数据仓库和数据挖掘技术是信息技术研究的热点问题之一。目前数据挖掘技术在商业、金融业以及企业的生产、市场营销等方面都得到了广泛的应用，而在教育领域的应用相对较少，随着高校招生规模的扩展，在校生人数越来越多，学生成绩分布越来越复杂，除了传统的学生成绩分析得到的一些结论外，还有一些不易察觉的信息隐含其中，因而把基于数据仓库的数据挖掘技术引入到学生成绩分析中，可以找到影响学生成绩的真实原因，有利于有针对性地提高教学质量。 本文在对数据仓库和数据挖掘知识透彻理解的基础上，首先，介绍了数据仓库和数据挖掘的基本理论；其次，阐述了数据挖掘中关联规则和聚类分析的基本算法；再次，建立基于学生成绩的数据仓库，包括对学生成绩数据仓库的结构设计，模型设计及数据的抽取、转化和加载；最后通过对数据挖掘中的关联规则和聚类算法进行深入研究，对算法进行改进，并把改进的算法应用于所建立的学生成绩数据仓库中。通过对学生成绩数据仓库进行深入的分析和合理的归纳，可以挖掘出大量的、有价值的数据信息，比如在同一门课程中，我们可以得出的什么样的知识点适合出什么样的题型，分析出知识点之间的影响程度；并且在不同的课程中，可得到相关课程之间不同知识点的影响程度以及分析出不同职称的教师在不同课程中的教学效果等等。这些分析必将对教学工作的开展与改进有着重要的指导意义。