电信运营商作为移动互联网时代信息流动的基础,需要为用户提供优质的网络服务。但是运营成本居高不下,如何提高运营效率、降低运营成本一直是困扰运营商的一大难题。另一方面,运营商在运营过程中积累了大量历史数据,亟需大数据的挖掘手段提升数据利用率。本文首先研究了大数据处理相关技术,以及数据挖掘技术主流模型、方法和工具。然后基于运营商数据共享平台建设需求和网络运营分析的特点,建立了一套数据共享平台运营分析指标体系,该体系从数据管理、软件能力、物理平台三个角度全面考量了数据共享平台的运行时数据。接着提出基于Hadoop和R语言的大数据挖掘技术方案,设计了一个大数据挖掘平台,结合Hadoop的分布式处理能力和R语言的矩阵计算能力,实现对海量数据的高效挖掘。在此基础之上,研究了 K-means和Apriori算法,及其分别基于MapReduce的并行化实现,实验表明算法具有良好的效率和扩展性。最后,提出基于GnxDR数据的网络质量运营分析方法并建立分析模型,从业务数据质量角度对聚类用户数据,通过频繁项集挖掘实现小区级和用户级异常场景发现,从数据动态质量角度通过关联规则挖掘实现数据流量激增、骤降,数据质量下降的场景关联,该方法能够有效发现网络中的潜在问题因素,为上层应用有针对性的解决数据突变问题提供参考依据。本文结合大数据技术和数据挖掘技术对现网数据进行分析,分析结果使网络管理者能够了解网络运行状况和动态趋势,用于指导网络运维和优化,为全面提升网络运行维护管理水平提供了有力支撑,丰富了运营分析层次。