某眼镜连锁销售店在日常销售中应用连锁零售销售系统，积累了大量的销售数据，但该系统只支持极其简单的统计查询，无法进行商品关联性、销量和利润预测等分析。因此，本文对该企业原信息管理系统中多年积累的历史销售数据进行分析，挖掘出相关性高的商品组合进行套餐优惠推销，并在此基础上，预测一些商品和一些组合商品的销售利润和销量等，以制定促销计划提高企业利润。此外，在该眼镜企业新开发的信息管理系统基础上，集成了该数据分析系统，能够达到对新的销售数据进行实时分析。　　 论文主要工作如下：　　 (1)数据预处理。针对眼镜店原始数据表间关系不明确，没有主外键对应关系，表中某些销售记录项存在缺失和错误数据等，存在大量的销售价格、数量、金额等不完整，销售价格含有噪声，销售折扣不一致等情况。本文首先对这些原始销售数据进行数据选取，理清楚原始数据之间的关系，然后通过填写数据的值，纠正错误数据，消除冗余数据，并解决不一致等来“清洗”数据，最后将干净的数据进行规约集成，得到之后数据分析所需要的数据。　　 (2)关联规则挖掘。本部分主要目的是对销售商品之间的关联性进行关联规则挖掘。由于眼镜店的销售数据中每个销售单的商品种类比较少，每一个事务所含的项不多，很少有超过5个项的，并且顾客购买的商品组合有限，某些商品之间，根本不会组合在一起购买，如果采用传统Apriori算法挖掘，将产生大量无用的候选集，因此，本文应用了基于一次扫描的关联规则挖掘算法，每次扫描一个事务，并对该事务的所有可能的项集进行支持度计数，如果支持度计数超过预先设定的阈值，则将其插入到频繁项集数据库表中，提高了挖掘的速度。另一方面，针对大量的销售数据，采取分批次调入内存来进行商品的相关性挖掘处理，最后再合并挖掘结果。使企业得到商品组合销售情况，可以根据商品组合的频繁度高低，来进行合理销售安排。　　 (3)销售预测。在获得相关性较强的商品基础上，本文采用优化动态指数平滑模型，对商品和商品组合进行销售预测，根据用户输入的预测参数，如预测时间，预测要销售的商品或者拟组合销售的商品，来预测未来时间段要销售的商品和商品组合的销售量和利润，从而为企业的决策提供一定的支持。　　 (4)设计并实现了销售数据分析系统。该数据分析系统包含数据预处理模块、关联规则挖掘模块、销售分析模块和会话模块。其中，前三大模块实现了前面三部分内容，会话模块是用户与系统的交互平台，通过会话模块，用户可以输入挖掘或预测参数，并查询系统运行结果。该数据分析系统采用C＃实现，并用SQL Server存储销售数据。其运行结果表明，应用本文的关联规则挖掘算法和动态指数平滑模型，能够较快的挖掘出商品的关联规则，较准确的预测出商品的销售数量和利润。