卷烟销售分析预测系统研究
卷烟消费者信息采集与分析系统设计研究
图 ３ 系统 功 能模 块设 计 图 （ ） 据采 集 管 理 模 块 １数 主 要 负 责 个 人消 费 者 的收 入 水 平 、 作 性 质 、 化 程 度 、 工 文 口味 偏 好 、 费 习惯 等 信 息 ， 至要 包 括 卷 烟 消 费 者 的心 理 统 消 甚
产品 、 动等信 息 ， 活 以达 到 说 服 消 费 者 了 解 品 牌 、 买 产 品 之 购
信息 。 能够 更 有 效 地 配 置 营销 资 源 、 制定 营 销 方 案 。
２系统 设 计 原 则
在 建 立 卷 烟 消 费 者 信 息 数 据 库 基 础 之 上 的 ，依 靠 先 进 的 网络 架 构 和 程 序 设 计 技 术 。 用数 据库 技 术 海量 信 息 处 理 、 应 连 接 分 析 处 理 、 据挖 掘等 先进 运 算 ， 企 业 在 低 成 本 的 水 平 上 数 使 实现 一 对 一 的强 大 的销 售 力 量 。反 映 出 客 户 对 每 项 商 品 的 个 人 兴趣 ， 企业 与 客 户 接 触 的价 值 发 挥 到 极 致 。 系统 设 计 的 使 该
Ｋｅ ｒ ｓ ｃｇ ｒ ｔ ｏ ｍｅｓ ｉ ｆ ｒ ｔ ｎ ｄ ｔ ｏ ｅ ｔ ｎ ｄ ｔ ｎ ｎ ｙ ｗｏ ｄ ：ｉ ａｅ ｔ ｃ ｍｕ ｒ； ｎ ｏ ｍａ ｏ ； ａ ｃ ｌ ｃ ｏ ；ａ ｍｉ ｉ ｇ ｅ ｉ ａ ｉ ａ
１引 言
卷 烟消 费者 信 息 数 据 采 集 与 分 析 是 一项 涉及 范 围 广 、 信 息 量 大 、 绪 繁 杂 的 系 统 工 程 ， 多年 的 企 业 运 作 过 程 中 ， 头 在 烟
并 决定 如 何 接 近 该 消 费 者 。 如 个 人 消 费 者 的收 入 水 平 、 作 例 工
卷烟销售分析预测系统研究
层 、 示 层 。如 图 １所 示 。 表 数 据 层 ： 系 统 结 构 的 最 底 层 。利 用 Ｓ ｅｖ ｒ数 是 ＱＬ Ｓ ｒｅ
１ 系统 需 求 关 系
根 据 烟 草 商业 系统 卷 烟 销 售 的现 状 及 特 点 ， 合 烟 草 结
公 司 省 、 、 的组 织 结 构 ， 统 采 用 Ｂ Ｓ结 构 ， 过 该 系 市 县 系 ／ 通
分 析 ， 零 售 户 的需 求 进 行 预 测 和 评 估 ， 烟 草 部 门 掌 握 对 为
区 域 内市 场 状 态 ， 定 货 源 投 放 策 略 提 供 参 考 ， 时 通 过 制 同
实 时采 集 市场 数 据 ， 合 定 性 定 量 、 得 预 测 分 析 持 续 延 结 使
伸 、 果 持续 改善 ， 而对零 售户 的采 购进行 预测 指导 。 效 从
的特 点 ， 究 了卷 烟 销 售 分析 预 测 系统 。试 图通 过 该 平 台 ， 立 起 对 卷 烟 市 场 数 据 信 息 进 行 数 据 采 集 和 综 合 分 析 的 研 建
预 测体 系， 挥 出预 测 指 导 采 购 的作 用 ， 企 业 和客 户 制 定货 源投 放 策 略 提 供 参 考 ， 现 货 源 “ 准投 放 ” 目的 。 对 发 为 实 精 的
据 库 系 统 ， 现 数 据 的 存 储 。处 理 数 据 表 间 增 、 、 、 实 删 改 查
卷烟营销大数据智能分析应用体系研究
卷烟营销大数据智能分析应用体系研究随着大数据技术的发展和智能分析算法的应用，越来越多的行业开始将大数据技术应用于营销领域。
卷烟行业作为传统的消费品行业，也开始尝试利用大数据智能分析来提升营销效益。
本文将围绕卷烟营销大数据智能分析应用体系展开研究，探讨其中的关键技术和应用场景。
一、大数据技术在卷烟营销中的应用现状目前，卷烟行业已经开始将大数据技术和智能分析算法应用于市场营销中。
通过对消费者行为、偏好、购买习惯等数据进行收集和分析，卷烟企业可以更好地了解消费者需求，提升产品和营销策略的精准度。
在销售渠道和促销活动方面，大数据技术也为卷烟企业提供了更多的数据支持和智能决策能力。
通过数据挖掘、预测分析、个性化营销等手段，卷烟企业可以更加精准地进行市场定位和产品推广，提升品牌影响力和市场占有率。
二、卷烟营销大数据智能分析应用体系的关键技术1. 数据采集技术在卷烟营销大数据智能分析中，数据采集是基础且至关重要的一步。
卷烟企业需要通过多种渠道和手段收集消费者的相关数据，包括线上线下销售数据、消费者行为数据、社交媒体数据等。
卷烟企业还需要与合作伙伴和第三方数据提供商进行合作，获取更多的消费者数据。
隐私保护和数据安全也是数据采集过程中需要重点关注的问题，卷烟企业需要合规合法地收集和使用消费者数据。
2. 数据存储和管理技术大数据存储和管理技术是卷烟营销大数据智能分析应用体系中的关键环节。
卷烟企业需要建立起完善的数据存储和管理系统，将各类数据进行整合和归类，保障数据的完整性和可用性。
为了更好地支持智能分析和决策，卷烟企业还需要考虑数据的实时性和处理速度，建立起高效的数据处理平台和算法引擎。
3. 数据分析和挖掘技术数据分析和挖掘技术是卷烟营销大数据智能分析应用体系中的核心技术。
通过数据分析和挖掘，卷烟企业可以从海量的数据中挖掘出有价值的信息和规律，为营销决策提供支持。
数据建模、预测分析、关联分析等技术也可以帮助卷烟企业更好地理解消费者行为和市场趋势，提升营销策略的精准度和有效性。
基于组合分析模型的市场销量预测——以卷烟厂为例
基于组合分析模型的市场销量预测——以卷烟厂为例单宇翔;郁钢;陆海良;高扬华【摘要】由于烟草市场发展面临新的诸多挑战,为了保持烟草行业的可持续发展,对未来卷烟销量的预测很有必要。
首先建立定性分析模型,从宏观经济变量、人口增长、收入变化等因素对卷烟销量的影响定性分析预测。
其次利用时间序列分析、H-P滤波分析形成未来卷烟批发销售总量和销售总金额预测。
在上述模型基础上,以杭州卷烟市场为例,进行预测分析。
该模型分析方法严谨,定量与定性分析结果相近,模型可信,有助于烟草公司的工作人员准确把握烟草市场的发展趋势,制定有效的发展规划和决策。
【期刊名称】《中国商论》【年(卷),期】2019(000)002【总页数】2页(P4-5)【关键词】杭州卷烟;销量预测;时间序列;H-P滤波分析;组合分析模型【作者】单宇翔;郁钢;陆海良;高扬华【作者单位】[1]浙江中烟工业有限责任公司;[1]浙江中烟工业有限责任公司;[1]浙江中烟工业有限责任公司;[1]浙江中烟工业有限责任公司【正文语种】中文【中图分类】F49近几年，国内卷烟批发销售量较稳定的增长，同时面临诸多挑战。
为了保持可持续发展，烟草工业公司将在保持销量适度增长的同时，努力实现结构平稳提升，通过对未来卷烟销量的预测能把握市场的发展趋势，实现精准营销。
1 相关研究卷烟销量预测在烟草行业内得到了高度关注，已经有不少学者对这方面作了研究。
杨林[1]应用SQL Server2010软件设计了相应的数据库，通过Eviews工具等对样本数据进行在年度、月度销量及卷烟结构销量方面计算预测、分析。
蒋兴恒[2]采用改进的BP神经网络Levenberg-Marquardl算法对卷烟销量数据进行归一化处理，建立卷烟销量神经网络预测模型。
由于这些研究都过于强调单一的量化分析方法，卷烟销量预测不够合理和准确。
2 烟草销量预测分析模型及杭州市场实例分析烟草市场的发展受到众多的经济变量影响。
从目前多个方面因素综合数据来看，国内卷烟市场处于一个渐成熟、低增长阶段，在对卷烟销量预测时，不仅需要量化预测分析，也要结合宏观条件下定性分析。
城市预测卷烟销售分析及销量预测模型研究
城市预测卷烟销售分析及销量预测模型研究近年来，中国的卷烟市场呈现出快速扩张的趋势，而城市作为消费需求集中的地区，卷烟销售情况对于烟草企业来说至关重要。
因此，对城市卷烟销售分析及销量预测模型的研究具有重要的实际意义。
本文将对城市预测卷烟销售进行深入分析，并提出相应的销量预测模型。
一、城市卷烟销售分析1. 城市卷烟消费特征分析要进行城市卷烟销售分析，首先需要了解城市卷烟消费的特征。
城市卷烟消费特征包括消费人群的年龄、性别、收入水平等方面的分布情况，以及地区特点、消费习惯等因素对卷烟销售的影响。
通过对这些特征的分析，可以为烟草企业制定更加精准的销售策略提供参考。
2. 城市卷烟销售数据分析城市卷烟销售数据是进行销售分析的重要基础。
通过对城市卷烟销售数据的分析，可以掌握卷烟市场的规模、增长趋势、销售额及销售渠道等信息。
此外，还可以通过挖掘数据背后的规律，发现销售增长的驱动因素，为销售预测模型的构建提供依据。
3. 城市卷烟销售影响因素分析城市卷烟销售受到众多因素的影响，如消费者的收入水平、价格因素、产品品质及吸烟习惯等因素。
对这些因素的分析，可以帮助烟草企业制定合理的销售策略和产品定位。
二、销量预测模型研究1. 时间序列分析模型时间序列分析模型是一种常用的销量预测模型。
通过对历史销售数据的分析，可以识别出销售的季节性、趋势性和周期性规律，并将这些规律应用于未来的销量预测中。
常见的时间序列分析模型包括移动平均法、指数平滑法、ARIMA模型等。
2. 回归分析模型回归分析模型是另一种常用的销量预测模型。
它通过对销售量与各种影响因素的关系进行建模，并利用历史数据拟合出回归方程，从而预测未来销量。
在城市卷烟销售中，可以考虑的影响因素包括消费者收入水平、城市人口规模、相关政策变化等。
3. 机器学习算法模型随着人工智能技术的不断发展，机器学习算法在销量预测中得到了广泛应用。
机器学习算法可以通过分析大量的历史销售数据，并结合其他的影响因素进行模型训练和预测。
卷烟需求预测分析报告
卷烟需求预测分析报告1. 引言卷烟行业是我国经济中的一个重要组成部分，卷烟需求的准确预测对于卷烟生产企业和销售商具有重要意义。
本报告旨在通过基于历史数据的预测模型，对卷烟需求进行分析和预测，为相关企业提供决策支持。
2. 数据收集与处理为了进行卷烟需求的预测分析，我们收集了过去五年的卷烟销售数据。
经过数据清洗和处理，我们得到了每个月的卷烟销售量数据。
3. 数据探索与可视化在进行预测之前，我们首先对数据进行了探索和可视化分析。
通过数据的可视化，我们可以更好地理解数据的分布和趋势。
3.1 数据概览我们首先对数据进行了基本的统计分析，包括均值、标准差、最小值和最大值等指标。
通过这些指标，我们可以对数据的整体情况有一个基本了解。
3.2 数据可视化我们使用折线图和柱状图等方式对数据进行了可视化展示。
通过可视化分析，我们可以观察到卷烟销售量的变化趋势以及季节性的波动情况。
4. 预测模型建立与优化为了对卷烟需求进行准确的预测，我们采用了基于时间序列的预测模型。
具体地，我们使用了ARIMA模型来进行预测。
4.1 ARIMA模型介绍ARIMA模型是一种常用的时间序列预测模型，它包括自回归(AR)、差分(Integrated)和移动平均(Moving Average)三个部分。
通过对时间序列数据的拟合，ARIMA模型可以预测未来的数值。
4.2 模型建立与参数选择在建立ARIMA模型之前，我们首先对数据进行了平稳性检验。
通过对数据进行差分处理，我们确保了数据的平稳性。
接下来，我们使用自相关函数(ACF)和偏自相关函数(PACF)来选择ARIMA模型的参数。
通过观察ACF和PACF的图像，我们选择了合适的自回归、差分和移动平均的阶数。
4.3 模型拟合与评估我们使用选定的参数对ARIMA模型进行拟合，并使用历史数据进行模型的训练和验证。
通过计算预测值和实际值之间的误差，我们可以评估模型的准确性。
5. 需求预测与结果分析在完成模型的训练和验证之后，我们使用训练好的ARIMA模型对未来一年的卷烟需求进行了预测。
卷烟零售市场需求预测分析
本文以锡林郭勒盟中心市场不同业态零售客户基本情况为基础，对卷烟经营业态的消费数量、销售结构、经营方式、客户结构、消费者行为和竞争优势进行分析，依此提出各种经营业态的发展趋势和客户预测方法及预测实施，为按定单组织货源工作提供决策依据。
一、各业态的市场特征分析各经营业态销售数量和销售结构分析。
锡林浩特市城区共有卷烟零售户 587 户，分为 4 个区域，一区 162 户、二区139 户、三区 137 户、四区 149 户，由四名客户经理负责 4 个区域卷烟零售户的日常服务和管理工作。
城区内商场、超市、便利店、烟酒专营店等较新型业态 328 户，占零售户总数的 55.87%，销量占总销量的 42.7%，“五度”得分较高，主要分布于城区杭办、楚办两区域。
食杂店、娱乐服务类等传统业态 259 户，占零售商户总数的 44.13%，销售占总销量的 57.3%，“五度”得分较低，客户遍布整个城区。
专营店和小型超市已在城区中心市场迅速发展，所占比重增加较快。
从卷烟销售结构看，商场、超市、便利店、烟酒专营店等较新型业态，销售高档卷烟产品的优势明显好于食杂店等传统业态，一、二类烟大大超出区域平均水平。
因此，在制定品牌营销策略时，大型商场、连锁超市及特殊场所可作为高档品牌的重点哺育对象；专营烟酒商店作为进一步提升高档烟的重点客户，同时也可作为高档产品的哺育对象；小型超市、便利店和城市食杂店可作为中档烟的哺育户；小型食杂店和其他业态作为中低档烟的重点哺育户。
各种业态主要经营方式分析。
锡林浩特市除专营烟酒店和其他业态的客户以卷烟业务为主业外， 80%以上的客户是以卷烟业务为辅助经营项目，这些客户经营卷烟的目的是为了更好地服务客户，方便顾客购买，通过销售卷烟来吸引或者留住更多的顾客。
从销售形式可以看出，新型业态凭借其环境服务好、品牌信誉高和规模优势等吸引了以条消费的大部分群体。
各种经营业态的客户结构分析。
大型商场、连锁超市的消费群体结构较为复杂，分布于各个消费阶层，还有机关事业单位及外来旅游经商人员，顾客收入水平差异较大，流动性较强。
卷烟销售市场调研报告(三篇)
卷烟销售市场调研报告（三篇）篇一卷烟销售市场调研报告1150字为了准确掌握社会库存，把握市场动态，了解市场真实需求，收集客户对市局卷烟投放的意见和建议，从而更好地培育全国性卷烟重点骨干品牌，同时总结今年两节期间县卷烟销售市场存在的利与弊，为今后的工作积累经验，从而优化卷烟销售市场，提高卷烟的销售水平，以及客户的盈利水平。
山西偏关县营销部按照市局的要求，对辖区范围内各零售户的卷烟结构、品牌、库存等展开了调查。
一、卷烟销售分析1、随着我国经济的不断增长，人民的生活水平也渐渐改善了，消费者对卷烟的需求档次也逐渐提高了，因此，呈现出一、二类烟大幅增加，三、四类烟增加10%以上，只有五类烟销量下降的现象。
2、为了培育全国性卷烟重点骨干品牌，市局对各个品牌卷烟的投放量的差异，同样也造成了上述现象的产生。
从社会库存看，偏关县社会库存主要集中在三、四类烟上，占了总库存的75%以上，造成这一结果的主要原因是客户对消费者对卷烟的需求档次了解不够。
在两节期间，消费者与往年相比对卷烟的消费档次有了很大的提高，对于年轻消费者，大多数选择芙蓉王、云烟（福）云烟（紫）作为节日用烟，而那些烟龄较大，以前消费四类烟的消费者也在节日期间提高了档次，因此造成了上述现象。
社会库存较大的五个品牌分别是芙蓉王、云烟、红旗渠、红金龙、庐山.其原因主要是平时这五个品牌的卷烟都是市场上畅销的品牌，而又加上正逢两节期间，客户对这几类卷烟的需求预测太大，造成了大量库存的产生。
而库存最大的业态客户主要是食杂店，这主要是由于偏关县业态类型主要以食杂店为主。
从销售数据可以看出：辖区老营、水泉一带的客户卷烟销售波动明显，客户由原来的中、小型客户大都数变成了大、中型客户。
波幅明显，卷烟购进明显加大。
二、客户满意度调查通过调查，客户对烟草公司的服务大都很满意，主要包括货源供应满意度、对四员服务满意度、投诉处理结果满意度及客户盈利情况。
根据市局要求，客户经理每月对辖区客户进行满意度调查，辖区零售户满意度综合评价为98.41%.其中客户感到最满意的是偏远客户送货服务周到，送货人员能及时把货源送到客户手中；感到最不满意的是部分偏远农村客户对电子结算不满意。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
卷烟销售分析预测系统研究
摘要：卷烟销售工作是烟草商业系统工作的核心，是行业生产经营、发展方式的重要载体。
为进一步规范和完善卷烟货源供应工作，使资源配置更有效、货源投放更公平、客户货源供应满意度不断提升，结合烟草商业系统卷烟营销的特点，研究了卷烟销售分析预测系统。
试图通过该平台，建立起对卷烟市场数据信息进行数据采集和综合分析的预测体系，发挥出预测指导采购的作用，为企业和客户制定货源投放策略提供参考，实现货源“精准投放”的目的。
对系统的架构、功能、特点和与其它应用系统信息共享等进行了阐述。
关键词：烟草商业系统；卷烟销售；分析预测系统
0引言
卷烟销售的经营和管理是烟草商业系统管理不可缺少的部分。
但在相当长一段时间，由于受到传统营销思路和技术手段的束缚，没能引起行业内足够的重视。
现有的卷烟销售系统，只能简单地实现卷烟销售统计和核算。
不能实现对卷烟品牌生命周期动态管理，不能细化到对每个零售户的经营进行指导。
同时由于管理数据表太多，统计分析工作十分繁重，需占用大量的人力和物力，且操作比较难；容易产生对市场预测的失真，不能及时反映市场需求，有碍行业精细化管理水平的进一步提高。
随着行业的发展，将卷烟销售管理手段与先进的市场分析预测技术接轨是大势所趋。
通过研究卷烟销售预测分析系统，将行业内卷烟销售静态管理更改为动态管理，及时反映出卷烟品
牌销售、零售户经营以及市场动态情况，为烟草商业系统制定货源投放策略提供参考，提高行业经营管理水平。
1系统需求关系
根据烟草商业系统卷烟销售的现状及特点，结合烟草公司省、市、县的组织结构，系统采用B/S结构，通过该系统，用户可以进行卷烟基础信息、零售户基础信息、零售户经营基础信息等基础信息的录入和管理，保证基础信息的完整性；通过对零售户库存采集、零售样本户情况采集，实时掌握零售户购进和库存情况；从零售客户和烟草部门两个维度对卷烟月度需求进行预测；通过对零售户当前以及历史进销存数据的分析，作出客户经营状态评估和经营能力评估；在大量数据的基础上作出卷烟品牌状态分析、市场状态分析；根据零售户的卷烟状态和能力，对其经营进行指导。
具体来讲，该系统要实现建立从零售客户和烟草部门两个维度对卷烟市场的数据信息进行数据采集和综合分析的预测体系，通过对零售户购进和库存以及历史数据的分析，对零售户的需求进行预测和评估，为烟草部门掌握区域内市场状态，制定货源投放策略提供参考，同时通过实时采集市场数据，结合定性定量、使得预测分析持续延伸、效果持续改善，从而对零售户的采购进行预测指导。
同时结合行业对保密性要求极高和严格的审批制度等特点，系统需要在数据的安全性和一致性上得到必要的保证。
2卷烟销售分析预测系统结构设计
2.1系统的架构和功能
以宜昌市烟草公司卷烟销售管理为例，从技术层面上来看，本系统将利用该单位现有软硬件及网络环境，采用三层架构，从下至上分为数据库层、数据访问及业务逻辑层、表示层。
如图1所示。
数据层：是系统结构的最底层。
利用SQL Server 数据库系统，实现数据的存储。
处理数据表间增、删、改、查功能。
数据访问及业务逻辑层：是整个系统的核心部分。
负责处理用户在浏览器发出的各种操作请求，通过调用业务逻辑来实现对数据层中数据的各项操作。
表示层：是系统的展示部分。
负责操作用户与系统间交互，这一层通过直接与用户交互，实现用户的业务请求，并将通过数据访问及业务逻辑层处理结果显示在用户的页面上。
从用户操作的角度来看，整个系统可分为基础信息管理、信息采集、需求预测、客户综合能力评价、卷烟销售分析、零售户经营指导、系统管理等内容模块。
（1）基础信息管理模块。
实现对卷烟销售环节所涉及的几方面要素信息的录入和查询功能。
包括有卷烟基础信息、零售户基础信息、零售户经营基础信息等子项。
（2）信息采集模块。
由烟草公司客户经理对其辖区内的卷烟零售户和零售样本户进行库存信息和销售状况采集，包括有零售户库存采集、零售样本户情况采集等子项。
（3）需求预测模块。
从零售客户和烟草部门两个方面对该户月度需求状况做出预测，包括有零售户月度需求预测、客户经理需求预
测等子项。
（4）客户综合能力评价模块。
对零售户的卷烟销售能力做出分析评估，包括有客户经营状态评估、客户经营能力评估。
（5）卷烟销售分析模块。
品牌状态分析、市场状态分析。
（6）零售户经营指导模块。
根据零售户的销售情况、库存情况、盈利能力等数据，分析对比，找出薄弱环节，同时由客户经理填写指导意见，生成《零售户经营指导书》，对零售户提供有针对性的意见和建议。
（7）系统管理模块。
对整个系统的用户、角色和权限进行管理。
2.2系统架构特点
（1）充分利用了已有的业务规则和老的信息系统，通过将整个系统分为不同的逻辑模块，使得系统开发和维护的成本大幅降低，开发周期也得到了控制。
（2）通过采用三层架构的结构模式将表示部分和业务逻辑部分予以分离。
客户端和服务器之间、应用服务器和数据库服务器之间的相互通信，以及不同平台之间的数据交换，均可以使用相关程序及中间件来实现。
当系统服务的业务逻辑发生改变时，客户端不需要改变，这样做大幅提高了系统模块的复用性，维护费用也随之降低。
（3）系统的可扩展性大幅增强。
模块化的结构使得系统非常容易地就可以在横向和纵向两个方向得到拓展：纵向方面可以将整个系统升级到更有力、更新的平台；横向方面可以通过增加规模来增强系统的应用面。
在摆脱了系统同构性限制的情况下，分布式数据处理成
为了可能。
2.3与其它应用系统之间的数据共享
为实现数据信息与其它管理和业务系统的信息共享，该系统与企业已有的应用系统相集成（例如综合业务平台系统、OA办公自动化系统等），最大程度地实现了信息共享。
具体表现在：单位（部门）组织机构与员工直接提取已有的数据信息，在数据库与数据库之间实现自动抽取、转换、装载基础的信息数据等。
3结语
以对宜昌市卷烟市场销售预测和分析为例，介绍卷烟销售分析预测系统的实现。
通过构建该平台，可以全面、及时掌握各单位、各部门和人员信息化资产信息。
实现对辖区内卷烟销售的动态管理和监控，提高企业营销管理水平和管理效率，优化服务流程，提高服务水平，提升服务效率，有效降低企业经营管理成本。
参考文献：
[1]傅瑞军，张明安，李春雷，等.一种快速需求分析方法[J].软件导刊，2012（4）.。