在競爭日益激烈的背景下，能夠立足於市場環境中得到企業無論在自身技術應用水平或產品質量方面都應成爲企業提高綜合實力的關鍵內容。以菸草行業爲典型代表，其在面臨國外產品進入中國市場的衝擊下，需做好資源的優化配置以及管理水平的提高。但我國當前菸草行業中對產品的質量管理仍採用較爲傳統的統計方式，難以充分分析與挖掘其中的數據信息。因此，對質量管理過程中數據挖掘技術的應用分析具有十分重要的意義。
1 數據挖掘技術的基本概述
對數據挖掘的概念，根據以往學者對其研究可總結爲從較爲模糊且大量的數據中，將隱含的並具有潛在價值的數據信息提取出來，其在一定程度上與當前其他許多數據技術如數據融合或數據庫知識發現較爲相似。從數據挖掘的'任務角度，該技術的應用更側重於做好關聯與聚類的分析，並在完成數據信息的整理與分類後進行未來數據的相關預測，同時也會利用偏差分析方法將數據庫中的異常數據問題做出分析。常用的數據挖掘方法主要包括神經網絡法、遺傳算法、決策樹法、統計分析以及模糊集方法等。具體應用流程首先需對業務問題進行定義，明確數據挖掘目標;其次做好數據準備工作，包括在數據庫中選擇目標數據集並檢查數據是否存在缺失或無效等情況;再次進行數據挖掘與分析，在整理數據集的基礎上落實數據挖掘技術並對所得出的結果解釋與評價，使其成爲爲用戶所理解的信息內容;最後，在業務信息系統中將分析的最後信息內容融入其中。
2 菸草行業現行質量管理存在的弊端
菸草行業目前發展過程中更注重堅持提質減害的路線，引入較多的檢測方式與設備，並不斷積累許多數據信息。而相關的質量數據便產生於捲菸生產的全過程中，能夠成爲研發新產品以及改進產品質量的參考內容，但如何對如此多的數據分析與整理成爲菸草行業中管理統計面臨的一大難題。當前質量管理過程中仍存在一定的侷限性，無法有效的提高質量管理水平。具體體現在：
第一，質量管理方式主要依託於傳統數理統計相關知識，使質量管理人員面臨較大的工作量並具備一定的專業技能。
第二，菸草行業中進行質量管理採用的方式大多集中在滯後分析方面，不具備較高的實時性且難以根據數據信息進行預測，在產品質量存在問題且造成一定後果的前提下才進行分析，導致產品品牌以及整體經濟效益都受到不同程度的影響。
第三，質量管理中缺少反饋內容，使菸草行業無法及時發現其中存在的問題並做好相應對策以及改進與預防工作。
第四，傳統質量管理更側重於某個生產環節，忽視全局管理，而菸草行業本身規模較大且在不同地域中都涉及較多的質量管理部門，很多質量信息需在較長時間內完成流通。對此，便需引入數據挖掘中的關聯與聚類分析，其中的關聯規則可將數據項關聯關係充分挖掘出來，在質量管理中更集中體現在產品質量預期特性值之間的關係。而聚類分析則能夠對具有相似特徵的產品質量特性進行分析。二者與質量管理的結合可充分提高菸草行業的質量管理水平。
3 數據挖掘技術在質量管理中的具體應用
3.1 從對供應商的評價角度由於菸草行業在實際生產中需採購許多原輔材料，產品質量很大程度上受原料質量影響。所以需做好供應商評價工作並保持與供應商間的良好合作關係。通常菸草企業會將供應商許多相關信息存儲，但在評價過程中所考慮的內容主要爲合格率方面。對此利用數據挖掘中的關聯規則，可根據同一原材料對所有供應商在質量方面的相關信息進行挖掘，這樣在實際材料採購過程中便可合理選擇供應商。
3.2 從質量反饋角度質量反饋可理解爲客戶在使用產品或服務後的總體評價，以往國內外學者曾進行實驗分析，得出在能夠創造同樣價值的基礎上，新客戶發展涉及的成本往往是維持與老客戶關係涉及的成本的五倍，但若由老客戶將企業口碑向新客戶傳遞將獲得更大的競爭優勢，所以企業發展中維持老客戶的關鍵在於使顧客滿意度得以提高。因此可利用數據挖掘中的管理技術對數據庫中顧客反饋信息進行分析，從中發現客戶對產品質量的意見以及不滿意的原因，以此爲依據制定相應的策略。
3.3 數據挖掘在生產過程中的應用捲菸生產過程中常考慮到菸絲質量問題，其不僅受自身化學成分影響，也與生產加工工藝存在一定的關係。但通常制絲過程中涉及較多的工序，並考慮到葉組配方以及含雜量多少等，相關數據都應在數據庫中保存。菸草企業所存儲的數據大多未經過分析處理，需要利用數據挖掘中的人工神經網絡方法尋找對菸絲質量的影響因素以及工序間關係，並在此基礎上優化與控制工藝參數。而捲菸內在質量也需充分利用聚類分析以及關聯技術挖掘其中質量問題與加工過程的關係，這樣可使捲菸內在質量提高。
4 結束語
菸草行業利用數據挖掘技術是提高質量管理水平的重要途徑。在實際應用過程中需充分認識數據挖掘技術的基本內涵、具體操作流程與方法，立足於企業當前質量管理存在的侷限性，將數據挖掘滲透在評價供應商、分析質量反饋、生產全過程等工作中，這樣纔可保證卷煙產品質量的進一步提高。