互联网时代的到来使得企业被海量信息包围,对信息进行有效组织的能力对现代企业经营越来越重要。如何从这些杂乱无章的信息中提取出对企业保持竞争力和可持续发展能力的关键信息,是每一个现代企业当前需要应对的挑战。企业竞争情报系统是企业运用外部和内部信息、在风云变幻的市场竞争中取得主动权的有力工具,是企业适应互联网时代要求而产生的动态竞争战略。如何不断去深入挖掘企业运营中所形成的众多财务数据,继而发现其中对于财务风险具备预警效用的情报,成了当前亟待应对的难题。恰好,持续发展完善的数据挖掘技术使得这一难题的处理有了方向。数据挖掘的作用就体现在对于海量历史数据加以分析处理,之后发现其中所隐藏的规律与知识。所以,利用这一技术,对于化工行业上市企业信息预警进行研究,建立高效的财务风险信息预警模型,有着极为巨大的价值与作用。本文首先介绍了信息预警以及数据挖掘方面的基础理论与研究成果,同时介绍了本研究所采用的五类数据挖掘算法。之后,结合国内化工行业上市企业自身实际特点,建立了信息预警的相应指标体系。最后以2016年的184家样本公司2011年至2014年四年间的数据为基础,利用weka数据挖掘工具,实现了数据挖掘技术在财务风险信息预警中的应用,对各种数据挖掘算法的效果、非财务指标对信息预警的影响以及样本的时效性对预测效果的影响都进行了探究。从研究结果来看:第一,在五种数据挖掘算法中,决策树、支持向量机和随机森林这三种模型的预测效果最好,选择其来进行后续实验。第二,考虑非财务指标的影响后,引入非财务指标后建立的模型的预测能力基本要比仅使用财务指标而建立的模型略好。第三,样本的时效性对于信息预警非常重要,离ST时间越是接近,上述三类模型的预测准确率就越高。从短期预警视角分析,以上三类模型皆具备较佳的预测效果,可是从长期预警视角分析,支持向量机的预测效果要明显优于其他模型。