1、隨著企業(yè)信息化過程的不斷推進，很多企業(yè)已經積累了大量的業(yè)務數據，但是這些業(yè)務數據的商業(yè)價值并沒有得到充分地挖掘和利用，傳統(tǒng)的財務分析方法只是簡單地利用統(tǒng)計學的方法對于少量的財務數據進行分析，如果想要分析行業(yè)里數以千萬的信息是比較困難的，并且利用傳統(tǒng)的分析方法也不能夠深入地了解海量財務數據潛在的、深層次的信息。然而在信息化工具組合中，數據挖掘工具作為最為銳利、高效和復雜的工具之一，它的優(yōu)勢就是能夠快速從海量數據中抓取有效的信息從而得到這些

2、數據背后獨特的業(yè)務規(guī)律，就可以科學地制定決策，更能預測未來業(yè)務的發(fā)展趨勢。應該利用數據挖掘技術在這方面的優(yōu)勢，如何讓財務分析方法和數據挖掘技術有效地結合應用是本文研究的焦點。 本文描述了數據挖掘的理論和方法在財務分析中的實際應用。在實際應用中，以商業(yè)智能應用為背景，采用財務分析方法與數據挖掘技術相結合的研究手段。針對網絡上公布的鋼鐵行業(yè)企業(yè)的財務報表數據，建立一套運用聚類、關聯規(guī)則、決策樹方法進行聯合分析的財務分析模型。通過此模

3、型的運用，我們發(fā)現可以提高財務分析的效率，因此本文的研究工作具有較高的實用價值。 論文的主要工作表現在以下三點： 1．由于Apriori算法需要頻繁地訪問數據庫，而當候選集項目數目過多時就會造成計算機I/O阻塞、內存效率低下。為了改善這個問題，本文采用數據預處理機制來提高關聯分析的效率：將不規(guī)則數據轉換成布爾矩陣，從而使關聯分析的工作從對事物數據的挖掘轉換成對其布爾矩陣的分析； 2．當僅僅使用關聯規(guī)則一個算法的時