对于现在零售企业已经广泛使用的POS机来说，这种设施及相关设备系统能生产大量数据，但这些数据真正的利用率还不到30%，资金的投入并没有得到充分回报。尤其是在服装行业，其特点是季节性强，销售周期短，历史销售数据繁杂，在没有系统并且没有数据支撑的情况下，销售额并没有显著的增长，一般维持在2%左右的增长率，同时，人力成本和沉默成本反而增长迅速，甚至超过销售额的增长，因此急需通过一套行之有效的销售管理系统和强有力的数据挖掘算法，来服务决策者们做出正确的销售策略，从而提高销售额。本文从数据挖掘技术作为切入点，对关联规则和时序模式发现算法进行学习，并对这两种算法进行改进，将这两种算法运用到销售管理系统中，深入研究以上两种数据挖掘技术在服装行业中的应用，利用改进的关联规则算法，找出店铺销售数据间内在的联系，例如，商品之间的关联规则关系，购买A商品的客户中，有60%以上的客户会同时购买B商品。这样就可以尝试把A商品和B商品捆绑销售。发现这些数据间的内在联系将有利于决策者做出正确和合理的销售方式，提高销量。同时利用改进的时序模式发现算法，挖掘在相同时期内或者不同的指定时间段内，发现产品大类之间的定量关联规则，例如，户外运动系列产品和高尔夫系列产品的销量，在同一时期内呈现出同时递增或递减的趋势。这样为决策者在换季销售中把握市场需求提供了便利。本文的数据来源是大中华区的服装专卖店历史销售数据，从中发现提炼有价值的信息，将得出的挖掘结果应用到店铺，把整个中国区季度销售额相比以往同期提升5-10个百分点，甚至更高。事实上，通过本文所述的研究和实践工作，将挖掘出来的结果运用到店铺之后，销售额比以往同期提升了7.4个百分点。因此可以全面铺开至全国店铺，以达到更好的销售收益。