Nasdaq、dbt と Databricks で governed intelligence layer を構築

dbt Labs は 2026年5月18日、Nasdaq が dbt と Databricks を使って governed intelligence layer を構築した事例を公開しました。金融市場インフラでの scale、ガバナンス、AI readiness が主題です。

要点

• Nasdaq Eclipse Intelligence は、金融市場インフラ向けに data ingestion、transformation、validation、analytics/reporting を統合する platform
• Databricks が compute / ガバナンス infrastructure、dbt が transformation と セマンティックレイヤー の役割を担う
• 規制・課金・risk の領域では、速い data よりも「間違った data を出さない」ことが重要になる
• セマンティックレイヤー と リネージ は、AI エージェント が信頼できる 指標 を使うための基盤として扱われている

今回のブログ記事で語られていること

この記事は、金融市場データにおける誤りの重さから話を始めます。一般的な business analytics で 指標 が少し間違っていれば意思決定の手戻りで済むことがありますが、金融市場では regulatory filing、client 課金、risk desk の判断に直接影響します。Nasdaq が構築した Nasdaq Eclipse Intelligence は、financial market infrastructure 顧客向けの end-to-end data platform で、ingestion、transformation、mapping、validation、reconciliation、reporting、analytics、課金 を一つの governed layer として扱います。

Databricks は主に computation layer として使われ、Unity Catalog によって定義や リネージ、access control を支えます。dbt は transformation engine と セマンティックレイヤー の両方を担い、raw data から business-facing product へつながる logic を versioned code として管理します。上位には InsightsHQ、ReportHQ、RevenueHQ といった 顧客-facing products があり、visual ダッシュボード、structured レポート、課金 / fee management を提供する構成です。

ブログで特に重要なのは、scale と ガバナンス が分離できない点です。Nasdaq は大量の message、複数 source、複数 business line を扱い、課金 や regulatory reporting では一件の余計な contract や欠落が重大な問題になります。そのため、パイプライン が テスト failure で止まって遅れる方が、間違った data を送るよりもよい、という姿勢が示されています。これは AI readiness にも直結します。AI が金融 data に答えるとき、raw テーブル から推測した 指標 では危険で、dbt セマンティックレイヤー のように明示された context layer が必要になります。

Nasdaq はさらに agentic surface layer、MCP tooling、skills への投資にも触れています。これは、顧客が governed intelligence platform の上で agentic ワークフロー を作る流れを見据えたものです。AI エージェント が安全に動くには、指標 definition、リネージ、access control、auditability がすでに platform に埋め込まれている必要があります。

実務で確認したいポイント

1. financial / regulated data では freshness より correctness boundary を先に決める
2. transformation logic と semantic definition を dbt 側で version control する
3. Unity Catalog などの ガバナンス layer と dbt リネージ を突き合わせる
4. AI エージェント に使わせる 指標 は セマンティックレイヤー 経由に限定する

どう読むべきか

この事例は、AI-ready data platform を作るには、先に governed data platform が必要だという話です。金融以外の業界でも、AI エージェント に業務判断をさせるなら、セマンティックレイヤー、リネージ、audit を後付けにしない設計が重要になります。