随着计算机应用的日趋普及随着市场竞争的加剧企业越来越多地依靠计算机来处理日常事务，于是数据量随着时间的增长而成倍地增加。这样大部分企业将面临由于数据库变得日益庞大而由此带来的对数据管理的困难。

商务智能(BI)

自20世纪90年代以来，国内外掀起了一股商务智能的热潮，商务智能作为一种决策支持的手段已越来越多地被企业所接受。它不但能够将先进的信息技术应用到企业的生产、经营和管理中去而且能够帮助企业提高决策能力和运营能力从而通过对信息的开发，将其转变为企业的竞争优势。

确切地说商务智能(BusinessI ntelligence，BI)是综合了数据仓库(Data Warehouse，DW)、数据挖掘(Data Mining，DM)和联机分析处理(Online Analysis Processing，OLAP)等技术，将企业运作中涉及到的数据有效地转化为信息、知识和智慧通过适当的方式展现给决策者以帮助企业提高决策能力和运营能力，增强核心竞争力，创造更多盈利的一种平台和综合解决方案。
 

商务智能系统体系结构图

其中数据仓库是建设商务智能系统的基础，数据仓库的提出是关系数据库、并行处理和分布式技术飞速发展的产物，它是一个面向主题的、集成的、非易失的且随时间变化的数据集合，用来支持管理人员的决策。

目前基于数据仓库的商务智能系统主要采用数据仓库模式和数据集市模式两种方式来建设。

为了充分利用企业内外流动的大量商业数据，企业的商务智能系统必须采用数据挖掘技术实现商务知识的发现。数据挖掘是从大量数据中挖掘出隐含的、未知的、用户可能感兴趣的和对决策有价值的知识和规则。传统的商务智能数据挖掘是采用一种集中式思想，即要求将这些分布存储的数据收集到一个集中的地方，然后才进行知识发现、管理和决策。这样的商务智能要求企业有高速的数据通信网络。商务智能往往需要用户交互以获取参数信息.这无疑增加了集中式商务智能系统的负荷。同时这种方式也破坏了数据的私有性和安全性。因此，数据的分布式存储、数据的私有性和安全性、用户频繁的信息交互和商务智能的及时性要求等迫切需要深入研究分布式环境下的分布式数据挖掘技术。

分布式数据挖掘主要涉及到分布式数据挖掘系统模型和分布式数据挖掘算法。一个分布式数据挖掘系统是一个复杂的实体整个系统必须提供有效的访问分布式数据和计算资源、监控整个挖掘过程和以一定格式将挖掘结果呈现给用户的功能。而且，一个成功的分布式数据挖掘系统应该具有灵活的结构，提供一个简单的更新其组件的方式以适应变化的环境。由此可见，面向商务智能的分布式数据挖掘系统模型应该具有以下特点：一是采用模块化设计保证系统中不同模块可以根据需要进行灵活地增减和配置以及分布式数据挖掘系统的持续可用。二是实现分布式移动数据挖掘满足商务智能系统中多层次用户的多种数据挖掘需要保证商业数据安全。三是采用商务本体知识模型和通用数据描述格式实现各个站点上的分布式数据挖掘以及数据挖掘系统与其他系统的信息交互。四是集成多种安全保障技术满足业务系统安全以及分布式数据挖掘系统自身安全需要。

联机分析处理(OLAP)是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维度特性的信息进行快速、一致、交互地存取从而获得对数据的更深入了解的技术。OLAP侧重于与用户的交互、快速的响应速度及提供数据的多维视图，而数据挖掘则注重自动发现隐藏在数据中的模式和有用信息。OLAP的分析结果可以给数据挖掘提供分析信息作为挖掘的依据数据挖掘可以拓展OLAP分析的深度并可以发现更为复杂、细致的信息。