随着我国市场经济建设的完善,我国各行业迅速发展,各项经济指标每年以指数倍数增长,尤其是制造业已成为支撑我国GDP的主要产业之一,我国也成为制造业大国,在国际上也有“世界工厂”的称号。但是,由于能源、环境、人口等各项限制条件,中国的经济增长趋势放缓,究其原因,为了响应创新型国家建设的步伐,我国制造业逐步由“世界工厂”向高级技术创新类产业过度,转型的过程中企业生产经营活动都会面临困境,尤其是和日常运作相关的营运资金的管理和控制,有必要投入更多的精力关注因营运资金运作不当而带来的财务风险。因此为了制造业的稳步改革发展,需要准确的对制造业上市公司的营运资金风险进行预警研究。本研究在前人研究营运资金风险的基础上,首先,阐述营运资金风险预警和数据挖掘技术的相关理论基础,分析数据挖掘方法在预警分析中的优势和可行性；其次,选取两市A股被预警处理的制造业为研究对象,并在指标体系的选择准则的基础上,构建营运资金风险预警指标体系,并详细描述数据挖掘中BP神经网络、Logistic回归分析、C5.0决策树三种预测方法的基本原理和模型的构建；最后,结合SPSS Clementine运行程序,对选取的36家制造业样本公司进行营运资金风险预警实证对比分析,并对三种预测方法进行模型精确度评价,得到对比分析后的研究结论。通过研究对比分析得知,基于数据挖掘的上市公司营运资金风险预警模型具有很强预警能力；并且三种预测模型越靠近被预警处理的年限,预测精度越高,表明了上市公司营运资金风险是一个动态的变量,预警模型也有很强的时效性；通过纵向比较分析归纳出,本研究建立的预测模型中BP神经网络模型最好,Logistic回归模型最差,C5.0决策树模型居中；数据挖掘方法中,以知识发现为理论基础的模型预测精度较高,优于以统计分析为基础的预测模型。因此数据挖掘技术在营运资金风险预警分析中具有可行性,企业完全可以应用数据挖掘技术,进行营运资金风险管理决策,以提高资金使用效率。