本文主要介绍了“超市管理系统”的需求分析与具体设计，以及基于“超市管理系统”上的数据挖掘。近十几年来，数据挖掘技术有了长足的进步。数据挖掘已成为数据库研究、开发和应用最活跃的分支之一，数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。微薄的利润使零售商们比其他行业更早进入数据仓库阶段.零售商们看到提高决策支持过程就能直接提高存货管理和财政预测的效率.零售商们早期采用数据仓库让他们有更好的机会运用数据挖掘.由于零售业搜集大量的销售数据、顾客购物记录、货物运送、消费模式和服务记录等等，它是数据挖掘的主要应用领域。尤其是由于Web或电子商务实用性和流行性的增加，搜集数据的量迅速增长。如今，很多商店都有自己的Web站点，顾客可以在线购买。零售数据的大量来源和类型为数据挖掘提供了丰富的数据源。在这种情况下，零售商如何找到自己最有效的客户，如何开发有竞争力的业务，如何提高经营效率，都是需要颇费一番脑筋的。 在这样的背景下，零售商纷纷求助于IT技术，希望从中找到竞争制胜的良方。本文首先介绍了“超市管理系统”的具体分析与设计，本系统分为两个子系统：后台管理员端和前台收银端。其中，前台收银系统负责超市的日常销售工作，具有界面简洁，反应快速，运行安全可靠的特征，主要功能有：支持多种付款模式；支持各种商品销售、退货，打折处理；销售数据的挂起，恢复功能；销售小票的打印功能；收银机锁定功能；销售数据查询，统计功能；更改登陆密码；严格而灵活的用户权限管理。后台管理系统对商场货物流转进行全面管理，货物的任何流转均有相应的单据。它可以实现各种单据的电脑化；销售数据的及时统计；仓库的严格管理；完备的会员管理系统储存会员的所有个人及购物信息；完善的供应商管理机制；以及完整的财务管理。 后台管理系统又分为以下子系统：商品管理供应商管理价格管理库存控制报表汇总 <WP=44>财务控制月结年结10.清算11.历史数据12.会员管理13.用户管理在使用的过程中，随着数据的不断增加、业务的不断发展，如何从中及时发现有用的知识，提高信息利用率，这成为目前零售商急需解决的问题。面对“数据丰富，但信息贫乏” ，重要的决定常常不是基于数据库中信息丰富的数据，而是基于决策者的直觉的现状，要想使数据真正成为一个我们可利用的资源，为我们自身的业务决策和战略发展服务，我们决定通过数据挖掘对数据进行分析，以便为我们的决策服务，从而提高零售业的竞争能力。近几年来，零售超市面对的市场竞争压力日益增加。能否拥有一套迅速灵敏、功能强大的市场分析系统，有针对性地制定政策，适时根据市场需求排放货物，显得越来越重要，从而基于“超市管理系统”其上的数据挖掘应运而生。本文介绍了运用数据挖掘中的关联规则，挖掘“超市管理系统”数据库中各种货物的排放，避免了脱离市场、脱离需求，盲目排放货物所造成的损失，节省了资金，提高了效益。关联规则（Association Rules）的挖掘是数据挖掘中一个重要的问题。关联规则可以发现交易数据库中不同商品（项）之间的联系，这些规则找出顾客购买行为模式，如购买了某一商品对购买其他商品的影响。发现这样的规则可以应用于商品货架设计、货存安排以及根据购买模式对用户进行分类。本文主要运用FP-tree方法寻找数据库中的关联规则，关联规则在数据挖掘是一个重要的研究内容，而产生频繁集则是寻找关联规则的第一步。本文分析并且实现了FP-growth算法。FP-growth算法的优点是节省时间和空间，对大规模数据采用分治的办法以避免规模巨大难以接受。FP-growth算法主要通过FP-tree来构造频繁集。FP-tree是一个数据库里跟产生频繁集有关的信息的压缩表示。在具体的实现中，我通过了一系列的从低到高的数据结构来实现它，并进而实现整个算法。