随着“推荐式”流量的兴起,用户画像系统逐渐变成了近年来的热门研究领域。阿里的达摩盘、百度的司南、腾讯的社交大数据平台等系统的出现,代表“用户画像”逐渐成为了一个互联网企业所必备的能力之一。但随着用户画像系统的飞速发展,传统的用户画像系统暴露了诸多弊端,例如业务不聚焦、时效性差、分类粒度太大。本文通过设计实现基于特征标签的商家画像系统,解决了公司在商家运营场景下精准触达困难、数据分散、业务变更频繁、商户难以分类等痛点。本文将商家画像系统分为特征子系统和标签子系统两部分,通过特征子系统实现数据的迁移、处理、存储等功能,通过标签子系统实现商户圈选、商户判定、标签计算等功能。本文的主要工作包括:（1）调研用户画像系统的发展现状和潜在问题,分析公司实际业务痛点,结合公司实际业务阐述基于特征标签的商家画像系统如何解决现有问题。（2）对系统进行存储设计,分析系统核心数据的特点。离线特征数据具有离散性、数据量大的特点,选择列式数据库HBase作为存储并针对Row Key设计进行优化。实时特征数据具有实时性要求高、读写频繁的特点,选择Redis作为存储。标签数据具有不变性、查询时效性要求高的特点,选择Elastic Search作为计算完成的标签数据的存储。（3）对系统核心功能进行设计与实现,重点对特征数据迁移和标签计算两部分进行了设计。特征数据迁移采用Spark SQL并行的将特征数据由业务的Hive表迁移到HBase集群中,并且通过预分配Region的方式避免数据倾斜。标签计算通过分片的方式在内存中实现标签的多机并行计算,通过基于Redis的分布式锁控制并行度,使用Aviator求值器进行表达式预编译,加快计算效率。本文的研究结果表明,基于特征标签的商家画像系统是一个业务属性聚焦的用户画像系统,能够解决公司商家运营过程中遇到的数据处理问题和商户分类问题。商家画像系统上线后成功节约了企业管理成本,提高了个体商户价值。