当前信息技术在中国的快速发展,企业已经逐渐积累了大量的业务数据,如何利用和分析这些数据,为企业经营决策提供依据,成为企业必须考虑的问题。随着数据挖掘技术的发展,数据挖掘在很多领域内发挥的作用已经得到了越来越多人的认可,它是通过利用现有数据建立数学模型,从而分析数据中蕴含的信息。数据挖掘在商业领域有很多成功的应用,例如,客户欺诈分析、客户流失预测、客户群体细分、关联规则分析等。其中客户群体细分和客户流失预测成为了各行业数据挖掘技术应用的热点,客户群体细分是依据客户各方面行为和特征的数据,将具有相似特点的客户划分为同一个客户群,而不同客户群体之间则存在较大的差异性;客户流失预测则是根据企业以往流失客户的数据资料,分析流失客户的特征,并用于现有客户群体中潜在流失客户的识别。通过客户群体细分和流失预测,企业能够更好地了解客户群体的特征,并采取相应的措施提升企业利润。本文的研究目的是将数据挖掘技术运用于快递行业的客户群体细分及流失预测中,本文以某快递公司2015年11月——2016年1月间的历史消费数据为研究对象,基于k-means聚类和two-step聚类建立了客户细分模型,基于人工神经网络模型和分类回归树模型建立了客户流失预测模型,并且提出了有益的建议.本文研究结果表明,随着数据挖掘技术的不断发展,以及快递行业内部竞争的加剧,运用有效的数据挖掘技术可以帮助企业分析和发现大量有价值的客户信息和客户行为模式。