随着中国电信业改革的深入和信息技术的飞速发展，电信企业的管理理念已逐渐由传统的“以信息为中心”转化为以“以客户为中心”。因此,有效利用数据挖掘技术对电信企业海量的客户数据进行挖掘分析，从中发现各种潜在的、有价值的、有规律的知识，充分挖掘客户的盈收能力，是当前电信企业提升市场竞争力的重要途径。客户关系管理(Customer Relationship Management, CRM)系统以其较高的企业信息化水平、较丰富的数据资源及技术经验等优势，成为电信企业提高系统决策效率、降低客户流失率、增强企业竞争力的关键。粗糙集理论作为处理一种不完备信息、不精确数据的有效方法，具有较强的定性分析能力。目前，将粗糙集理论应用到电信CRM管理中吸引了国内外许多专家学者的注意。但是就数据挖掘技术本身而言，许多数据挖掘技术在方法和算法仍然存有不足，有待进一步进行研究。本文针对这个课题的具体研究内容主要如下：首先，阐述论文的研究背景、目的、意义、研究内容及方法。深入研究电信客户关系管理中的基本理论及所采用的数据挖掘技术和方法，并结合电信客户管理系统理论，利用基于粗糙集的关联规则挖掘技术解决电信CRM中的问题。其次，研究粗糙集数据预处理，包括冗余数据的处理、遗漏数据项的补齐、数据的离散化处理。数据的质量能严重影响数据挖掘算法的运行效率和应用效果，因此本文对Apriori算法进行了改进。最后，本文研究了基于粗糙集的客户分类预测模型。以粗糙集理论为基础，从电信CRM系统中获取数据，转化为相应的信息决策表，然后对数据项进行补齐、离散化约简，建立生成决策规则。本文对客户分类预测模型的实用性进行访真验证和分析，并对客户群进行特征刻画。本文的研究工作为电信企业应用数据挖掘技术来分析客户行为和提高企业CRM水平提供帮助，在理论研究和工程实践上具有重要意义。