目前,随着我国高等教育的快速发展和改革的不断深入、高校的理财环境和财务管理的职能的逐步转变,对高校财务分析工作提出了更高的要求。然而,我国现行高校的财务分析,无论在理论研究还是在实践方面,都存在者一定的局限性。虽然计算机技术和网络技术已普遍应用于高校的财务管理中,但仅限于财务核算,而对财务分析较少涉及。大量丰富的财务数据的主要用途仍是提供简单的查询和统计报表,对这些数据所隐藏的深层次的信息没有充分地利用。这时若采用数据挖掘的方法和以往的财务分析方法相结合,往往能收到更好的效果。本文主要针对的问题是高校财务管理中学生缴费风险分析,通过对数据挖掘技术的研究,结合高校财务管理系统的特点,将数据挖掘理论和方法应用到高校财务分析中,并得到了良好的效果。本文的主要研究内容包括:针对财务管理的特点,引入风险权重因子对ID3算法进行改进,使ID3决策树算法能更好地依据财务数据各要素的风险权重进行分类;将递增式学习与决策树构造算法相结合,使得决策树构造算法能处理递增的数据;针对当前高校学生欠费这一实际问题,结合数据仓库、数据挖掘等相关技术,设计了高校学生欠费预警系统方案,以便能动态、准确地监测当前缴费状况,预测高风险欠费学生,从而为高校领导层管理决策提供更加科学的依据。