随着移动通信市场竞争的不断加剧和市场的日益饱和,移动通信企业的市场营销逐步由过去的产品中心论演变为客户中心论。以客户为中心、深入了解客户、引导客户、留住客户、提升现有客户的价值、提高客户的满意度、降低客户的流失率是提高移动通信企业利润的主要方法；通过品牌迁移实施有效的客户保持、通过投诉客户信用分级管理实现缩短投诉处理流程以及提高投诉处理的有效性是目前移动通信公司经常采用的手段之一。本文针对拜年卡用户品牌迁移以及投诉客户信用评价等市场营销需求,研究了分类预测技术在移动通信企业数据挖掘分析中的应用,设计和开发了具有高度实用性的数据挖掘算法以及适合于移动通信公司市场营销与管理人员使用的数据挖掘模型,提出了具体的技术实施方案,取得了比较好的应用效果。本文所做的工作主要包括两个方面。一是分析了数据仓库、数据挖掘、商业智能技术及其在移动通信企业中的应用,重点分析了数据挖掘技术中的分类预测技术。二是对分类预测技术中的隐马尔可夫模型方法以及层次分析方法进行了具体的研究与工程实现,并将其分别应用于移动通信企业的客户品牌迁移以及客户信用评价分级管理。论文的创新性既在算法研究方面有所体现,又在工程应用方面有所体现。在理论和算法研究方面,针对传统的层次分析方法运算效率低、主观性强的缺点,对传统方法进行了改进,提出了两种改进的层次分析方法,即：邻比判断矢量法、信息增益法。基于邻比判断矢量的层次分析法在计算权值系数时避免了矩阵的本征分解运算,提高了运算效率；基于信息增益的层次分析法避免了在因素之间进行重要性的主观判断,直接通过信息增益确定各因素或指标的重要程度(权值),是一种客观的评价方法,避免了传统层次分析方法中可能存在的主观逻辑上的不一致性以及主观性过强、不一定符合客观实际的问题。在工程应用方面,将基于隐马尔科夫模型的分类预测方法应用于移动通信企业拜年卡客户的品牌迁移,并提出了具体的技术实施方案；将两种改进的层次分析法应用于移动通信企业投诉客户的信用评价中,并提出了具体的技术实施方案；取得了较好的工程应用效果。