随着计算机技术特别是数据库技术的广泛应用，各行各业都积累了海量的数据。为了消除“数据爆炸但知识贫乏”的现象，数据密集型企业越来越认可数据挖掘的重要性。基于数据挖掘的电信客户流失预测这项研究，是在数据仓库和数据挖掘技术迅速发展的基础上，针对电信企业客户关系管理的迫切需要，为消除客户流失给运营商带来的不利影响而提出的。本文的工作基于Q省移动“客户流失预测系统”项目背景，将数据挖掘技术应用到电信企业的客户流失预测中。以Q省移动客户数据、业务数据为依据，按照商业理解、数据理解、数据准备、建立模型、模型评价、模型发布的步骤，利用统计分析软件SPSS及数据挖掘工具Clementine设计和建立了电信客户流失预测的综合模型。本文首先介绍了数据挖掘理论及分类预测算法，并详细描述了生存分析理论及比例风险模型。在建模过程中，重视数据质量，进行了有效的数据清洗、转换、探索工作，处理了不平衡数据集，并在业务经验及属性约简的基础上建立了流失预测指标体系。最终建立了决策树、神经网络、logistic回归以及生存分析Cox模型，并对模型进行了多项指标的评估。在维系挽留工作中，初步分析了客户流失原因并评定了客户价值，提出针对不同客户进行因时因地的有针对性的维系挽留策略，减少挽留成本并提高挽留的成功率。本文把数据挖掘理论与实际项目相结合，建立了基于数据挖掘技术的电信客户流失预测综合模型。理论研究上对分类模型及Cox模型的构建具有指导意义；应用的结果表明所建立的模型能够给决策人员提供有价值的预测信息并给出相应的解决方案。