随着科技的发展和网络化时代的到来，凭借数据库技术和数据库管理系统，人们收集、存储数据的能力得到显著提高。如何有效地分析这些数据，预测未来，并辅助决策成为摆在人们面前的一大课题。在面对海量、复杂的数据和实时分析的要求时，传统的预测决策方法在诸多方面存在不足之处。而基于数据挖掘的预测决策方法则能有效地弥补上述不足，展现出其强大的生命力。本论文便是这一课题的有益探讨。本文所做的主要工作有：(1)回顾了数据挖掘的发展历程、功能、应用和流程，对数据挖掘未来的发展进行了展望。同时，总结了数据挖掘和统计学这两门学科的异同。(2)关联规则挖掘技术的分析与研究。在对经典的关联规则挖掘理论进行系统表述的基础上，介绍了经典的关联规则算法Apriori及各种改进算法，并给出如何利用R软件去应用这些算法。(3)研究了序列模式挖掘。同样地，对经典的序列模式挖掘理论进行了系统表述，并比较了关联规则挖掘和序列模式挖掘之间的异同。同关联规则挖掘一样，序列模式挖掘也需借助相应的算法，本论文给出了三种序列模式挖掘算法。(4)时间序列挖掘研究。主要探讨了时间序列挖掘中的趋势分析、基于ARMA模型序列匹配方法的相似序列挖掘和周期分析。(5)利用模拟数据，借助R和Clementine软件，研究了关联规则挖掘如何应用于购物篮分析，以辅助营销决策。