目前,企业所面临的市场环境变化莫测,增加了企业在经营活动中的不稳定性,企业必须根据市场内外的复杂环境制定科学的决策来抵御、弱化经营中的风险。数据挖掘技术能够从企业经营、营销活动中产生的海量的营销数据,以及影响企业经营的外部因素中发掘新的知识。该技术以这些杂乱分散,无章可循的原始数据为起始点,以统计学、机器学习等相关理论、算法进行数据处理,对企业经营进行科学的前瞻性预测。本文借助于数据挖掘技术,对企业管理信息系统积累的海量历史数据进行处理、分析,最终构建一套基于数据挖掘的信息化平台,帮助企业制定快速、高效、科学的的营销策略,解决企业经营活动中的问题。文章主要研究内容如下:1)用户信息采集和海量数据简化处理。设计基于卷烟企业内部业务上报的数据采集模型与基于企业外部—消费用户层面的数据采集架构。针对采集到的数据量大,数据种类繁多的问题,提出了基于MapReduce的数据降维与累加的处理过程,编制Map,Reduce实现代码,对数据进行多个维度的规约,精简后续数据模型所用数据量。2)设计品牌关联度模型。研究关联分析的实现原理,通过对比选取Apriori进行品牌关联度分析,针对该算法在运算过程产生较大候选集项数的不足之处进行改进。以卷烟会员积分礼品兑换系统中产生的数据为应用背景,利用改进后的Apriori挖掘算法建立卷烟品牌关联度模型,通过分析会员的消费行为,挖掘出相关品牌之间存在关联关系,供决策人员进行营销决策。3)设计业务数据挖掘方法。针对影响卷烟销量的影响因素,分析了时间序列分析法原理,并针对时间序列算法存在的问题,提出了基于多指标分析的预测模型,对卷烟销量进行了组合预测,并将预测的结果用于卷烟产销衔接的决策中。4)提出了该平台的技术层面整体架构,确定了该平台的技术实现。提出了基于nginx的服务器负载设计,基于项目实施过程中的具体硬件情况,通过压力测试,进行服务器的权重分配,构建了服务层面的部署。使用UML建模分析了系统功能需求。确定本文所讨论的功能模块,并对功能模块进行了具体的应用系统层面的软件实现,进行了系统功能展示。