在战略型企业管理(Strategic Enterprise Management)中,预测是“计划预算与预测”部分中与经营战略、计划预算并重的一个环节。企业的经营战略决定着其未来一段时间内的发展侧重点,在其基础之上结合企业的营销计划与业务销售状况,销售预测可以在综合各种影响因素对企业未来的业务状况,产品销售潜力进行估算。计划本身具有不确定性的特点,且由于计划制定时难以周全的考虑到各种会对产品销售业绩产生影响的社会因素,极大增加了企业运营风险[1]。通过销售预测的辅组,可以极大的降低企业业务计划的不确定性,将其转化为更加可靠的运营目标。本课题是通过构建基于数据仓库、OLAP、数据挖掘的预测决策支持系统,对制造企业的海量数据进行分析,主要完成销售量和销售价格的预测,为企业决策提供支持。销售预测方法有定性法、历史映射法和因果法,但是由于现实世界中显式因果关系非常难以发现及定性法主观因素影响太强等原因使得这两种方法难以进行实现,因此选择历史映射法作为预测方案。本文根据企业销售数据中波动较大的特点设计提出在现有数据挖掘体系结构中增加基于指数平滑的挖掘预测模型,并对数据挖掘算法进行改进和应用优化。实验测试表明该数据挖掘模型较传统只利用ETL层和数据仓库进行滤波的数据挖掘模型性能得到了很大的提升,基本达到用于企业辅助决策的要求。