实时掌握品牌市场状态是企业品牌可持续发展战略的重中之重。目前,随着企业销售数据的骤增以及品牌市场影响因素复杂度的增加,企业决策者单一的主观判断已经不能准确、实时的判别企业品牌市场状态。因此,本文提出了基于企业品牌市场海量销售数据的采集与品牌市场分析系统架构;完成了对品牌市场销售数据的采集、存储和处理,提取出影响品牌市场状态的决策因子。以品牌生命周期、品牌市场地位以及品牌价位为维度,建立最优品牌市场状态判别模型。设计并实现了企业品牌营销集成平台,为企业品牌发展提供全面、精准的决策依据。主要研究内容如下:1)数据采集与处理:针对全国品牌市场每月产生的2亿多条销售数据的采集,包括了基于零售终端和消费环境的各类销售数据。对海量的数据源进行数据的预处理操作,解决了存储与数据的归一化问题,构建并分析品牌市场状态的数据挖掘过程。2)品牌市场状态判别决策因子的确定:为了降低品牌市场状态影响因素复杂性,本文采用主成分分析法(PCA)对品牌状态特征属性进行降维处理,确定了影响本企业品牌市场状态的九大特征属性。3)解析品牌市场状态:利用最优FCM模糊聚类算法对品牌市场状态进行多维聚类分析,确定品牌市场状态的度量标准。结合企业综合营销系统,构建品牌市场状态的CM判别模型。精准定位品牌的市场状态,制定品牌营销战略,保证了企业品牌的稳定发展,提升企业品牌的竞争力。4)验证品牌状态判别模型的科学性与可靠性:在Spark平台上,实现了品牌市场销售数据的并行化分析。并利用四大评价指标对判别模型的可靠性进行评价,选取了具有稳定性好、高扩展性以及准确率高的判别模型。5)算法的改进,包括FCM聚类算法与NB分类算法:采用调整样本密度函数影响值的方法,改进了FCM算法中存在的样本基数不均缺陷,提高了算法聚类结果的准确率。采用二分法,改进了NB分类算法中数据量越大分类性能越差的缺点。主要对类条件概率进行简化,降低算法计算的复杂度,提高了算法分类的效率。6)设计并实现了企业品牌营销集成平台:将品牌状态判别模型应用于该平台,对品牌进行全方位的,深层次的分析和展现,实现企业品牌市场状态精准定位,增加了企业销售利润。