在我国食品工业不断发展的同时，烘焙业增长迅速，市场潜力巨大，成为食品加工业新的增长点。与此同时，烘焙企业的客户消费数据分析工作不仅工作量大增，传统的分析手段已经难以满足行业的发展需求，因此迫切地需要提高分析手段与方法。而数据挖掘技术就是一种有效的方法，能够充分地挖掘与分析隐藏在数据背后的信息，本文将数据挖掘技术引入到烘焙行业消费数据挖掘中，主要研发内容如下：（1）提出了一种改进的K-Means算法。将遗传算法（GA）与K-means算法相结合，充分利用二者的优势，解决传统K-means对于聚类数目的确定、初始中心选取以及噪声数据的敏感性问题，通过Iris与KDD CUP99数据集验证了GK-means算法的性能，并以此为基础构建烘焙行业客户细分模型，依据客户消费信息将其细分若干群体；（2）对Apriori算法进行了改进，解决该算法在搜索频繁项集时的效率问题，通过KDD CUP99数据集验证了改进的Apriori算法的效率，并以烘焙行业客户消费信息作为数据挖掘对象，找出烘焙行业各个销售产品之间的关联规则。