随着互联网和信息技术的繁荣发展,以及云计算和大数据技术的兴起,为人工智能的实现提供了可能。伴随着人们生活水平的提高,销售是一个永恒的话题。移动支付、线上交易,为我们的生活带来了巨大的便利,信息化的数据管理手段,大大提高了企业工作的效率,也积累了巨量的数据。如今,人们已经能够认识到数据的重要性及其所蕴含的知识信息。销售数据是一类时间序列数据,如果我们能够利用成熟的模型算法来描述它的模式,就可以对其未来的走势进行分析、预测,给出估计值。对于企业来说,这是非常重要的。依据产品的销量预测数据,企业就可以制定更为准确的营销策略,从而增加销售利润,减少成本,甚至还可以避免由于对市场把握不准确而带来的损失。本文针对目前企业中“数据爆炸,知识缺乏”的现象,对销售数据的时间序列挖掘进行了研究。通过爬虫技术和企业用户提供数据等渠道,获取销售数据。使用传统的时间序列分析方法ARIMA和Facebook的Prophet对销售数据进行分析、预测。并基于ARIMA算法,提出了改进的模型算法ARIMA+SVR和ARIMA+Boosting方法,对销售数据进行了分析、预测,并在企业真实销售数据上进行实验,给出实验结果对比。实验结果表明,我们提出的改进算法,在算法效率和准确率方面较传统单一模型算法,有了很好的提升,在时间序列的趋势预测方面也更为准确、合理。最后,我们开发了基于销售数据的时间序列分析平台,搭建数据平台,将我们的模型算法集成到预测平台之上,为用户提供海量数据处理和可视化的时间序列分析功能模块。