通信电子行业在大环境下蓬勃发展,随着移动互联网的扩增与技术革新,电信用户数目不断增长,业务规模持续扩大,用户的手机号已经普遍成为用户的身份信息被注册到大量互联网应用中。基于庞大的电信数据集,如何挖掘电信大数据背后的价值成为了当今社会急需解决的问题。论文基于电信运营商的电信数据集,通过目前的大数据技术,并结合相应的策略对数据进行分析和应用,一是基于历史电信数据,进行异常电话分析;二是通过用户的历史通话数据并结合浏览网页信息进行目标用户挖掘,进行精准营销。目前国内外的运营商在解决异常电话这个问题上都有技术上的革新,目前对于解决的异常电话技术如黑白名单技术、声誉系统技术等都是一些被动检测的技术,我们则基于目前比较流行的算法排序学习,对数据特征进行分析和提取,构建了一套可以主动预测异常电话的模型,为提高模型的准确率,使用集成学习对实验结果进行集成处理。在某个分数区间段内准确率可以达到86.6%。国内三大电信运营商在大数据问题上都保持了高度的一致,早在2010年后都开始着重发展自己的大数据业务进行技术创新和经济创收,基于电信大数据的资源,通过对用户数据的分析,进行用户的划分和分类,在电信征信和精准营销等方面已有了很多的开发和应用。基于运营商提供的电信大数据,我们尝试用多目标优化算法为某餐饮加盟公司进行加盟用户的挖掘,同时结合用户的上网信息,增加用户的质量和准确性,进行精准营销,准确率达到40%。本文就两个实际问题,从电信大数据的基础上进行分析,针对每个问题结合目前国内外比较实用的机器学习算法和智能算法进行建模,通过实验结果证明模型具有准确性和预测性,同时我们的模型可以包装后交给运营商进行分析和盈利,在电信和商业领域具有应用性。