随着电信行业的发展，电信运营商之间的竞争也愈发激烈。为了在竞争中获取胜利，正确的商业策略成为电信运营商成功的关键环节。电信运营商拥有海量用户数据信息，利用数据挖掘技术，可在计费数据、业务订购数据、网管数据等海量用户数据中发现商业知识，为市场的精准营销打下基础。随着中国移动用户规模的扩大及对应用目标的多样需求，数据挖掘应用面临了新的挑战。
首先，用户规模越来越大，由大量用户产生了海量数据，包括业务数据、计费数据以及网管数据等。例如，一个中等规模的省公司拥有大约1000万用户，所以每年产生的CDR数据量大约在12~16TB。例如一个非常简单的业务目标的数据挖掘，经过数据预处理（Extract，Transform，Load，ETL）处理后，算法需要处理大约10GB的数据。而一个省公司的网管数据更是海量，可达到一天1TB量级。
其次，随着应用需求的愈加复杂及变化多样，数据挖掘应用向其IT支撑平台提出了更高计算要求及存储能力，且数据挖掘应用也逐步提出实时性要求，及时的商业策略才能快速占领市场。
以上问题向传统的数据挖掘系统提出了新的挑战，传统数据挖掘系统运行于Unix小型机的集中平台上，这受到很多限制。目前，以一个聚类应用为例，现有的商用数据挖掘系统仅能支持100万用户一个月内数据的知识发现，这距离我们实际的要求还相差甚远。并且，传统的IT支撑平台成本很高，成本过高会大大降低我们的竞争力。
中国移动研究院研发的基于云计算平台的并行数据挖掘工具（BC-PDM，Blue Carrier based Parallel Data Mining），集中于采用云计算技术，实现海量数据的存储、分析、处理、挖掘，向经分系统及网管系统提供高可靠性、高性能的数据挖掘分析支撑工具。
从系统架构来讲，基于云计算的并行数据挖掘工具平台包括三个层次，依下而上为分布式计算层，数据挖掘平台层以及业务应用层，具体来讲
（1）分布式计算平台层：包括三部分功能：
l 分布式文件系统：提供分布式数据文件存储功能，提供具备高可靠性、高稳定性的存储平台；
l 并行编程环境：提供基于Mapreduce的变成模型，及任务调度、任务执行、结果反馈等功能；及向平台提交作业功能；
l 分布式系统管理：实现对平台的分布式系统管理。
（2）数据挖掘平台层：包括五部分功能：
l 工作流模块：实现对各个数据挖掘步骤及模块总控、调度功能；
l 数据加载模块：将源数据从其他外设中倒入云计算平台的DFS系统；
l 并行ETL模块：对原始数据进行预处理以得到挖掘数据；并行数据挖掘工具向云计算平台提交待执行的ETL任务，由云计算平台执行并反馈结果，存放于DSF；
l 并行数据挖掘算法模块：实现满足业务需要的数据挖掘算法；并行数据挖掘工具平台向云计算平台提交待执行的聚类算法任务，由云计算平台执行并反馈结果，存放于DFS；
l 并行结果展示模块：将并行数据挖掘算法的结果展示给用户；
（3）业务应用层：实现电信类的业务应用，以供市场部门制定营销策略，具体业务应用如：客户分群，用户职业预测等。用户可以通过两种方式使用并行数据挖掘工具：
l 基于用户GUI界面：用户可以通过工具进行数据的加载、ETL操作、数据挖掘算法及结果展示，来实现所需的应用。
l 基于算法库API：用户可以编写应用系统，调用算法库中的API来实现应用功能。