随着3G的到来和运营商的重组,移动通信行业的激烈竞争加剧了客户流失,这对运营商的市场占有率、经济效益等多项关键指标产生直接影响。著名的“20/80”规则告诉我们,占企业客户总量20%的高价值客户贡献了80%的利润。可见面对激烈的市场竞争,我们应当更关注于挽留有流失倾向客户中的高价值客户。数据挖掘技术在移动客户流失预测的现状:由于移动行业的特殊性,如数据量大、数据结构复杂、客户资料不健全以及业务繁琐等等因素,目前客户流失预测的准确性以及可用性不高。多数开发商主要的手段是根据客户的历史数据建立客户属性、服务属性和客户消费数据与客户流失可能性关联的模型,找出客户属性、服务属性和客户消费数据与客户流失的最终状态的关系,并用这个关系建立不同的算法的挖掘模型[4]。因此,有必要进一步研究数据挖掘技术在移动客户流失预测的应用,以提高预测的准确性以及可用性。论文的主要工作在于:1.针对移动通信企业对集团大客户离网倾向的分析需要,通过对数据来源和数据映射关系的研究,在企业级数据仓库的基础上对数据进行进一步的抽取转换,建立大客户离网预测数据挖掘集市。2.对数据挖掘技术中的分类预测方法进行了一定的分析比较研究,并选用C4.5决策树算法进行数据挖据及结果分析,实现“移动通信集团大客户流失预测”挖掘主题的应用。3.引入“集团客户纯度”概念进行模型优化,对大规模客户群体和复杂业务环境下的大客户流失预测模型的建立给出若干规则的建议,对如何降低决策树对训练样本集的依赖、提高预测模型的稳定性和准确性进行一定的探讨。经过不断的模型校正和评估优化,“集团大客户流失预测”数据挖倔主题基本达到了实际应用要求,通过前端应用展现,为客服人员进行大客户挽留提供了有价值的参考信息,并且取得了较为明显的成效。