チェンジログ – リリース 2026.11¶

Release 2026.11 は、3 つの主要な追加機能を中心に構成されています:

digna Data Reconciliation (Beta): システム間を移動するデータの一貫性が保たれていることをチェックします
digna Agentic (Beta): digna MCP Server を通じて digna を AI エージェントに開放します
digna Engine: オプションで digna 内部でデータをプロファイリングし、異なるデータベース技術間の参照整合性チェックを可能にします

新機能¶

digna Data Reconciliation (Beta) – ソースからターゲットまでの一貫性¶

データはレポートに届くまでに、複数のシステムを経由することがよくあります。digna Data Reconciliation (Beta) は、ターゲットのデータソースを、その作成元となったソースと比較し、両者が一致しなくなったときにアラートを出します。

ターゲットデータソースの新しい Data Reconciliation タブで、名前付きルールとして設定します
Data Reconciliation を有効にしたプロジェクト内のどのデータソースもソースにできます
標準的な照合手続きや、ETL プロセスの結果の検証などに利用できます
ルールは Exact と AI の 2 種類です

Exact ルール – データ品質ルールとしての照合: データ品質ルールと同じように、1 つのソースと 1 つのターゲットの間で何が一致すべきかを正確に定義します。

1 つのソースデータソースと 1 つのターゲットデータソースを比較
統計量と属性によって、ターゲットのチェックとソースのチェックを対応付け（例: 行数や金額列の合計）
absolute の許容差（例: ± 10）または relative の許容差（例: ソースの ± 0.5 %）で差異を許容
タイムラインに、日ごとの差異が許容差と並べて表示されます

AI ルール – データオブザーバビリティとしての照合: digna は、他のモジュールでデータを観測するのと同じ方法で、ターゲットがソースにどのように追従するかを学習し、その関係が崩れたときにアラートを出します。

複数のソースデータソースのチェックを、1 つのターゲットのチェックと組み合わせ
両者の間のロジック（結合、フィルター、集計）を知る必要も、書き出す必要もありません
モデルが履歴から、ターゲットが同じ日のソースにどう追従するかを学習
各ターゲットチェックはその日のソースの値から予測され、ターゲットがルール自身の過去の誤差の帯から外れると digna がアラートを出します
各ルールには独自の Model settings（Sensitivity、Memory、Model Complexity）があります

照合チェックは、ルールごとのタイムラインとともにダッシュボードに表示されます。全体のインスペクションステータスに反映され、通知もトリガーします。

影響: 照合の両面をカバーします。Exact ルールはソースとターゲットの間の既知のコントロールを適用し、AI ルールは ETL プロセスのような複雑なフローを監視します。そのため、途中で失われたり変更されたりしたデータを、手書きの照合 SQL なしで検出できます。

digna Agentic (Beta) – AI エージェントのための digna¶

digna Agentic (Beta) の最初のバージョンです。AI エージェントが digna と連携し、データに関するビジネス上の質問に答え、設定の改善を支援できるようになりました。

digna MCP Server: Claude などの AI エージェントが、Model Context Protocol を通じて digna と連携できるようにします。

プロジェクト、データソース、ルール、インスペクションスケジュール、サブスクリプションを管理
アラートを調査するため、インスペクションステータスを個々のチェックまで読み取り

データソースと属性の説明: データソースや属性に何が含まれているかを平易な言葉で記述します。

AI エージェントは説明を使ってデータを解釈します
データについてビジネス上の質問をすると、digna が監視している内容をもとに AI エージェントが回答します
digna の現在の設定では質問に答えられない場合、AI エージェントは可能な範囲でデータソースとその属性の変更（例: 新しいデータセットの追加）を提案します

影響: データに関するビジネス上の質問を平易な言葉で行えるようになり、AI エージェントが digna の設定やデータ品質の問題の調査を支援できるようになります。

digna Engine – プロファイリングの場所を選択¶

digna はデフォルトで、データが存在する場所、つまりソースデータベース内でデータをプロファイリングします。digna Engine はもう 1 つの選択肢を追加します。digna がソースからデータをエクスポートし、digna Engine 内でプロファイリングします。

必須ではなくオプションです。ソースデータベースでのプロファイリングも引き続き利用できます
データベース接続ごとに プロファイリングの場所（profiling location）として Source Database または digna Engine を選択します
サポートされているすべてのソース技術で利用できます

接続をまたぐ参照整合性: 一部のチェックでは、データのエクスポートが必要です。digna Engine は、こうしたケースに向けて digna Data Validation を拡張します。

異なるデータベース接続上のデータソース間での 参照整合性チェック。異なるデータベース技術（例: Oracle と PostgreSQL）間にも対応
どちらのプロファイリングの場所でも動作します。Source Database の場合は、キー列だけが digna Engine にエクスポートされます
チェックが 2 つの接続をまたいで実行される場合、ダッシュボードにその旨が表示されます

影響: データをどこでプロファイリングするかを選択できるようになり、異なるデータベース技術で動作するシステム間の関係を担保できます。

プロファイリングの強化¶

本リリースでは、何をどのようにプロファイリングするかについても、ユーザーがより細かく制御できるようになりました。

クエリ属性（Query Attributes） – ユーザー定義の列¶

人工的な列を定義: データソースの 1 つ以上の列に対する SQL 式
各クエリ属性には独自の名前があります
他の属性と同じようにプロファイリング・チェックされます

DATE 列カテゴリ¶

属性向けの新しい Date カテゴリ
インスペクション対象日を基準にしたメトリクス

オンデマンドプロファイリング¶

インスペクションを実行せずに、任意の属性を 1 日分の完全なスナップショットに対してプロファイリング
属性の列タイプ（Numerical、Categorical、Date、Unspecified）の設定に役立ちます

本リリースの恩恵を受ける人¶

データエンジニア: digna Data Reconciliation (Beta) による ETL 結果の検証
財務・リスク・コントローリングチーム: digna Data Reconciliation (Beta) の Exact ルールとしての標準的な照合手続き
データ品質＆ガバナンスチーム: digna Engine によるデータベース技術をまたいだ参照整合性
ビジネスユーザー: digna Agentic (Beta) を使った AI エージェントによる、データに関するビジネス上の質問への回答
AI・自動化チーム: digna Agentic (Beta) を通じて digna と連携する AI エージェント

CLI アップデート¶

変更なし