走完傳統資料的最後一公里
鋪好 AI 時代的第一公尺
把客戶累積數十年的結構化、半結構化、非結構化三類資料，聚合鑄造成 AI 真正能用的形式。
永聚資 — 重度合規產業的永遠資料夥伴。
NOTION POWER INTELLIGENT DATA TECHNOLOGY INC.
金融資料工程的
落地專家
聚合每一筆資料，鋪好每一條 AI 的路
永聚資科技深耕重度合規產業的資料工程二十年 — 從金融業核心系統起家，能力同樣適用於生技、醫療、政府等任何把「資料對不對、能不能稽核」放在第一位的領域。
我們的核心能力 — 把傳統的資料處理流程，無縫轉化為 AI 應用所需的資料及處理流程。具體做法是：將客戶累積數十年的結構化、半結構化、非結構化三類資料，整合到統一的半結構化儲存層，再透過業務語意標籤、特徵工程、向量化（Embedding）準備，讓資料無縫銜接到傳統 ML 模型訓練、LLM / RAG、Agentic AI 系統。
其餘核心能力涵蓋 大型 ETL 處理與遷移（Spark / Spring Batch / DataStage 等）、企業級 Java Web 應用開發、金融法規系統落地（Basel III 下的 FRTB / SACCR / AMA 市場與信用風險），以及企業級資安弱點修補（AppScan / Checkmarx / OWASP Top 10 合規）。
二十年監管產業底蘊
一群解決複雜問題的人
永聚資是一支專攻「重度合規產業」的資料工程團隊。二十年來，我們處理過金融業最棘手的 ETL 遷移、法規系統落地、巨量資料驗證、企業級資安修補，這份硬實力同樣適用於生技、醫療、政府等任何把「資料對不對、能不能稽核」放在第一位的產業。
在 AI 浪潮中，所有人都在追新模型、新框架；我們選擇做大家不願意做、但企業最需要的那一塊 — 把累積數十年的舊資料，鑄造成 AI 真正能用的形式。
永聚資科技（Notion Power Intelligent Data Technology Inc.）於 2022 年成立，承接母集團二十餘年金融領域的資料工程底蘊，協助企業打通資料孤島、釋放數據資產價值。我們的客戶集中在重度合規產業 — 金融、生技、醫療、政府等領域，這些產業有一個共同點：資料的品質、治理、稽核能力，比技術新潮度更重要。
我們熟悉傳統 ETL 工具（如 Informatica、DataStage）的複雜脈絡，也具備將其現代化至新一代資料湖平台的實戰經驗。自研的 DataGuard 四維驗證機制，確保資料在進入 AI 應用前達到高品質、高可用與嚴格合規。
更重要的是，我們已經實踐了把傳統的資料處理流程，無縫地轉化為 AI 時代所需的資料及處理流程。這不是承諾、不是規劃，而是已經在大型金融機構的智慧消費平台中交付的實證。
已實踐：傳統資料 → AI 應用的完整轉化能力 已交付實證
這不是承諾，是已交付的實證。我們在大型金融機構的智慧消費平台專案中，把客戶每日 30GB 的結構化交易資料整合到半結構化儲存層，並完成業務語意標籤化、特徵工程、向量化（Embedding）的資料準備。下一階段的 LLM / RAG 應用、個人財務助理、消費行為預測，都建立在這個資料基礎之上。
我們證明了一件事：傳統的資料處理流程，可以無縫地轉化為 AI 時代所需的資料及處理流程。
金融資料工程實戰
二十年深耕金融業核心系統的資料處理 — 從市場風險法規系統、消費數據平台到大型遷移驗證。我們做過的 ETL 規模，從數十個 Job、數百個 Workflow、上千個 Task 都不陌生。這份能力同樣適用於生技、醫療、政府等任何重度合規領域 — 共通點都是：資料對不對、能不能稽核，比什麼都重要。
新舊技術棧雙棲能力
同時駕馭傳統企業級 Java Web 開發、批次系統，與現代化資料湖、Spark 大數據處理、雲原生 RESTful 架構，能在系統現代化過程中保護客戶原有投資。我們也是少數能在新舊技術之間自由轉譯的團隊 — 這是企業現代化最難找的合作夥伴類型。
地端部署 × 資安合規優先
專攻重度合規產業最在意的地端部署與資安合規情境。對 OS 升級、SSL/Crypto 政策、TLS 合規、AppScan / Checkmarx 資安弱點修補、OWASP Top 10 合規皆有實戰經驗，每個專案都能順利通過嚴格的內部稽核。
紮實的專案建置落地經驗
從需求釐清到交付上線，全環節我們都走過
在高度監管產業的專案裡，任何一個環節斷鏈都會讓整個系統卡住。永聚資最大的優勢不是「會某個熱門技術」，而是核心資深團隊具備從需求分析、架構設計、開發實作到維運上線的完整實戰能力，並以此為基礎培養年輕同仁快速成長。
這二十年來，我們不只寫程式 — 核心團隊完整參與過大型企業系統從 0 到 1 的每一步，也親自修補過無數跑了十年以上的舊系統。
當客戶說「我們的批次一天跑不完」，我們懂那可能是需求分析沒把資料量抓準、資料庫沒開對索引、或是程式寫了低效的 SQL — 因為這些環節的實戰經驗，都在我們核心團隊累積過。
當客戶說「我們想遷移到雲端但主管擔心合規」，我們懂那其實是架構設計、風險評估、利害關係人溝通的組合題 — 這些不是教科書上的步驟，是實戰累積出來的判斷力。
完整技術落地能力
真正的專案成功，取決於整條技術鏈有沒有人撐得住 — 以下是我們團隊在落地執行時能自主涵蓋的關鍵能力。
從需求訪談與業務邏輯拆解、資料流與系統架構設計、核心程式開發、資料庫效能調校與災備、專案時程與風險管理，到長期客戶關係經營與技術團隊傳承 — 這些能力在我們的專案中都能自主完成，不需要依賴外部顧問。
這代表當客戶遇到任何環節的挑戰，我們都能在同一個團隊內對話、判斷、解決。對客戶而言，這是最直接的交付保證 — 不會因為「這個問題需要找另一家廠商」而卡關。
我們具體提供的服務
不是抽象的技術名詞，而是真正能在客戶現場交付的工作項目。
這是傳統資料處理走向 AI 時代的橋。我們把企業內三類資料（結構化的關聯式資料庫、半結構化的 JSON / Log / API、非結構化的文件 / Email / 客服紀錄）整合到統一的半結構化儲存層（Parquet / Delta Lake / MongoDB），再進行業務語意標籤化、特徵工程、向量化（Embedding）準備，讓資料可以無縫銜接到傳統 ML 模型訓練、LLM / RAG 應用、Agentic AI 系統。我們不是 AI 模型公司，但我們是把企業舊資料「準備好給 AI 用」的稀缺工程團隊 — 而這正是 AI 時代企業落地的關鍵瓶頸。
從資料抽取、轉換、載入到驗證的完整 ETL 工程。熟悉 Spark 大數據處理、Spring Batch 企業批次、Informatica、IBM DataStage 等主流 ETL 技術棧，能在新舊技術之間自由轉譯。我們獨到的心法是「業務邏輯零變更、底層技術全替換」 — 讓客戶擺脫商用工具授權成本與人才斷層，但業務運作完全不受影響。
從需求分析、系統設計、開發、測試到上線維運，端到端把專案落地。長期服務金融客戶的核心系統 — Java、Spring 生態、資料庫設計、RESTful API、批次作業，能寫、能維、能傳承。
理解金融業合規需求的稀缺團隊。實作過 Basel III 體系下的 FRTB（市場風險最低資本）、SACCR（交易對手信用風險標準法）、AMA（進階衡量法）的 ETL 層工作，並具備與 IBM Algo 這類核心計算引擎資料串接的實務經驗。我們理解法規背後的資料欄位定義、精度要求、部位處理邏輯，能快速進入業務語境，而非僅停留在「資料搬運」層次。
不是把舊系統砍掉重練，而是在保護客戶投資的前提下平滑轉型。從 FTP 批次到 RESTful 服務、從 DataStage 翻寫到 Spring Batch、從同步轉異步、從檔案交換到事件驅動 — 我們做過最複雜的金融現代化案。
為金融客戶執行稽核級資安弱點修補 — 熟悉 HCL AppScan Standard（DAST）與 Checkmarx（SAST）雙工具，符合 OWASP Top 10 - 2021 合規要求。已修補多家金融機構的核心 Web 應用系統高風險弱點，涵蓋 NoSQL/SQL Injection、API Mass Assignment、CSP 重構、CSRF/XSS 防護、SameSite Cookie 升級等。同時也是金融客戶 OS 從 RHEL 7 升至 9.6、SSL/TLS 政策升級的長期合作夥伴。
一家深度整合 AI
到日常工作流的團隊
我們相信，在 AI 時代能否善用工具，是拉開團隊產能差距的關鍵。永聚資每一位同仁都配備企業級 AI 工作流 — Claude、Copilot、Grok 多 AI 協作 — 從技術研究、方案評估、文件撰寫到學習成長，AI 是我們每天都在使用的同事，不是偶爾查查資料的玩具。
核心原則很清楚：客戶交付的程式碼由工程師親手撰寫、親手審查，符合金融業對程式品質與稽核的嚴格要求。AI 用在加速我們的學習、研究與溝通品質 — 而不是取代工程師的責任。這代表我們能用更高的交付品質、更快的回應速度、更深的技術探索服務客戶，而這份紀律由負責人帶頭實踐。
AI 只加速思考,不取代判斷
真實落地的
金融資料工程實戰
以下是近年我們交付給金融機構與政府單位的代表性專案。每個案例都是一次端到端的實作 — 從需求釐清、技術選型、開發落地，到通過稽核、上線維運，完整走過。
市場風險 ETL 現代化
IBM DataStage → Spring Batch 全面遷移
為台灣大型商業銀行完整翻寫 1,500+ 個 DataStage ETL 任務為 Spring Batch，支援 Basel III 下的 FRTB（市場風險最低資本）、SACCR（交易對手信用風險標準法）、AMA（進階衡量法）三大法規引擎，服務於行方以 IBM Algo 為核心的市場風險計算系統。
客戶的市場風險業務邏輯、欄位定義、批次順序、核對規則一概保留 — 只將承載這些邏輯的引擎從 DataStage 換成以 Java Spring Batch 為基礎的自行開發框架。維運團隊可以用過去熟悉的批次流程圖心智模型繼續理解新系統，降低教育訓練成本。
• 1,500+ ETL Tasks → 翻寫為 Spring Batch Step
• 數百個 Workflows → 重構為 Spring Batch Flow
• 數十個 Jobs → 對應 Spring Batch JobLauncher 啟動點
• 104 種金融商品（48 上線 + 56 保留）
• 240 工作天如期上線（2022/04 啟動，2023/02 正式上線）
• 覆蓋日批、月批、週批（ACE Weekly）、夜間批次等所有場景
▸ 交付紀律：設計四層測試驗證（SIT 完整跑批 + UAT 逐欄比對 + PRD 平行測試 + Algo 報表端到端一致性），確保新舊系統「位元級一致」。所有 Mail 收件人、FTPS 傳檔設定、批次排程、輸出檔命名規則全部資料表化 — 讓維運人員未來調整批次行為不需工程師介入，符合金融業「組態管理與程式碼分離」的最佳實務。
▸ 客戶價值：擺脫 DataStage 授權成本與人才斷層風險、未來 FRTB 法規演進的擴充性全面提升、法規報表產出品質與時效不變、維運成本結構全面優化。
消費行為數據平台建置
傳統交易資料 → AI 可用資料的完整橋接
為大型民營銀行建置地端消費洞察平台，每日從核心交易系統抽取約 30GB 結構化交易資料，經四維品質驗證後，透過大規模分散式運算引擎整合到統一的半結構化儲存層，對外提供標準化 RESTful API 服務行動銀行 App。
Phase 1（已落地 · 資料基礎建設）：
• 結構化交易資料 → 統一的半結構化儲存層
• 大規模分散式運算處理轉換、品質驗證、Schema 管理
• 在統一資料層上進行業務語意標籤（消費類別、行為模式、時序特徵）
• 為下一階段的特徵工程與向量化（Embedding）做好欄位設計與資料準備
Phase 2（規劃中 · AI 應用層）：
• 在已標籤化的資料上建立向量索引，支援自然語言查詢、相似度比對
• 串接 LLM / RAG 應用（個人財務助理、消費行為預測、異常偵測等）
• 此階段的所有資料基礎都在 Phase 1 已準備就緒
這個案子的價值不只是 ETL — 而是把銀行二十年累積的「報表型結構化資料」，重新鑄造成「AI 可用的語意化資料」。我們同時建置了 JOB / FLOW / STEP 三層任務管控架構、主管視覺化監控 Dashboard、稽核級執行軌跡、角色權限分層控管，每個環節都符合金融業最嚴格的稽核要求。
DB2 → PostgreSQL 巨量遷移驗證
協助北部政府機關完成 873 個 Schema、約 25.5 億筆資料的 DB2 至 PostgreSQL 遷移驗證。我們的四維驗證機制（筆數、空值、內容雜湊、邊界值）自動產出完整驗證報告，釐清 3 筆異常並追溯源端問題，交付完整的稽核證據鏈。
這個案例證明了我們的驗證機制不只是金融專屬 — 任何大型資料遷移都需要這種嚴謹的檢核能力。
舊系統現代化改造
金融業普遍累積了大量跑了十幾年的 FTP 批次、檔案交換、外部界接系統 — 我們擅長將這些舊架構重構為 RESTful、Webhook、Event-Driven 等現代化服務介面。曾處理 AWS S3 最終一致性問題的業務邏輯重構、批次轉即時、同步轉異步等典型現代化議題。
官方網站無障礙合規與維運
長期維運大型銀行官方網站 — 涵蓋 WCAG 2.2 無障礙標章合規、企業級 CMS 平台管理、多語系內容發布流程、SSL 與 TLS 合規治理。同步完成 SQL Server 效能調校與全平台 OS 從 RHEL 7 升至 9.6 的現代化升級，確保網站在高流量下穩定運行。
金融核心系統資安弱點修補
AppScan + Checkmarx 雙工具 · OWASP Top 10 合規
為大型民營銀行多個核心系統執行稽核級資安弱點修補 — 涵蓋企業放款信用評分系統 (ELSRB / scWeb)、行動支付平台、貸款風險系統等，使用 HCL AppScan Standard（DAST 動態掃描）與 Checkmarx（SAST 靜態程式碼分析）雙工具，符合 OWASP Top 10 - 2021 合規要求。
• ELSRB / scWeb 信用評分系統：271 個檔案、25,460 行程式碼完整 SAST 掃描修補
• SRB 貸款風險系統：1,558 頁 AppScan 報告完整修補（含 NoSQL 注入、API 大量指派、CSP 強化等）
• TaiwanPay 行動支付：CSP 政策強化、安全標頭部署完整覆蓋
• 涵蓋 OWASP Top 10 - 2021 全部 10 大類風險
▸ 技術修補深度：NoSQL Injection 防護、SQL Injection（含 Blind/Time-based）、API 大量指派 (Mass Assignment) 過濾、CSP (Content-Security-Policy) 完整重構、SameSite Cookie 升級、CSRF 跨站偽造防護、SSO 跨域重導整合、XSS Filter 重構、Path Traversal 防護、安全標頭部署 (HSTS / X-Frame-Options / X-Content-Type-Options)、敏感資訊洩漏防護、有弱點元件汰換、ROBOT 攻擊防護、Cipher Suite 強化等。
▸ 客戶價值：每次修補都需要在資安強化與既有業務流程穩定性之間取得平衡 — 例如 SameSite=Lax 而非 Strict 以確保 SSO 跨域重導不中斷、XSSFilter 雙重編碼修正不影響合法字元。我們同時擁有開發程式碼能力與資安修補經驗，能在不破壞現有業務功能的前提下通過行內稽核要求。
不停留在
昨天的技術
資料工程不會停在傳統 ETL — 我們持續追蹤產業最新的技術走向，讓服務客戶的能力與時俱進。Naive RAG 已是過去式，Agentic AI 多代理協作是現在進行式，認知架構則是值得提早佈局的未來。以下是團隊正在投入研究與實戰的三個方向。
企業資料安全上雲
Data Masking · Encryption · Access Control
- 地端資料加密、去識別化流程設計
- 雲端分層儲存架構 (L1–L4) 對應不同敏感度
- 資料訪問控制與稽核軌跡
- 合規框架:金管會、個資法、ISO 27001
Agentic AI · 多代理協作
Planner · Tools · Validator · Memory Loop
- Multi-Agent 協作架構 (規劃 → 執行 → 驗證)
- Agentic RAG：模型能自主判斷是否需再檢索
- 主流框架實戰 (LangGraph / AutoGen / CrewAI)
- 個人層掌握開源工具趨勢 (OpenClaw 生態)
- 為既有專案延伸 AI 衍生功能奠基
認知架構 · 自主決策系統
Memory · Planning · Governance
- 長期記憶 + 推理 + 規劃的認知架構
- 自主 Agent 可完成多步驟決策任務
- 符合監管要求的可解釋性與稽核軌跡
- Human-in-the-Loop 風險控管機制
- 面向金融稽核、生技 GxP 的 AI 治理框架
這三個階段呼應我們對 AI 的誠實立場: 先把地端數據治理做到位，再進入多代理協作應用，最後才是能通過產業稽核的認知架構與自主決策系統。我們不停留在過時的 Naive RAG，也不盲目追逐尚未落地的概念 — 而是把今天 Agentic AI 的現實能力，用在客戶真正需要的地方。目前手上的消費數據平台專案，就是我們從「數據治理」走向「AI 衍生應用」的第一個樣本，這個模式未來會複製到更多金融、生技等受監管產業的舊系統上。
技術不會停在昨天
我們也不會
二十年的經驗是底蘊，不是安全區。在這個技術快速演進的時代，我們對團隊有一個明確的承諾 — 讓每一位同仁的專業能力，都能跟上產業最新的浪潮。以下是 2026 年我們正在投入的三個方向，未來一定還會有新的主題、新的工具、新的認證 — 但這份持續投資的紀律不會變。
Databricks Certified
Data Engineer Associate
驗證在 Databricks 平台上設計與實作資料管線的能力 — Delta Lake、Unity Catalog、ETL 排程、Structured Streaming，正是現代企業數據棧的核心。
Databricks Certified
Associate Developer for Spark
深入 Apache Spark 分散式運算核心 — DataFrame API、效能調校、AQE、Structured Streaming。讓團隊從「會用 Spark」升級到「會調校 Spark」。
Claude Certified Architect
Foundations
Anthropic 2026 年 3 月剛推出的全球首張 Claude 官方技術認證。涵蓋生產級 Claude 應用的架構設計、agentic 工作流、結構化輸出 — 為 AI 時代的數據應用做準備。
我們對技術專業品質的承諾
技術方向會變，但紀律不變 — 負責人帶頭考取每一個階段最關鍵的證照，並讓全公司同步跟進。公司長期提供 指定證照費用補助、帶薪學習時間、資深同仁共學小組，讓每一位工程師的專業能力都能與時俱進。證照只是載體，真正的承諾是 — 交到客戶手上的專業，永遠是「今年的」，不是「十年前的」。
我們正在找這樣的人
我們刻意維持精實的團隊規模，意味著你寫的每一行程式碼都直接影響客戶。沒有大廠的層級與會議，只有真實的產業專案、頂尖的資深前輩、以及願意把專業做深做透的同路人。
如果你相信監管產業的數據品質是值得花二十年投入的課題;
如果你想在一個老闆親自帶頭考證照、持續學習的團隊裡工作 —
那麼,也許我們就是你在找的那支團隊。
資料工程師 (Data Engineer)
參與金融客戶端數據管線建置、資料驗證模組、ETL 系統開發與維運。你將與資深架構師共同打造真正能落地、能稽核、能維運的金融資料工程解決方案。
資深 Java 工程師 / 技術顧問
負責既有大型客戶的 Java 企業系統開發與官網平台維運。你會直接面對第一線客戶、設計架構、解決棘手的效能與合規議題 — 是資深工程師快速累積監管產業深度經驗的職位。
AI 數據見習工程師 (Data Associate)
給有潛力、願意學的工程師一個起點。你將接受 12 週密集培訓 (Python / dbt / Spark / Databricks)，由資深前輩帶領實戰，逐步進入核心數據專案。
我們能提供的
不只是一份工作
指定證照學習補助
公司指定方向的認證費用補助 + 帶薪學習時間，與時俱進不中斷
12 週技能進階計劃
Python、dbt、Spark、Databricks 系統化培訓
AI 輔助開發工具
Claude、Copilot、Grok 多 AI 協作,加速研究、方案評估與文件撰寫
技術負責人帶領
CEO 技術背景,可直接討論架構決策,不是隔層傳話
大型產業專案實戰
直接參與企業核心系統，累積稀有實戰經驗
扁平化 × 高影響力
精實團隊，你的貢獻直接被客戶看見