近年来，出现了以物联网、云计算和大数据为标志的第二次数据革命。随着消费者、公司、各个经济领域不断挖掘数据的潜力，这种全面接触、分析和利用高价值机会的前瞻性方式以很多方式创造着价值。本文主要分析了数据时代零售业中运用大数据、数据挖掘技术的众多问题，并对其应用进行相关研究。　　论文通过各方面调查，对国家和企业（以零售业为主）两个方面的数据应用现状做了简要的归纳分析。之后研究数据时代的零售业决策问题，总结大数据对零售业的全方位影响，论述使用大数据改善零售业运营的必要性;并联系零售业的实际情况进行研究，总结选取两个基于商品营销的主要方面，将数据和数据挖掘相关的技术方法与零售业决策制定进行关联;将关联规则合理应用于零售业中，通过Apriori算法进行实例分析，计算零售业产品之间的关联性，并针对可能出现的组合爆炸问题，以淮南某超市的购物篮为例，提出算法在具体方面应用时的改进方法，经验证表明其对于一般的Apriori算法在时间复杂度和数据库空间两方面都有明显的改进;在零售业另一领域研究并使用支持向量机，通过将顾客行为进行分类并记录统计数据，根据商家评价，建立相关模型，再通过高斯径向基核函数训练支持向量机将商品两阶段分类，从而指导零售商决策;最后系统总结了本文的研究内容，提出本文研究工作的不足之处，并指出有待完善的研究工作和今后研究的主要方向和任务。　　论文创新点在于对Apriori算法进行改进，在具体的问题解决中提出具体的方法，使之既简单又快捷的解决相关问题，提高算法诸方面的性能;提出使用SVM理论技术将顾客行为进行两阶段分类统计研究，进而在机器学习完成后将商品带入比较，得到其所属与的类别，得出商家应采取的措施。