电信行业的体制改革逐步深化导致我国电信行业的竞争日益强烈,同时,客户流失问题随着竞争加剧而逐渐凸现,成为电信运营商急待解决的问题。相比较吸引新客户的高成本,保持现有在网客户是一个保持企业竞争力的办法。作为电信行业关注热点,数据挖掘技术在客户保持中应用较广,但都是使用某一种算法,因此数据训练过程结构单一,得出的模型训练效果不稳定。针对这个问题,本文主要从以下几个方面来进行改进和创新。(1)本课题将从客户基础信息、客户费用信息和客户欠费信息等各方面的数据来对客户流失倾向进行分析和预测,提高客户流失预测模型准确性和有效性。(2)电信行业数据及电信企业数据管理系统有其自身特点,因此基础数据可能出现异构数据或数据缺或问题,依据电信企业管理经验进行清洗或者填充。(3)选择适合电信行业客户流失的算法是本课题的成功根本,本课题采用决策树和神经网络两种算法,建立客户流失预测混合模型。通过验证数据集的监测结果表明,通过上述方法建立的客户流失预测模型是符合实际情况的科学模型,有能力对电信企业业务管理者提供科学决策依据。