Рост объема неструктурированных данных, генерируемых различными приложениями и сервисами, и принятие компаниями факта ценности таких данных привели к востребованности систем, способных анализировать большие объемы данных без участия человека. Удовлетворить данную потребность могут системы интеллектуального анализа данных, однако повышение эффективности таких систем является актуальной задачей. Несмотря на растущую популярность NoSQL решений, основными системами управления базами данных все еще являются реляционные СУБД. В статье особое внимание уделено тому, что современные РСУБД могут использоваться не только в качестве надежных хранилищ данных. В настоящее время первоочередной задачей развития РСУБД является интеграция в них интеллектуального анализа данных. Благодаря тому, что данные остаются в хранилище, система не тратит ресурсы на выгрузку анализируемого набора данных из базы данных и загрузку результатов анализа обратно. Данный подход повысит как скорость разработки, за счет использования сервисов, вшитых в СУБД, так и производительность всей системы. В статье рассматриваются основные задачи интеллектуального анализа данных и существующие алгоритмы их решения. Описываются основные методики внедрения интеллектуального анализа данных в СУБД. Особое внимание уделено подходу, в котором система анализа данных рассматривается как внутренний сервис СУБД. В работе представлены известные системы и библиотеки анализа данных, разработанные для РСУБД, а также варианты расширений языка запросов SQL.