随着经济全球化及中国加入WTO,企业的竞争加剧,传统的决策方法已不能满足各企业、行业领导人的需要,怎样提高管理决策水平,怎样从历史数据及管理经验中发现更多地不为人知的知识,是企业发展研究中重要的部分.而数据挖掘正是从海量数据中发现隐藏其中的不为人知的知识.该文以某食品经销公司客户信息和销售数据为研究对象,研究应用数据挖掘原理与方法对客户信息与销售数据进行分析,为食品经销管理决策提供支持.针对于食品行业中客户细分和销售预测的两个问题,该文提出利用决策树分类技术解决前一问题,对于后一问题,该文阐述了一种基于BP神经网络的模型的时序数据的通用数据挖掘方法来解决.该文首先对这两个问题进行了分析,阐明了它们在企业决策中的意义和作用.接下来分别以决策树原理和BP神经网络的方法为基础,具体研究这两种数据挖掘技术的结构设计原理和实现机制.对客户细分,充分利用了决策树对数据集智能分类的特点,采用信息增益的判定方法,论述了决策树主属性的确定、判定属性标准化、计算信息增益、决策树的剪枝、测试等问题.,并对分类结果进行了分析和解释,对企业的营销计划制定和客户信息的知识提炼提供了决策支持.利用BP神经网络模型的非线性逼近的特点,对经济类时间序列的销售数据进行预测,并将预测结果应用于销售业绩评价和最优库存管理分析中,取得了令人满意的结果.