企业的各类利益相关者需要利用企业提供的财务报表,结合其他资料,对企业财务状况和经营成果进行分析。但是传统的财务分析方法具有片面性、滞后性、和易受会计政策选择的影响等局限性。而随着经济和技术的发展,一种基于数据仓库和商业智能的,能够发掘出隐含的、有用的信息和知识,帮助决策者寻找数据间潜在的关联,发现被忽略的因素的数据挖掘技术正被逐渐广泛应用到各个领域,包括财务领域。数据挖掘技术相对于传统财务分析方法,能够深入地了解海量财务数据潜在的、深层次的信息,辅助公司财务分析人员、公司的投资者和决策者深入认识公司的财务状况,进行相关问题的正确决策。本文从数据挖掘技术和数据挖掘流程入手,结合财务分析的方法,将数据挖掘技术用于财务预警分析,展现数据挖掘技术在财务分析中的应用。文章使用的是SPSS Clementine 12.0构建“财务预警智能系统”。作为一个数据挖掘平台,Clementine提供了一个功能强大而且简单易用的数据挖掘平台。整个数据挖掘过程要做的,是将数据导入Clementine,建立数据流节点,并将其连接起来,然后执行并输出结果,就完成了数据挖掘的过程,还可以利用挖掘的结果进行进一步的分析。在数据挖掘方案设计方面,文章主要描述了财务预警数据挖掘系统的形成和方案。首先说明了数据挖掘在财务分析领域的主要应用,选取财务预警分析作为本文的研究重点。接下来描述财务预警的传统分析方法,说明了财务预警传统分析方法的局限性。针对这些局限性,设计了由Logistic回归分析方法、关联规则、决策树和神经网络组成的联合数据挖掘系统。结合数据挖掘的基本流程和核心规则CRISP-DM,设计了财务预警数据挖掘的方案。基于Clementine将数据挖掘技术应用于财务预警分析,建立由Logistic回归分析方法、关联规则、决策树和神经网络组成的联合数据挖掘系统,展示从数据预处理、数据挖掘、挖掘效果评价等一系列的数据挖掘过程,并对财务预警数据挖掘的结果进行分析。最后说明本文的研究成果及局限性。