税收收入的预测是国家进行经济决策和编制预算重要参考和依据。长期以来我国税收收入的预测一直采用简单直观的“基数法”。但随着市场经济体系的逐步完善，“基数法”越来越不适应税收收入预测的需要。把数据挖掘技术应用到税收分析预测工作中，通过对大量相关数据的分析，找出各种相关因素对税收影响的规律，建立税收分析预测模型，对提高税收分析预测的准确性和及时性有着重要意义。　　 传统的税收收入预测方法大多是结合选取一些对税收收入影响较大的宏观经济指标，如：国内生产总值、投资、消费、价格和进出口等，对税收总值与经济的关联进行挖掘分析，得出预测模型，对税收收入进行预测。然而由于税收成分的复杂性，对税收收入总值直接进行挖掘分析的预测方法的准确度难以进一步提高。　　 本文研究分析了常见的税收分析预测模型的预测算法及特点，提出了基于税源数据的商业税收分组预测方案。该方案基于自GB18240.7商业自动化管理税控系统获取的详细税源数据，使用带权BIRCH算法对各商品类别的销售额变化特点进行聚类分析，然后依据聚类结果对各类商品的销售额进行分组汇总，对各不同的分组选用其适合的预测模型进行税收收入预测，最后对各分组的预测结果求和得到商业税收收入总值的预测结果。并且在最后讨论了如何实现了一个商业税收分组预测系统，从GB18240.7样机系统中获取数据，进行商业税收收入预测。