数据挖掘(Data Mining)就是指从大量的、不完全的、有噪声的数据中提取出隐含的、未知的、对决策有潜在价值的知识和规则。它融合了数据库、人工智能、机器学习、统计学等多个领域的理论和技术。随着信息化，网络化和智能化发展，现代物流的大量数据关键知识隐藏在物流企业的管理过程中，而运用关联规则，决策树等数据挖掘算法可以快速找出有价值的知识和数据，成为物流公司决策分析、有效地管理客户关系，提高市场竞争优势的有利理论依据。　　 本文通过研究数据挖掘在现代商贸物流管理系统的运用，分析了目前数据挖掘的关联规则算法存在的问题，提出了一种性能更加完善的挖掘算法HEFFIA，它在计算支持度时对不在Ck中的各个事务进行删除，判断Lk-1中项集的数目是否小于k，减少了产生频繁项集的算法步骤，提高了算法效率，并将改进的算法运用到物流决策系统上，提高了物流效率；同时针对决策树的信息论方法在物流决策系统中运用时存在的问题进行改进，引入粗糙集方法对属性的约简，利用属性重要度分类算法构建决策树，产生对企业有效的规则。将粗糙集技术与决策树技术结合起来，能够更快速地得到简便、有效的决策规则，提高客户关系的管理，增强企业竞争优势。