随着数据库技术的普及与深入，数据挖掘技术的应用也取得了长足的进步。本文在论述数据挖掘的相关技术及其分类方法的基础上，详细讨论了数据挖掘技术与知识发现、联机分析处理、统计学之间的区别与联系，指出了数据挖掘从本质上讲也是一种知识挖掘，数据挖掘的过程就是在大量数据中发现知识的过程。对数据挖掘工具SPSS和Clementine的关键技术及其相关特点，也进行了深入的剖析。并以包钢薄板厂的CSP生产工艺流程为实例，采用数据挖掘技术，对生产过程中产生的大量数据进行分析、处理，从而得出有用的信息。文中具体做了如下几方面的工作： 1.按照CSP的生产工序，将收集到的包钢薄板厂的原始数据分为炼钢、连铸和连轧数据，分别存放在Excel表格中； 2.利用SPSS工具，经过数据整理、数据降维和数据采样三个过程，对数据进行预处理； 3.利用Clementine工具建立神经网络模型、决策树模型和回归模型，并对三种模型做出详细解释与比较，得出采用神经网络建立产品质量模型是最精确的； 4.提出基于神经网络产品质量控制模型的新产品新工艺设计方法，并应用于轧制过程中，得出使得产品总压下量为0.945时的生产方案； 5.提出用相关分析对产品质量模型进行校验分析的方法，并应用于研究各道次压下量，最终确定对各道次压下量影响较大的变量； 6.针对CSP产品质量控制领域，提出数据挖掘建模设计方案。