数据挖掘是在大数据集上的探索并揭示其隐含规律的一种计算过程,它融合了众多的技术,是计算机科学的重要分支。其中聚类分析是数据挖掘中重要的分析技术之一,聚类分析是按照相似度进行划分的,将本身没有类别的数据样本划分成不同的簇。本文选取的是K-means算法进行研究,它是数据挖掘中最基本的聚类算法。该算法的优点是执行简单、操作方便,但是也存在着诸多的缺点,比如:聚类形成的簇数K是由用户指定;初始聚类中心是随机选取的;该算法只能发现类球状的簇等。本文的工作主要分为以下三个方面:首先在K-means算法的理论研究上,一方面,剔除了影响聚类结果的孤立点和对初始聚类中心选取进行了改进。另一方面,在确定了初始聚类中心后,把数据点合理地分配到各个簇中;其次为了能对海量数据进行处理,把改进算法在Spark平台上进行了实现;最后本文将改进算法应用到了移动客户细分中。实验证明,改进后的K-means算法比传统K-means算法的聚类结果更加准确。本文借助Spark平台对改进算法进行并行化实现,从而能够在不影响准确度的情况下减少算法执行的时间。通过对细分变量的选择,把采集到的移动客户数据根据相似性划分成不同的类别,能够帮助移动数据信息分析人员对不同的客户群采取不同的营销策略。