目前,在绝大多数行业中,企业产品在性能、质量方面具有越来越同质化的趋势,此时成本管理的水平便决定了企业在市场中的竞争能力,也就是说企业如果能够做好成本管控,则会取得更强的竞争力。企业的成本管理往往涉及到许多要素,成本控制的效果也取决于这些,所有的要素又贯穿到企业的生产或经营的全生命周期中,那么如何通过数据挖掘手段得到与企业经营成功相关的要素,并寻找出这些要素特征与企业成本控制的内在联系就显得至关重要。在很多企业经营管理过程中,保留着大量的信息和数据,这些数据的深度挖掘与应用往往能够为成本管理提供依据,也是实施企业成本控制的重要手段。借助数据挖掘技术可以更好地实现成本控制的目标,完成从数据表象向数据内在关系的纵向延伸。本文在收集了深圳某化肥农资企业成本明细账的基础上,借助数据挖掘技术对企业成本数据进行处理,对决策树算法在该企业成本控制中的应用进行了研究,主要研究内容如下:(1)理论概述:本文针对决策树算法的理论思想数据挖掘技术进行理论概述,之后就决策树经典算法展开相关论述,奠定全文研究的理论基础。(2)成本建模:本文进行决策树算法在企业成本控制中的建模分析,重点针对企业成本控制决策环节的缺陷,以成本控制作为基本控制对象,借助Python语言,围绕决策树ID3算法实施成本控制的建模,最终构建能够预测企业成本的系列规则。(3)算法改进:本文算法的改进是基于ID3传统决策树算法存在的不足和缺陷进行的,通过文献调研发现传统ID3算法决策属性的选择上存在多值倾向性的问题,因此本文提出了基于PCA的决策树优化算法,在普通的基于PCA的决策树改进算法中,存在数据经过降维处理之后代表性不高的问题,导致算法需经过多次数据运行后准确率才能小幅提升,本文在ID3算法基础上进行两次分类前提取属性特征值操作,并计算了需要分类的数据的量,也就是对于原始数据进行最重要的属性上的选择,在子树建立之后,再进行数据的降维合并选择,并采用UCI数据库中的三个数据集对改进后的算法进行验证,结果表明在三个数据集中平均准确率达到了94.6%,分别就传统ID3算法和普通PCA决策树优化算法提升了1.6%和0.6%,基于PCA的决策树算法能在一定程度上提升了结果准确率,具备一定的现实意义,后续还将改进之后的ID3算法实施二次建模,获得更加高效的决策树模型。(4)改进分析:本文将改进后的ID3算法应用在企业成本控制中,完成实际的验证。通过研究发现,优化后的算法比传统ID3算法在建模时间、结点总量、叶子结点数量、决策规则数量、平均准确率等层面均具有明显的优越性,对于企业成本控制决策树的构建而言是更具有实用性的。本文将决策树算法在企业的成本控制中进行应用,采用决策树算法实现了对企业成本控制的建模预测,使用预测模型,能够让企业的成本控制做到有的放矢,提高企业成本控制的效率和效果。利用决策树算法实现的企业成本控制模型,将企业的成本控制过程信息化,实现了企业历史数据在不同阶段和部门之间的共享、传递,同时为成本决策者提供重要的数据支撑,有效弥补企业在成本控制过程中的短板。