随着电信行业的飞速发展,除了电信的传统业务如宽带业务外,电信获得了3G牌照以后,企业获得了又一次的飞跃发展的机会,而带来这次发展的契机就是电信的移动业务,进入了3G时代,移动业务使得三大电信运营商又重新站在全业务经营时代的起跑线上,而移动增值业务是移动业务中一个很重要的增长点,如何有效率向客户推荐移动增值业务,成为一个值得研究的课题,而电信作为数据挖掘技术一个重要研究领域,使得数据挖掘技术在这一行业应用逐渐走向成熟。　　 本文从通过对客户的行为研究分析中来推动移动增值业务的发展的实际需求出发,建立了移动增值业务的模型,并评估该模型,形成知识,向客户推荐业务,其次,通过建立模型,对数据挖掘中的关联规则相关知识进行了研究,在详细地研究、分析了关联规则算法的优缺点之后,阐述了经典Apriori算法存在的若干不足,根据实际情况,提出了适合电信行业的关系数据库的改进后的算法BUCT,并将算法应用到数据挖掘软件中进行实践,对电信办理移动增值业务的客户的数据进行挖掘,通过评估模型生成规则的有效性,形成推荐知识。　　 本文的建模过程是采用CRISP-DM标准化数据挖掘流程,它是目前公认的、使用范围最广泛地方法论之一,且是体现了将商业问题和数据挖掘技术相结合。