随着数据库,数据仓库技术的发展,数据挖掘已进入人们生产生活的各个领域。数据挖掘是一种意义分析方法,即所谓的提取“有用的信息”,也就是从大量不完全的、有噪声的、充满模糊性及随机性的实际应用数据中提取潜在有用的知识和信息的过程。本文首先介绍了数据挖掘的背景、发展及研究动态,随后介绍数据挖掘的基础、流程和主要的数据挖掘技术方法,在此基础上提出了本文使用的粗糙集理论及其实现方法,详细介绍了为实现数据挖掘而开展的数据准备工作,最后应用线性回归、粗糙集属性约简等数据挖掘方法,展开销售预测、地方病分析及粗糙集应用分析。粗糙集理论是最近发展起来的一门学科,已经在智能应用、自动控制及趋势预测等领域有了广泛的应用。本文应用粗糙集理论中的属性简化理论,通过实现属性约简算法(保持信息系统的分类能力不变的前提下,通过删除其中的冗余属性,得到具有最少属性的结论表),实现对医药公司销售历史数据的数据挖掘分析。在数据预处理过程中,为保证源数据的安全性及分析数据的一致性与完整性,采取双层的数据表结构:数据预处理中间表(ODS Table)及数据加载事实表(Fact Table)。在基于历史数据进行销售预测分析时,为筛选出适宜的预测方法,采取对同一事实表数据应用不同的线性回归预测方法,再分别将预测结果与实际值进行比较分析,最终得出最佳的预测方法。在应用粗糙集理论属性约简算法时,为提高预测结果的准确性,首先对数据进行离散化处理,再将处理后的离散表数据加载到属性约简程序,最后对结果数据集进行直观优化分析得出结论。