连锁零售业作为一类重要的行业,为人们提供种类繁多的商品。传统的零售业信息系统主要是一个大型的管理信息系统(MIS),提供前台POS系统和后台管理系统。但是,随着竞争的加剧,连锁零售业面临着巨大的机遇和挑战。采用新的方法对连锁零售业数据进行处理、分析和管理成为必要。90年代以来,随着计算机软硬件技术的发展,运筹学、人工智能、机器学习等领域研究的不断深入,数据挖掘和数据仓库的应用有了巨大的发展。特别是数据挖掘工具的产生和逐渐标准化,基于数据仓库,采用数据挖掘算法的决策支持系统已经被越来越多的企业和政府应用。本文尝试从客户关系管理(CRM)的角度出发,建立基于数据仓库的连锁零售业决策支持系统。主要完成了以下工作。(1)研究了连锁零售业CRM的现状和理论框架,提出了决策支持系统的基本架构,并分析了决策支持系统(DSS)架构中两种基本技术(数据仓库和数据挖掘技术)的原理和方法。(2)提出了基于数据仓库的连锁零售业决策支持系统的系统框架;分析了三大功能子系统:POS系统、MIS系统和DSS系统;分析和设计了连锁零售业客户信息数据仓库。(3)研究了关联规则算法的两种实现方法:广度优先的Apriori和深度优先的FP-Growth。并使用数据库软件SQL Server 2005的Analysis Services工具,采用Apriori算法实现对客户购买行为的预测。(4)研究了聚类分析的基本原理,并采用k-means聚类算法对连锁零售业的客户进行细分的实验分析。