企业在信息化发展过程中积累了大量财务数据,但这些财务数据的商业价值并没有得到充分地挖掘和利用。传统的财务诊断只是简单地利用财务和统计学的方法对少量财务数据进行分析的基础上对结果进行评价,但如需处理企业多年历史财务数据及行业中数以千万计的信息是有困难的,目前的现状是利用传统诊断方法对海量财务数据潜在深层次的信息了解也不够深入。数据挖掘作为高效的工具之一,它的优势就是能够快速从大量缺失的、有噪声的、模糊且随机的数据中抓取有价值但尚不为人所知的信启、。在此基础上得到这些数据背后独特的业务规律,并将这些规律归纳成为模型。利用数据挖掘技术的优势,如何让财务诊断方法和数据挖掘技术有效地结合是本文研究的内容。本文将财务诊断分为诊断数据系统、整体和专项判断、财务诊断和财务预警系统、财务诊断方案策划和决策系统四个大部分。将由经过整体和专项判断得出的诊断数据结合数据挖掘方法,进行财务诊断和预警、财务诊断方案策划和决策的诊断。本文描述了数据挖掘理论和方法在财务诊断中的实际应用情况。以SPSS Clementine(现名为IBM SPSS Modeler)12.0为操作平台,将财务诊断方法与数据挖掘技术相结合,以HN矿业上市公司为主要分析背景进行数据挖掘在财务诊断中的应用研究。以用XBRL标准制定的历年企业财务报表数据为基础导入,为投资型企业建立一套以聚类方法、决策树方法和关联分析为主的财务诊断流程模型。通过此模型的运用,可以提高财务诊断的效率,具有较高的实用价值。