Buenas prácticas para el control de datos de operacioens de pozo: Mitos y Verdades Evento Pragma Drilling 11 de Agosto del 2010 Buenos Aires

1. Buenas prácticas para la coordinación de datos de pozoMitos y Verdades Evento Pragma Drilling 11 de Agosto del 2010 Buenos Aires

2. La era del conocimiento En la era de la conocimiento, las empresas se diferencian por Los datos que manejan. La información y el conocimiento que se genera a partir de ellos. La habilidad y la agilidad en la toma de decisiones. La Gestión de Datos (Data Management) opera fundamentalmente sobre la Información Del dato como materia prima al dato como activo (recurso valioso). Como todo recurso valioso debe administrarse / gestionarse adecuadamente. Dar soporte a la estrategia y los procesos del negocio. Aumentar el valor de la compañía. La Calidad del Dato es una de las actividades del Data Management.

3. La calidad del dato … O la MALA de calidad de los datos, es tan frecuente que ya nos hemos acostumbrado (o resignado) a vivir con ella Reclamo por una deuda inexistente Facturación de una prestación aún no efectuada … Demanda por perforar o producir fuera de los límites del área concesionada. Multas de la secretaría de energía por datos mal informados. Falta de datos … el estado del pozo, las profundidades, coordenadas, etc. Existen datos duplicados, no reconocibles fácilmente (pozos, equipos, proveedores, etc.) Hay muchos datos no normalizados (nombres de pozo, código de operaciones, datos perfiles, unidades de medida, coordenadas, etc.)

4. ¿Por qué preocuparse? Desde el punto de vista de los clientes /proveedores /socios Puedo confiar en una empresa que ... ¿Me envía información que ya tengo? ¿Me pide información que ya le di? ¿Maneja datos erróneos? Desde el punto de vista del usuario o empresa Tomando decisiones. Armando y/o evaluando un proyecto de desarrollo o exploración. Armando informes gerenciales o para entes gubernamentales o para socios. ¿Son confiables? ¿Son exactos? ¿Son correctos? ¿Cuál es su nivel de calidad? ¿Cómo se que no estoy perdiendo dinero o esfuerzos por ello? “Las decisiones no pueden ser mejores que los datos en que se basan”

5. Los "NO" de la Calidad de datos NO se resuelve solamente con tecnología. NO es un problema de TI. NO es responsabilidad únicamente de los usuarios y de los generadores de reportes. NO solamente hay que mirar donde se generan. NO se requiere la perfección.

6. La calidad de datos no se arregla, se gestiona No es solamente corregir los datos mal cargados. Diferentes dimensiones [Completitud] – Pozos que no tienen la ubicación geográfica cargada. [Correctitud] – Datos de presiones o diámetros fuera de rango. [Consistencia] – Datos con distintas unidades de medida. [Seguridad] – Las compañías de servicio acceden a los costos de otras compañías. [Confiabilidad] – Los usuarios no utilizan los datos de las aplicaciones corporativas, sino que se manejan con planillas personales. Se requiere una visión sistémica: tecnología + procesos + gente En este trabajo se abordará la calidad de datos desde la práctica de control de la carga en régimen de los datos de operaciones de pozo.

7. La problemática D BD Consolidada D BD C D C C C POZO 1 D BD Regional INTERFACES BD C C Oficina Regional Reporting ERP Sistema Contable POZO 2 Decisión D D Control

8. #1 Sin criterios de carga no puedo controlar No puedo controlar lo que no se si tengo que cargar ni se como hacerlo. No es necesario cargar todo. El control es una tarea manual y automática. Flujos de información El origen del dato es … en el pozo. ¿Quién corrige el dato? ¿Quién es el responsable de la Calidad de los Datos? ¿Cómo se gestionan las correcciones? La gestión de los datos de operaciones de pozo … desde su carga, resguardo, validación, transformación y hasta su explotación, requiere de procesos y roles bien definidos.

9. #2 CompanyMan de “Escritorio" La gerencia los quiere en las tareas operativas. No obstante, la carga de la información es su responsabilidad. Soluciones de carga automática de datos. Involucrar a las compañías de servicio. Hay un cambio generacional. La tecnología ya no es una barrera. Capacitación y evaluación de los CompanyMan. Son personas, escuchan, quieren aprender y también tienen necesidades (escucharlos).

10. #3 ¿Servicio o ManPower? Si se contrata gente, la gestión de la calidad del dato pasa a segundo plano. Solo gente … NO! Se van, te los sacan, quieren crecer profesionalmente, alto nivel de rotación. Es un componente más Capital humano + Metodología + Herramientas. Metodología Planificación, diseño, ejecución y control de datos, oportunidades de mejoras Herramientas para automatización de controles de datos (consultas, esquemas de pozo, etc.) Factores de éxito Modelo de Servicios, Modelo de Gestión, Plan de Mejora Continua, Gestión de Recursos Humanos.

11. #4 Servicio 7 x 24 Depende de la criticidad Ojo con los turnos Restricciones en las leyes laborales Complejidad operativa Aumento en los costos Centro de Soluciones Compartidos "HUB" como modelo de servicio Guardias Pasivas Resolver el “día lunes”

12. #5 Pulling no se puede controlar La carga de datos de Pulling tiene una dinámica diferente a las Perforaciones, Terminaciones y WO La carga en la BD no suele ser on-line En muchas empresas los datos de Pullingno se cargan en el sistema de operaciones de pozo En yacimientos maduros, los datos de Pullingson fundamentales. Más cantidad. Menos diversidad.

13. #6 Carga histórica La carga histórica no puede reemplazar la carga en régimen. Los problemas de calidad de hoy son los dolores de cabeza de mañana. Ojo ... la carga histórica puede ser una canilla abierta. Tiene que ser manejado como un proyecto. Alcance, Objetivo, Comienzo, Fin y Costo conocido Perfil de “Data Entry” versus Perfil de "Tester" / "Controller"

14. #7 No se puede hablar de calidad sin hablar de costos La calidad de datos ... es una decisión económica. ¿Cuánto sale perforar un pozo? ¿Cuánto sale por día un equipo? ¿Cuánto sale el control de datos? 1 persona c/4 o 6 equipos (Perforación / Terminación / Pulling). Seniority de los controllers. Tipo de equipos. Suponiendo criterios de carga normales. No más del 1 % del costo diario del equipo. La calidad de datos ... más que un gasto es una inversión.

15. #8 Corregir y Mejorar “No se puede mejorar lo que no puedo controlar” “No se puede controlar lo que no se puede medir” Registro de los incidentes (con una herramienta). Análisis de causa-raíz Necesidades de capacitación. Error de la aplicación. Criterios de carga (cambiar / documentar). Poner un campo obligatorio, utilizar una lista de valores.

16. Resumen #1 Criterios de carga + Flujos de información. #2 Trabajar CON y PARA los CompanyMan. Involucrarlos y comprometerlos. #3 No alcanza solamente con la gente. Servicio+Gestión+Mejora Continua. #4 7 x 24 es el ideal, pero difícil. Comenzar con 5 x 8 (+ guardias pasivas). #5 Si no carga Pulling, hágalo. Luego, controle su carga. #6 Carga histórica <> Carga en Régimen. Objetivos y Controles diferentes. #7 El control de datos es una inversión. #8 El control debe evolucionar y mejorar.

17. Cierre Los negocios dependen cada vez más de la calidad de los datos con que cuentan. La calidad es una decisión de inversión y por ende debe ser analizada mirando los costos. La calidad es un concepto subjetivo al que nosotros debemos dar forma y significado. El control de carga en régimen es una “buena práctica” para mejorar la calidad de datos de operaciones de pozo. El enfoque de solución debe considerar: Gente + Metodología + Herramientas. La mala calidad de hoy se pagará mañana. “Un hombre con un reloj sabe qué hora es; un hombre con dos relojes nunca está seguro”, Mark Twain

19. GRACIAS!! Pablo MocciolaPragma Consultorespmocciola@pragmaconsultores.com www.pragmaconsultores.com