随着信息技术飞速发展,企业要在信息爆炸的现实社会中求生存,就要把企业信息化作为发展的一个必要步骤。企业资源计划(ERP)将成为各企业进行信息化战略的重要手段。利用企业信息数据,参与决策,进行决策支持已经成为当前及今后ERP的发展趋势和终极目标。而对作为ERP重要组成部分的绩效管理来说,智能化的需求则更为迫切。如何推进绩效管理智能化的发展是当前一个重要的研究课题。由于数据挖掘是解决这一问题的有力工具,因此绩效管理中数据挖掘技术的研究更具意义。频繁模式的挖掘是数据挖掘关联挖掘的核心和基础,是影响挖掘算法效率的一个决定性的因素。而最大频繁项集中隐含着全部的频繁项集,因此,在最大频繁模式挖掘方面取得的任何进展都将对关联挖掘以至于其它数据挖掘任务的效率产生重要的影响。故结合绩效管理的实际,对最大频繁项集挖掘算法进行分析研究,给出了对绩效管理关键绩效指标( KPI )的确定中挖掘最大频繁项集的一种算法FP-MaxgrowthforKPI。根据绩效管理中数据的特点,采用位图数据格式,由用户的需求导出频繁模式树(FP-tree)。并在分析Apriori和FP-growth等经典算法优缺点的基础上,结合各种有效剪枝技术,采用局部超集存在判断方法对FP-tree上的最大频繁项集挖掘进行优化,改进最大频繁项集挖掘算法,以适应绩效管理的实际环境。经过实验得出改进算法FP-MaxgrowthforKPI效率明显高于传统算法。根据绩效管理的实际应用,基于该改进算法的思想,设计出了基于最大频繁项集挖掘的绩效管理KPI确定的模型,并通过实例验证了该模型的可行性。实验证明,该模型在绩效管理KPI确定中具有较好的验证效果,使KPI的确定更加科学、有效。