当前的融合通信系统是以满足用户的多媒体通信及协同的业务需求为主要目标,注重于消息、音视频、数据传输等基本交互功能的开发与应用,但是没能够将传统通信业务与前沿数据挖掘技术进行有效融合。在海量数据的背景下,传统的单机处理能力已经无法满足信息处理的要求。对于融合通信领域内的数据挖掘技术在大数据场景中面临数据量过大的问题,所以通信领域的数据挖掘与机器学习算法也需要进行大规模并行化。为了探索融合通信领域数据的更多价值,本文通过对融合通信系统数据建立了社交网络关系挖掘模型,提出融合标签的用户影响力评价模型并将其并行化来适应大规模数据的需要。该模型将用户网络拓扑结构、用户交互行为和用户基本信息数据融合到模型中,避免了传统用户影响力分析模型仅从单一角度进行挖掘的问题,充分利用融合通信领域数据价值提升了预测结果的准确性。同时利用Spark的并行化接口将模型并行化实现,并将模型结果在融合通信智能分析平台上进行可视化展示。依据融合通信大数据分析的具体应用场景,需要大数据分析平台予以支撑。利用开源的大数据工具,本文对融合通信相关的背景进行分析,设计了以Spark为核心的融合通信智能分析平台的整体架构方案,并对该架构中的各个模块予以实现。在平台上完成对于大规模通信数据的采集与整合、分析与挖掘、结果可视化的工作。同时,在平台上对融合通信系统用户的影响力分析模型进行研究。