随着我国制造业信息化的快速发展，企业要保持竞争优势成为新经济时代的赢家，就需要把握住“信息”这条命脉。烟草行业通过ERP、CRM、SCM等系统，积累了大量业务数据，为制造业实施商务智能提供坚实的数据基础。但随着信息化的深入推进，需要处理的业务数据量越来越大，达到海量级别，数据的处理也遇到了瓶颈，云计算的出现和发展恰好解决了这个问题。企业通过应用云计算以低廉的成本来处理日益增长的大规模数据，加快了企业发展进程，并为企业创造更多的利益。在这样背景下，本文在制造业商务智能技术及产品研发的基础上，立足烟草行业，以浙江烟草为例，通过将商务智能与云计算结合，将数据挖掘算法应用于云平台，对浙江中烟综合经济运行分析系统展开研究与设计。论文研究内容主要包括以下几个方面：（1）商务智能和Hadoop分布式平台。本文深入研究了Hadoop的两大核心技术HDFS和Mapreduce编程模型，同时也详细介绍了商务智能的相关理论及数据挖掘算法。（2）基于MapReduce的k-means算法研究。K-means算法是聚类分析的常用算法，本文中的综合经济运行平台也采用了此算法。该算法简便、运行速度快，易于实现，但在处理烟草企业集团大规模数据时，遇到了瓶颈。数据规模变大，运算次数也随之增多，耗时也增多，为了解决这个瓶颈，本文使用MapReduce编程模型，在Hadoop平台上实现k-means算法的MapReduce并行化。为进一步提高算法的效率，还对传统的算法从孤立点处理、k值确定、欧氏距离、初始中心点选取四个方面做了改进。（3）建立烟草数据仓库。采集浙江省11家地市公司数据，并使用ETL工具进行抽取与整合。（4）Hadoop平台建设与分析。搭建了Hadoop平台环境，以烟草数据仓库中的系统实际运行为数据为例，做实验验证改进的k-means算法的聚类结果和基于MapReduce的改进k-means算法的聚类结果的加速比和可扩展性。实验结果表明应用改进的k-means算法产生的聚类结果，具有更高的准确性和稳定性；基于MapReduce的改进k-means比传统的k-means并行化准确率更高，收敛更快，并且对大规模数据集都有较好的加速比和扩展性。（5）基于Hadoop的综合经济运行平台。将Hadoop与浙江中烟的业务需求相结合，搭建烟草“私有云”架构，建设了基于云计算的综合经济运行平台，处理浙江中烟大规模的海量业务数据，为企业领导提供更加准确的决策分析。