大数据时代，海量数据蕴含着对企业经营、管理决策有用的重要信息。大型企业面对拥有的数据资源，如何有效地应用起来，发挥其最大的商业价值，是企业在经济新常态下保持核心竞争力的关键所在。投诉数据是每个通信企业中不可忽视的数据，对客户关系管理十分重要，对公司可持续发展起着关键作用。但面对居高不下移动通信投诉量，如何有效的维持现有的客户资源，做好客户关怀、客户管理、客户提升、预防客户流失具有十分重要的意义。　　论文使用数据挖掘技术对移动公司客户投诉数据进行分析，运用聚类分析对移动通信投诉数据进行分析，通过k取值的不同进行比较，大大提高了聚类的优越性，实现了良好的聚类性能。移动通信行业可以通过聚类分析，得到问题具体出现在哪些聚类当中，针对每种聚类提出合理的应对方案，推出适当的套餐优惠和选择。运通决策树对客户投诉数据进行合理有效分类，面对每层属性进行分析，且推出有效的解决方案，将会大大减少客户流失度。留住以为老客户的价值远远大于去开拓新客户的成本。通过合理的分类客户的投诉，做出相应的应对措施，可以有效地预防客户的流失。运用关联规则对投诉数据的预测分析，得出比较合理、置信度高的关联规则，移动通信公司可以更好的处理客户即将会产生的投诉。关联度的预测，可以进一步提升服务质量，降低客户的投诉。投诉量的下降，预示着公司业绩量增长，公司的核心竞争力的提升。　　通过对客户进行分类，建立不同客户群体有针对性的套餐组合；针对客户流失进行有效的预测，对流失度大的客户进行有效挽留；针对潜在的客户群体，推出比别的运营商更有卖点的套餐来吸引潜在消费群。论文实验SPSS Clementine数据挖掘软件实现了聚类、决策树和关联规则三种算法，实验结果验证了算法的可行性和有效性，为移动公司客户关系管理提供了一种研究思路和分析方法，研究内容有一定的理论意义和实际应用价值。