市场竞争越来越激烈,现代企业要想在激烈的市场竞争环境中立于不败之地就需要不断提高其快速响应市场需求的能力。零售企业处于供应链的末端,直接面对消费者,是连接消费者与供应商的枢纽。零售企业的库存控制既要受到消费者变化的影响,又要受到供应商变化的影响,因此零售企业的库存控制是受诸多不确定因素影响的,库存控制比较困难。在当今环境下,零售企业的竞争主要是基于时间的竞争以及客户需求的竞争,而良好的库存控制是提高消费者满意度和控制库存成本的关键所在。数据挖掘技术是综合数据库技术与人工智能技术而产生的,其能在大量的、存在噪声的数据中发现潜在有用的信息。零售企业的库存系统存储了大量的历史数据信息,但人们对其的应用主要是操作和查询,没有能充分利用这些海量数据,从中发掘出对决策有帮助的信息,从而导致了数据量很大但是没有用的局面的产生。本文主要研究了数据挖掘方法在库存控制中的应用,由于库存控制涉及的方面很多,本文只选取了其中两个方面进行研究,分别是库存分类和库存控制。本文首先介绍了数据挖掘在库存控制中的应用流程,包括数据的收集、整理、集成以及模型的选择和对结果的评价。然后对数据仓库的各种模式进行了介绍,说明了数据仓库的建立过程。接着对库存控制的两个方面进行了建模分析,本文以MATLAB软件为平台,利用BP神经网络方法分别建立了库存分类模型和库存预测模型,并对其进行了仿真分析,建立模型涉及到三个方面：样本数据的确定,样本数据的转换以及网络结构的确定。最后本文设计了基于数据挖掘的库存控制系统,对库存系统进行了需求分析,包括目标需求和用户需求两方面,构建了库存系统的体系结构,其体系结构有4层,分别为数据获取层、存储层、表示层以及应用层,对库存系统的功能模块结构进行了设计,库存系统的功能模块包括数据库管理、库存分析、供应商管理以及系统安全与维护四大模块,并且实现了库存分析的功能,主要是库存分类功能以及库存预测功能。文章结尾对数据挖掘在库存控制中的应用进行了展望。