这个图表显示了哪个项目趋于卖出或捆绑，以及与捆绑整个价格相关的销售数量。这个信息对于制定关于提升、定位策略和销售计划的决策是很有用的。例如，在图18中，Road-750自行车和Road Bottle Cage以及Water Bottle一起被购买了278套，卖价为$1,113.47，销售总额为$315,382.66。
在图19中，第二个报表提供了建议。这个信息对于决定推荐哪些产品给客户、以及每个建议对购买总值的影响是怎样的来说是很有用的。例如，当购买Half Finger Gloves时，一个很好的决策就是推荐Sport 100。Half Finger Gloves 销售记录为849个，它们使得卖出了352 个Sport 100。这个捆绑推荐的总价值是$19,004.48。
购物篮分析的建议
购物篮分析是一个强大的分析工具，它使得零售商可以更好地了解他们的客户怎么购买物品。这个信息可以提高销售计划的效果，增加客户满意度并提高商店利润。
4.4 需求计划
准确的需求计划对客户满意度、商店操作成本、与供应商的关系等等都有很大影响。当商店某一物品存货不足时会发生库存中断。这不仅会引起销售的下降，还会潜在地降低客户满意度。另一方面，对某一商品存货过多说明零售商店不了解他们的客户基础。存货过多是代价很高的，因为商品是放在货架上不移动的。而且，零售商为不必要的商品向供应商进行了支付。库存中断和存货过多都是要避免的。将需求计划集成到销售计划中，操作和商店处理会帮助创建一个更加有效的过程。因为你不能假设所有的商店和所有的客户都是行为一样的，所以使用需求计划使得商店可以运营得更加高效。
需求计划和传统的数据挖掘是不同的，因为它包括一时间序列的组件。其它建模技术不考虑时间。需求计划与SQL Server 2008一起使得用户了解了随时间的浮动和变化，并在创建模型和进行预测的时候将这些成分考虑进去。
图20显示了多个全球区域的历史销售数据。时间序列维度是在第一列中提供，它包含了每个销售的年/月时间戳。这个图片显示了在时间维度下每月欧洲、北美和太平洋地区的销售数量。
使用Microsoft数据挖掘预测向导
对这个数据应用SQL Server 2008的预测功能，你可以预测某一特定月份的销售。图21显示了具有预测值的图表。
预测值的可视化显示
你可以定义预测时间段的长度。在这个例子里，我们预测未来12个月的销售。
我们不只提供了预测值的可视化显示，而且预测值还回写到原始Excel 工作表中，如图22所示。在这个说明中，预测数据被框起来。这使得分析师可以轻松地在发现和探究之间转换，以便他或她可以提供合并到商业决策中的预测。
预测值回写到excel
需求计划对零售企业的影响不只是对销售或产品——它还影响员工，它帮助你了解商店的高峰时间，并帮助你考虑在灾害天气时的商店准备，使得商店可以预先行动，从而使企业运营得更加顺利、操作得更加高效，与客户和供应商之间的内部和外部关系更加良好。
5. 总结
用于Office 2007的数据挖掘插件可以用来解决多个商业问题。这篇文章中使用的例子描述了零售环境，但是这些方法不只是用于零售企业。大多数工厂可以使用这篇文章里描述的概念来更好的理解他们的业务和他们的客户。有一些机会给你的公司应用预测分析。这篇文章描述了一些突出的主题，但是预测分析可以用于许多其它的应用程序，例如价格和提高分析、后勤优化、和客户使用期限。
用于Office 2007的数据挖掘插件提供了终端用户灵活性、完全易于使用、和一个熟悉和直观的环境。这些插件建立在SQL Server 2008的可扩展性和熟悉的Microsoft Office 之上。Microsoft数据挖掘为你提供了一个完全的自服务可预测分析环境来更好的了解你的业务。
