数据挖掘是指从数据库中发现隐含的、新颖的、有用的信息的过程,已经在许多领域得到了广泛的应用。分类与预测分析是数据挖掘的主要技术手段之一,至今已在理论和方法上取得了丰硕的研究成果,决策树分类算法就是其中最典型的代表。随着近年来数据密集型企业数据仓库等决策支持系统的建设以及企业对商业智能的需求,数据挖掘面临新的应用,决策树分类算法研究也面临更多新的内容和挑战。本文主要针对移动通信企业的数据特性以及客户保持等需求,研究和提出一种改进的决策树算法,并将其应用于移动通信企业客户流失分析以及来电提醒等具体的业务中。所做工作归纳如下:1.对数据挖掘技术的发展和现状做了概括性的阐述,介绍了数据挖掘的概念、内容、主要技术以及在移动通信等行业领域的应用和发展。2.对数据挖掘中的决策树分析方法做了详细的描述,介绍了决策树分析中的经典算法--ID3算法,对ID3算法的基本性质、性能和特点进行了分析和总结,针对传统的ID3算法计算效率低、属性偏向性比较严重等缺点,提出了一种改进的ID3算法;该算法利用递推性质将熵函数的复杂计算问题转化为基于数组的查表运算问题,从而提高了计算效率,该算法运用属性加权因子在很大程度上克服了属性偏向性。3.运用改进的决策树算法建立了某移动通信企业的客户流失预测模型并将该模型应用于离网客户预测、离网原因分析、客户挽留等决策支持应用中。4.运用改进的ID3决策树算法建立了某移动通信公司“来电提醒”业务的目标客户预测模型,对预测结果进行了商业性的描述和分析,为移动通信企业业务营销策略提供了有效的决策支撑。