行业洞察
行业趋势与数据驱动实践思考
高质量数据集建设方法：“规、采、预、标、验”全生命周期管理
面向AI任务，系统解析高质量数据集建设“规、采、预、标、验”五环节及全周期运营机制，覆盖数据需求规划、多源采集、预处理、专业标注、模型验证、质量安全与版本血缘管理，助力企业构建可持续迭代的数据资产。
袋鼠云穿透式监管进入水务集团：总部如何看清每一座水厂、每一笔投资和每一处风险？
面向2026年智能化穿透式监管要求，解析水务央国企如何从集团指标穿透到厂站网、项目、合同与责任主体，通过监管对象图谱、统一指标语义、业务证据链和Data Agent，构建持续运行的穿透式监管机制。
袋鼠云云原生实时开发的资源底座：YARN 与 Kubernetes 双调度怎么选
一、从“调度选型”看大数据平台架构演进 在实时数据开发平台的架构设计中，“资源调度器用什么”看似是一个局部技术决策，实则牵动着整个平台的存储模型、部署方式、运维体系乃至成本结构。当前主流的实时计算引擎（如Flink、Spark）既支持部署在
袋鼠云企业需要的，为什么越来越不只是一套数据平台？
实时湖仓如何真正做到“数据够新”？
AI Agent越来越聪明，为什么企业还是不敢让它直接做决策？
Data Agent的下一阶段，究竟在竞争什么？
近日，IDC发布《IDC MarketScape：中国 Data Agent 2026年厂商评估》，袋鼠云凭借在数据开发、数据治理、数据分析及Agent应用等方面的综合能力，被定位于主要厂商（Major Players）类别。 在IDC的定
袋鼠云AI Ready多模态数据底座，如何支撑业务Agent真正落地？
近日，IDC发布《Agent Data Lake厂商能力评估，2026》，袋鼠云凭借在多模态数据管理、Data Agent、AI应用开发支持及行业场景实践等方面的综合能力入选。 IDC在报告中提出，随着AI训练、推理及Agent加速进入生产
袋鼠云从传统 BI 到 Agentic BI：AI 问数不准？先搞懂“统一指标平台”
过去很长一段时间，企业 BI 的基本工作方式并没有发生根本变化。 数据团队完成数据建模、指标加工和报表开发，业务人员再通过看板、筛选、钻取和联动分析理解经营情况。这套模式至今仍然有效，但随着大模型进入数据分析场景，人与数据之间的交互方式正在
袋鼠云重磅发布｜《国央企集团 Data+AI 数智化转型白皮书》
央国企业集团数据治理与高质量数据集建设方案
当前，央国企集团数据治理建设总目标可概括为“五个统一”：统一的数据治理体系、统一的数据标准、统一的资产管控、统一的安全合规、统一的价值运营。
袋鼠云基于5A架构的央国企Data+AI一体化融合方案
在十五五规划与人工智能时代交汇的背景下，央国企集团侧的数字化建设迎来全新机遇与挑战。
袋鼠云