IDC在报告中明确指出，Data Agent并非某一具体功能的代称，而是实现数据全流程AI自动化的总集。报告预测，到2028年，60%的中国500强企业将建成企业级Data Agent体系，实现动态数据处理、治理与追踪的全面覆盖。

与此同时，IDC也给出了一个务实的观察：当前技术厂商的投入热度已明显超过企业的实际落地需求，多数企业仍处于基础设施建设与数据治理阶段。在数据集成&数据治理赛道，IDC的趋势判断尤为直接——数据集成将更加贴近计算层，AI将更准确地补全、治理和开发数据；在基础设施赛道，多模态、实时性与成本，将成为企业响应Agent频繁查询和管理需求的三大核心命题。

这两个判断共同指向一个现实：企业智能化的瓶颈，正在从"有没有模型"转向"能不能把自身数据真正组织起来，并让数据与智能持续相互增强"。

战略承接：以Data+AI智能飞轮连接数据与智能

回答这个问题，需要的不是一个单点工具，而是一套让数据与智能持续咬合的运转机制。袋鼠云Data+AI智能飞轮的逻辑正在于此——企业数据经过统一治理，持续供给智能应用；智能应用在业务现场运行，产生真实反馈；反馈回流平台，沉淀为新的指标口径、知识规则与业务语义；下一轮智能应用因此更准、更懂业务。数据自循环，智能自进化，飞轮持续加速。

承载这套飞轮运转的核心，是“一体两翼”。数栈·多模态数据智能平台打通结构化与非结构化数据的统一接入、治理与开放，构建企业数据从采集到供给的完整链路，为智能应用提供持续稳定的高质量数据底座。在此之上，数据智能与空间智能双引擎作为价值出口，将治理后的数据转化为智能决策、Agent应用、数字孪生等业务侧的可感知价值——而飞轮的核心动力，始终来自数据治理能力的持续深化。

能力支撑：数栈构建全链路数据治理工程体系

数栈构建了一套覆盖数据全生命周期的治理工程链路。

前端先做咨询与规划，从业务蓝图、数据资产边界、组织机制、技术路线和实施节奏入手，先把企业为什么建、围绕什么建、优先建什么说清楚。中段进入治理建设，通过数据集成、离线与实时模型构建、指标模型沉淀、元数据与标准体系建设、质量安全管理和资产运营，把分散数据逐步沉淀为可管理、可复用、可服务的数据资产。后端再把这些治理成果进一步组织成可供调用的对象、关系、API 和业务语义能力，持续面向智能指标、智能运营等场景供给。数据治理最终要走向业务价值释放，走向智能应用落地，走向企业在 AI 时代可持续的数据供给能力。

袋鼠云灵瞳DataAgent是这套链路中智能化能力的集中体现。以元数据库、产品文档、企业知识库为知识底座，融合主流大模型能力，灵瞳在数据开发、数据治理、数据分析、产品操作四大场景全面落地Agent能力——数据任务自动生成与报错智能修复、血缘分析与质量规则自动生成、基于自然语言的数据问答与指标归因，让数据团队从大量重复性工作中解放出来，经验证整体提效40%。更重要的是，灵瞳在使用过程中持续积累的反馈与修正，正是飞轮"反馈回流、能力沉淀"机制的真实载体，让整套治理链路随着业务运行不断自我优化。

行业落地：沉淀know-how，驱动规模化复制

数据治理能力的真正价值，最终要在行业场景中兑现。

目前，袋鼠云数栈已深度服务国央企集团、能源矿产、先进制造、水利水务、高校教育、金融、港口交通、新锐零售等行业，积累了超过5000+家企业客户的落地实践。在央国企集团场景，数栈帮助客户打通集团管控与分子公司经营数据，构建穿透式指标体系与风险预警能力；在能源矿产与先进制造领域，完整的数据治理链路与实时数据处理能力，支撑设备监控、质量管理与生产优化的精细化运营；在港口交通、水利水务等空间属性突出的行业，数据智能与空间智能协同，驱动数字孪生与智能调度真正进入业务决策。

每一个行业场景的深度落地，都在持续向平台回流行业语义、业务规则与场景经验，沉淀为可复用的行业解决方案能力。平台越懂行业，解决方案的复制与迭代速度就越快——这本身，也是Data+AI智能飞轮在行业维度的另一种转动方式。

面向未来，随着Data Agent市场从概念加速走向规模化落地，企业对数据治理工程能力的需求将持续深化。袋鼠云将继续以智能飞轮为战略牵引，携手各行业客户共同探索数据与智能协同演进的更多可能，让数据资产真正成为企业在AI时代持续创造价值的核心驱动力。