数据挖掘技术是近年来随着数据库和人工智能逐渐发展起来的一门新兴科学。作为一种新的数据提取工具，它能够自动地、智能地把数据转换成有用的信息和知识，决策制定者可以根据这些信息和知识，制定出有效的商业策略。正因为数据挖掘具有如此巨大的商业前景，所以该技术引起了学术界和商业界的广泛关注。聚类分析是数据挖掘的一种方法。我们面对海量数据的时候，首先必须要做的就是对它进行归类，而对于原始数据进行归类的一种行之有效的方法就是聚类分析法。聚类分析的应用十分广泛，在生物学领域里，聚类分析可以推导动植物的分类，基因的分类分析。在商务市场领域，聚类分析可以帮助市场分析工程师从客户的基本信息库中发现不同的客户群体，针对不同的客户群，制定不同的购买模式，从而可以使利益最大化。目前，聚类分析算法已逐渐成为数据挖掘领域中最重要的应用算法。随着3G技术普及和LTE技术的发展，移动通信企业间的竞争也日趋激烈，通信市场竞争的实质是企业服务质量的竞争，而通信服务质量主要体现在两个方面，一个是网络稳定性，另一个是客户满意度。针对网络稳定性和客户满意度，本文分别从网络优化和客户关系管理双方面进行研究，其主要内容包括：第一，总结通信业的发展现状，对当前主要的数据挖掘聚类算法进行研究和总结。详细对类的距离、数据结构和数据挖掘流程进行分析。第二，根据客户关系管理理念，研究移动通信业的客户关系管理体系，把数据挖掘技术应用于通信业的客户关系管理中。第三，在K-means算法的基础之上，进行算法改进，采用迭代自组织的数据分析方法对某省市的客户话单消费数据进行聚类分析。根据数据挖掘结果，给出套餐业务建议。第四，对移动通信业的网络优化领域进行介绍，重点研究GSM网络掉话问题，并且给出造成掉话问题的各种解决方案。第五，利用SPSS数据挖掘软件对一具体的掉话案例进行分析，研究该案例下的网络优化数据与历史数据的关联性。推测造成掉话的问题因素，并且给出处理方案和注意事项。