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、governance、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 / governance infrastructure、dbt が transformation と semantic layer の役割を担う
• 規制・billing・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
• semantic layer と lineage は、AI agent が信頼できる metric 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 metric 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 billing、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、billing 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 lineage、access control を支えます。dbt は transformation engine と semantic layer 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 customer-facing products があり、visual dashboard、structured report、billing / fee management を提供する構成です。

ブログで特に重要なのは、scale と governance 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、billing 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、pipeline が test 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 table から推測した metric では危険で、dbt Semantic Layer 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 workflow を作る流れを見据えたものです。AI agent が安全に動くには、metric definition、lineage、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 governance layer と dbt lineage を突き合わせる
4. AI agent に使わせる metric は semantic layer 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 agent に業務判断をさせるなら、semantic layer、lineage、audit を後付けにしない設計が重要になります。