改革开放以来，我国零售业以外延规模的扩大为主要特征，大型商业零售业一直是我国主导性商业形态。近十几年来，人们利用信息技术生产和搜集数据的能力大幅度提高，大型数据库被广泛应用于各个行业，并且这一势头仍将持续发展下去。于是，一个新的挑战被提了出来：在这被称之为信息爆炸的时代，如何面对信息过量的问题。 衡量一个商场管理水平高低的主要指标之一就是商场信息化的程度。在目前商场信息化的建设过程中，随着各种专用POS机的开发和使用，前台交易和核算完全实现了自动化，大大提高了商场前台交易速度、核算的准确性、减轻了劳动强度、降低了人力资源投入，在一定程度上改善了商场的管理水平，并且记录下了大量的商品销售市场数据。由于计算机数据处理的大量性、快捷性使我们有条件记录和汇总出关于商品市场的更多数据，比如商品的季节需求变化、未来市场需求、现实的和潜在的客户数据。但目前一般商场MIS系统中只是完成了前台自动结算、汇总和后台报表汇总处理功能，仅能提供一些初级的管理决策信息，缺少运用有关管理模型对大量交易数据的深层次挖掘分析，使商场投巨资建设的MIS系统未能真正发挥管理决策作用。 同时，随着商品销售数据量的急剧增长，用户很难凭感觉根据数据的分布找出规律，并根据此规律进行分析决策。因此，必须借助于相应的数据挖掘工具，自动地发现数据中隐藏的规律，为用户的决策提供智能的、自动化的辅助手段。数据挖掘(DataMining，DM)是一个萃取和展现新知识的流程。通过分析具体数据，发现确定有效的、新颖的、有潜在价值的、以往不为人知的、最终可理解的信息，为企业良好经营和决策部门作出重要决策提供帮助。 本文阐述了如何运用统计学原理，在商场MIS中，进行商品的市场季节规律和未来销售市场分析的数据挖掘算法。模型的原理既可以为商场MIS开发者提供参考，也可以为MIS使用者做二次开发或手工计算借鉴。二次开发时可以选择任何一种数据库系统为工具(比如简单的桌面数据库系统VFP)，编写出简单的后台接口程序或从原系统取数编写出相对独立的子系统扩展MIS系统功能，使自己的销售系统具有季节分析与趋势预测的功能，为企业的管理决策服务。 首先，论文在介绍数据挖掘算法的定义、工作流程及其实现技术分析的基础上，讨论了数据挖掘算法在零售业领域中的应用形式和实施步骤。 其次，探讨了利用简单的统计分组方法结合数据库分类汇总技术进行商品销售市场的供应商评价问题、内部销售人员业绩评价问题、产品销售情况分析、产品大类销售分析等的数据挖掘方法。 然后，探讨了利用统计分析的季节分析模型、趋势分析模型进行商品销售市场的季节规律分析和未来需求预测分析的数据挖掘算法，并利用搜集到的实际交易数据，进行了模拟计算。在趋势预测中，分别研究了利用平均水平指标预测方法和平均速度指标预测方法，利用建立的模型，研究了进行商品销售情况的时段统计分析。并用某商场试运行期间的一个月数据，进行了实际案例分析，得到了比较理想的结果，为零售企业的决策者提供了一定的决策支持，也为企业进行简单的二次开发提供了思路和途径。 最后，研究了利用神经网络方法进行动态分析预测的原理，重点探讨了利用Elman网络进行动态分析的模型和在MATLAB软件包中的实现方法。并利用已有实际数据，对商品销售市场销售进行了分析预测。为了方便普通用户使用，本文给出了主要的MATLAB程序代码。