Apresentações dos convidados

Сomentários

Transcrição

Apresentações dos convidados
METODOLOGIA PARA GESTÃO DE DADOS
PETROLÍFEROS
RECOLHA E DISPONIBILIZAÇÃO
DADOS SÍSMICOS E POÇOS
AGENDA
● Ciclo de vida dos dados
● Importância da gestão de dados
● Base de dados de sísmica de referência
● Control de qualidade sísmico
● Base de dados de referência de poços
● Conclusões
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
2
CICLO DE VIDA DOS DADOS
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
3
IMPORTÂNCIA DA GESTÃO DE DADOS
Projectos/estudos sem a gestão de dados…
Dados
BD NAVEGAÇÃO
Bases Internas
Bases Externas
BD TRATAMENTO
CONTRATADAS
BD ARQUIVOS
PARCEIROS
Utilizador Final
Dados
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
4
Com a gestão de dados…
Dados
Bases Internas
BD TRATAMENTO
BD NAVEGAÇÃO
BD ARQUIVOS
Bases Externas
CONTRATADAS
PARCEIROS
Dados
Utilizador Final
Projecto Regional
Projecto Regional
Projecto Regional
Base de dados A
Base de dados B
Base de dados N
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
5
BASE DE DADOS DE SÍSMICA DE REFERÊNCIA
Ciclo dos dados sísmicos na base de referência
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
6
CONTROL DE QUALIDADE SÍSMICO
Verificação de posicionamento/navegação :
 Coerência com dados existentes
 Dados culturais, SIG
 Planos de posição, documentos de referência
 Ferramentas externas de análise
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
7
POSICIONAMENTO 2D
?
POSICIONAMENTO 3D
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
8
BASE DE DADOS DE REFERÊNCIA DE POÇOS
● Inventariação
● Uniformização
● Control de qualidade pré-carregamento
• Fontes
• Geodesia
• Relatórios
● Carregamento em base dados
● Control de qualidade pós-carregamento
● Base de dados de referência
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
9
Ciclo dos dados de poços na base de referência
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
10
CONCLUSÕES
 Unicidade dos dados de referência
 Coerência, fidelidade e rapidez no acesso aos dados
 Gestão eficaz dos espaços de armazenamento
 Simplificação e eficácia de backups SIT
 Traçabilidade dos dados
 Segurança e protecção dos dados
 Facilidade na criação novos projectos de estudos
 Facilidade para exportação de dados (HQ, concessionaria,
parceiros, filiais, etc.)
 Não a duplicação de dados….
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
12
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
13
Gestão de dados Petrolíferos - SONANGOL GAD - 18 de Setembro de 2014
14
Value of Data in the Oil Industry
CGG Data Management Services
Presentation Outline
 Value of Data in the Oil Industry
– Introduction
– Data Management
– Legacy Data Services
– Data Management Training
Introduction
Introduction
 Exploration & Exploitation of Hydrocarbon Resources
– Decisions on where to drill are based on analysis of very large amounts of
Geoscience Data.
– Has sufficient Data been acquired to minimise the risk of drilling failure.
– Can the relevant E&P data be readily accessible to all concerned.
Introduction
 Risk Reduction
– Two equally important ingredients for E&P success
– Accurate & Accessible Data
– Well Trained people
Introduction
 Current Well Drilling Costs:– Ultra Deep Water :
$100 plus
– UK Shallow water :
$60m
– Africa Land :
$35m
– US Land :
$4m
– The figures clearly show that making the incorrect decision on where to drill
because of the lack of data can be very costly
Data Management
Data Management
 Over the years large amounts of E&P data has been acquired.
 The assets of an Exploration well are the data collected during the drilling.
 The actual exploration well has little residual value after drilling has been
completed.
 The value of the Data collected is therefore many times greater than the
actual cost of the Data acquisition.
 Unfortunately many technical professionals spend 80% of their time tracking
down, formatting, and validating data before they can spend the remaining
20% of their time doing the technical interpretations.
Data Management
 Use your legacy data before acquiring new data
– Access to Legacy Data is vital when planning new wells
– However the following are required
– Legacy data must be available.
– The information must be relevant
– Knowledge should be accessible
Legacy Data Services
Seismic Tape Transcription
 Quality and experience
 High throughputs
 Reformatting legacy data
 Data Recovery
 Duplicating and copying
 3590 Audits
Seismic Vectorising
 Total waveform digital reconstruction:
Classic VA/VA & Wiggle displays
 True amplitude colour reconstruction:
colour displays
 Dynamic range and integrity of data is
maintained
 Interpretation and blemishes removed,
tears or poor splice corrected
GIS Services
 Digitisation of geophysical, geological and cultural data
 CRS verification
 Multiple data sheet integration
 Geodetic standardisation of disparate vintages
 Gridding of contour information
Well Data Transformation
Additional Value from E&P Data
 What more can be done with your data?
– Reorganise & extract well data into highly accessible format that will benefit all
E&P personnel
– Geologists
– Reservoir
– Geophysicists
– Drillers
 The following legacy data types are often not readily available despite being
very costly to acquire originally:– Core Analysis Data and Reports
– Formation Pressure Measurements
– Seismic Checkshot Data
Data Management Training
Standard Course Content
 Fundamentals of E&P Data Management
INP Mozambique
 Course delivered on ‘proprietary’ basis
– Course took place in Maputo during late July 2014
– Dedicated to staff of INP Mozambique only – 14 trainees
– Standard course content – 4 days, 16 modules
Namcor, Namibia
 Customised course due for delivery October 2014
– Request made after Namcor staff attended ‘Open Invitation’ course
– Extended training course – 10 days, 15 trainees
 New topics introduced for October 2014
– GIS
– Human Resources
– NDR organisation
Thank you
How to manage physical E&P data
Eldar Bjørge, Statoil
Leading Advisor Data management (in Exploration)
2014-08-26
Content
1. How to manage seismic tapes and other media
2. How to manage well data on tapes and other media
3. How to handle physical logs, reports, maps
4. How to handle core material
2014-08-26
1. Acquisition of field seismic
processing
a)
Statoil order survey from
acquisition company
Iron Mountain is
Statoils contractor
for tape storage
After acquisition
a) one dataset goes to
processing company
b) one dataset goes to
Statoils offline storage
b)
1. 2 tape sets (a and b) are stored offline
2. The tapes are indexed in a database.
Relevant meta data added due to
support information search later.
2014-08-26
Pre- &
post-stack
a)
After processing, the tapes
are sent to offline storage
and used as disaster copy
1. Pre- and post-stack seismic
Multi-client
(government and
operators)
Diskos
databank
(Norway)
Petrel
Studio
Statoil
databank
(INT)
Field seismic
Bought or traded seismic
2014-08-26
Pre stack
Post stack
Interpretation
models
1. Tape Handling - issues
Recording and Searching database
•
Record all relevant metadata for easy retrieval of recorded data
Use of high security on storage location
•
•
•
secure according to natural disasters (2 copies in separate locations)
pressure and temperature that does not degrade media
ensure fire and burglary
Tape re-mastering (transcription)
“Continuous” transcription from old to latest industry-standard media. Data is then
protected against decay and obsolescence of old media or drives.
Statoil examples
•
•
1.000.000 tapes (9-track, 3480, 3490, 3492, 3590, ..)
Tapes has to be re-mastered (each ~10th year). Cost > 1 mill$ each time.
2014-08-26
DISKOS project
• Multi-client solution for
seismic data (poststack), well data and
production data
• 250 terabyte (online/near-line)
• Data set value (=
acquisition cost): 6 bill
USD [1995] (seismic
only)
Public release of data (Norway)
Seismic navigation.: immediately
Well data …………...: 2 years
Seismic data .........: 10 years
Interpretations …..: 20 years
Field and pre-stack: never
2014-08-26
New operator from 2015: CGG
2. Tape & media handling – well data
- Delivered on many different media
- tape (9-track, 8mm, 4mm)
- floppy-disc (8”, 5”, 3.5”)
- CD, DVD
- Requires many types of drives (difficult to locate and
maintain)
- Statoil experience:
- 2 years old CDs become unreadable
- Advise: Get rid of tapes (GROT)!
- Read content into disc (database)
2014-08-26
3. Logs, Reports, maps etc
- Indexed (in a database) and stored as
- Separate items
- Packages (in “boxes”)
- Make indexes available
- “Clean up” is difficult unless
- items are marked validity/storage time
(retention) and/or responsible data owner
- “Scan on demand” process
- Items asked for should be scanned
- Deliver digital to the user
- Store the digital version in a database
- Delete physical version (if possible)
2014-08-26
4. Core Handling in Norway
The core is cut in 1 meter sections
Transport in special containers
Laboratory services:
• Core gamma
• X-ray CT
• Select whole core intervals for special
tests
• Slabbing of top-cut (A)
• Core photo (white and UV light)
• Drill plugs for conventional analysis
• Remaining core slabbing
2014-08-26
4. Core Storage
A - Operator
B - view cut
• Cores are normally stored at Weatherford
Labs core store in Norway
• Index database of all cores, cuts, preserved
intervals and cuttings (wet samples)
• Core viewing facilities in connection with core
storage. Main core view room is 600 m2
• Cores from > 4.500 wells, 15.000 m3
2014-08-26
C–
Trade
D–
Authorities
Presentation title
Presenters name
Presenters title
E-mail address ……@statoil.com
Tel: +4700000000
www.statoil.com
2014-08-26
1. The value of data within EXPLORATION
Field
measurements
Seismic Processing
“PreStack data”
“PostStack data”
Monetary value
“raw well & seismic data”
Raw data
store
Corporate
data store
Project data
store
G&G Reports
& Documents
Project generated
log curves and
well picks
Project generated
seismic versions and
interpretations
“well data for
interpretation”
QC’ed well picks
Composite log curves
Seismic Interpretations
maintained and/or
used in DG/AP decisions
Value of easy access
2014-08-26
Well Processing
8. How Data Management is organised
Business
Assets
Data owner
Project data managers
(PDMs)
Data Administrators (DAs)
Central data managers (CPDMs)
Process
Owners
2014-08-26
Classification: Internal
2011-09-22
Global
Business
Support
2014-08-26
Data Management
Enabler of value creation in the E&P BIG data
Luanda, 18th September 2014
Technology Advancements – offshore Angola
Exploration – interpretation and modelling of salt bodies
Development – integrated geoscience and engineering
Production – multiphase flow assurance
Drilling – horizontal well planning and execution
Data Management Foundation – supporting key decisions
Corporate Data
Management
National Data
Repository
Managing and delivering
corporate data for use in
Petrotechnical applications
Preserve, manage and
promote Angola’s E&P data
assets
Good data
management
practices drive
business
performance
Knowledge
Environment
Production Data
Management
Enable collaboration and
sharing for multi-disciplinary
asset teams
Monitoring and response
planning to meet production
targets
Data Management Capabilities – global averages
Data Governance
Strategy and planning
Data Architecture
Design and implementation
Data Operations
Delivery of services
Data Quality
Validation and correction
Data Reference
Approvals and management
Data Provenance
Origin and evolution
Data Security
Entitlements and protection
3
5
7
8
7
8
8
5
6
3
4
5
7
8
7
8
7
8
7
8
Change Ahead – big data meets the internet of things
Cloud
Automation
Across all industry sectors, companies see
enormous opportunity arising from these new
technologies
Big Data
Reacting faster and more intelligently by analyzing
data streams generated from connected sensors
and devices
Machine
Learning
New and
Emerging
Technologies
Smart
Sensors
Real Time
Analytics
Robotics
Aviation
Internet
Of Things
Social
Mobility &
Wearables
Healthcare
Research
Media
Opportunity for E&P – advanced analytics
Optimization & Decision Support
Models & Simulations
Machine
Learning
Social
Sensors & Measurements
Cloud
Mobile
Acquisition & field services
throughout the lifecycle of the
reservoir
 Characterization
 Drilling
 Production
Commercial software products
enabling technical workflows
across domains
 Shared Earth Model
 Shared Borehole Model
 Shared Operations
High
Performance
Computing
Big Data
Real Time
Analytics
Analysis of all available data – structured and
unstructured, high frequency and historical
 Predictive analytics in operational time
 Guided simulation & continuous forecasting
 Business optimization & decision automation
Big Data Analytics – geoscience workflows
Decision
Support
Analytics &
Visualization
Discovery &
Integration
Big Data
Infrastructure
Structured
Databases
Assess viability of
distributed file systems
for cost effective
seismic data mgmt
Exploration
Improve field
development planning
by complementing
modelling and
simulation results with
data-driven workflows
and statistical analysis
Development
Production
Drilling &
Completions
Shale
Big Data Analytics – geoscience and operational workflows
Decision
Support
Analytics &
Visualization
Discovery &
Integration
Big Data
Infrastructure
Structured
Databases
Assess viability of
distributed file systems
for cost effective
seismic data mgmt
Exploration
Improve field
development planning
by complementing
modelling and
simulation results with
data-driven workflows
and statistical analysis
Development
Combine integrated
asset models with high
frequency data to
predict events,
optimize production,
and improve recovery
rates
Production
Harness predictive
analytics to provide
early warnings of
deviations from
engineering plans and
best practices, or
events that will
adversely impact cost
and efficiencies
Drilling &
Completions
Adopt a data-driven
approach to guide
engineering decisions
for sweet spot
selection, well spacing,
drilling and completion
parameters – with the
goal of improving
allocation of capital
Shale
Partnering for Innovation – preparing for the new era of data management
Proof of concepts underway with
technology partners
Teams co-located at a new software
center in Silicon Valley
Cloud offering and reference
architectures to accelerate adoption
Concluding Remarks
Direct correlation exists between good data management
practices and business performance
Scaling-up for big data and real time analytics will require
new organizational capabilities
Data managers must be at the forefront of the change to
implement new data-driven workflows
There has never been a more exciting time to be working
in data management
Data Management
Enabler of value creation in the E&P BIG data
Luanda, 18th September 2014
Dados e Governança – Ontem,
Hoje e Amanha
Zinga Quimoma & Miguel Domingos
SASBU-Chevron
This document contains confidential and proprietary information for use by employees and
authorized agents of Chevron Corporation and its affiliates. No other use is authorized
without prior written permission from Chevron Corporation or its appropriate affiliate.
© 2013 Chevron U.S.A., Inc. All Rights Reserved – Company Confidential
Agenda

Visão e Missão do Departamento de Gestão de Informação

Organigrama de Governança dos dados

Ontem

Hoje- Conquistas e Trabalhos em curso

© 2014

Avaliação e Priorização de Dados

Comitê de Direção de Gestão de Informação

Conselho de Governança de Dados

Modelo de Governança

Onde estão os meus dados (Where is My Data)

Painel de Dados de Produção
O Futuro da Governança de Dados dentro da Chevron-SASBU

SASBU Data Foundation

Descrição

O que é Data Foundation

Os seus componentes
SASBU Information: Kaizen Report Out / May 2013
64
Visão e Missão
Alinhando Informação às necessidades de negócios
Information unmanaged,
disorganized or lost
Visão:
Que a SASBU gerencie de maneira eficaz, eficiente, segura e consistente todo o
ciclo de vida de ativos de informação em conformidade com as leis e
regulamentos e ter informações disponíveis para serem exploradas ao máximo
que permitão tomada de decisões de maneira sa.
Missão:
Information managed &
logically structured
– Alinhar as astividades empresarias com as práticas de Gestão de
Informação e as práticas de Gestão de Informação (GI) do Upstream e
Corporação (Padronizar, alavancar e partilhar as melhores práticas).
– Otimizar Processos de Negócios: maximizar a eficiência empresarial,
rentabilidade e confiabilidade, prosseguindo de forma proativa a melhoria
de processos de negócios e automação da Chevron(CVX).
Information available &
optimized
– Assegurar que as práticas de GI estão em conformidade com a legislação
societária, os regulamentos do país e da Informação e Gestão de Riscos.
Criar e orientar os esforços para promover práticas de classe mundial em
toda SASBU para Gestão de Infomação
Gestao de dados e uma jornada e requer varios anos de esforcos planejados
para atingirmos a nossa visao
© 2013 Chevron
http://l.sasbu.chevron.net/IM/Default.asp
65
Organigrama de Governança de Dados
© 2014
SASBU Information: Kaizen Report Out / May 2013
66
© 2013 Chevron
Avaliação e Priorização de Dados
Governança de Gestão de Dados Na SASBU
Governança na SASBU
 Com base no exercício feito para avaliar os
dados mais críticos para a Unidade Empresarial
e o processo de priorizacão, criou-se duas
hierarquias:
 Comitê de Direcão de Gestão de
Informacão
 Conselho de Governança de Dados
 Comitê de Direcão de Gestão de Dados:
 Composto pelos direitores gerais de cada departamento da SASBU
 Responsaveis por definir e priorizar o tipo de informacão que se deve
trabalhar (estratégia)
 Providenciar recursos e fundos para os projectos em carteira
 Conselho de Governança de Dados:
 Composto por direitores dos diversos grupos que representão um
departamento ou area dentro da SASBU
 Um órgão de decisão final para questões / exceções
 Responsaveis pela execucão das estratégias definadas pelo Comitê
 Responsaveis pela qualidade e gerenciamento dos dados
Modelo de Governança de Gestão de Informação da SASBU
Modelo de Governança de Informação
Visão de Execução
DG Manager (IQ Mgr)
Data Governance Office
IG Project
Advisor
IG Training
Coordinator
Strategic
Function
Information Steward
IT
G
FLT
Information
Custodian
SME
Controlling
Information
Architect
Information Quality Analyst
Operational
Information Consumer
Execution
Accessing
•
•
•
•
•
SME: Subject Matter Expert
IG training Coordinator:
Information Govenance Coordinator
FLT: Function Leadership team
IT G: IT Governance
IG Project advisor: Information
Governance project advisor
© 2013 Chevron
Project Teams
Project
Manager
Business
Analysts
Subject Matter
Experts
Back
Where is My Data (Onde estão os Meus Dados)
Gestão do Inventário de Sistemas de dados (Systems of records
Inventory Management)
Gestão de Inventário de Sistemas de Registros da SASBU
• Ponto unico de visualização de todos os sistemas de registros
da SASBU e tipos de informação associados a eles.
• Serve de ferramenta para determiner o sistema de registro
dos tipos de informação mais críticos para melhor auxiliar o
conceito ”Find once - Fix everywhere”
• Auxiliar na criação de diagramas e fluxo de dados para os
diferente tipos de informação
• Assistir no processo de monitorização da qualidade dos
dados
© 2014Chevron
Painel de Dados de Produção – Master Data Dashboard
O futuro da Governança de Informação /Dados Na
SASBU
Workflows
Reservoir Management
BB / Ops and Drilling
Facility Engr. & Planning










Well Factory Optimization
Operation Geology
Geological Interpretation
Completion & Intervention
Resources & Reserves
Production & Allocation
Lost Production Opportunity
Predictive Monitoring –
Casing Pressure
 CMMS / Work orders
Production Forecasting
Decline Analysis
Waterflood Patterns



Standards, Governance
& Lifecycle Management

IM Portfolio prioritization (using
IM Steering Committee )
 Establish standard data
governance across all Data
Management Efforts
Communication
Collaboration
Information
Delivery
Modelling &
Analytics



Process Safety Information
Alarm Management



Reservoir Surveillance
Waterflood Management
Well Factory Tracking
KDACS
SharePoint
Models
Managed Integration

Integrated Production, Reservoir and Drilling Data
Data Foundation
Data







Production / Zonal Allocation
Well & Completion
Reservoir Pressure Test (BHP)
Well Log
Reservoir Properties
G&G Interpretation
Spatial
Core Applications
Documents

Asset Development
Plans
 Facility Designs
 Models







Energy Components
WellView
OpenWorks
Chevron Engineering Data
DPS
Chevron Reserves System
PI Historian
Organizational
Capability Management

Filling key roles in IM
Infrastructure
© 2013 Chevron
74
Data Foundation (Fundação de Dados)
Bons Dados, Grandes Decisoes.
Português
Fundação de dados é o gerenciamento abrangente de dados de Upstream.
O sistema de gestão da Fundação de dados tem como objetivo melhorar a qualidade dos dados de alto valor em nossas
operações diárias.
Isto levará a uma maior disponibilidade e facilidade de utilização dos dados e evitar incidentes através do ciclo de vida de
nossos ativos.
A Gestão sistemática dos dados também irá melhorar as decisões a respeito de nossos investimentos em tecnologia.
Disciplina operacional de dados será ainda mais crítica no futuro, conforme os nossos fluxos de trabalho tornam-se cada vez
mais digitalizado e experimentamos um crescimento rápido nos dados de upstream.
O foco inicial é ter uma taxonomia definida, clareza de governança e melhoria na ligação entre os líderes funcionais e das
Unidade Estratégica de Negócios. “
English
“Data Foundation is the comprehensive management of upstream data. The Data Foundation management system aims to
improve quality of the high value data in our daily operations. This will lead to improved availability and usability of data and
incident avoidance through the lifecycle of our assets. Systematic management of upstream data will also improve decisions
concerning our technology investments. Data operational discipline will be even more critical in the future as our workflows
become increasingly digitized and we experience rapid growth in upstream data.
Initial focus is to have a defined taxonomy, clarity of governance, and improved connection between functional and SBU
leaders.”
- Bill Braun, Upstream CIO
© 2012 Chevron
75
Data Foundation – Seus components
Estruturados
Destruturados
Dados Informais
Roles
Policies
Processes
Monitoring
Pessoas
Lideranca
Formacao
System of Record
Information Standards
Information Models
Cross functional Data reuse
Integration Systems
Standard Data Pattern
© 2013 Chevron
76
Upstream Data Foundation - Descrição dos 5
components
Focuses on maturing the management of our core Upstream data
Dados
Data
Governança
Normas
Governance
Standards
 Data is planned,
prioritized, and
treated as an asset.
 Data governance
roles defined and
assigned
 Structured and
unstructured data is
equally managed.
 Required policies
established,
understood and
applied
 Through the lens of
core workflows, high
value data is
identified ,
standardized and
governed.
© 2013 Chevron
 Data management
processes
standardized and
documented
 Monitoring in place
to ensure policies,
processes, and
standards, are
followed
Capacidade
Organizativa
Integração
Gerenciada
Org capability
Managed Integration
 Standards needed to
maintain a high
quality data
foundation are in
place.
 Right resources are
in place at the right
time to enable and
support the Data
Foundation
 Data is stored and
maintained in
standard systems of
record (SOR).
 Leadership
understands and
supports Data
Foundation
 Systems of record
meet the
characteristics of a
high quality
standard.
 Training required
for all Function
resources is
available and
delivered as
needed
 Defined
integration that can
enable business
workflows
 A set of welldefined patterns,
utilizing standard
technology
 Linked to
unstructured
content using
appropriate metadata
 Master data is
utilized to connect
information among
systems.
77
Obrigada
© 2013 Chevron
78
GESTÃO DE DADOS E
INFORMAÇÕES DE E&P
—
Experiência na Petrobras
Workshop Sonangol
18/09/2014 - Luanda
NP2
TIC/PG
março 2014
Roteiro
—
•
•
•
•
Introdução;
Gestão de Dados e Informações no E&P da Petrobras;
Agência Reguladora (ANP) e BDEP;
Desafios.
TIC
Setembro/2014
Sobre a Petrobras
—
• Criada em 1953 pelo governo brasileiro;
• Sociedade anônima de capital aberto e de economia mista, cujo
maior acionista é o governo brasileiro;
• Atua de maneira integrada na indústria de energia, nos segmentos
de:
–
–
–
–
–
–
–
Exploração e Produção de óleo e gás;
Refino, Transporte e Comercialização;
Distribuição de derivados;
Gás Natural;
Petroquímica;
Energia Elétrica;
Biocombustíveis;
• Detinha monopólio até 1997, quando o mercado brasileiro foi
aberto
–
Criação da ANP (Agência Nacional do Petróleo, Gás Natural e Biocombustíveis)
para regulação e fiscalização.
TIC
Setembro/2014
Motivação
—
=
Informação é um dos maiores ativos de uma grande empresa e deve estar disponível,
da forma correta, para as pessoas certas no tempo certo.
“Informação é o resultado do processamento, manipulação e organização de dados,
de tal forma que represente uma modificação (quantitativa ou qualitativa) no
conhecimento do que a recebe”. [0]
[0] Serra, J. Paulo. Manual de Teoria da Comunicação. Covilhã
Livros Labcom, 2007. 203 p. p. 93-101. ISBN 978-972-8790-87-5
Necessidade: informação bem organizada dentro da Empresa!
TIC
Setembro/2014
O Valor da Informação para a área de E&P
—
TIC
Setembro/2014
Histórico: Início do projeto em 2001
—
• A gestão por processo na empresa ainda estava em sua
fase inicial de implantação.
– A maior parte dos processos de E&P não estavam descritos em
detalhe;
– Regionais tinham maior autonomia.
• A empresa é ao mesmo tempo uma grande
desenvolvedora de sistemas de informações e
consumidora de sistemas comerciais.
– Diversidade de sistemas, com diferentes tecnologias e com
diferentes abordagens de desenvolvimento.
• Falta de maturidade em Gestão de Dados e
Informações.
TIC
Setembro/2014
Histórico (2001)
—
• Informações segregadas em diferentes sistemas, diferentes bases
com diferentes modelos;
• Informações duplicadas, conflitantes e com baixa qualidade.
• Exemplo:
Aplicação
A
Base A
TIC
Setembro/2014
Aplicação
B
Trata-se do mesmo poço?
Qual é a profundidade correta ?
Base B
Base de Dados Integrada de E&P (BDIEP)
—
Objetivo:
•
–
Gerir os conceitos relacionados aos macroprocessos de E&P, garantindo a
confiabilidade e qualidade da informação;
Premissas:
•
–
–
–
Integração física de dados: unicidade e compartilhamento de conceitos;
Modelo de dados único;
Gestão das informações pelo E&P.
Aplicação
A
Aplicação
B
Aplicação
...
Única tabela de poço,
compartilhada por todos sistemas.
Base de Dados Integrada de E&P
(BDIEP)
TIC
Setembro/2014
Início e evolução
—
• As bases de dados dos principais sistemas foram
integradas:
– Trabalho intenso de administração de dados;
– Fundamental participação do Gestor da Informação.
• Novos sistemas já eram desenvolvidos utilizando a Base
de Dados Integrada de E&P;
• Novos ambientes foram construídos para suportar
informações de diferentes naturezas:
– Ambiente Informacional;
– Ambiente Industrial;
– Ambiente Arquivos.
TIC
Setembro/2014
Gestor da Informação - Responsabilidades
—
• Conjugar, integrar vários pontos de vista do negócio, sobre os vários
assuntos de E&P;
• Garantir a qualidade dos dados persistidos na base;
• Gerir acesso às informações sob sua responsabilidade.
Toda a informação
deve ter um gestor.
Sísmica
Métodos Não Sísmicos
Concessão
TIC
Setembro/2014
Poço
Bloco
Reservatório
Gestor
Ambientes da BDIEP: Mestre-Transacional
—
Base de Dados Integrada de E&P
Informacional
MestreTransacional
Industrial
Arquivos
• Dados mestres e informações transacionais persistidas pelos sistemas de
informação;
• Informações geoespaciais;
• Atualmente possui mais de 7500 tabelas, dentre as quais aproximadamente
2500 são compartilhadas;
• Mais de 350 sistemas acessam essa ambiente;
• Modelo relacional;
• Tecnologia Oracle.
TIC
Setembro/2014
Ambientes da BDIEP: Informacional
—
Base de Dados Integrada de E&P
Informacional
MestreTransacional
Industrial
Arquivos
•
•
•
•
Datawarehouse de E&P, contém informações analíticas para tomada de decisão;
Consolida informações oriundas da BDIEP e de outras fontes;
Modelo multidimensional;
Tecnologia Oracle.
TIC
Setembro/2014
Ambientes da BDIEP: Industrial
—
Base de Dados Integrada de E&P
Informacional
MestreTransacional
Industrial
Arquivos
• Repositório de dados provenientes de sensores (plantas de produção,
perfuração, por exemplo);
• Permite análise de dados histórica e de tempo real;
• Grande volume de dados;
• Tecnologia: Oracle*, Osisoft.
TIC
Setembro/2014
Ambientes da BDIEP: Arquivos
—
Base de Dados Integrada de E&P
Informacional
MestreTransacional
Industrial
Arquivos
• Ambiente destinado à preservação de informações não estruturadas;
• Arquivos classificados com metadados e relacionados aos conceitos do
ambiente Mestre-Transacional;
• Acervo conta com mais de 4.000.000 de arquivos (em disco e fitoteca),
incluindo documentação de poços, perfis, sísmica, análises, laboratoriais,
blocos e concessões, memória técnica;
• Tecnologia: Interna;
• Integração com a Fitoteca Online - TSM (IBM).
TIC
Setembro/2014
Situação Atual
—
• Gestão por processos consolidada na área de E&P;
• Maior análise e integração das demandas de
desenvolvimento de novos sistemas ou aquisição de
produtos;
• Governança de dados em implantação
– Gerências criadas no E&P com atribuição específica de gestão de
dados;
– Criação de comitês de gestão de dados e nomeação formal dos
gestores de informação;
– Nível de maturidade diferente nas áreas de negócio.
TIC
Setembro/2014
Situação Atual (continuação)
—
• Esforço priorizado para gestão de informações
corporativas:
•
•
•
•
•
Dados mestres (Poço, Concessão, Sísmica, Perfil, Amostras,..);
Informações trocadas por diferentes macroprocessos;
Informações enviadas a parceiros ou agências reguladoras;
Informações utilizadas para tomada de decisão;
Memória técnica.
• Estudo de novas tecnologias para problemas de Big Data
– Análise de dados de tempo real nos centros de suporte a decisão.
TIC
Setembro/2014
Arquitetura de Informações e Disciplinas de Gestão de Dados
—
Solução para Visualização de Dados
WebServices, CORBA
TIBCO OpenSpirit
Camada de Integração (Serviços e Conectores)
Qualidade de Dados e Metadados
Informatica Data Quality
Ciclo de Vida da Informação
Power Design (SAP)
Administração de Dados
• OpenWorks
• Petrel
Operação de Dados (DBA)
• Geoframe
• OpenWells/EDM
Arquitetura de Informações
de E&P
• Smart
Plant Foundation
Segurança de Dados
Base de Dados
Integrada de E&P
TIC
Setembro/2014
Bases Comerciais
G&G
SAP
Bases não
integradas
Em operação
Em implantação
Visualizador de dados de E&P
—
TIC
Setembro/2014
Agência Nacional do Petróleo, Gás Natural e
—
Biocombustíveis
(ANP)
[3]
• Instituição responsável pela execução da política nacional
para o setor energético;
• Tem como principais atribuições:
– Regular e fiscalizar o setor;
– Promover licitações e assinar contratos em nome da União com os
concessionários em atividades de exploração, desenvolvimento e
produção de petróleo e gás;
• É um centro de referência em dados e informações sobre a
indústria do petróleo e gás natural
– Mantém o Banco de Dados de Exploração e Produção (BDEP);
– Promove estudos sobre o potencial petrolífero e o desenvolvimento
do setor;
– Recebe e torna públicas as notificações de descobertas;
– Divulga as estatísticas oficiais sobre reservas e produção no Brasil.
TIC
Setembro/2014
Banco de Dados de Exploração e Produção
—
[3]
• O BDEP é um Banco de Dados Nacional - National Data
Repository (NDR)
– Mantido e patrocinado pelo governo para preservar e disseminar
informações e dados técnicos relativos à indústria de petróleo e
gás;
– Informações possibilitam acesso a empresas no setor de petróleo
brasileiro e conhecimento geológico da própria agência;
– Recebeu o acervo de dados da Petrobras até 1998 (anterior a
quebra de monopólio);
– Escopo: dados brutos e processados;
– Utiliza solução Petrobank (Landmark) para
gestão de dados de poço e sísmica.
TIC
Setembro/2014
Fonte: BDEP/ANP
Fluxo das informações
—
[3]
Recebimento
Período de
confidencialidade
2 a 10 anos
Padrões
ANP
Disponibilização
• Rodadas de Licitações
(pacote de dados)
• ANP (definição de blocos)
• Operadoras
(dados exclusivos)
• EADs
Empresas de
Aquisição de dados
(dados não-exclusivos)
Controle de Qualidade
Carregamento
Armazenamento
• Empresas Associadas
• Universidades
• Clientes Eventuais
• Levantamentos da ANP
(dados de fomento)
Fonte: BDEP/ANP
TIC
Setembro/2014
Acervo atual e recebimento de dados
—
TIC
Tipo de Dado
Padrão de recebimento
Dados Sísmicos
Padrão ANP1B
Boletim de Remessa (formato .doc)
Métodos Não-Sísmicos
Padrão ANP2B
Boletim de Remessa (formato .xls)
Anexo Padrão ANP2B
Anexo Padrão ANP2B (formato .xls)
Coordenadas e Polígonos
Padrão ANP4B
Dados de Poço
Padrão ANP05
Boletim de Remessa (formato .doc)
Rochas e Fluídos
Padrão ANP06
Perfil Composto
Padrão ANP07
Boletim de Remessa (formato .doc)
Testes de Formação
Padrão ANP08
Perfil de Acompanhamento Geológico
Padrão ANP09,Anexo III - DAC
Anexo IV - Catálogo de Abreviaturas
Boletim de Remessa (formato .doc)
Setembro/2014
[3]
Fonte: BDEP/ANP
Troca de informações entre Petrobras e ANP
—
• Existe uma gerência na área de E&P com finalidade
exclusiva de Relacionamento com a ANP;
• Todas as comunicações são cadastradas em um sistema
de informação
–
–
–
–
Ofícios e notificações enviadas e recebidas;
Controle de prazos;
Distribuição para as áreas responsáveis;
Alguns formulários (por ex. Notificação de Falha de Medição) são
enviados via WebService.
• Dados devem ser transformados para padrão da ANP;
• Qualidade dos dados e cumprimento de prazos são
fundamentais.
TIC
Setembro/2014
Desafios da Gestão de Dados e Informações
—
• Integração dos dados de forma abrangente,
minimizando silos departamentais ou influência das
estruturas organizacionais;
• Implantação da governança de dados nos diferentes
níveis da empresa
– Formalização dos gestores de informação e atuação efetiva dos
mesmos;
– Definição de comitês e conselhos de governança.
• Valoração a informação: cálculo do retorno sobre
investimento (ROI) dos projetos
– Quanto custa a falta da informação bem estruturada e quanto
custa para mantê-la?
TIC
Setembro/2014
Problemas decorrentes da falta de Gestão de Dados
—
• Falta de qualidade, retrabalho e demora para disponibilização de
dados;
• Riscos à segurança da informação;
• Prejuízos financeiros:
– Decisões incorretas tomadas com informações de baixa qualidade (por
ex. falta de conhecimento do sistema de referência de dados
geoespaciais);
– Aquisição de dados ou contratação de serviços sem necessidade ou de
maneira redundante;
– Multas devido ao não cumprimento de prazos legais ou fornecimento
de informações inconsistentes para agência reguladora.
TIC
Setembro/2014
Referências
—
• [1] “Implantação do modelo de arquitetura de Informações para a
área de Exploração e Produção”, Francisco Aquino (Congresso AE
Rio, 2011);
• [2] DAMA Data Management Body of Knowledge - DAMA DMBOK
(http://www.dama.org/i4a/pages/Index.cfm?pageid=3364);
• [3] Informações sobre a ANP e BDEP:
–
–
–
–
www.anp.gov.br;
www.bdep.gov.br;
Decreto nº 2.455, de 14 de janeiro de 1998;
Lei do Petróleo (Lei nº 9.478/1997).
TIC
Setembro/2014
—
Obrigado!
Rafael De Martino
[email protected]
PETROBRAS
Tecnologia da Informação e Telecomunicações (TIC-E&P)
Rio de Janeiro/RJ - Brasil
TIC
Setembro/2014
—
TIC
Setembro/2014
A Importância da Consistência, Confiabilidade
e Integridade dos Dados
[Mário Kiteculo]
Localização dos Blocos
• O Bloco 16 situa-se a 250 Km, NW de Luanda
• Cobrindo uma superfície de 4936 Km²
• Profundidade de água variando de 250m a
1500m
• Geologia - Bacia do Baixo Congo
• Foi previamente explorado pelo grupo
empreiteiro liderado pela Shell (operadora) , no
período de 1993 a 1999 e abandonado em 1999.
• A Maersk Oil adquiriu 100% dos interesses da
CNR em 2005
•Desenvolvimento - Chissonga (Bloco 16) descoberto em
2009
•
123
Blocos 8 e 23 garantidos em 2006
Contexto
•
Dados de “subsurface” com destaque
para dados digitais de poços.
•
124
No entanto, os conceitos também
se aplicam para:
•
Sísmica
•
Itens físicos
Qualidade de Dados
•
Integridade
Integridade
•
Os dados estão completos?
•
Será que os dados apresentam-se
em conformidade com as normas?
•
Os dados sao válidos e actualizados?
Consistência
•
Consistência
•
•
Confidencialidade
125
Os atributos do mesmo item de
dados variam entre as diferentes
fontes?
Confidencialidade
•
Quem pode ter acesso aos dados
internamente?
•
Os dados podem ser compartilhados
externamente?
Exemplos
Integridade
Composite Log
• Integralidade
• Será que sabemos que estamos em
poce de todos os dados que deviamos
ter?
As diagrafias começam desde os 2200m,
Elas nao existem apartir da superficie
• Foram todos os dados transcritos de
mídia física para o formato digital?
Cabeça do Poço
• Estão os registos do banco de dados
completos?
Source
A
B
C
Well
name
A-1
A1
A_1
Elevation Elevation
Total
Spud Date
Type
(m)
Depth (m)
RT
23
4000
01/09/2001
rt
24
13123.36
09/01/01
23
4000
01-Sep-2001
Dados em falta
126
X
coordinate
500000
600000
500000
Y
Status
coordinate
1000000
P&A
1200000
Plugged
1000000
UNKNOWN
Exemplos
Integridade
Formatos de Dados –
US / Europa
• Padronização dos dados
• Será que os dados estão em
conformidade com os padrões de
nomenclatura?
Cabeça do Poço
Source
A
B
C
Well
name
A-1
A1
A_1
Elevation Elevation
Total
Spud Date
Type
(m)
Depth (m)
RT
23
4000
01/09/2001
rt
24
13123.36
09/01/01
23
4000
01-Sep-2001
Nomenclatura
de poços
127
X
coordinate
500000
600000
500000
Y
Status
coordinate
1000000
P&A
1200000
Plugged
1000000
UNKNOWN
Referência
listas necessárias
• As listas de referência foram
aplicadas?
Exemplos
Integridade
• Exactidão e validade dos dados
• Os dados foram validados?
• Os dados estão conservados em
Cabeça do Poço
Source
A
B
C
Well
name
A-1
A1
A_1
termo armazenamento?
Elevation Elevation
Total
Spud Date
Type
(m)
Depth (m)
RT
23
4000
01/09/2001
rt
24
13123.36
09/01/01
23
4000
01-Sep-2001
X
coordinate
500000
600000
500000
Y
Status
coordinate
1000000
P&A
1200000
Plugged
1000000
UNKNOWN
Pés e não
metros
Provavelmente
não RT devido
a 1m de
diferença
128
• Estarão correctas as Unidades de
medida e conversões?
• Os dados são internamente válidos
por ex. Profundidade de diagrafias
“Logs” <TD
Sistema de referência
de Diferentes Coordenadas
usadas
Exemplos
Consistência
• Os dados são consistentes entre
diferentes fontes?
Well header
Source
A
B
C
Well
name
A-1
A1
A_1
Elevation Elevation
Total
Spud Date
Type
(m)
Depth (m)
RT
23
4000
01/09/2001
rt
24
13123.36
09/01/01
23
4000
01-Sep-2001
X
coordinate
500000
600000
500000
Y
Status
coordinate
1000000
P&A
1200000
Plugged
1000000
UNKNOWN
Elevações
consistentes
Nomes de Poços
Inconsistentes
129
“Status” do Poço
Inconsistente
page 130
Estudo de Caso – Mar do Norte
Projecto de melhoria da qualidade de dados digitais “Well Log master“
Objectivo
Elaborar um único e completo “Data Set”, verificado e controlo de qualidade de dados de
diagrafia da Maersk Oil e fornecedores
Actividades
130
•
Editar, fundir, unir Maersk Oil “sourced logs”
•
Verificação completa de controle de qualidade de dados dos fornecedores em relação
aos dados brutos e impreções originais de dados de campo
•
Atribuir um "índice de qualidade" para dados de fornecedores com uma breve descrição
dos problemas identificados.
Priority
Commercial
Datasets
Integridade
1
• “Completeness”
2
• Agrupar e suplementar dados de
diagrafia de poços das seguintes
fontes:
• Maersk Oil
3
• Dados disponíveis do Operador
• Dados de Fornecedores
4
131
• Priorisar curvas de diagrafias
de poços
Integridade
Padrões de Curvas
Nomes das Curvas
Discrição
Unidades
GR
Gamma Ray
GAPI/API
NEU
Neutron Porosity
%
DTC
Sonic
US/ft
DTS
Shear Sonic
US/ft
DENS
Bulk Density
G/C3
DENSC
Density Corrected
G/C3
CALI
Caliper
IN
RES*
Resistivity
OHMM
* RMIC
DOI<9”
RSHAL
DOI 9-24”
RMED
DOI 24-60”
RDEP
DOI 61”>
132
• Padrões de Dados
• Conjunto Básico de curvas acordadas
de um “open-hole”
• Melhor qualidade de curvas
seleccionadas a partir do “wireline”
e/ou diagrafias de MWD/LWD
• Sem edição geofísica / de-spiking ou
correcções ambientais
Integridade
• Exactidão e validade de dados
Problemas Esperados
• A qualidade de pontuação calculada
para a base de dados comercial isto é,
eles podem ser utilizados com
confiança?
• Control Incorrecto de Poco
• Baseline Shifting
• Problemas encontrados com dados
adquiridos
• Resampling
• Incomplete Joined sets
• Nomenclature de Curvas
133
• Os Geocientistas aprovaram os dados
Consistência
Purchased GR curve
• Curvas de Fornecedores em comparação
com as derivadas da Maersk Oil.
134
LICENÇA
PARCEIROS
Confidencialidade
•
POÇO
CONFIDENCIAL
NDR
DADOS DO
FORNECEDOR
135
ACESSO
INTERNO
Quem pode acessar os dados
internamente?
•
Armazenamento de dados
•
Poços Confidenciais
LICENÇA
PARCEIROS
Confidencialidade
•
NDR
DADOS DO
FORNECEDOR
136
POÇO
CONFIDENCIAL
ACESSO
INTERNACIONAL
Os dados podem ser compartilhados
externamente?
www.ukoilandgasdata.com
•
PON9 regulamentação governamental
•
Compartilhamento de dados Parceiro
•
Dados do Fornecedor
Maersk Oil - Visão Global de
Gerenciamento de Dados
Estabelecer uma Estrutura de
Gestão de dados
•
137
Fazê-la funcionar para além das
fronteiras do país
Estrutura de Gestão de dados
DM
Framework
Corporate
Subsurface
Tecnologia
Data Repository
Data
Data
Data
Dados
completeness correctness consistency
Data standards
Data
& processes Pessoas
governance
& Processo
138
Data
ownership
Estrutura de Gestão de dados
DM
Framework
Corporate
Subsurface
Tecnologia
Data Repository
Administrar dados como um activo
Data
Data
Data
Dados
completeness correctness consistency
Os padrões de
dados
e processos
139
Dovernança
de dados
Propriedade
Dos dados
Estrutura de Gestão de dados
DM
Framework
Corporate
Subsurface
Technology
Data Repository
Data
Data
Data
completeness correctness consistency
Data standards
& processes
140
Data
governance
Data
ownership
•
Administrar dados como um activo
•
Providenciar dados de qualidade e de
origem conhecida
Estrutura de Gestão de dados
DM
Framework
Corporate Subsurface
Data Repository
•
Administrar dados como um activo
•
Providenciar dados de qualidade e
de origem conhecida
Data
completeness
Data
correctness
Consistencia
de Dados
•
Armazenar os dados da corporação no
mesmo espaço e sincroniza-os aos
Armazens do projecto
Padrões de
dados
e processos
141
Governança de
Dados
Data
ownership
Perguntas, Conselho, Sugestões…
142
NDC
National Data Center
Francisco Franco
SIS
September 18th 2014
Agenda
•
Concept
•
NDC Vision and Value
•
SIS Approach
•
Conclusion
2
National Data Centre






An active, dynamic center where data lives; a hub that gathers,
organizes, quality controls, and stores data
It protects & quality assures the nations sub surface assets
Promotes investment in the petroleum industry through
expanded set of services and assures transparency
Not only a repository, but a means of facilitating and managing
interactions between oil producers and a country’s government
Implies a dynamic facility where data is actually used for its
value, rather than just archived
Facilitates training, education, funding
3
Challenges
NDC Supports the Vision and Needs of the Country
Business & Legal
Delivering transparency,
compliance, human
development, growth and
sustainability
Data & Data flows
Data Quality, Workflow
automation, Standards
compliance
Technology
Expandable, evolving,
sustaining
Expected
Benefits
• Improved monitoring, data collection and submission from vendors/operators
• Enhanced data value by making data easily available & ready for interpretation
• Reduced time-to-interpretation by getting access to data in-context
4
National Data Centers continue to grow worldwide
4D seismic project generates an
additional 1 TByte per day
WesternGeco sub salt pre stack depth
migration survey named “eDog” totals
20,250 sq. km
Driven Reasons:
•
•
•
•
Data volumes continue to grow increasing challenges in management & consumption
Moving beyond traditional data archival, the development of the NDC brings a useful life to static data
Reduce time-to-interpretation by getting applications closer to acquisition
Enhance data value by making data readily available for interpretation
5
The Value of an NDC
Those countries and agencies implementing an NDC have reported:

Influx of external investment

Accelerated time to first oil, optimizing tax, royalty revenue

Protecting current investments, data and extracting value

Developing human assets - effectively transferring knowledge
Streamline operations between regulatory agency and operating
companies


Reducing cost of managing data and industry activities
Passive capability of the NDR now increasingly replaced by
active NDC
6
SIS Approach
NDC - Considerations for Implementation
7
SIS Technology Solution

Scalable & flexible solution

Enhanced Data Delivery
–
–


Technology
Configurable self-service
workflows
Intuitive browser interface
Data Security
Leading edge, certified &
proven, flexible models
Full infrastructure service
Enabled Online NDC Workflows
Expertise
8
NDC Workflow and Process Definition

Data & Workflow definition

Policies and Standards

Regulatory Framework

Data Governance
–

Process
Data Quality and consistency
Workflows derived from
business processes
Compliance monitoring
Expertise
9
Build Capability and NDC Evolution

Phased Implementation
–
–
–
–
–

Capability
Knowledge Transfer
Phased implementation
and NDC evolution
Build local capability
–
–

Reduce deployment risk
Spreads investment costs
Rapid initial implementation
Focus on quick wins
Reduces your resource
requirements
Knowledge transfer & training
Industry engagement
Measure benefits and tune
solution
Expertise
10
Phased approach is the first key factor for success
Phasing Approach
Missions and
Priorities
1
Software
2
3
Central Database & Data Management tools
Physical Assets & documents management
Managed
Operations
G&G Interpretations and reservoir Modeling management
Economics & Reserves management
Technical
Audit
Data types
Hardware
Storage Solution
Back-up
Network
Security
Servers
11
Infrastructure
Deployment
System
Support
Conclusions




E&P history and current status of the country will motivate
the Missions and priorities that the NDC will have to support
at first
Phased approach is one of the main key factor of success
given the broad scope ultimately covered by a NDC
Main challenges are not technological, but relates mainly to:
• Political and Legal issues (clear status of the Regulatory
Body)
• Financing issues (both to implement and operate)
• Government and Industry buy in
Standards, Reference and Primary data definitions are the 3
Pillars of a well designed NDC
12
Few NDC Implementations
Geoscience Australia

E&P, environmental and scientific data

Large multi petabyte digital collection

Low utilization of the data

Hosted Service (SLB Perth)

–
GA Manage the data
–
Dispersed data storage
Initial emphasis on online NDC
–

Business models and Data Standards
Later focus
–
Internal business system
–
Integration with States systems inc. WAPIMS
Africa NDCs - Kenya

Build Capacity and capability
– National Data Center
– Seismic Processing Capability
– Visualization and Collaboration

NDC operational self funding
– Phased implementation
– License obligation for operators
– Subscriptions and activity charges
Alnaft Algeria

Replacement of legacy systems

Data transcription and re-mastering

Broad range of data types managed


Initial emphasis on government users and
internal business processes
License round promotion

Documentos relacionados