随着数据挖掘技术的不断发展,人们越来越关心它在各个领域的应用,它是利用已有的历史数据通过建立模型的方法找出隐含的业务规则。电信行业是典型的数据密集行业,而且目前电信运营商们都在经历着不同程度的客户流失,所以运用数据挖掘技术找出电信流失客户的特征显得尤为重要。本文的研究目的就是应用数据挖掘技术发现流失客户的特征,建立流失预测模型,应用模型预测流失客户名单,针对流失客户制定有效的挽留策略。本文的主要工作包括以下几个方面:首先从业务角度,对电信行业的业务流程和电信客户流失原因进行分析,将客户流失原因和电信行业的业务系统相接合,总结出与客户流失相关的数据资料,完成从商业角度向数据角度的转换。然后从技术角度,总结了数据挖掘技术的理论与方法。详细描述了神经网络挖掘算法和决策树算法的原理及过程,为后面章节的实际建模打下铺垫。接着在前面的基础上又介绍了电信行业客户流失模型建立的原则,探讨了数据挖掘过程的标准化模型。详细描述了CRISP-DM标准数据挖掘过程的6个阶段,并结合电信行业自身的特点,论述了商业理解、数据理解、数据准备、建立模型、模型评估、模型应用这六个阶段的工作。最后又详细探讨了流失客户的挽留价值,详细描述了电信客户生命周期各个阶段的特点,分析客户流失的原因,针对流失客户制定有效的客户挽留策略。