在完成了“钢厂销售管理系统”开发的基础上，通过对该系统的研究和分析，发现大量销售数据表明了钢铁种群具有一定的相关性。鉴于此，本文通过对操作型数据库的数据进行了数据选择、数据清理等数据预处理工作，并构建了OLAP多维数据集，利用数据挖掘聚类分析的k-means算法，对OLAP多维数据集进行了聚类分析，以销售量为度量值重新划分了钢铁的种类。 本文共分五章：第一章讲述了本文的研究背景及研究的内容。 第二章论述了数据挖掘的理论基础，如数据挖掘的定义，数据挖掘的任务，数据挖掘的功能，数据挖掘的系统组成、数据挖掘的一般过程及数据仓库技术与OLAP技术，主要论述了数据挖掘的k-means算法。 第三章对“钢厂销售管理系统”进行了详细的阐述，分析了系统的组成，模块间的关系，以及数据库的设计。 第四章利用k-means算法按照数据挖掘的一般过程，通过对数据的预处理构建了星型结构的OLAP多维数据集，对OLAP多维数据集进行了数据挖掘，并对结果进行了深入的分析。 第五章对本文的工作进行了总结与展望。