随着电信市场的逐步开发，竞争日趋激烈，电信运营商的经营模式逐渐从“技术驱动”向“市场驱动”、“客户驱动”转化。这就要求运营商要采取以“客户为中心”的策略，根据客户的实际需求提供个性化的服务解决方案。由于电信市场的规模庞大，客户的背景、收入、年龄、教育程度、行为特征的不同，对电信业务的需求也呈现多层次、个性化、差异化的趋势，因此必须根据客户的特点对客户进行细分，并在此基础上对不同的细分市场提供有针对性的差异化服务。同时，电信欺诈与欠费已经成为国内外电信行业关注的严重而急迫的问题，采用先进、智能化程度比较高的决策支持与经营分析技术建立防欺诈管理系统成为比较好的解决之道。通过对已有欠费数据使用数据挖掘技术来对欺诈客户的行为进行分析和预测，建立欠费客户细分分类模型，能达到对欺诈行为的侦察与防范的作用。 本文在综述客户细分和数据挖掘等相关理论的基础上，结合某移动公司的业务流程和欠费分析需求，分别采用聚类分析与分类分析方法进行电信企业客户细分模型的建立及应用。在聚类分析中，利用数据挖掘(Data Mining，简称 DM)聚类算法以及 RBF 人工神经网络算法设计了相应的系统构架，建立了电信客户细分聚类模型，并通过大量现实数据的训练，得到了比较理想的细分结果，验证了模型的合理性、有效性和实用性，为运营商的经营和决策提供了有力的技术支持。在分类分析中，作者选择并研究了基于决策树的电信企业欠费客户分类及其应用过程，结合实际数据重点阐述了数据采集、预处理、基于双变量统计方法的特征分析与选择，以及采用决策树进行客户分类的模型训练、测试与应用，其准确率与预测效果令人满意，有利于把握与及早发现欠费行为、预测潜在的欠费客户，为挽回经济损失、改善管理与运营水平提供科学、智能化的决策支持。