用户画像是一种利用大数据技术将海量的数据通过分析挖掘的方法描绘出用户全貌的技术。这项技术最早出现在电子商务行业,通过该技术电子商务公司建立符合用户本身的个性化标签,通过这些标签从而实现用户画像系统的设计,运营人员通过用户画像系统,针对不同用户做定向管理,不仅提升了用户体验,也实现了运营人员的精准化营销。随着技术的成熟,越来越多的行业开始设计用户画像系统。目前,随着大数据技术的迅速发展,福建已经积累了大量卷烟零售户的数据资源,这些数据资源的背后蕴含了每个卷烟零售户的各种信息。为了快速准确的挖掘关于零售户的信息,福建烟草行业开始了针对零售户的画像系统的设计,其设计要求是系统可以准确、深度的挖掘零售户数据中隐藏的价值,从而实现零售户的精准分类,以及发现异常零售户,因此构建福建卷烟零售户画像系统,进一步提升了后台管理人员的工作效率,改善监管模式。本课题的卷烟零售户画像系统主要根据福建卷烟零售户管理的实际需求,通过大数据技术,对历年的零售户采购销售、违规违法等数据进行分析和挖掘,从而实现对福建卷烟零售户的精准分类,以及异常检测。本文首先介绍了用户画像国内外的现状以及异常检测算法国内外现状。在此基础上,提出了福建卷烟零售户画像系统的设计与实现的研究内容,并对本文所用到的大数据技术进行了梳理解释。因此本文的主要研究内容:（1）卷烟零售户画像建模。针对卷烟零售户画像的专业性,通过德尔菲法确立标签树,并根据确立的标签通过层次分析法计算标签权重,之后运用K-means聚类算法,对其进行精准分类,从而设计综合评价体系,完成卷烟零售户画像建模。（2）异常零售户检测算法。针对烟草专卖管理的实际需求,提出了适合零售户数据本身的异常检测算法。在本课题中,针对已有异常检测方法的缺陷,提出了一种新的异常检测模型:变分偏差网络模型。该模型主要由三部分组成,分别是:异常得分网络、变分自编码、偏差损失函数。首先此次研究通过变分自编码学习正常数据的正态分布作为参考分数,然后使用另外一个神经网络学习异常数据的异常得分,最后,使用一个偏差损失函数来强制异常分数与正常数据的参考分数之间产生明显的偏差。从而实现零售户的异常检测,最后根据该异常检测算法得到的评分,对违法违规的零售户精准分类。（3）零售户画像系统的设计与实现。设计本次零售户画像系统的总体架构,并将零售户画像建模方法与异常零售户检测算法内嵌与系统之中,以便实现对应功能。并针对业务需求设计零售户画像系统的三个功能模块,最后通过看板展示实现了标签系统、指标看板、用户视图的可视化。本次研究详细介绍了用户画像以及异常检测算法的背景和意义,同时列举了对应的国内外现状,确定了以层次分析法计算权重,K-means聚类算法精准分类两者相结合的画像系统建模方式,验证了此方法符合卷烟零售户画像系统的设计,同时提出了一种全新的异常检测方法即变分偏差网络模型,该模型优于目前主流的异常检测算法,最后设计了本次卷烟零售户画像系统的主要功能,通过看板展示符合预期效果。