裂指挥人员决策，提供了及时、全面、可靠的信息依据，有力支撑了“技术团队管到平台”的全覆盖精准指挥。从2021年至今，对831口页岩气井压裂施工数据、关键指标的可视化展示，并已对400余口井的压裂施工进度高效管控工作提供了数据支撑，页岩气井压裂施工动态跟踪效率提升60%以上。
在生产动态跟踪方面，建成主屏、生产现状、产量运行、日报管理、单井预警、方案管理、最终可采储量（EUR）管理、措施递减、返排概况等8个场景，涉及“时间—方案—单位—区块—井区—井”等多维度关键指标700余个，把技术人员从繁琐、低效的报表统计中解放出来，保障其工作重心投入在异常预警跟踪及分析工作上，跟踪效率提升80%以上，推进动态跟踪高质量发展。2023年，一体化平台对1 400余口页岩气井实现实时跟踪分析工作，将老井综合递减率控制在35%以内，同比下降4个百分点。
4 结论
一体化平台以“勘探开发数据模型（EPDM）+业务宽表”理念开展数据仓库建设，对分散于各信息系统的专业数据，实现了高效整合、共享与统一管理，并为数据立方体提供关键基础数据服务，其构建经验对同类型数据仓库建设具有借鉴意义。
数据立方体的构建是根据构建者自身所管辖的业务及自身所面临的问题而提出的，需要不断拆分、细化业务点来开展建设。通过这种方式构建的数据立方体独具优势，首先统一了指标算法，保证了各种维度数据统计闭合，从根本上解决了过去不同部门对同一指标统计口径不一致的问题；其次实现了关键指标自动汇总，替代了人工统计，提高了工作效率；再者，几何级扩充了关键指标数量，以数据支撑业务精细化管理，对业务的管理创新提出了新的思考方向，为同类型数据共享平台建设开辟了新的视角和思路。
一体化平台以“数据立方体+BI工具”模式开展应用，相得益彰。由于数据立方体对数据进行了预处理和聚合，与BI工具结合后，能快速响应用户的查询请求，使得业务人员可以及时获取所需数据；而BI工具擅长将数据以图表展示，与数据立方体结合后，能够把多维度的数据可视化，有助于用户直观理解复杂的数据关系，迅速判断及处理问题，对同类型BI应用平台建设具有指导意义。