關(guān)于在中國石化投資業(yè)務(wù)中應(yīng)用大數(shù)據(jù)的思考

盧亞茹

（中國石油化工集團公司信息化管理部，北京 100728）

關(guān)于在中國石化投資業(yè)務(wù)中應(yīng)用大數(shù)據(jù)的思考

盧亞茹

（中國石油化工集團公司信息化管理部，北京 100728）

投資是推動社會和企業(yè)發(fā)展的源動力，為保證投資管理工作更加高效、高質(zhì)量地開展，加強大數(shù)據(jù)在投資領(lǐng)域的應(yīng)用十分必要。本文從中國石化投資領(lǐng)域的視角，對其大數(shù)據(jù)的來源和特征、應(yīng)用途徑和建模流程與技術(shù)等方面進行了思考和分析。

投資;大數(shù)據(jù);數(shù)據(jù)建模;風(fēng)險管控

投資是推動社會和企業(yè)發(fā)展的源動力。對于中國石油化工集團公司（下簡稱“中國石化”）這種下屬企業(yè)眾多、業(yè)務(wù)復(fù)雜的大型國有企業(yè)來說，投資是勘探開發(fā)、煉化、銷售等核心業(yè)務(wù)的基本要素和前提條件。而目前投資規(guī)模巨大、項目建設(shè)周期長、經(jīng)濟效益突出、不確定因素多、經(jīng)營風(fēng)險大等情況，給投資決策和管理帶來較大困難。如何科學(xué)測算項目的短期效益和中長期效益，統(tǒng)籌衡量短期目標(biāo)和中長期目標(biāo)的利弊得失，優(yōu)化投資項目組合以達到最佳經(jīng)濟效益，成為較大挑戰(zhàn)。

大數(shù)據(jù)的發(fā)展是IT行業(yè)的又一次技術(shù)進步和創(chuàng)新變革，對國家治理、企業(yè)決策和個人生活都在產(chǎn)生深遠影響。隨著社會的信息化程度越來越高，由此產(chǎn)生的大量生產(chǎn)、經(jīng)營、管理等方面的數(shù)據(jù)，是企業(yè)的寶貴財富。對這些數(shù)據(jù)合理挖掘分析和合理利用，將助推企業(yè)生產(chǎn)、經(jīng)營和決策水平的全面提高。

1 中國石化投資領(lǐng)域大數(shù)據(jù)的來源和特征

中國石化成百上千的信息系統(tǒng)在運行過程中產(chǎn)生著海量的業(yè)務(wù)數(shù)據(jù)，這些數(shù)據(jù)覆蓋石油和天然氣勘探開發(fā)、煉油、化工、油品銷售、公用工程、石油工程、煉化工程、科研信息等各方面業(yè)務(wù)，覆蓋面廣、數(shù)據(jù)真實可靠、分析利用價值高。毋庸置疑，這些數(shù)據(jù)將成為中國石化的重要戰(zhàn)略資產(chǎn)，有效利用數(shù)據(jù)提升企業(yè)的戰(zhàn)略管理水平、提高投資決策效率、提高投資精準(zhǔn)度、降低投資風(fēng)險，是投資理念和方式轉(zhuǎn)型升級、實現(xiàn)科學(xué)管理投資的重要手段。

中國石化的信息化經(jīng)過十幾年迅猛發(fā)展，已經(jīng)在管理、生產(chǎn)、經(jīng)營的每個業(yè)務(wù)環(huán)節(jié)都建立了較為完備的信息平臺。目前，已建成了以ERP、數(shù)據(jù)倉庫及輔助決策支持等為核心的、覆蓋主業(yè)的經(jīng)營管理平臺；建成了集成協(xié)同的勘探、開發(fā)、生產(chǎn)和石油工程服務(wù)等上游專業(yè)系統(tǒng)；建成了綜合集成的生產(chǎn)營運指揮系統(tǒng)，以及若干個世界領(lǐng)先水平的數(shù)字油田和智慧煉化工廠；建成了面向全球、支持多種應(yīng)用及支付手段的加油卡系統(tǒng)和零售管理系統(tǒng)；建成了現(xiàn)代化的物流體系和全生命周期的質(zhì)量管理體系；建成了集中的綠色數(shù)據(jù)災(zāi)備中心、安全可靠覆蓋全球業(yè)務(wù)的網(wǎng)絡(luò)系統(tǒng)；建立了完善的運維支持、有效的信息安全和統(tǒng)一的信息化標(biāo)準(zhǔn)體系。

這些信息化的平臺和系統(tǒng)全面支撐總部及企業(yè)經(jīng)營管理和輔助決策，無時不刻在產(chǎn)生著數(shù)據(jù)，為大數(shù)據(jù)應(yīng)用提供了環(huán)境。

除了以上信息系統(tǒng)產(chǎn)生的機構(gòu)化數(shù)據(jù)外，還有大量通過攝像設(shè)備、監(jiān)控設(shè)備、傳感設(shè)備、交通運輸業(yè)、調(diào)查問卷、地理信息、采購、交換等采集的數(shù)據(jù)，涵蓋了音頻、視頻、圖片、文本、模擬信號等不同格式類型，為研究行為共性、分析行業(yè)趨勢、判斷投資時機等投資相關(guān)活動提供數(shù)據(jù)支撐。

2 中國石化投資領(lǐng)域的大數(shù)據(jù)應(yīng)用途徑

大數(shù)據(jù)在石油石化行業(yè)的應(yīng)用非常廣泛，可以通過大數(shù)據(jù)反映的信息，提前預(yù)測企業(yè)的未來及發(fā)展趨勢、指導(dǎo)投資重點和發(fā)展策略、進行風(fēng)險控制，亦可為市場預(yù)測分析、經(jīng)濟活動分析、資源優(yōu)化配置、績效考核等提供支撐。在投資領(lǐng)域，大數(shù)據(jù)被廣泛應(yīng)用于企業(yè)投資戰(zhàn)略、企業(yè)發(fā)展規(guī)劃、投資項目管控、投資風(fēng)險預(yù)警等方面。中國石化在投資領(lǐng)域中的大數(shù)據(jù)應(yīng)用主要可從以下幾方面進行初步考慮。

2.1 利用大數(shù)據(jù)，提升投資戰(zhàn)略優(yōu)勢

中國石化正在大力實施價值引領(lǐng)、創(chuàng)新驅(qū)動、資源統(tǒng)籌、開放合作、綠色低碳五大發(fā)展戰(zhàn)略，并推動實施氣化長江經(jīng)濟帶行動、油品和非油品兩個業(yè)務(wù)比翼雙飛、科技創(chuàng)新和深化改革雙輪驅(qū)動、打造三個業(yè)務(wù)領(lǐng)域的發(fā)展平臺、打造四個具有國際競爭力的世界級煉化基地等重大發(fā)展規(guī)劃。大數(shù)據(jù)從不同維度分析研究宏觀的、長期性、戰(zhàn)略性、根本性的發(fā)展方向課題，確定中國石化基本的投資戰(zhàn)略、投資政策和投資重點，將是促進和推進戰(zhàn)略實施規(guī)劃落地的重要抓手。在建立信息共享機制方面，利用大數(shù)據(jù)可以緊跟全球化、國際化發(fā)展總趨勢，引進與國際石油公司的戰(zhàn)略合作，從而建立與國內(nèi)外權(quán)威咨詢機構(gòu)的信息和數(shù)據(jù)的共享機制。在建立數(shù)據(jù)分析模型方面，大數(shù)據(jù)平臺能結(jié)合中國石化生產(chǎn)經(jīng)營實際情況，研究宏觀形勢、產(chǎn)業(yè)政策研究，推動多維關(guān)聯(lián)關(guān)系的數(shù)據(jù)分析模型的建立和完善。從公司全局角度看，依據(jù)大數(shù)據(jù)分析研究結(jié)果，充分認識和掌握行業(yè)資源，開展總體規(guī)劃、專項規(guī)劃、區(qū)域規(guī)劃和專題研究，明確投資的方向和重大戰(zhàn)略布局，能夠把加強資源優(yōu)化利用，實現(xiàn)總體效益最大化。

2.2 利用大數(shù)據(jù)，強化投資概算管控

項目總體設(shè)計能否規(guī)范化、標(biāo)準(zhǔn)化，一定程度上取決于投資項目概算結(jié)構(gòu)、概算指標(biāo)是否規(guī)范和標(biāo)準(zhǔn)。分類的投資項目概算結(jié)構(gòu)、概算指標(biāo)，為造價參數(shù)和指標(biāo)統(tǒng)一管理、提高造價統(tǒng)一性和規(guī)范性，以及投資項目概算控制和統(tǒng)一分析提供了可比性。通過對項目概算、實際核算和決算數(shù)據(jù)進行對比分析，對項目的實施方案和預(yù)期效益進行跟蹤評價分析，并結(jié)合原材料、產(chǎn)品價格變化情況進行分析，可進一步優(yōu)化技術(shù)路線、產(chǎn)品方案和原料結(jié)構(gòu)，為概算控制提供依據(jù)，把投資決策風(fēng)險降為最低，并為后續(xù)造價管理提供經(jīng)驗積累。

2.3 利用大數(shù)據(jù)，提高投資精準(zhǔn)度

通過挖掘和分析以往投資項目成功案例的數(shù)據(jù)，能夠分析出有利于投資的方向和方法，從而應(yīng)用于新的項目規(guī)劃和建設(shè)過程。例如，在加油站建設(shè)方面，先對投入產(chǎn)出高、效益好的加油站進行數(shù)據(jù)分析，采集和分析其建設(shè)位置、人流量、周邊經(jīng)濟狀況、區(qū)域內(nèi)居民收入情況、加油車輛的類型、不同類型車輛的加油頻率等信息；在新投資建設(shè)加油站項目時，對目標(biāo)加油站采集和分析同類型的數(shù)據(jù)，如分析結(jié)果與之前成功的加油站類似或接近，則可提升新建加油站的成功率。再如，在管道項目投資方面，收集和分析成功的管道項目建設(shè)經(jīng)驗，通過對成功項目建設(shè)的地理位置、建設(shè)季節(jié)、施工難易程度、用工費用情況等進行分析，將結(jié)果用于指導(dǎo)后續(xù)項目的建設(shè)，保證項目投入合理收益最大化。通過對過往大數(shù)據(jù)挖掘和分析，把成功經(jīng)驗轉(zhuǎn)化成可重復(fù)利用的成功數(shù)據(jù)，讓數(shù)據(jù)說話，完成從拍腦門投資、靠

經(jīng)驗投資向數(shù)據(jù)指導(dǎo)投資的轉(zhuǎn)變，提高投資的科學(xué)性、準(zhǔn)確度和成功率。

2.4 利用大數(shù)據(jù)，防范投資風(fēng)險

在投資中，由于投資者所掌握的信息量、數(shù)據(jù)量以及對數(shù)據(jù)利用情況不同，造成了對不同項目個體的管控力度差異。可能有些項目管控好且風(fēng)險低，有些則管控不好且風(fēng)險高。通過對歷史項目進行大數(shù)據(jù)分析，可以有效借鑒成功經(jīng)驗并防范未知風(fēng)險，這些管控點和風(fēng)險點包括成本超支、項目范圍不可控、項目建設(shè)過程中的腐敗現(xiàn)象等。例如，通過大數(shù)據(jù)檢查和比較采購過程中的采購訂單、收貨、發(fā)票的數(shù)量和金額是否一致，其中存在較大差異的業(yè)務(wù)則可能是風(fēng)險點，可采取相應(yīng)措施，保證采購業(yè)務(wù)的一致性和完整性并消除風(fēng)險；再如，在不同區(qū)域、不同項目、不同月份中檢測同一工程物料及設(shè)備的價格情況，如出現(xiàn)采購價格趨勢的異常波動，則要采取措施、查找原因，消除風(fēng)險和隱患。大數(shù)據(jù)分析可幫助投資者有意識、有目標(biāo)地采取一些措施來控制風(fēng)險和加強管控，以在一定的預(yù)期下將風(fēng)險降到最低。

3 數(shù)據(jù)挖掘的建模過程及技術(shù)方法

大數(shù)據(jù)的數(shù)據(jù)挖掘建模分為數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)建模、模型評估、模型發(fā)布、模型優(yōu)化等流程。主要內(nèi)容為篩選所需數(shù)據(jù)，校驗數(shù)據(jù)質(zhì)量，了解數(shù)據(jù)含義及特性，構(gòu)造最終數(shù)據(jù)集合，凈化和轉(zhuǎn)換數(shù)據(jù)，選擇和應(yīng)用各種模型技術(shù)，校正和優(yōu)化各種模型參數(shù)，評估并解釋模型效果，評價其可能的效果，實施發(fā)布模型等。通過建模為分析人員提供參考，并給出相應(yīng)建議，根據(jù)模型驗證和業(yè)務(wù)情況進行模型優(yōu)化。目前，中國石化主要運用的技術(shù)方法有兩種，即神經(jīng)網(wǎng)絡(luò)算法和決策樹。

3.1 神經(jīng)網(wǎng)絡(luò)算法

神經(jīng)網(wǎng)絡(luò)算法是數(shù)據(jù)建模過程中的典型算法，具有預(yù)測準(zhǔn)確的特點，可以較好地實現(xiàn)以數(shù)據(jù)驅(qū)動決策。神經(jīng)網(wǎng)絡(luò)算法的核心思想是信號的正向傳播和誤差的反向傳播，信號的正向傳播指，輸入樣本——輸入層——隱含層——輸出層；誤差的反向傳播指，誤差以某種形式在各層標(biāo)示，修正各層單元的權(quán)值，直到網(wǎng)絡(luò)輸出的誤差減少到可接受的程度。其輸入公式為net=X1W1+ X2W2+…+XnWn；輸出公式為y=f(net)= 1/1+e-net。模型見圖1。

圖1 神經(jīng)網(wǎng)絡(luò)模型

神經(jīng)網(wǎng)絡(luò)算法基本原理在理論上可以逼近任意函數(shù)，其基本結(jié)構(gòu)由非線性變化單元組成，具有很強的非線性映射能力。利用輸出后的誤差來估計輸出層的直接前導(dǎo)層的誤差，再用這個誤差估計更前一層的誤差，如此一層一層地反推下去，就能獲得其他各層的誤差估計。

目前，中國石化在投資領(lǐng)域結(jié)合大數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)算法，通過應(yīng)用數(shù)據(jù)模型，期望提高投資的精準(zhǔn)度和準(zhǔn)確性，降低無效和風(fēng)險高的投資，達到降低支出增加效益的目的。圖2是預(yù)測使用數(shù)據(jù)模型綜合分析前后資本支出變化情況。通過模型的建立和應(yīng)用，各項資本支出都有了較大幅度的降低，較好地節(jié)省了資本支出。

3.2 決策樹

決策樹是對大數(shù)據(jù)進行分類挖掘的一種技術(shù)方法，即依據(jù)某一特定對象屬性，觀察其過去的行為或歷史資料，以推估未來的值會是多少，常用于預(yù)測模型的演算法。其思想是，通過一批已知的訓(xùn)練數(shù)據(jù)建立一棵決策樹，然后利用建好的

決策樹，對數(shù)據(jù)進行預(yù)測。

中國石化投資領(lǐng)域使用決策樹決策的過程如圖3簡單示意。對特定投資標(biāo)的物，通過對政治、經(jīng)濟、文化、地域、經(jīng)濟技術(shù)指標(biāo)、投資回報預(yù)測、風(fēng)險分析等方面進行決策分析，以判定是否符合投資預(yù)期。

圖2 資本支出變化情況

圖3 投資決策樹

2016年，中國石化對全國范圍內(nèi)潛在的石油化工項目進行投資分析，決策樹是分析的重要分析方法之一。依據(jù)決策樹并結(jié)合運用經(jīng)濟評價方法，科學(xué)測算項目的經(jīng)濟效益指標(biāo)，指標(biāo)包括內(nèi)部收益率、凈現(xiàn)金流、項目生命周期內(nèi)累計實現(xiàn)的稅后利潤、EVA、投資回收期等，清晰表明效益產(chǎn)出時點及對應(yīng)的效益值。同時，通過研究宏觀經(jīng)濟形勢和價格變動趨勢，結(jié)合國家重大財稅制度調(diào)整，強化對資源、市場、環(huán)境、競爭態(tài)勢的分析，研究國內(nèi)外宏觀經(jīng)濟政策走勢，研判主要原材料及產(chǎn)品價格趨勢，并結(jié)合實際運營狀況，進一步明確投資重點、分年度技術(shù)經(jīng)濟指標(biāo)和投入產(chǎn)出。通過該數(shù)據(jù)來支持最終決 策，確定了本年的投資重點和投資目標(biāo)。

4 總結(jié)

大數(shù)據(jù)可以廣泛應(yīng)用于投資領(lǐng)域，應(yīng)用的重點在于業(yè)務(wù)模型構(gòu)建、數(shù)據(jù)視圖構(gòu)建、應(yīng)用系統(tǒng)構(gòu)建、數(shù)據(jù)中心建設(shè)、多層次多維度的復(fù)合人才培養(yǎng)等方面。大數(shù)據(jù)應(yīng)用是信息化深入、IT與業(yè)務(wù)深度融合的必然，是深化應(yīng)用、提升應(yīng)用層次、強化集團企業(yè)管控的有力技術(shù)手段。

隨著相關(guān)技術(shù)的快速發(fā)展，企業(yè)對大數(shù)據(jù)的認識和應(yīng)用將逐步深入，對數(shù)據(jù)和數(shù)據(jù)價值的理解和把握也將更加具體。相信隨著信息化的深入和“兩化”的深度融合，大數(shù)據(jù)在石油石化行業(yè)應(yīng)用的前景將越來越廣闊。

[1] 麥肯錫全球研究院著. 安暉等譯. 大數(shù)據(jù)：創(chuàng)新、競爭和生產(chǎn)力的下一個前沿[J]. 賽迪譯叢, 2012(25).

[2] 余建烽,張振宇. 大數(shù)據(jù)與云計算的關(guān)系及發(fā)展趨勢探討[J]. 科技傳播, 2014, 01: 203+201.

[3] 王星. 大數(shù)據(jù)分析：方法與應(yīng)用[M]. 北京: 清華大學(xué)出版社, 2013.

[4] 鄭軍, 尹兆濤. 中國石油應(yīng)對“大數(shù)據(jù)”的策略分析[J].石油規(guī)劃設(shè)計, 2013, 06: 27-29+49.The Application of Big Data in SINOPEC’s Investment Business

Lu Yaru
(Information Systems Management Department of SINOPEC, Beijing 100728, China)

Investment is the driving force for social and enterprise development, and in order to ensure the management of investment with higher effi ciency and better quality, there is a great need to increase the use of big data in the investment fi eld. The paper looks into the use of big data in the investment business of SINOPEC, especially the sources, characteristics and applicability of big data and the data modeling process and techniques.

investment, big data, data modeling, risk control

2016-8-16。

盧亞茹（1983—），女，河北省柏鄉(xiāng)縣人。畢業(yè)于燕山大學(xué)電子科學(xué)與技術(shù)專業(yè)。工程師，現(xiàn)就職于中國石油化工集團公司信息化管理部。電子郵箱：luyaru@sinopec.com。