信息技术在商业领域应用卓有成效。企业通过MIS(管理信息系统)快速收集和处理商业信息,通过ERP(企业资源计划系统)准确监控信息流。这些系统除了本身的应用外,还积累了大量的数据。信息系统应该具备把这些庞大的数据转化为知识,进而辅助企业经营决策,甚至自动生成商业决策的能力,这就是商业智能(BusinessIntelligence)。信息系统正在经历着“MIS→ERP→BI”的演变过程。从全球范围来看,商业智能(BI)已经成为最具有前景的信息化领域。数据挖掘作为商业智能系统的高层应用,是其必不可少的一部分。数据挖掘(DataMining,DM)能够从大量的数据中挖掘出人们感兴趣的知识,它是一类深层次的数据分析方法,被认为是解决“数据爆炸知识贫乏”的有效方法之一。关联规则挖掘由于能够较好的捕捉数据间的重要关系,并且发现的规则形式简洁易于理解,近年来,已经成为数据挖掘领域的一个热点。本文首先介绍了商业智能、数据挖掘技术的概念和目标,详细讨论了关联规则挖掘技术,包括关联规则的任务、分类以及关联规则挖掘算法。在关联规则经典Apriori算法的基础上,结合事务压缩、约束规则方法,在保证挖掘结果不变的情况下,提高了Apriori算法的效率。最后,本文将提出的改进算法应用于电信数据业务,以数据业务消费信息为对象进行挖掘,从而为营销部门提供更多的决策支持信息以促进数据业务的发展。同时,也通过挖掘结果对该方法进行了评估,对实验结果进行了详细的分析,在证明改进算法优点的同时,指出该算法存在的不足。