實(shí)時掌握品牌市場狀態(tài)是企業(yè)品牌可持續(xù)發(fā)展戰(zhàn)略的重中之重。目前,隨著企業(yè)銷售數(shù)據(jù)的驟增以及品牌市場影響因素復(fù)雜度的增加,企業(yè)決策者單一的主觀判斷已經(jīng)不能準(zhǔn)確、實(shí)時的判別企業(yè)品牌市場狀態(tài)。因此,本文提出了基于企業(yè)品牌市場海量銷售數(shù)據(jù)的采集與品牌市場分析系統(tǒng)架構(gòu);完成了對品牌市場銷售數(shù)據(jù)的采集、存儲和處理,提取出影響品牌市場狀態(tài)的決策因子。以品牌生命周期、品牌市場地位以及品牌價位為維度,建立最優(yōu)品牌市場狀態(tài)判別模型。設(shè)計(jì)并實(shí)現(xiàn)了企業(yè)品牌營銷集成平臺,為企業(yè)品牌發(fā)展提供全面、精準(zhǔn)的決策依據(jù)。主要研究內(nèi)容如下:1)數(shù)據(jù)采集與處理:針對全國品牌市場每月產(chǎn)生的2億多條銷售數(shù)據(jù)的采集,包括了基于零售終端和消費(fèi)環(huán)境的各類銷售數(shù)據(jù)。對海量的數(shù)據(jù)源進(jìn)行數(shù)據(jù)的預(yù)處理操作,解決了存儲與數(shù)據(jù)的歸一化問題,構(gòu)建并分析品牌市場狀態(tài)的數(shù)據(jù)挖掘過程。2)品牌市場狀態(tài)判別決策因子的確定:為了降低品牌市場狀態(tài)影響因素復(fù)雜性,本文采用主成分分析法（PCA）對品牌狀態(tài)特征屬性進(jìn)行降維處理,確定了影響本企業(yè)品牌市場狀態(tài)的九大特征屬性。3)解析品牌市場狀態(tài):利用最優(yōu)FCM模糊聚類算法對品牌市場狀態(tài)進(jìn)行多維聚類分析,確定品牌市場狀態(tài)的... 

【文章來源】：浙江理工大學(xué)浙江省

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【部分圖文】：

HDFS的讀取數(shù)據(jù)過程

HDFS寫數(shù)據(jù)過程

圖 3.1 品牌狀態(tài)特征屬性數(shù)據(jù)圖 3.1 中的數(shù)據(jù)應(yīng)用到 PCA 模型中，根據(jù)品牌特征屬性的數(shù)據(jù)，構(gòu)建 n*m 行矩陣的特征值，先將數(shù)據(jù)矩陣進(jìn)行特征值分解。根據(jù)特征值進(jìn)行排序，然后取出前值，求和 W，所有的特征值求和 S，當(dāng)特征屬性的累計(jì)貢獻(xiàn)率在 85%-95%之間時

【參考文獻(xiàn)】：
期刊論文
[1]大豆芽期和苗期耐鹽性評價指標(biāo)篩選[J]. 牛遠(yuǎn),楊修艷,戴存鳳,王博文,任高磊,吳靜磊,王飛兵,陳新紅.  大豆科學(xué). 2018(02)
[2]改進(jìn)的數(shù)據(jù)挖掘模糊聚類算法研究與分析[J]. 李艷,張慶,田蘇慧敏.  寧夏師范學(xué)院學(xué)報(bào). 2018(01)
[3]貝葉斯判別法在煤體結(jié)構(gòu)判別中的應(yīng)用[J]. 鄭愛維.  中外能源. 2017(12)
[4]基于二分法的K-means算法的實(shí)現(xiàn)[J]. 陳賢宇,李有強(qiáng),呂苗苗,盧建成,陳文強(qiáng).  無線電通信技術(shù). 2017(06)
[5]基于遞歸特征消除方法的隨機(jī)森林算法[J]. 吳辰文,梁靖涵,王偉,李長生.  統(tǒng)計(jì)與決策. 2017(21)
[6]關(guān)聯(lián)挖掘算法及發(fā)展趨勢[J]. 李忠,安建琴,劉海軍,宋奕瑤.  智能計(jì)算機(jī)與應(yīng)用. 2017(05)
[7]應(yīng)用判別分析法建立肝硬化患者營養(yǎng)風(fēng)險(xiǎn)篩查模型[J]. 諸炳驊,趙長青,周揚(yáng),徐列明.  臨床肝膽病雜志. 2017(06)
[8]品牌生命周期理論的研究述評[J]. 何穎.  商場現(xiàn)代化. 2017(10)
[9]卷煙品牌區(qū)域市場狀態(tài)監(jiān)控模型研究--基于卷煙訂單數(shù)據(jù)的量化觀察[J]. 許瑞琦,畢訊波.  中國市場. 2017(11)
[10]關(guān)于數(shù)據(jù)挖掘研究現(xiàn)狀及發(fā)展趨勢的探究[J]. 任新社,陳靜遠(yuǎn).  信息通信. 2016(02)

碩士論文
[1]基于大數(shù)據(jù)平臺的決策樹分類算法及并行化研究[D]. 張永潘.南京郵電大學(xué) 2017
[2]基于屬性選擇加權(quán)的樸素貝葉斯算法的改進(jìn)與應(yīng)用[D]. 白贊.西安理工大學(xué) 2017
[3]基于加權(quán)決策樹的隨機(jī)森林模型優(yōu)化[D]. 馬曉東.華中師范大學(xué) 2017
[4]基于隨機(jī)森林模型的紅松潛在分布預(yù)測及適宜性評價[D]. 蔣育昊.中國林業(yè)科學(xué)研究院 2017
[5]基于FCM聚類的圖像分割算法研究[D]. 嚴(yán)思奇.重慶郵電大學(xué) 2017
[6]K-means算法并行實(shí)現(xiàn)與性能優(yōu)化[D]. 鐘蘇杰.天津理工大學(xué) 2017
[7]終端營銷系統(tǒng)中的商務(wù)智能與市場感知[D]. 孟婷婷.浙江理工大學(xué) 2016
[8]終端營銷的數(shù)據(jù)挖掘與商務(wù)智能[D]. 劉麗君.浙江理工大學(xué) 2015
[9]基于屬性加權(quán)和歸約的樸素貝葉斯算法研究[D]. 楊忠強(qiáng).廣西大學(xué) 2013
[10]基于數(shù)據(jù)庫營銷的貨車品牌市場營銷策略研究[D]. 沈曉東.南京理工大學(xué) 2013



本文編號：3564959