中国加入世界贸易组织后,随着对外开放步伐的加快,商贸企业间的竞争愈加激烈,特别是零售业正面临前所未有的挑战。企业要想在竞争中立于不败之地,必须能够纵观历史和洞察未来趋势,以快速做出决策,应对市场变化。而快速决策来自于对市场、客户、企业营销状况等的正确、充分分析。原有的ERP系统作为一种管理系统难以做到这一点,而商业智能系统则可以很好的解决这个问题。商业智能是一种综合运用了数据仓库、联机分析处理和数据挖掘技术来处理和分析数据的崭新技术,它使我们能够将数据转变为信息和知识。本文依托于由电子信息产业发展基金所支持的面向零售业的商业智能分析平台项目,在深入分析和研究商业智能系统的数据仓库、ELT和数据挖掘等核心技术和充分调研的基础上,提出了适合零售行业的商业智能系统的总体架构。本系统采用了B/S结构进行开发,减少了开发的周期,便于实施。遵从了MVC模式进行开发,设计了表示层,业务层和数据持久层,使软件的结构更加清晰,增加了系统可扩展性,便于升级和管理。本文还对关联规则中经典的Apriori算法进行了分析。该算法在分析大型数据集时有搜索时间长,消耗系统空间大的缺点。针对这一缺点,本文提出了一种基于矩阵的Apriori算法。并将改进后的算法成功的应用到了购物篮分析中,通过对隐含的顾客购买模式的发现,为管理者提供了有效的决策支持信息。