ارائه چارچوب مدیریت داده در بخش بالادستی صنعت نفت و گاز

در سال های اخیر، شرکت های بزرگ نفتی در دنیا با پذیرش داده به عنوان یک دارایی استراتژیک و با توسعه میادین نفتی دیجیتال تلاش کرده اند، سفر تحول دیجیتال خود را سرعت ببخشند. ظهور عظیم داده در صنعت اکتشاف و تولید، در کنار جزیره ای عمل‌کردن رشته های مختلف در زنجیره ارزش سبب شده است که این صنعت با چالش های فراوانی در مواجه با مدیریت داده های خود به منظور تصمیم گیری داده محور و خلق ارزش از آنها مواجه شود. از این رو، نیاز به داشتن یک چارچوب مستحکم مدیریت داده در سطح صنعت احساس می شود. در این مقاله سعی شده است، شکاف ناشی از نبود یک دید جامع در زمینه مدیریت داده برای هدایت متخصصان بخش بالادستی صنعت نفت و گاز و محققان دانشگاهی برطرف شود. این مطالعه با استفاده از روش فراترکیب و با مرور نظام مند تحقیقات گذشته و ترکیب ادبیات موضوع در این صنعت، مدیریت داده ها را از جنبه های مختلف و با تفکیک آن از حکمرانی داده مورد بررسی قرار داده و پس از شناسایی 10 مولفه کلیدی مدیریت داده و 47 زیرمولفه آن ، یک چارچوب مفهومی چهار لایه برای مدیریت داده ارائه می کند. این لایه ها عبارتند از: 1. لایه زیرساخت داده، 2. لایه معماری و یکپارچه سازی داده، 3. لایه تحلیل گری و خدمات داده، 4. لایه اهداف مدیریت داده. اهمیت این مطالعه جلوگیری از سردرگمی در هنگام معرفی و پیاده سازی مدیریت داده توسط یک شرکت فعال در صنعت اکتشاف و تولید در تمایز با حکمرانی داده است و متخصصان را در فهم بهتر آن به روشی ساختارمند کمک می نماید.

a data management framework in the upstream sector of the oil and gas industry

in recent years, major oil companies around the world have accelerated their digital transformation journey by embracing data as a strategic asset and developing digital oil fields. the emergence of big data, alongside the siloed operations of various disciplines within the upstream oil and gas value chain, has led to numerous challenges in data management for data-driven decision-making and value creation. consequently, the need for a robust data management framework at the industry level is evident. this article aims to address the gap caused by the lack of a comprehensive perspective on data management to guide professionals and researchers in the exploration and production industry. using the meta-synthesis method, along with a systematic review of previous studies and the integration of existing literature in this industry, data management is examined from various aspects, distinguishing it from data governance. after identifying 10 key components and 47 sub-components, a four-layer conceptual framework for data management is proposed, including: data infrastructure layer, data architecture and integration layer, data analytics and services layer and data management objectives layer. the elements of this framework can assist the petroleum industry in assessing data-driven maturity, defining data management projects, and implementing ai-based governance.