全球互联网都正在经历着由计算机互联网PC-Internet向移动互联网Mobile-Internet的巨大转变,具有各种应用功能的移动终端及手机在某种意义上已经主导着互联网的发展,全世界将走向真正的移动信息时代。据2015年中国互联网络信息中心CNNIC的最新数据显示,截至2015年6月份,中国网民的规模达到了6.68亿,其中手机网民的规模就达到了5.94亿。相应地,使用台式机、笔记本以及平板电脑上网的比例均有所下降。数据的快速爆发式增长给数据的存储、处理和分析带来了的巨大压力,而大数据技术的引入,不但满足了系统功能和性能的需求,带来了良好的可扩展性,降低了IT部署的成本,此外它还拓展了数据智能分析的应用领域。大数据技术已经成为数据爆炸时代企业提升竞争力的强而有力的工具。传统的用户分析缺少数据挖掘和行为分析的手段,未细分用户的需求,定位不准,最终导致企业营销与用户需求不相匹配。伴随着OTT企业对运营商的挤压越发的明显,造成短信、彩信、视频等业务的大量流失。运营商迫切需要打造大数据运营的蓝海市场。在此背景下,提出一种综合的对于移动互联网的用户行为进行分析的方法,找到一个行之有效的用户行为分析解决方案,这已经成为了移动运营商在移动互联网的业务拓展中所需要亟待解决的重要问题。本文以精确营销为目标,以移动用户行为特征为研究对象,根据用户在移动互联网中的访问记录,结合用户年龄、性别、用户套餐等信息,利用大数据技术、数据挖掘技术在移动互联网分类库的基础上,对移动用户在互联网行为进行分类并进行用户标识,通过构建数据分析体系,从而实现大数据专题分析,并就行为分析中的客户细分模型、行为预测模型的构建等重点问题进行了研究且进行了实证分析。本论文的研究工作可以总结为以下几个方面：(1)针对网络用户行为兼具有多样性以及复杂性,研究了用户行为分析的内容、方法,重点研究数据挖掘算法的选择。(2)针对传统的用户行为分析缺少数据挖掘以及行为分析的手段,利用Hadoop、 Hive以及ZooKeeper等大数据技术,对移动用户上网行为分析系统的构建方法进入了深入地研究,并对数据分析层各模块进行了详细地设计,从而为行为分析奠定了基础。(3)针对目前大部分的聚类算法在处理低维、少量数据时效果较好,但是在处理高维以及大数据量时聚类质量反而下降的问题,本文提出用改进的κ-means算法解决原有算法在选取k值以及初始化聚类中心时所存在的问题,从而建立移动用户的分群模型。(4)采取决策树算法C5.0对移动用户的分群模型进行标识区分。将用户归属以分群进行划分,通过对用户互联网的行为进行分析,从而对用户身份进行标签标识,最终完成用户身份的识别。(5)决策树算法比较擅长选择最重要的变量,利用该算法所选择出的变量进一步建立人工神经网络模型,从而最终完成对用户行为进行预测。结果表明,引入了大数据技术的行为分析系统对用户行为特征的分析是有效的,不仅能突出用户画像,更实现了精准营销的目的。大数据性质的专题分析,已经成为行业发展的一个必然趋势。通过对移动用户访问互联网的行为分析,对于进一步掌握用户的使用习惯以及上网偏好、准确定位用户的上网需求、进一步挖掘数据价值以及提升企业在市场中的竞争力具有着非常重要的作用。本文的研究工作为大数据技术、数据挖掘技术在电信行业中的应用奠定了坚实的理论基础,为电信行业提供了决策依据,在理论研究和实际应用中都具有着重要的意义。