近年来,随着电信行业的发展,尤其是近几年移动通信的爆炸式发展,行业竞争不断加剧,各大运营商纷纷推出多种业务来吸引用户,如扣费提醒服务、手机增值业务、手机导航网络版业务和WLAN卡业务等等。但是伴随着业务的多样化和用户数量不断的增大,电信行业的投诉频度也急剧增长。为保持现有的用户数量,也为了占有更大的市场份额,运营商应该积极的转变观念,从以往的以产品为中心转变为以客户为中心,不仅要提高硬实力,在软实力的比拼上也不能落后。在运营商推出新业务或者优化改造已有业务的时候,以往的开发流程是：提出需求,讨论需求及制定方案,开发功能及内部测试,联调测试。产品通过测试并上线,客户在使用该项业务过程中,会遇到各种问题,如网络信号太弱、计时和收费不完全透明、对服务态度不满意等等,用户会通过拨打热线电话、登陆网站和营业厅填写投诉单子等方式进行投诉。如何从纷繁复杂的投诉数据中发现问题,及时的预测业务中将会出现的问题,防患于未然,是运营商面对的新问题。本论文针对如何处理投诉历史数据以及如何给出预测的问题,研究了文本挖掘技术和预测技术在企业数据挖掘中的应用,设计和实现了具有很强的实用性和操作性的数据挖掘模型以及数据挖掘算法。本论文所做的工作分为四个方面：一、分析企业需求,针对投诉历史数据,分析如何进行数据处理以及如何设计合理的预测系统。二、研究文本挖掘算法,根据需求和设计,建立合理的模型。三、设计和实现预测系统。四、根据实际数据验证预测系统。五、预测系统设计和实现总结。