电信企业要想获得竞争优势,就必须尊重客户的差异性需求,有针对性地为客户提供优质服务,从而才能在获得盈利的同时提高客户的忠诚度以及满意度。目前,电信企业普遍通过各种信息处理技术进行细致化的顾客消费行为分析,识别顾客的消费特征,从而为后期运营提供策略化建议。但是现阶段国内各大移动通信运营商的信息化系统往往是专门分管某一特定的信息组件,想要获取完整的信息则需要在不同的系统中或在系统的不同的访问模式和权限范围内进行查询,从而造成了运营商内部信息孤岛。为此,建立数据仓库集成专业化数据挖掘工具和数据分析系统,为运营商进行客户细分提供技术支撑具有实际意义与应用前景。本文以国内电话经理业务为切入点,研究了电话经理业务面对日益激烈的市场竞争存在的问题以及新的需求,并结合数据挖掘的方法,设计实现了具有信息挖掘能力的客户关系管理系统。本文主要工作如下:(1)将C5.0决策树方法引入到电话经理业务之中,并通过Clementine软件验证分析了在电话经理业务中C5.0决策树方法比其他数据挖掘算法(如神经网络)有更好的性能。建模结果显示,C5.0决策树算法下所获得的结果往往比神经网络算法下所获得的结果更易于使用户理解,且决策树算法下的规则也便于进行更为直观的解释说明。除此之外,在建模过程中,针对数据可能存在的问题,比如字段缺失以及数据遗失等,C5.0决策树算法也体现出了更强的稳定性,并不需要通过多次训练得到模型数据结果。(2)采用C5.0决策树的方法来建立客户流失预警模型。测试结果显示,系统利用数据挖掘方法能够对客户流失进行有效预警,帮助电信公司挽留潜在流失客户。(3)对国内电话经理业务需求进行分析,并利用客户关系管理的基本思想与理论,设计实现了基于数据挖掘的客户关系管理系统。