随着移动通信业务领域竞争的日趋激烈,电信运营商要想在竞争中立于不败之地,就必须向客户提供满足其需要的高质量的服务,以留住现有客户,同时争取新客户。但在当前激烈的竞争环境中,发展新客户越来越困难,于是运营商将注意力集中在向现有的客户提供价值更高的增值服务,以从中获得更多的收入和利润。数据挖掘是对大量数据进行分析,从而揭示数据背后隐藏的知识的技术。它能帮助运营商从大量的客户数据中分析客户的消费行为,识别出可能使用增值服务的用户特征,确定使用某种增值服务可能性较高的目标客户,帮助客服和营销人员更有针对性的进行业务推广,从而以较低的销售成本,获得较高的价值。本文运用数据挖掘中的决策树方法建立提升销售模型来预测客户使用炫铃服务的可能性。论文首先对数据挖掘的理论进行了概述,包括数据挖掘的基本概念、数据挖掘的过程、数据挖掘的方法以及数据挖掘与数据仓库和OLAP的关系等;然后介绍了分类的概念及其常用的基本方法,并对本文所采用的决策树分类方法进行了较全面的论述,包括决策树的生成算法、剪枝方法以及决策树的评价方法等;本文的重点是以某移动通信运营商的客户数据为基础,在SAS统计分析软件中建立炫铃提升销售模型。论文对整个数据挖掘过程进行了较深入的论述和分析,包括模型建立前的数据准备、数据采样、变量选择等预处理工作;在SAS中通过参数设置近似实现C4.5和CART算法建立模型的方法以及模型结果的评价。最后,根据模型的评价结果,通过综合比较,选定C4.5算法建立的模型作为最终的分析模型,并通过实际检验取得了良好的应用效果。