在电信企业面向市场，面向国内外众多的竞争者，努力创造更高价值的同时，客户流失的不断增加、客户平均生命周期的不断缩短严重影响了电信企业的发展。那么，在激烈的市场竞争和不断变化的市场需求面前，如何最大程度的降低客户的流失率呢？可行的方法之一就是利用数据挖掘技术。在客户流失分析系统中，如何应用数据挖掘技术呢？主要方式是根据以前拥有的客户流失数据建立客户属性、服务属性和客户消费数据，建立与客户流失可能性关联的数学模型，找出客户属性、服务属性和客户消费数据与客户流失的最终状态的关系，并给出明确的数学公式。只要知道客户属性、服务属性和客户消费数据，我们就可以计算出客户流失的可能性。市场/销售部门可以根据得到的数学模型随时监控客户流失的可能性。如果客户流失的可能性过高，高于事先划定的一个限度，就可以通过多种促销手段提高客户的忠诚度，防止客户流失的发生，从而可以大大降低客户的流失率。基于严格数学计算的数据挖掘技术能够彻底改变以往电信企业在成功获得客户以后无法监控客户的流失，无法实现客户关怀的状况，把基于科学决策的客户关系管理全面引入到电信企业的市场/销售工作中来。 本文通过介绍了吉林移动客户流失预测模型的实施，探讨了数据挖掘在客户流失模型中的实际应用，就数据挖掘如何在实际中更好地发挥作用作了深入的研究。文中重点描述了流失模型建立过程中原始数据提取、挖掘数据的预处理、模型建立、模型验证等阶段的具体内容，为数据挖掘在电信行业中实际应用做了很好的尝试。本次流失预测模型使用了SPSS公司的clmentine工具。数据仓库使用的<WP=47>是Oracle9i。通过clmentine实现了快速高效地数据分析、抽取、模型训练和模型应用。当然由于时间紧，经验不足等客观因素，本次流失预测模型还存在以下问题：数据不够完备，由于生产系统中业务开展的现状，有很多数据无法得到；模型中过分的强调一些趋势的指标，使挖掘结果的有效性和时效性不高，也就是说预测结果中的客户可能在作外呼和挽留时已经离网。如何进一步提高模型的准确性是下一步的重要工作，同时我们还要进一步探讨数据挖掘在移动电信业其它方面的应用，使数据挖掘在移动电信业的其它方面应用中也发挥重要作用。