随着数字化校园建设步伐的加快，高校在教学管理，设备管理，教务管理以及校园一卡通管理等都向信息化方向发展，人工管理太复杂，成本高，容易出现冗杂问题。这些信息化的建设，使得高校校园网系统进一步完善。与此同时，随着管理信息系统在教学教务、学生以及校园门户管理工作中的应用，积累的数据越来越多，这些数据都是宝贵的信息资源。如何高效利用已存在的数据，为高校管理提供更有价值的决策依据，从而进一步提升高校教学教务管理水平，挖掘教学教务管理中的问题以及学生学习中存在的问题。利用数据挖掘技术成为解决这一问题的重要途径。本论文主要从三个角度研究并探讨数据挖掘技术在日常高校管理中所取得作用，以所在学院的教务、校园一卡通、学生就业等历史多维数据为研究对象，以学生培养、心理健康和就业指导作为研究目的，形成综合的学生管理系统。尝试通过对历史多维数据进行挖掘找到影响学生成绩、心理、就业的内在因素，通过这些规则，学校可以对教学、就业指导、心理教育等进行调整和改进，使其更适应学习的综合素质能力，在算法实现过程中，针对学生心理健康的分析，本文修改了Apriori算法，引进了兴趣度指标。由于历史数据的多维化以及数据结构上不统一，存在异构等特点，本系统在基于数据仓库技术，整合外部数据和内部数据，进行ETL，统一向各层次传递统一完整数据。对于最后开发的初版系统，利用桐城师范高等专科学校理工系近几年的学生数据进行了测试，该版系统不仅实现了相对简单的数据统计分析功能，而且能够选择相应的经典数据挖掘算法发现数据间潜在的规则。