2013年12月,中国正式进入4G时代。与此同时,运营商之间的4G客户竞争也进入白热化阶段。随着数据挖掘技术的广泛应用和运营商积累的越来越多的数据,如何利用数据挖掘技术手段处理电信大数据,受到越来愈多人的关注与研究。4G时代,针对电信业客户关系管理的需要,在现有的数据仓库技术和数据挖掘技术基础上,帮助运营商找出潜在的4G客户,扩大其市场占有份额,对电信运营商来讲具有很重大的现实意义和经济效益。本文研究的4G客户预测问题正是在这样一个时代背景下旨在为扩大运营商的4G客户规模而提出的。本文所采用的数据集来自于某电信公司。最主要的目标是建立一个准确率高的、实用性强的电信4G客户预测模型。模型的建立以数据挖掘的CRISP-DM方法论为基础。首先,在模型构建的准备阶段,本文对原始的电信数据进行了集成、清洗、规约、转换、分割等一系列的数据预处理工作,初步筛选并构建了模型的预测指标体系。然后,建立决策树、Logistics回归、SVM这三种4G客户预测模型,经过多次的模型训练与对比,最终选择出效果最好的决策树模型应用于电信4G客户预测。在模型应用阶段,参照预测模型计算出的所有客户得分情况,重点关注的对象是那些得分较高的客户,对这部分潜在的4G客户进行有针对性的业务推广和精确营销,从而达到扩大4G客户规模的目的。最后,本文还搭建了一个具有9个节点的Hadoop集群,实现了决策树C4.5算法的并行化,有效地解决了单机无法处理大规模数据的问题,验证了Hadoop平台在处理电信大数据方面的高效性与可扩展性。本文是把数据挖掘理论和实际项目相结合一个典型案例,利用数据挖掘的相关技术建立了电信4G客户预测模型。结果表明,所建立的模型是基本符合电信实际需求的,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,对电信运营商扩大4G客户规模具有重大的现实意义。