“深入开展按客户订单组织货源、工商协同营销和精准营销工作，着力提高品牌培育能力”是当前卷烟营销工作的重点，特别是在“532”、“461”品牌发展目标的引导下，如何结合实际，充分利用现有资源，支撑品牌培育工作向精细化拓展，是数据中心面临的新课题，普通商务智能技术对数据的表现能力还不足以完成上述任务，因此，数据挖掘作为一种较新的商务智能应用技术，开始大展身手。

    数据挖掘作用机理

    数据挖掘是在大型数据库或数据仓库中利用各种分析方法和分析工具建立模型和发现数据间关系的过程，通过模型和关系运用做出决策和预测。通过数据挖掘可以对大量、复杂的信息进行快速有效的分析，从而发现其规律，为烟草商业企业在品牌培育过程中的品类划分、品牌替换、销售预测等提供依据，帮助商业企业制定适宜的营销计划和投放策略。

    数据挖掘可分为四个阶段。一是数据准备阶段，通过分析问题，选择相关的数据，再对数据进行净化，消除噪声数据、无关数据和冗余数据，将经过处理过的数据存储在数据仓库中。二是挖掘阶段，该阶段是数据挖掘的核心步骤，根据数据挖掘的目标，应用相应的数据挖掘算法，分析数据并通过可视化工具表述所获得的模式或规则。第三是结果分析阶段，对数据挖掘的结果进行解释和评价，转换成为能够最终被用户理解的知识。四是知识运用阶段，将分析所得到的知识集成到业务信息系统的组织结构中去。

数据挖掘模型示意图

    数据挖掘的方法可分为四类。一是预测模型，利用历史数据找出数据间的规律，建立模型，并用此模型预测未来数据的种类和特征等。二是关联分析，即从给定的数据集中发现频繁出现的项集模式，挖掘出隐藏在数据间的相互关系。三是分类分析，分析示例数据库中的数据,找出一组能够描述数据集合典型特征的模型(函数)，按模型对其他数据库中的记录进行分类。四是聚类分析，根据一定的分类规则,划分记录集合, 确定每个记录所在类别。使得同一类别中，个体之间差距较小；不同类别中，个体之间的差距较大。

    品牌培育应用方法

    卷烟品类划分有利于商业企业对卷烟品牌体系进行整体规划和合理布局，使企业能够进行货源调拨和缺货应急处理，顺利地进行卷烟品牌的切换和整合，数据挖掘中的聚类分析应用可助卷烟品类划分一臂之力。聚类分析应用是直接比较各事物之间的性质，将性质相近的归为一类，将性质差别较大的归入不同类别。品类划分首先要进行卷烟消费者调查，从卷烟的品牌、价格、包装、吸味、产地等因素人手，来研究消费者的消费习惯和消费态度，采取聚类分析方法对其做定性和定量分析，研究消费者眼中商品之间的关联替代关系，从而计算各卷烟规格间的相似性系数，相似性系数越高，表示卷烟消费者认为这两个卷烟规格越相似，也就越有可能相互替代。

    卷烟需求是消费者对卷烟品牌（规格）数量和消费结构的消费需求，它包括现实的需求和潜在的需求。现实的需求是消费者有意识的、明确的卷烟消费需求。潜在的需求是客户和消费者潜意识的、不确定的消费需求。卷烟需求预测能够帮助商业企业及时分析卷烟市场信息，了解消费者的需求，制定有效的营销策略，实现精准营销，并为工业企业组织货源提供依据，降低库存成本，实现烟草供应链上个各企业信息共享，可以利用数据挖掘中的时间序列预测应用对卷烟需求进行预测。同时，按照市场调研和专家的意见，根据卷烟交易时间和流程，将卷烟需求预测周期主要分为半年预测和月度预测。

    半年预测，是各工商企业每半年对本地市场各个品牌规格卷烟的需求情况进行全面的预测分析，作为签订半年协议、实施定向整合的依据。在此基础上，各工商企业根据半年第一季度实际销售情况及半年计划完成进度，对半年卷烟需求进行季度调整。月度预测，是各工商企业每月对本地市场各个品牌规格卷烟的需求情况进行全面的预测分析，一般于每月上旬开展，中旬确定预测结果。半年预测是以地市级公司营销部门为主体，工业企业参与预测；月度预测则是以地市级公司营销管理部门为主体，客户经理作为预测人员提供基础信息依据。

    卷烟需求预测和营销可围绕品牌培育利用多种数据挖掘技术进行各方位的初步探讨，从聚类分析和预测分析进行描述，同时辅以SPSS Modeler软件进行模型构建。此外，还要针对品牌培育数据挖掘评价系统开发合适的平台框架，辅以数据挖掘结果，使结果更好地展示，使企业决策者更加直观的了解数据挖掘结论，为其科学决策提供支撑。最后，品牌培育挖掘流程的梳理，仍然需要按照CRISP-DM的流程进一步规范，以便能够进行迭代式的数据挖掘，使得数据挖掘这项工作能够有序完成。