隨著計算機應用的日趨普及隨著市場競爭的加劇企業越來越多地依靠計算機來處理日常事務，于是數據量隨著時間的增長而成倍地增加。這樣大部分企業將面臨由于數據庫變得日益龐大而由此帶來的對數據管理的困難。

商務智能(BI)

自20世紀90年代以來，國內外掀起了一股商務智能的熱潮，商務智能作為一種決策支持的手段已越來越多地被企業所接受。它不但能夠將先進的信息技術應用到企業的生產、經營和管理中去而且能夠幫助企業提高決策能力和運營能力從而通過對信息的開發，將其轉變為企業的競爭優勢。

確切地說商務智能(BusinessI ntelligence，BI)是綜合了數據倉庫(Data Warehouse，DW)、數據挖掘(Data Mining，DM)和聯機分析處理(Online Analysis Processing，OLAP)等技術，將企業運作中涉及到的數據有效地轉化為信息、知識和智慧通過適當的方式展現給決策者以幫助企業提高決策能力和運營能力，增強核心競爭力，創造更多盈利的一種平臺和綜合解決方案。
 

商務智能系統體系結構圖

其中數據倉庫是建設商務智能系統的基礎，數據倉庫的提出是關系數據庫、并行處理和分布式技術飛速發展的產物，它是一個面向主題的、集成的、非易失的且隨時間變化的數據集合，用來支持管理人員的決策。

目前基于數據倉庫的商務智能系統主要采用數據倉庫模式和數據集市模式兩種方式來建設。

為了充分利用企業內外流動的大量商業數據，企業的商務智能系統必須采用數據挖掘技術實現商務知識的發現。數據挖掘是從大量數據中挖掘出隱含的、未知的、用戶可能感興趣的和對決策有價值的知識和規則。傳統的商務智能數據挖掘是采用一種集中式思想，即要求將這些分布存儲的數據收集到一個集中的地方，然后才進行知識發現、管理和決策。這樣的商務智能要求企業有高速的數據通信網絡。商務智能往往需要用戶交互以獲取參數信息.這無疑增加了集中式商務智能系統的負荷。同時這種方式也破壞了數據的私有性和安全性。因此，數據的分布式存儲、數據的私有性和安全性、用戶頻繁的信息交互和商務智能的及時性要求等迫切需要深入研究分布式環境下的分布式數據挖掘技術。

分布式數據挖掘主要涉及到分布式數據挖掘系統模型和分布式數據挖掘算法。一個分布式數據挖掘系統是一個復雜的實體整個系統必須提供有效的訪問分布式數據和計算資源、監控整個挖掘過程和以一定格式將挖掘結果呈現給用戶的功能。而且，一個成功的分布式數據挖掘系統應該具有靈活的結構，提供一個簡單的更新其組件的方式以適應變化的環境。由此可見，面向商務智能的分布式數據挖掘系統模型應該具有以下特點：一是采用模塊化設計保證系統中不同模塊可以根據需要進行靈活地增減和配置以及分布式數據挖掘系統的持續可用。二是實現分布式移動數據挖掘滿足商務智能系統中多層次用戶的多種數據挖掘需要保證商業數據安全。三是采用商務本體知識模型和通用數據描述格式實現各個站點上的分布式數據挖掘以及數據挖掘系統與其他系統的信息交互。四是集成多種安全保障技術滿足業務系統安全以及分布式數據挖掘系統自身安全需要。

聯機分析處理(OLAP)是使分析人員、管理人員或執行人員能夠從多種角度對從原始數據中轉化出來的、能夠真正為用戶所理解的、并真實反映企業維度特性的信息進行快速、一致、交互地存取從而獲得對數據的更深入了解的技術。OLAP側重于與用戶的交互、快速的響應速度及提供數據的多維視圖，而數據挖掘則注重自動發現隱藏在數據中的模式和有用信息。OLAP的分析結果可以給數據挖掘提供分析信息作為挖掘的依據數據挖掘可以拓展OLAP分析的深度并可以發現更為復雜、細致的信息。