随着互联网和信息技术的快速发展，企业在运营过程中会产生大规模的数据，并且数据已成为重要的资产。但这些大规模数据呈现的是不完全的、有噪声的、模糊的、随机的状态，具有规模庞大、种类多样、蕴涵价值大、增长速度快的特点。面对这些大规模的数据，如何从中挖掘出有价值的信息，并为企业决策提供支持是当今业界关注的焦点。云计算是一种以虚拟化技术为基础，按需提供可扩展的存储能力和计算能力，这使得大数据有效处理成为了可能。为此，有必要对云环境下的数据挖掘系统的关键技术进行深入研究。　　本文系统地分析研究了Hadoop云计算技术、典型数据挖掘系统的理论知识、数据挖掘的过程。通过分析研究分布式文件系统和并行计算框架的工作原理和运行机制，将Hadoop云技术与数据挖掘技术进行融合，分别对数据挖掘算法中的聚类K-Means算法和关联Apriori算法在云环境下的并行化改造设计。以用电营销系统数据为背景设计了一种云环境下的数据挖掘系统，对系统的需求分析，概要设计和主要的功能模块进行了详细设计。搭建了Hadoop云环境，实现了云环境下的数据挖掘系统的主要模块，对并行化改造的算法进行了实现分析，表明该系统能够根据确定的数据挖掘业务目标，挖掘出有价值的结果模型且挖掘效率较高，为用电营销决策提供一定的支持。