传统的数据库管理信息系统不能够很好地利用、分析数据库中积累的大量数据，数据挖掘与数据仓库技术很好地解决了这一问题。本文首先介绍数据挖掘和数据仓库的相关知识，包括数据挖掘与数据仓库、联机分析处理、统计学之间的关系，接着详细论述了数据挖掘模式和数据挖掘过程模型，重点讨论了聚类模式中的动态聚类算法，并采用主成分分析法预处理数据，在此基础上提出了动态聚类的改进算法。 作为一个应用实例，本文在分析超市业务数据库的基础上，用星型架构的方式建模，构造出一个数据仓库的逻辑模型；然后从超市业务数据库中抽取数据，经过转换等处理，把“有价值的、干净”的数据加载到数据仓库中，完成数据仓库的构建。参照Two Crows数据挖掘过程模型，首先收集客户购买产品的类型、交易、属性等数据；然后采用主成分分析法预处理这些数据，以降低数据之间的相关性和减少变量个数；接着采用改进的动态聚类方法建模，在聚类过程中剔除异常点，改善聚类的质量，最终得到一个客户分片的模型，并对该模型作了比较详尽的解释。 数据挖掘和数据仓库有很紧密的联系，数据仓库是数据挖掘一个良好的奠基石；数据挖掘使数据仓库的决策作用得到更好的发挥，所以数据挖掘和数据仓库系统的无缝集成是数据挖掘界的一个热点。作为一种发展趋势，本文对此也作了进一步的论述。