企业的经营数据对于企业的发展具有重要作用。而企业发展态势是衡量企业未来发展方向的重要指标。近几年来,数据分析在企业经营发展中扮演的角色越来越重要。企业经济收入的稳定增加,客观上也会不断推动企业经济的进一步发展。

数据分析作为一种重要的企业经营调控手段，因此，根据企业近年来的数据做了系统的统计与分析，并对其未来所有发展动向做了预测，有助于企业向着更加健康积极的方向发展。

如何快速、准确地获得有价值的网络信息，如何理解已有的历史数据并用于预测未来的行为，如何从这些海量数据中发现知识，导致了知识发现和数据挖掘领域的出现。知识发现(Knowledge Discovery，简称KD)和数据挖掘(Data Mining，简称DM)是集统计学、人工知识、模式识别、并行计算、机器学习、数据库等技术的一个交叉性的研究领域。

数据库中的知识发现(KnowledgeDiscovery in Database，即KDD)方法和数据挖掘技术，近几年受到人们的高度重视，并对其进行了深入的研究，得到了许多有效的方法和技术。

KDDM是近年来一个十分活跃的研究领域。从数据库中发现知识(Knowledge Discovery in database，简称KDD)一词首先出现在1989年举行的第十一届国际联合人工智能学术会议上。到目前为止，由美国人工智能协会主办的KDD国际研讨会已召开了8次，规模由原来的专题讨论会发展到国际学术大会，仅以1999年为例，就有近20个国际会议列有KDDM专题。

这两年国内也有相当多的数据挖掘和知识发现方面的研究成果，许多学术会议上都设有专题进行学术交流。现有的数据挖掘技术分为5类，即预测模型化、聚类、数据归纳、依赖模型化以及发现变化和偏差。从国内外目前的研究进展来看，各学科的研究自成一派，没有突破各个领域的技术界限；没有融合各领域的不同方法；尤其是未将并行优化的诸方法集成用于数据库中的数据挖掘，从而提高实时性，并解决随机的、动态的、不完全的及混沌数据的数据挖掘，即所谓智能数据挖掘。而且以往多数技术都是在驻留于内存的数据之上进行挖掘，没有把这些技术与数据库技术相集成。近年来，有些技术已开始定位于大型数据库上的挖掘，即基于磁盘存贮进行挖掘。从而出现了关系数据库的数据挖掘、面向对象数据库的数据挖掘等。

2. 研究的基本内容与方案

研究（设计）的基本内容：本论文题目来自企业项目。基于企业经营数据，建立有效的态势分析模型，利用数据挖掘方法对企业发展进行分类描述，分析影响企业发展态势的主要因素，并将模型应用于企业发展态势的预测。上述工作将对企业的投资决策具有一定的参考价值。

目标：

（1）利用数据挖掘方法对企业发展进行分类描述，分析影响企业发展态势的主要因素；

（2）基于企业经营数据，建立有效的态势分析模型；