数据挖掘技术是利用已知的数据通过建立数学模型的方法找出隐含的业务规则。在国内随着对数据挖掘技术的重视,数据挖掘技术的应用研究也越来越广,其中对电信行业的客户流失分析就是一大热点。客户流失分析是通过对以往流失客户的历史数据进行分析,找出可能离网用户的特征,及时采取相应的措施,减少客户流失的发生。这对企业降低运营成本,提高经营业绩有着极为重要的意义。本文从提高数据挖掘的效率和精度的目的出发,对BP神经网络预测模型进行了有益的改善,同时给出了基于粗糙集理论的属性约简和BP神经网络相结合的客户流失预测方法。通过属性约简技术对神经网络的输入属性空间进行约简,采用神经网络对约简后的数据进行挖掘。此方法充分发挥了粗糙集理论在约简知识方面的能力和神经网络预测精度高的特点,应用于电信客户流失预测技术研究中,取得了较好的效果。在上述研究的基础上,本文根据数据挖掘建模过程建立电信客户流失预测模型,给出电信客户流失行为预测的解决方案。并对预测模型进行性能评估。评估结果表明本文建立的预测模型是可行的。本文构建的预测模型对解决电信客户流失预测方面的问题具有应用价值。