随着社会的高速发展，现代企业的规模越来越大，每天都会收集到各种各样的海量财务数据，如何对这些财务数据进行分析，发掘出隐藏在这些财务数据中的可用信息，成为了每一个企业尤其是大型企业面临的难题。通常，海量的财务数据分析会遇到以下问题：数据量巨大，无法直接进行分析；信息真假难分，有些甚至不能用，如何去除冗余数据；如何高效地从海量企业财务数据中提取出有用的信息等等。企业利用先进的信息采集技术，收集海量的数据信息，但是，如果不能从这海量的数据信息中，提取出企业需要的知识，那么就会出现数据大爆炸但是知识匮乏的现象。隐藏在海量财务数据中的有效财务信息，因为受到企业财务分析技术的限制，只能对数据进行输入，修改，统计，查询等简单的财务分析操作，不能发现隐藏在海量数据背后的可用知识与规律。社会在快速发展，社会在各个领域的科学技术发展也是日新月异。近几年来，计算机人工智能领域的数据挖掘技术发展迅速，受到各个行业的青睐。数据挖掘的研究对象非常广泛，常用领域有：制造业，电信业，制药业，网络等等；数据挖掘技术经常被用于解决以下问题：客户群体的分类；市场分析；企业海量数据挖掘分析，客户信用记分等等。目前，已经开发出的数据挖掘系统有：Enterprise Miner数据挖掘系统；IntelligentMiner数据挖掘系统；Set Miner,数据挖掘系统；Clementine Sybase数据挖掘系统；Warehouse Studio数据挖掘系统。常见的数据挖掘算法有：聚类算法，关联规则提取算法，决策树算法，分类和神经网络等等。本文分析了企业财务分析的国内外研究现状，介绍了企业财务分析的概念，意义，基本方法和应用前景以及几种常见的数据挖掘方法，在此基础上提出了一个企业财务分析模型：面向企业财务分析的高效数据挖掘联合模型，并详细介绍了该模型的数据挖掘流程。以高效数据挖掘联合模型为核心，开发出了企业财务分析系统。分析得出的财务分析报告，为投资者和企业决策者等企业利益相关方提供非常全面准确的企业财务状况和营运状况。