2016年、フィラデルフィア。

銀行口座にわずか$10,000（約150万円） を入金し、1人の男がコンサルティング会社を立ち上げました。

「自分たちの生産性を上げるために作った」——それが、後に40,000社以上が使うフレームワークになるとは、本人も思っていなかったでしょう。

9年後の2025年10月。その男が作った会社は、評価額42億ドル（約6,300億円） のFivetranと合併を発表します。

「データパイプラインのApple」——そう評される統合の背景には、Analytics Engineering（アナリティクスエンジニアリング） という新しい職種の創出と、30,000件以上のSlackメッセージを投稿し続けた創業者たちの異常な献身がありました。

本記事では、その全貌に迫ります。

この記事でわかること

1. Tristan Handyの思想: なぜ「$10,000」から始め、「SQLだけでエンジニアリング」を追求したのか
2. dbtの技術革新: データ変換をコードとして扱う革命と、194% ROIの実証
3. Fivetran統合の真実: 10年来の友人関係、80-90%の顧客重複、そして社内に広がる不満

基本情報

※日本円換算は1ドル=150円で計算

dbt Labsの全体像

dbtとは何か——SQLで実現する「データエンジニアリング」

データ変換の「暗黒時代」

2010年代半ば、データチームは深刻な課題を抱えていました。

Snowflake、BigQuery、Redshift——クラウドデータウェアハウスは急速に進化していました。しかし、その中でデータを変換する作業は、依然として「職人芸」の世界でした。

従来のデータ変換の課題:

アナリストはSQLを書けます。しかし、そのSQLに対してGitでバージョン管理することも、自動テストを書くことも、CI/CDを適用することもできませんでした。

これらは「エンジニアの領域」だったからです。

dbtの解決策——「SQLだけで、すべてを」

dbtは、この壁を破壊しました。

SQLファイルを書くだけで、エンジニアリングのベストプラクティスが自動的に適用される。 これがdbtの革命です。

-- models/staging/stg_orders.sql
SELECT
    id as order_id,
    user_id,
    order_date,
    status,
    total_amount
FROM {{ source('raw', 'orders') }}
WHERE status != 'cancelled'

このSQLファイルをGitにコミットするだけで、以下が実現します:

• バージョン管理: 変更履歴が追跡可能
• 自動テスト: データ品質チェックが自動実行
• ドキュメント: モデル間の依存関係が自動生成
• CI/CD: プルリクエストでの自動検証

dbtの主要コンセプト

dbt Coreとdbt Cloud

dbtには2つの提供形態があります:

なぜこのようなツールが生まれたのか。その答えは、創業者Tristan Handyの「挫折」と「賭け」にあります。

Tristan Handy——$10,000から始まった革命

9歳のScott Wuには「魔法」があった。しかしTristan Handyにあったのは「挫折」だった

Cognition LabsのScott Wuは、9歳でプログラミングに出会い「魔法」を見ました。

Tristan Handyは違います。彼が見たのは「壁」でした。

RJMetricsというスタートアップでVP of Marketingを務めていた2013年から2016年。彼の仕事は、データを分析し、経営陣に洞察を提供することでした。

しかし、実際の時間の大半は「データ変換」に費やされていました。

“

"I spent more time preparing data than actually analyzing it. And every time I wanted to apply best practices—version control, testing, documentation—I had to ask an engineer for help."

「データの準備に、分析よりも多くの時間を費やしていました。バージョン管理、テスト、ドキュメント——ベストプラクティスを適用したいたびに、エンジニアに助けを求めなければなりませんでした」

アナリストはSQLを書けます。しかし、そのSQLを「本番レベル」にするためには、エンジニアの力が必要でした。

この「壁」が、すべての始まりでした。

Amazon Redshiftとの運命的な出会い

2014年から2015年。転機が訪れます。

TristaがAmazon Redshiftを初めて使用したとき、彼は「これが自分の職業を完全に変える」 と即座に認識しました。

クラウドデータウェアハウスの登場により、データ変換のワークフローが根本的に変わる。彼はそれを見抜いていたのです。

$10,000と「Fishtown」——ブートストラップの始まり

2016年、MagentoがRJMetricsを買収。Tristanは退職を決意します。

しかし、彼は投資家を探しに行きませんでした。

銀行口座にわずか$10,000（約150万円）を入金し、コンサルティング会社を立ち上げたのです。

会社名は「Fishtown Analytics」。彼が住んでいたフィラデルフィアの地区名から取りました。

“

「コンサルティング会社を始める人のほとんどはマーケティングの経験がありません。しかし、Handyはスタートアップで7年間マーケティングを本業としていました」

多くのコンサルタントが営業電話に奔走する中、Tristanは違う戦略を取りました。執筆活動に時間を投資したのです。

これが後のdbtコミュニティ成長の基盤となります。

「自分たち2人だけが使うツール」——dbt誕生の瞬間

Tristanと共同創業者のDrew Baninは、Fishtown Analyticsを立ち上げる際、dbtの初期プロトタイプを組み立てていました。

当初の目的は、コンサルタントとしての自分たちの生産性を上げる手段。

期待は、自分たち2人だけが使うツール。

しかし、最初の外部顧客が現れます。

マットレススタートアップのCasperでした。

Casperのデータチームは、2016年にデータウェアハウスのスケールアップのためにFishtown Analyticsを雇いました。dbtを直接使用した最初の外部クライアントです。

$10,000から始まり、Casperが最初の顧客。この小さな始まりが、40,000社以上のユーザー企業へと繋がっていきます。

「Analytics Engineering」の発明

Tristanは、アナリストとエンジニアの間にある「壁」を壊すことを決意します。

「なぜアナリストはエンジニアリングの恩恵を受けられないのか？」——この問いへの答えが、Analytics Engineering（アナリティクスエンジニアリング） という概念でした。

データアナリストとデータエンジニアの間に位置する、新しい役割。SQLを使いながら、ソフトウェアエンジニアリングの手法をデータ変換に適用する専門家です。

“

"We don't want to turn every analyst into a software engineer. We just want them to be able to enjoy the benefits of software engineering best practices while writing SQL."

「すべてのアナリストをソフトウェアエンジニアにしたいわけではありません。SQLを書きながら、ソフトウェアエンジニアリングのベストプラクティスを享受できるようにしたいだけです」

— Tristan Handy, CEO

この概念は、単なるツールの提供を超えていました。新しい職種の創出です。

今日、LinkedInで「Analytics Engineer」を検索すると、数万件の求人がヒットします。Tristanが名付けた役割は、業界標準となりました。

4年間のブートストラップ——「まだビジネスは続いています」

驚くべきことがあります。

Tristan Handyは、ほぼ4年間、Fishtown Analyticsをブートストラップ（自己資金）で運営しました。

2017年、彼は「One Year In: We're Still in Business（1年経過：まだビジネスは続いています）」というタイトルのMedium記事を投稿しています。

この素朴なタイトルは、初期の不確実性と謙虚さを物語っています。

$10,000から始まり、投資家なしで4年間。そして評価額42億ドルへ。

では、彼らはどうやって「コミュニティ」を育てたのでしょうか？その答えは、共同創業者の30,000件のSlackメッセージにあります。

30,000メッセージの献身——コミュニティという武器

オープンソースへの賭け

2016年、Tristanは1つの決断を下します。dbtをオープンソースとしてリリースすることです。

「クローズドなSaaSでは、コミュニティは育たない」——彼はそう考えました。

結果は、彼の予想を超えるものでした。

Drew Baninの異常な献身

共同創業者で元CPO（チーフプロダクトオフィサー）のDrew Banin。

彼のSlackコミュニティでの活動を知っていますか？

30,000件以上のメッセージを投稿しています。

単なる「サポート対応」ではありません。創業者自らが、毎日、ユーザーの質問に答え続けたのです。

これは、創業者レベルでの深いコミュニティエンゲージメントを示しています。

年次倍増の成長軌跡

“

"The dbt community has doubled in size every year it has existed."

「dbtコミュニティは、存在するすべての年において規模を2倍にしてきました」

コミュニティ成長の推移:

オーガニックな成長の秘密

“

"The community focuses on authentic engagement, with organic growth driven by word-of-mouth and peer connections rather than incentivized participation."

「コミュニティは本物のエンゲージメントに焦点を当てており、インセンティブ参加ではなく、口コミとピアのつながりによるオーガニックな成長によって推進されています」

広告費ゼロ。インセンティブなし。

それでも年次倍増。

これがdbtの「武器」でした。

ここまで読むと、dbtは完璧に見えるかもしれません。しかし、実際のROIは証明されているのでしょうか？ 第三者調査の結果を見てみましょう。

194% ROI——数字で証明されたdbtの価値

Forrester Consultingの独立調査

「dbtは本当に価値があるのか？」

この問いに答えるため、dbt LabsはForrester Consultingに独立調査を委託しました。

結果は、以下の通りです。

総合ROI

生産性向上の具体的数字

導入企業の驚異的な成果

Endpoint社:

“

"Since adopting dbt, we have increased our productivity by 75% and reduced costs by almost 80%."

「dbtを導入して以来、生産性を75%向上させ、コストをほぼ80%削減しました」

Sunrun社（米国住宅用ソーラー企業）:

194% ROI。6ヶ月で損益分岐点。これが第三者調査で証明されたdbtの価値です。

では、実際の大企業での導入事例を見てみましょう。

導入事例——JetBlueの変革

「このデータ、信頼していいの？」

JetBlue Airways。アメリカの大手格安航空会社です。

彼らのデータチームは、深刻な課題を抱えていました。

JetBlueの課題（導入前）:

「このデータ、信頼していいの？」——ビジネス部門からの問いに、データチームは自信を持って答えられませんでした。

6ヶ月で1,800モデル、8,500テスト

dbtを導入したJetBlueに、何が起きたのか。

プロジェクト規模:

• 1,800モデルを280データソースの上に構築
• 8,500テストを定義
• プロジェクト完了期間: 6ヶ月

インフラ規模:

• 3,400のアナリスト向けテーブル/ビューを全社で展開
• 合計5ペタバイトのデータを管理

TCO $0増加——驚異のコスト効率

“

"JetBlue eliminated data engineering bottlenecks with $0 increase in total cost of ownership."

「JetBlueは、総所有コスト（TCO）を$0増加させることなく、データエンジニアリングのボトルネックを解消しました」

Data NPS スコア: 前年比16ポイント向上

「小さな改善ではない、完全な再設計」

“

"The new workflow with dbt and Snowflake was described as 'not a small improvement' but 'a complete redesign of our entire approach to data that will establish a new strategic foundation for analysts at JetBlue to build on'."

「dbtとSnowflakeを使った新しいワークフローは『小さな改善ではなく』、『JetBlueのアナリストが構築するための新しい戦略的基盤を確立する、データへのアプローチ全体の完全な再設計』と表現されました」

JetBlueの成功は、dbtの典型的な導入効果を示しています。

しかし、dbt Labsが本当に「ゲームチェンジャー」となったのは、2025年10月の発表でした。そして、その発表はすべての人を喜ばせたわけではありませんでした。

Fivetranとの統合——10年来の友人、80%の顧客重複、そして社内の不満

E+L+Tの完成

2025年10月13日、dbt LabsとFivetranは合併を発表しました。

この統合が意味するものを理解するには、「ELT」の概念を知る必要があります。

データパイプラインの3ステップ:

これまで、企業は「E+L」と「T」を別々のベンダーから調達していました。

しかし、驚くべき数字があります。

Fivetran CEO George Fraserの推定によると、Fivetranの顧客の80%〜90%がdbtのツールを使用していました。

「なぜ別々なのか？」——この疑問が、統合への道を開きました。

10年来の友人関係

この統合は、突然生まれたものではありません。

“

"Tristan Handy had known Fivetran's co-founders George and Taylor for a decade, and Fivetran was one of dbt's best partners when they started Fishtown Analytics in 2016."

「Tristan Handyは、Fivetranの共同創業者であるGeorgeとTaylorを10年間知っており、2016年にFishtown Analyticsを始めた際、Fivetranはdbtの最良のパートナーの1つでした」

10年来の友人。最良のパートナー。そして80-90%の顧客重複。

統合は「必然」だったのかもしれません。

プラットフォーム戦争への対抗

“

"Snowflake, Databricks, Microsoft Fabric — they're all building full-stack solutions. The merger is Fivetran and dbt's answer: if you can't beat the platforms, become one yourself."

「Snowflake、Databricks、Microsoft Fabric——これらはすべてフルスタックソリューションを構築しています。合併はFivetranとdbtの答えです：プラットフォームに勝てないなら、自分たちがプラットフォームになろう」

統合後の数字

規模:

• ARR（年間経常収益）: 約$600M（約900億円）に到達見込み
• 顧客数: 10,000社以上

リーダーシップ構造:

• CEO: George Fraser（Fivetran）
• 共同創業者兼President: Tristan Handy（dbt Labs）

取引形態:

• All-stock deal（全株式交換）
• 「対等な合併（merger of equals）」として構成

社内に広がる不満——「これは望んでいたものではない」

しかし、すべての人がこの統合を歓迎したわけではありません。

Glassdoorレビューからの声:

“

"The recent merge with Fivetran is not what many employees signed up for."

「最近のFivetranとの合併は、多くの従業員が望んでいたものではありません」

従業員の期待とのギャップ:

“

"Employees feeling like dbt was over-performing on its own and on an IPO journey, while joining a low growth company like Fivetran is less than exciting."

「従業員たちは、dbtが単独で優れたパフォーマンスを発揮し、IPOの旅にあると感じていたのに対し、Fivetranのような低成長企業に加わることは、あまりエキサイティングではありません」

dbt Labsは単独で高成長を続け、IPOへの道を歩んでいると、多くの従業員は考えていました。

Fivetranとの統合は、その夢を「変更」するものでした。

オープンソースコミュニティの懸念

合併は、データエンジニアリングコミュニティでも懸念を引き起こしました。

“

"Culture clash is already raising concerns, with many on social media and Hacker News worrying that dbt's open model might suffer under Fivetran's commercial focus."

「文化的衝突がすでに懸念を引き起こしており、多くの人々がソーシャルメディアやHacker Newsで、dbtのオープンモデルがFivetranの商業的フォーカスの下で損なわれるのではないかと心配しています」

両社のコミットメント

これらの懸念に対し、両社はオープンソースへのコミットメントを再確認しています。

Tristan Handyの声明:

“

"dbt has always stood for openness and practitioner choice. Our commitment to keep dbt Core open source was critical to the deal."

「dbtは常にオープン性と実務者の選択を支持してきました。dbt Coreをオープンソースに保つというコミットメントは、この取引にとって重要でした」

George Fraserの声明:

“

"This is a refounding moment for Fivetran and the broader data ecosystem. Our admiration for dbt and its remarkable community runs deep."

「これはFivetranとより広範なデータエコシステムにとっての再創業の瞬間です。dbtとその素晴らしいコミュニティへの私たちの賞賛は深いものです」

期待と不安。成功と懸念。この統合の結果が出るのは、2026年10月のクロージング予定後になります。

では、dbtの競争環境はどうなっているのでしょうか？

競合分析——dbtの優位性はどこにあるのか

主要競合との比較

dbtの4つの競争優位性

1. オープンソースによるロックイン回避

dbt Coreは完全にオープンソースです。特定のベンダーに依存せず、いつでも環境を移行できます。

2. 巨大なコミュニティ

100,000人以上のSlackコミュニティ、数千のパッケージ。問題が発生しても、誰かが解決策を持っています。

3. デファクトスタンダードの地位

「dbt使えます」は、Analytics Engineerの履歴書で最も価値のあるスキルになりました。人材市場がdbtを中心に回っています。

4. Fivetran統合による完全カバー

E+L+Tのすべてを1社でカバーできる唯一の存在。競合には真似できない統合体験を提供します。

競合比較

では、dbt Labsはどのように成長してきたのでしょうか。資金調達の歴史を見てみましょう。

成長と資金調達——$10,000から評価額42億ドルへの道

資金調達の歴史

dbt Labsの成長タイムライン

総調達額：$414M（約621億円）

※日本円換算は1ドル=150円で計算

$2M → $100M ARR：わずか4年

驚異的な成長スピード:

• $2M ARR → $100M ARR: わずか4年間で達成
• $100M突破: 2025年2月に発表
• 成長率: 初期は年間100%以上

コミュニティの成長

• ユーザー企業: 40,000社以上
• Slackメンバー: 100,000人以上
• Fortune 500採用率: 前年比85%成長

主要顧客

$10,000から始まり、4年間のブートストラップを経て、評価額42億ドルへ。

ここまで読んで、疑問が残っているかもしれません。よくある質問をまとめました。

よくある質問（FAQ）

dbt Coreとdbt Cloudの違いは何ですか？

dbt CoreはオープンソースのCLIツールで、無料で利用できます。自分でスケジューリングや実行環境を用意する必要があります。

dbt Cloudは有料のSaaS製品です。ブラウザベースのIDE、ジョブスケジューリング、CI/CD、メタデータ管理などの機能が含まれます。チーム開発や運用を効率化したい場合に適しています。

dbtはどのデータウェアハウスに対応していますか？

dbtは主要なクラウドデータウェアハウスに対応しています:

• Snowflake
• BigQuery（Google Cloud）
• Redshift（AWS）
• Databricks
• PostgreSQL
• その他多数

Analytics Engineeringとは何ですか？

Analytics Engineeringは、dbt Labsが提唱した新しい職種です。データアナリストとデータエンジニアの中間に位置します。

SQLを使ってデータ変換を行いながら、ソフトウェアエンジニアリングの手法を適用します。バージョン管理、テスト、CI/CDといったベストプラクティスをデータ変換に取り入れる役割です。

従来は、データエンジニアがETLツールでデータ変換を行うか、アナリストがSQLを書いても品質管理が難しいという課題がありました。Analytics Engineeringは、この隙間を埋めます。

dbtを導入するメリットは何ですか？

主なメリットは以下の通りです:

• コードとしてのデータ変換: Gitでバージョン管理、レビュー可能
• データ品質の担保: 自動テストによる品質チェック
• ドキュメント自動生成: モデルの依存関係や列の説明を自動生成
• 再利用性: マクロやパッケージによるコードの再利用
• チーム開発の効率化: ブランチ戦略、プルリクエストベースの開発

Forrester調査による具体的な効果:

• 194% ROI（6ヶ月で損益分岐点）
• 開発者生産性30%向上
• データ再作業時間60%削減

Fivetranとdbtはどのように連携しますか？

Fivetranは、データソースからデータウェアハウスへのデータ抽出・ロード（E+L）を自動化します。

dbtは、ロードされたデータをデータウェアハウス内で変換（T）します。

2025年10月の合併発表により、E+L+Tの完全なデータパイプラインを統合されたプラットフォームで構築できるようになります。クロージングは2026年10月頃の予定です。

dbt Cloudの料金はいくらですか？

dbt Cloudには複数のプランがあります:

dbt導入の注意点は？

学習コスト: dbtの概念（モデル、ref関数、Jinja等）の習得に2-4週間が必要です。トレーニング費用は$500-$2,000/人が目安です。

運用設計: 特にdbt Coreを使う場合、スケジューリングやモニタリングの設計が必要です。

チーム体制: Analytics Engineerのロールを明確化し、責任範囲を定義することが重要です。

ウェアハウスコスト: dbt自体は安価ですが、データ変換の複雑さが増すほどウェアハウス（Snowflake等）の費用が増加する点に注意が必要です。

まとめ——$10,000から始まった革命

冒頭の問いに戻りましょう。

$10,000を銀行口座に入金し、「自分たちの生産性を上げるために作った」ツール。

それが9年後、評価額42億ドルのFivetranと合併し、「データパイプラインのApple」 になろうとしています。

dbt Labsが変えた3つのこと

1. データ変換の民主化

かつて「エンジニアの領域」だったバージョン管理、テスト、CI/CDが、SQLを書けるすべての人のものになりました。

2. 新しい職種の創出

Analytics Engineering。この言葉は、Tristan Handyが名付けるまで存在しませんでした。今日、それは数万人が就く職業になっています。

3. コミュニティの力の証明

30,000件のSlackメッセージ。年次倍増の成長。広告費ゼロ。

dbtは、テクノロジーだけでなく、人々のムーブメントを作りました。

主要ポイント

次のステップ

1. データエンジニア/アナリスト: dbt Coreをローカルで試し、SQLファイルによる変換を体験
2. チームリーダー: dbt Cloudの無料プランでチーム開発のワークフローを検証
3. 経営層: Fivetran統合後のロードマップを注視し、データ基盤戦略を再検討

関連記事

参考リソース

dbt Labs公式

• dbt Labs公式サイト
• dbt Core GitHub
• dbt Documentation
• dbt Community Slack

Fivetran統合関連

• Fivetran公式サイト
• Fivetran + dbt Labs統合発表
• dbt Labs + Fivetran発表ブログ

創業者・成長ストーリー

• How dbt Labs Built a $4.2B Software Business out of a Two-Person Consultancy
• dbt Labs Surges Past $100 Million in Annual Recurring Revenue

ROI・導入事例

• The return on investment of dbt Cloud
• JetBlue eliminates data engineering bottlenecks with dbt

学習リソース

• dbt Learn（公式チュートリアル）
• Analytics Engineering Guide

本記事はネクサフローのAI研究シリーズの一部です。