IG全新資料模型獲 Google 背書，企業競逐 AI 就緒能力

WikiFX | 2026-05-06 16:33

摘要：多數大型企業都自稱以數據驅動，但其團隊仍將大部分時間花在清理與尋找資料上，而非建立模型、儀表板或 AI 產品。IG試圖透過一套新的「擴展版獎章架構（extended medallion architecture）」解決這一問題。

多數大型企業都自稱以數據驅動，但其團隊仍將大部分時間花在清理與尋找資料上，而非建立模型、儀表板或 AI 產品。

IG試圖透過一套新的「擴展版獎章架構（extended medallion architecture）」解決這一問題。這套架構甚至讓 Google 印象深刻，進而成為雙方共同撰寫白皮書，以及另一篇客戶成功案例的主題。

核心問題其實相當常見。傳統資料平台通常遵循獎章架構模式（medallion pattern），其中 bronze 層用於原始資料，silver 層用於清理與標準化後的資料，而 gold 層則提供可供業務使用的最終輸出。

對外匯與差價合約而言，這主要關乎速度與一致性。IG 的新資料模型應能幫助其外匯（FX）、差價合約（CFD）與加密貨幣團隊更快取得更乾淨的數據，從而更迅速推出新功能、報告與風控工具，並在市場波動時更快做出反應。

資料團隊維持控制權，業務團隊則能加快推進速度

對客戶而言，這項工作應會體現在 App、網站與帳單中更可靠的資訊，以及新工具與 AI 驅動功能更快推出。簡單來說，IG 旨在修復資料管道，讓交易者與投資人更快獲得更清晰、更可靠的資訊與產品改進。

在許多公司中，單一中央資料工程團隊掌控全部三層架構。這雖能保障品質，卻也會造成排隊現象，因為所有業務領域都依賴同一團隊提供新資料集、指標與變更。

IG的擴展方法保留中央團隊對 bronze 與 silver 層，以及所有共享 gold 資料集的控制權，接著再為風控、財務或其他團隊新增獨立的「domain gold」專案。

這些團隊可基於受治理的 silver 資料，自行建立聚合數據與功能，而無需改動核心模型，也不會加重中央團隊負擔。

該設計與平台無關，但目前已在 Google Cloud 上正式運行，使用的服務包括 BigQuery、Cloud Storage 與 dbt。在 Google 同意發布詳細白皮書與案例研究前，一名 Google 資深現場工程師曾根據真實場景對該架構進行壓力測試。

減輕繁重資料準備負擔

對 IG而言，這套模型旨在減輕繁重的資料準備工作、強化治理，並讓業務團隊能更快推出產品。對更廣泛市場而言，隨著企業進一步投入 AI 主導的工作負載，該模型提供了一套在控制與靈活性之間取得平衡的實用範本。

其他多家大型金融機構也正在重建資料平台，以支援 AI 與即時分析，但多數都低調進行，並與雲端或資料供應商合作，且不公開完整架構藍圖。他們談論「受治理的資料平台」與「AI-ready data estates」，但底層設計通常仍屬內部機密。

在這樣的背景下，IG 的舉動格外突出，因為 Google 已對其內部架構模式進行壓力測試，並將其以具名參考架構（reference architecture）的形式公開，同時發布白皮書與客戶成功案例。對於 IG 這類規模的零售與外匯經紀商而言，能讓大型雲端供應商將其資料設計視為可重複使用模型，仍屬少見而非常態。

諷刺的是，就在企業加碼推動數據驅動策略之際，IG Securities（IG Japan）卻披露一起資料處理疏失事件，可能導致最多 162,879 名客戶的個人資訊在內部暴露，另有 29,734 筆資料在未經事先批准的情況下儲存在外部伺服器中。

該公司表示，目前沒有任何外部資料外洩的證據，並將此事件歸因於承包商監督失敗、存取控制薄弱，以及敏感 My Number 資料分類錯誤。