随着数据库技术的成熟和数据应用的普及，大量数据的产生和收集导致信息资源呈爆炸性增长的趋势。传统分析方法已经无法满足管理者对数据处理的需求，如何有效的使用这些大量数据成为目前面临的问题，寻求能够分析大量数据的技术成为一个迫切的需求，面对这一挑战，数据挖掘技术应运而生。在数据挖掘领域，关联规则的研究受到了极大的重视，本文着重对关联规则挖掘算法进行了研究，关联规则挖掘主要用于从大量、复杂的数据中发现各个属性之间的内在联系，得到对决策有潜在价值的知识和规则，具有重要的应用价值。本文针对Apriori算法存在对数据库扫描次数多和可能产生冗余的候选项集的缺点，借鉴AprioriTid的事务压缩和减少数据库扫描趟数的优点提出改进算法，只进行一次数据库扫描，节省了时间，使算法执行效率更高。将改进算法应用于银行客户关系管理系统中，对某省6个市区32138条真实数据，进行了预处理，如数据转换、数据整合及数据清理。通过对数据的预处理之后，将算法应用在数据上，进行了有意义的探索，得出了一些有用规则。