导读：SaaS应用的数据量面临着TB级的增长速度;不同的SaaS应用体系，提供的数据结构也不完全相同，数据有文本、图形甚至小型数据库;SaaS应用数据随着云服务平台的分布性特点，有可能分布在不同的服务器上，如何对这些异构异源的数据进行数据挖掘，是云时代的企业面...
SaaS应用的数据量面临着TB级的增长速度;不同的SaaS应用体系，提供的数据结构也不完全相同，数据有文本、图形甚至小型数据库;SaaS应用数据随着云服务平台的分布性特点，有可能分布在不同的服务器上，如何对这些异构异源的数据进行数据挖掘，是云时代的企业面临的难题。
云时代企业数据挖掘面临的挑战
挖掘效率：进入云计算时代后，BI的思路发生了转换。以前是基于封闭的企业数据进行挖掘，而面对引入互联网应用后海量的异构数据(据预计到2020年，爆发式增长的数据量将突破35ZB(1ZB=10亿TB))时，目前并行挖掘算法的效率很低。
多源数据：引入云计算后，企业数据的位置有可能在提供公有云服务的平台上，也可能在企业自建的私有云上，如何面对不同的数据源进行挖掘也是一个挑战。
异构数据：Web数据的最大特点就是半结构化，如文档、报表、网页、声音、图像、视频等，而云计算带来了大量的基于互联网模式提供的SaaS应用，如何梳理有效数据是一个挑战。
SaaS应用的数据挖掘希望能够通过海量数据存储平台，引入快速并行的挖掘算法，提高数据挖掘的质量。
