随着电信市场竞争的不断加剧，如何针对不同的客户群实施差异化营销和服务，如何对客户进行细分和分类已成为当前电信企业的迫切需求。本文讨论了当前电信企业客户细分工作的现状和发展趋势，分析了将数据挖掘技术应用到电信企业中的必要性和可行性，提出将数据挖掘聚类分析应用到电信企业的客户细分工作。数据挖掘（Data Mining）就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。本文论述了数据仓库和数据挖掘的基本理论；分析比较了当前数据挖掘领域通常采用的主要方法；深入研究了数据挖掘聚类分析中的K-Mean快速聚类算法；给出将其运用到电信客户细分的建模过程。K-Mean快速聚类算法是在数据挖掘聚类算法中最常用的一种，它通过计算样本与初始中心点的距离，不断调整中心点的位置，使中心点到部分样本间的距离和达到最短，从而实现样本的“聚集”和“分类” 。结合重庆移动通信有限责任公司的管理体制和业务模式，遵循CRISP-DM标准定义的商业数据挖掘过程，本文详细论述了建模所涉及的商业理解、数据理解、数据准备、建立模型、模型评估和模型发布等过程。首先将客户的各种消费行为描述数据进行K-Mean快速聚类，再结合市场业务的经验，将客户按行为分为十余种组间差异巨大，而组内差异小的行为分组。最后在建立的电信企业客户细分模型基础上采用B/S模式的计算机体系结构，结合软件工程的思想，设计开发了“重庆移动智能营销系统” ，实现了数据挖掘在电信企业客户细分工作的实际应用，实现了电信运营商针对不同的客户群进行差异化营销，差异化服务的目的，达到了提高电信企业核心竞争力的效果。