在雲端資料湖倉平臺中，國泰採用自研發的自動化ETL工具PIGEON來進行資料處理，PIGEON能自動生成資料管道，也支援事件驅動機制。（：國泰金控）

另外，在資料使用層中包含一套ML平臺。劉浩翔表示，這套ML平臺包含三大特色，第一，平臺包含AI治理功能模組，具有國泰自行開發的負責任AI工具包，能針對AI模型進行評測。第二大特色，平臺透過容器化技術，將模型從開發、訓練到部署的過程管道化。最後，平臺提供模型中心Model Hub，提供多種模型選擇，包含雲端、地端、開源或閉源模型，也提供標準化API介面，能介接各種服務。Model Hub也提供成本管理功能，協助開發者管控模型使用開銷。

資料治理四大原則

在現代化數據架構中，資料治理層貫穿了所有資料管道，包含了統一元數據管理、資料虛擬化、資料共享，和資料分層管理。

為了提升資料管理的效率與安全性，國泰採用了元數據管理平臺。「這套解決方案將會是未來雲端上的數據治理中的重要基底。」劉浩翔強調，進行元數據管理後，能加速資料調閱與管理，同時做到權限管理和自動化軌跡留存，「未來就有辦法回溯資料血緣，瞭解每個資料取用的上下游脈絡。」

另外，劉浩翔提到，在地端環境管理數據時，往往因缺乏能整合不同資料源頭的平臺，需要經常將資料搬移至集中化儲存空間，才能檢視所有資料的系統來源。然而，「在某些場景中，搬移資料十分困難，常常造成數據孤島問題。」劉浩翔說。為瞭解決這項痛點，國泰運用資料虛擬化技術，透過建立虛擬化中心，快速取得來自不同系統的資料，減少ETL工具的開發成本。同時，透過增加虛擬層，更快完成跨系統間的資料共享。

在資料治理層中，國泰也有進行資料分層管理。當子公司各類系統輸入資料至國泰的雲端湖倉平臺時，資料會經過五個數據分層進行處理，先從暫存數據層進入原始數據層，對資料進行清洗、去敏和加密動作，接著進入數據彙總層，建立資料模型（Data Model），將資料化為通用性較高的資料表，再進入數據加值層，按數據主題產出數據產品的資料市集（Data Mart），例如產出各項風險指標。最後才進到數據服務層，服務業務人員的數據需求。劉浩翔強調，透過數據分層，平臺能區隔明碼區和暗碼區，確保使用資料的人員不會接觸到明碼區。

雲端人才不足，國泰計畫3年對內培育200位雲端數據人才

在推動上雲的過程中，劉浩翔坦言，雲端人才短缺，仍是最大痛點，「所有邁向雲端的業者都會麵臨一個問題，就是雲端人才到底在哪裡？」意識到僅依賴外部招募無法滿足人才需求，國泰啟動名為「雲世代」的培育計畫，目標在3年內對內培養出200位雲端數據人才。

劉浩翔表示，國泰金控計畫每半年會從四間子公司招募40名種子學員，透過系統性課程、期末專題和團體活動，提升種子學員的雲端技能和技術應用能力。培訓結束後，集團會以總經理為首，邀請50位集團長官、主管共同見證培訓結果。

「這項計畫絕對是國泰數據成功上雲的關鍵。」劉浩翔強調，若沒有及早啟動人才培育，即便技術與管理機制完善，缺乏對應的人才支撐，最終仍可能導致計畫失敗。

「雲端和AI息息相關。」劉浩翔期待，國泰邁向雲端後，未來能充分利用雲端算力和已開發的原生服務，「不僅推動業務成長，還能在AI發展上實現雙向賦能，推動業務前進。」