随着业务的快速发展、用户的持续增加和移动互联网的兴起，中国移动正面临着数据的爆炸性增长。如何快速地处理海量数据，及时有效地从海量数据中提取有价值的信息，是中国移动的商务智能（BusinessIntelligence，BI）系统亟须解决的问题。

　　BI系统从企业生产系统中提取出有用数据并进行清洗，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，将数据合并到一个企业级的数据仓库里。在此基础上。利用合适的查询和分析工具、数据挖掘（DataMining，DM）工具、在线分析（OnLineAnalyticalProcessing，OLAP）工具等对其进行分析和处理，最后形成知识，支持企业决策。

　　数据的海量增长，处理运算的日益复杂，使传统BI系统面临越来越大的压力，难以满足需求，主要体现为以下两点：

　　1）计算性能低。

　　传统的BI系统，其BI能力的实现往往采用基于内存的串行机制。即将数据全部或批量导入内存中，再依次进行处理。其处理性能受限于单台机器的内存容量和计算能力，无法支持海量数据的分析处理。

　　2）可扩展性差。

　　可扩展性是指处理性能随系统规模增长的能力，是设计BI系统所追求的一个重要目标。目前的BI系统缺乏一个设计良好、可扩展性强的架构，系统的效率不是随着计算资源的增加而呈线性增长，当系统到达一定规模时会出现效率降低、执行时间难以预测等问题。