با افزایش رقابت و فشار اقتصادی بر روی موسسات بزرگ بدلیل اشباع بازار، افزایش رقابت و دشوار شدن شرایط کلان اقتصادی ، این موسسات به دنبال راه حلهایی برای دفع این فشارها و بهبود ارائه خدمات به مشتریان، افزایش فروش، و نگهداری مشتریان می باشند. تجدید نگرش توجه به مشتری به معنی ایجاد ارتباطات گسترده در موسسات بزرگ به صورت روزافزون نقش کلیدی در موفقیت آنها دارد.در این تحقیق سعی ما بر این بوده است تا با استفاده از داده های تماس مشترکین و اطلاعات حاصل از پروفایل مشترکین و کارشناسان ، بتوانیم مدت زمان حل مشکل را تخمین زده و با استفاده از دانش ایجاد شده در حوزه هایی مختلفی مانند مدیریت مرکز تماس ، تولید محصول و مدیریت ارتباط با مشتریان وضیعت موجود را بهبود بخشیم. در ابتدا با انتخاب متدولورژی crisp بعنوان متدولوژی تحقیق به بررسی و شناخت مسئله پرداخته شد .در مرحله جمع آوری و پاکسازی داده از آنجا که داده های خام دریافت شده از تماس مشترکین به منظور تحلیل های توصیفی ، نیازمند پردازش اولیه بود بنابراین نسبت به تبدیل داده و یکپارچه سازی مقادیر مفقوده، انحرافات، مقادیر ضبط نشده و ... در مجموعه داده اقدامات لازم صورت پذیرفت. با توجه به اینکه استفاده از مدلی که خروجی آن بصورت یک درخت نمایش داده شود می تواند به خوبی در یک مرکز تماس مورد استفاده قرار گیرد بنابراین محقق در ادامه کار سعی نمود با استفاده از الگوریتم درخت تصمیم و تلفیق آن با الگوریتم خوشه بندی به درصد بالاتری از صحت جواب قابل قبول برسد که برای نیل به این هدف خروجی الگوریتم خو شه بندی k-means به عنوان داده های ورودی درخت تصمیم c5.0 در نظر گرفته شد و با ترکیب دو الگوریتم خوشه بندی و درخت تصمیم و ارزیابی آن به نتایج بهتری حاصل شد. در انتها مدل ایجاد شده به منظور تخمین مدت زمان حل مشکل مشترکین adsl را روی داده های جمع آوری شده از یکی از بزرگترین isp های کشور پیاده سازی نمودیم و توانستیم با نتایج بدست آمده کارایی مرکز تماس مذکور را افزایش دهیم. کلمات کلیدی: مرکز تماس ، داده کاوی، خوشه بندی، درخت تصمیم