随着电信业的改革和开放，行业竞争日益激烈，客户流失问题也不断加剧。在新客户开发成本高昂的情况下，如何有效的保持现有客户尤其是高价值的客户已成为电信企业在未来竞争中取胜的关键。本文以电信企业的客户保持为研究主题，研究如何运用数据挖掘技术来辅助解决电信客户保持中的一些重要问题，主要对电信客户流失预测和电信客户价值评价两大问题进行了研究。 运用电信企业业务系统中的丰富数据和数据挖掘技术建立电信客户流失预测模型，并帮助企业迅速、准确的定位具有流失倾向的客户，是客户保持的一个重要内容。本文针对电信客户流失预测中的非平衡数据问题，引入了代价敏感学习理论，建立了基于MetaCost算法的预测模型，并通过实证研究证明了代价敏感的电信客户流失预测模型具有更小的期望代价。 同时，客户价值也是客户保持必须考虑的重要维度。本文建立了一个能够反映电信客户长期价值的评价指标体系，并且将一些难以量化的因素近似转换为可以从数据库中获取的数据，使价值评价指标体系更具客观性和可行性。利用改进的层次分析法，对指标进行赋权，并结合真实数据进行了实证研究。 基于对电信客户流失的预测和价值的评价，本文提出了电信企业的一些客户保持策略，为电信企业的实践提供了有益的指导。