随着全球经济的一体化和互联网时代的到来，电子商务和动态联盟的结合成为一种重要的企业组织形态。电子商务环境的特点和动态联盟本身的特点，使企业正面临一个未来越来越难以捉摸与预测、不确定性越来越大的环境。在这种环境下，企业的生存和发展需要克服各种风险，有效实施风险管理。 在国外，风险管理自20世纪70年代以来得到迅速发展，目前已经成为经济学界和企业界倍受关注的热门学科。风险管理的一般过程为风险识别、风险估计、风险评价、风险控制等，其中风险识别和估计是进行有效风险管理的前提和基础。传统的风险识别和估计方法主要依靠人的经验和判断，显然不能适应电子商务下动态联盟企业复杂、多变、不确定的特性。 计算机网络和硬件技术的迅速发展，以及企业数据库、数据仓库的建立使企业经营者积累了大量的关于企业经营的数据。数据挖掘技术的出现帮助企业从这些数据中获取经营者感兴趣的、有价值的信息和模式，为企业的经营和决策提供帮助。 本文在阐述风险管理理论的基础上，通过对电子商务和动态联盟企业的特点分析，提出了基于数据挖掘的企业风险识别、估计和控制机制。通过使用不同的数据挖掘方法分别解决了企业风险管理过程中的识别、估计和控制问题。 本文基于数据挖掘，解决了企业风险管理过程中的四个主要问题。首先使用神经元网络方法实现对企业风险的预测，判断某一风险是否将会发生。在此基础上使用贝叶斯网络方法和多元回归方法对风险的发生概率和损失进行预测，从而获得对未来风险的量化估计，为后续的风险评价和控制过程提供必要的数据。最后本文提出了基于案例推理方法的企业风险管理决策方法，通过对历史案例和经验的学习和修正，获得当前环境下企业应采取的风险控制措施，以进行有效地风险控制。本文对上述方法的实现过程进行了详细的介绍并通过仿真分析说了上述方法的有效性。