生产型企业的发展中总会伴随问题不断暴露,数据量暴增的时代带来的不仅是商机,同时也是严峻的考验。在数据呈现4V（大量、多样、高速、低价值密度）体征下的环境中,如何将企业各环节所得数据加以合理利用是问题所在。对此,普遍通过对数据去噪、去重、建立关联规则后,使用挖掘技术分析清洗后数据,并利用可视化手段向用户展示其价值趋势,从而充分利用数据价值来达到企业级决策支持,进一步推动企业发展。本文研究的区域生产数据处理系统依托于中冶赛迪公司在区域生产中的实际开发项目,旨在解决中冶赛迪公司内部的业务数据、实时数据、离线存储数据巨量、冗杂等问题,通过开源数据挖掘工具将多种数据源进行采集、预处理、分析和挖掘,以帮助指导生产、管理和运营等。整个系统自底向上划分为数据采集层、数据预处理层、分析挖掘层和可视化展示层。本文主要完成了以下3个方面的工作:（1）通过研究数据挖掘的原理、挖掘数据类型、挖掘流程、数据挖掘原型以及数据挖掘算法,结合分析中冶赛迪公司需求,针对公司内部海量的数据建立了数据挖掘机制,为后续系统的开发打下了良好的基础。（2）通过对选题背景、领域现状及完成该系统所涉及的相关理论、算法和工具进行了概述,确立了如下的技术路线:选取Springboot+Spring MVC+Mybatis框架集搭建系统整体架构;在应用层使用API调用KNIME进行数据挖掘处理分析,采用workflow（工作流程图模型）方式将数据挖掘算法具现化为模型建立;利用技术相对成熟的ECharts作为可视化工具,以折线图、柱状图、散点图等形式展现挖掘数据结果。（3）为了使用挖掘处理技术有效利用和分析数据,深入剖析了用户需求,以决策树算法为例,完成了区域生产数据处理系统的设计与实现。详尽阐述了系统结构、功能和挖掘模型的设计。主要论述了数据挖掘应用中读取数据、分离数据、标记分类、建立决策树、预测分类、评价决策树的功能实现,并针对于实现过程中决策树的相关表现,利用PMML（Predictive Model Markup Language）对原模型进行了改进。结果表明该模型改进更能有效的处理区域生产数据处理系统中数据分类和模型移植问题。