随着大数据和云计算的不断发展,智能制造将成为未来制造业发展的主题方向。越来越多的传统制造业企业注重设备之间的互联和数据分析,通过将自身的传统信息技术与互联网、大数据相结合,推动企业各个方面智能化发展,让企业在市场上处于领跑地位。在传统的家电领域中,不仅要使家电产品自身智能化,而且也要把智能知识不断融入到家电产品的生产和销售过程中,从而实现制造过程智能化和销售过程智能化,提高家电产品的质量。随着智能化家电在市场上越来越受欢迎,很多家电企业产生了海量数据。可以通过大数据平台对海量的家电数据进行存储、分类、预测和分析,挖掘家电数据的潜在价值,从而激发家电行业的市场潜力。本文主要内容如下:（1）本文的研究对象是美的企业家电专卖店的销售数据和专卖店信息数据,针对日益增长的智能家电数据,使用Hadoop平台对大量家电数据进行存储,由于Hadoop平台下的Map Reduce计算框架处理迭代问题的能力较弱,通过在Hadoop平台上使用Spark计算框架对数据进行分布式计算,充分发挥Hadoop平台和Spark计算框架的优势,从而提高数据处理的运行效率。（2）针对智能家电数据信息的特点,对数据进行可视化操作,分析相关变量对智能家电销售额的影响,对数据的特征重要程度进行排序,构建良好的特征方程。同时介绍了线性回归、Light GBM与XGBoost等模型算法,在理论上对这些算法进行比较分析,单一的XGBoost模型在处理智能家电数据时具有比较大的优势。（3）为了提升XGBoost模型预测销售额的准确性和泛化能力,利用Stacking算法理论对XGBoost模型进行优化,将XGBoost和Light GBM模型进行融合,并在Stacking第二层的特征选择时,加入重要程度高的特征进行训练。实验结果表明,优化后的XGBoost模型的预测性能得到进一步的提升。同单一模型相比,优化后的XGBoost模型的准确性和泛化能力更好,可以更好的将预测结果反馈给企业的生产部门,提前做好相关产品的库存处理。