本文在回顾了国内外关于财务预警和商业智能的相关文献,选取了2010-2013年期间首次被ST的50家制造业上市公司和与其相配对的50家非ST上市公司,以首次被ST的T-3年的财务数据对制造业上市公司的财务预警进行研究。首先本文根据指标选取原则选取了29个涉及盈利能力、偿债能力以及营运能力等五个方面的财务指标,并通过了正态性检验、T检验和非参数检验筛选出了24个显著性指标构建了财务预警指标体系;其次利用商业智能软件SQL server2008建立了数据仓库,并通过相关的查询语句实现财务数据的多维联机分析和数据透视表的呈现。最后通过SSAS数据挖掘模块的决策树、聚类分析、逻辑回归和神经网络算法构建了4个预警模型,汇总了预警模型中较为重要的指标,并使用提升图和分类矩阵对模型的有效性进行比较分析,提取出隐藏在样本中的潜在信息。本文创新性的使用SQL server2008商业智能软件构建了财务预警体系,通过整合数据源创建数据库达到了数据的及时传输,完善了财务的实时监控功能,并有效的分析了生成的财务预警模型,实现了会计信息智能化发展,运用了模型的比较分析,选取了制造业最优模型。　　结论表明:营业利润率,流动比率和利息支出倍数这几个比率对财务危机的预警比较重要;决策树算法建立的挖掘模型可以对制造业上市公司未来是否发生财务危机进行较为正确的判断,预测的准确性达到80％。