为了提高铁路零散白货客户流失预测的准确性和高效性，根据铁路零散白货客户的流失特征，提出了基于CDL模型的客户流失识别方法；在此基础上，针对数据量大的问题，提出了基于Hadoop并行框架的C4.5决策树客户流失预测模型。通过仿真实验证明，该模型具有较好的准确性和预测能力，并且随着样本数量的增加，Hadoop并行框架的效率得到了明显的提升，且不影响客户流失预测模型的准确性和预测能力。