本文针对公共安全的需要，对电信数据仓库和数据挖掘技术进行研究。重点应用聚类分析和神经网络算法，通过对异常点的查找，从电信数据中挖掘出特殊用户群。首先，进行数据仓库体系架构的研究，以CDR(呼叫详细记录)为源数据，通过ETL形成可供数据挖掘的基础数据。对数据挖掘中分类、聚类、关联、序列等分析方法开展研究，重点对对神经网络算法开展研究和试验应用。其次，采用改进的CRISP-DM数据挖掘流程，按照业务理解、数据理解、数据准备、建立模型、模型评估和模型发布这六个商业应用数据挖掘步骤，通过对数据进行分析和使用相关的挖掘工具clementine，以外来人口分析为例建立相关目标用户预测模型。然后，将这些模型应用，对模型的效果进行评估、验证，查找可能存在的目标用户。最后，关于下一步工作方向进行了简要的讨论。本文以外来人口分析为例，通过使用由CDR而衍生的主叫时长、长途比等衍生变量，对一个地区的移动电话用户中的外来人口进行预测，取得比较满意的效果。使用clementine数据挖掘工具，应用Kohonen神经网络算法，采用了改进的CRISP-DM标准、数据取样和衍生变量的正确使用是本文的研究得以实现的基础。