当今世界已进入大数据时代。对于通信运营商而言,随着移动互联网技术的发展,获取了大量用户数据。通过对这些数据进行分析,包括用户的位置分布、上网趋势,消费行为等分析,有助于通信运营商改善运营模式、满足用户需求。本文主要针对移动大数据的分析处理方法展开研究,利用Hadoop移动大数据平台,对移动大数据进行存储和处理,并以实际项目为案例背景,提出了改进的K-means算法,对用户流动性、用户流量等用户行为进行分析,验证了移动用户行为分析方法的有效性。本文的主要工作包括:首先,基于湖北移动大数据Hadoop平台及用户数据资源,运用Hive、Arc GIS等技术,针对《2016“汉马”大数据报告》项目,进行了用户数据的预处理与可视化分析;并对移动用户流动性与用户使用流量进行了相关性分析,得到了用户流动性与用户流量正相关的结论。然后,针对K-means容易取局部最优解的缺陷,提出了通过欧氏距离来选出密度最大若干个初始点的改进方法,将改进算法运用于移动大数据用户流量行为聚类分析,并利用移动大数据Hadoop平台计算资源进行了实验,实验结果表明K-means改进算法在不影响效率的情况下,可以提高运算一定的准确率。