在未来的电信市场中,客户更换手机的频率和对手机的依赖度将越来越高。掌握客户终端更换的趋势,准确预测手机终端用户的变迁从而有效的制定防止客户流失的方针,对电信企业有着十分重要的意义。由于数据挖掘技术在自身处理海量数据的优势和其算法的日益成熟,使得数据挖掘技术在电信行业用户变迁预测研究中发挥了重要的作用。本论文基于数据挖掘和客户价值的理论和方法,从电信运营环境、运营企业用户行为属性等角度深入探讨了数据挖掘算法在电信运营企业中的应用。本文首先利用A电信运营商某省客户业务数据,借助R语言数据挖掘工具对数据集进行数据集成、数据清洗、数据变换等工作。然后,采用决策树和神经网络两种算法对样本数据进行训练,并在此基础上建立预测模型,通过准确率、查全率、ROC曲线等评估体系对两种模型就行评估与对比,试验表明,决策树算法模型对手机终端用户预测研究更为适用。最后,利用决策树预测模型对未来一个月的用户行为属性进行预测,并找出潜在更换终端的用户。由于该方法加入了“追踪”属性,如:换机品牌,终端类型,网别类型等,其数据集能更好预测出手机终端用户变迁,使得预测的命中率更高。这克服了以往对电信客户变迁预测研究的缺点,如:以往的研究都是采用客户消费信息、个人信息、其他信息等原始属性数据,这些原始属性数据很难真实地反映客户流失的行为。本文结果表明,所建立的模型是基本符合电信运营商需求的,能够提供有价值的预测信息给相关的决策人员和市场营销人员,对电信运营商制定相关方针具有一定的指导意义。随着数据挖掘技术的不断发展,加上评估体系、业务属性、预测模型的不断改进,本文提出的预测方法将在电信行业中产生越来越重要的作用。