Subsurface uncertainties due to turbidite complexity will impact the recoverable resource and reservoir productivity which leads to decision making and planning of a deepwater field. This paper provides an alternative de-risking technique through data analytics approach in developing and managing deepwater turbidite gas assets based on global deepwater turbidite gas fields benchmarking and lessons learned. To collect data on turbidite fields, data mining was done to extract relevant key information on high-level field information, geological and reservoir properties, production, wells, facility, subsurface and operational challenges, and mitigation plan to manage such challenges from published literature data. All extracted contents were transformed to proper target database relational format for the clean-up process. Having established a turbidite field database, exploratory data analysis was then employed to discover insight the datasets. Furthermore, an analytic dashboard was developed to visualize the findings and perform analysis specifically on field benchmarking. Subsurface challenges, specifically as related to reservoir uncertainties and associated risks, including operational challenges in developing and managing deepwater turbidite gas fields were identified through word cloud recognition. Key subsurface challenges were then categorized and statistically ranked, finally, a decomposition tree was used to comprehensively identify the issues, hypotheses, impacts, and mitigation plan for dealing with identified risks based on best practices from a global project point of view.

由于浊度复杂而引起的地下不确定性将影响可采资源和储层的生产率，从而导致深水油田的决策和规划。本文根据全球深水浊积气田的基准和经验教训，通过数据分析方法提供了一种替代性的降低风险的技术，用于开发和管理深水浊积气资产。为了收集浊积场的数据，进行了数据挖掘，以提取有关高场信息，地质和储层性质，产量，油井，设施，地下和运营挑战以及缓解计划的相关关键信息，并从已公开的文献数据中应对此类挑战。所有提取的内容都将转换为适当的目标数据库关系格式，以进行清理过程。建立了浑浊的田野数据库后，进行了探索性数据分析，以发现数据集的真知灼见。此外，开发了一个分析仪表板以可视化结果并专门针对现场基准进行分析。通过词云识别，发现了地下​​挑战，特别是与储层不确定性和相关风险有关的挑战，包括在开发和管理深水浊积气田中的运营挑战。然后对关键的地下挑战进行分类并进行统计排名，最后，使用分解树从全球项目的角度基于最佳实践全面识别问题，假设，影响和缓解计划，以处理已识别的风险。然后采用探索性数据分析来发现数据集。此外，开发了一个分析仪表板以可视化结果并专门针对现场基准进行分析。通过词云识别，发现了地下​​挑战，特别是与储层不确定性和相关风险有关的挑战，包括在开发和管理深水浊积气田中的运营挑战。然后对关键的地下挑战进行分类并进行统计排名，最后，使用分解树从全球项目的角度基于最佳实践全面识别问题，假设，影响和缓解计划，以处理已识别的风险。然后采用探索性数据分析来发现数据集。此外，开发了一个分析仪表板以可视化结果并专门针对现场基准进行分析。通过词云识别，发现了地下​​挑战，特别是与储层不确定性和相关风险有关的挑战，包括在开发和管理深水浊积气田中的运营挑战。然后对关键的地下挑战进行分类并进行统计排名，最后，使用分解树从全球项目的角度基于最佳实践全面识别问题，假设，影响和缓解计划，以处理已识别的风险。开发了一个分析仪表板以可视化结果并专门针对现场基准进行分析。通过词云识别，发现了地下​​挑战，特别是与储层不确定性和相关风险有关的挑战，包括在开发和管理深水浊积气田中的运营挑战。然后对关键的地下挑战进行分类并进行统计排名，最后，使用分解树从全球项目的角度基于最佳实践全面识别问题，假设，影响和缓解计划，以处理已识别的风险。开发了一个分析仪表板以可视化结果并专门针对现场基准进行分析。通过词云识别，发现了地下​​挑战，特别是与储层不确定性和相关风险有关的挑战，包括在开发和管理深水浊积气田中的运营挑战。然后对关键的地下挑战进行分类并进行统计排名，最后，使用分解树从全球项目的角度基于最佳实践全面识别问题，假设，影响和缓解计划，以处理已识别的风险。通过词云识别，可以确定包括开发和管理深水浊积气田在内的运营挑战。然后对关键的地下挑战进行分类并进行统计排名，最后，使用分解树从全球项目的角度基于最佳实践全面识别问题，假设，影响和缓解计划，以处理已识别的风险。通过词云识别，可以确定包括开发和管理深水浊积气田在内的运营挑战。然后对关键的地下挑战进行分类并进行统计排名，最后，使用分解树从全球项目的角度基于最佳实践全面识别问题，假设，影响和缓解计划，以处理已识别的风险。