Details

Целью выпускной квалификационной работы является исследование проблематики анализа неунифицированных производственных данных и разработка системы аналитических витрин, адаптированной под задачи нефтегазовой отрасли. В ходе выполнения работы выполнено исследование основных особенностей аналитики данных в нефтегазовой отрасли и имеющихся подходов к унификации данных. На основании результатов исследования и имеющегося технического задания на разработку системы сформированы архитектура модулей системы и структура базы данных, отвечающие требованиям к современному программному обеспечению. На этапе разработки с применением языка программирования Python и фреймворка Dash создано завершенное прикладное решение, прошедшее комплексное тестирование корректности. Результатом работы является система аналитических витрин, позволяющая автоматизировать рутинные процессы консолидации данных в нефтегазовой отрасли, сократить время на их подготовку и повысить скорость принятия управленческих решений в бизнес-контексте. Полученные результаты подтверждают целесообразность внедрения системы в производственную аналитику.

The goal of this thesis is to investigate the challenges of analyzing non-unified production data and to develop an analytical data mart system tailored to the needs of the oil and gas industry. In the course of the work, a study was conducted on the key characteristics of data analytics in the oil and gas industry and existing approaches to data unification. Based on the findings of the research and the existing technical requirements for system development, a modular system architecture and database structure were designed to meet the standards of modern software. During the development phase, using the Python programming language and the Dash framework, a complete application solution was created and subjected to comprehensive correctness testing. The outcome of the work is an analytical data mart system that enables the automation of routine data consolidation processes in oil and gas industry, reduces the time required for data preparation, and increases the speed of managerial decision-making in a business context. The obtained results confirm the expediency of implementing the system in production analytics.