DACon 2026 北京分享预告｜网易智企：数据底座如何支撑 Agent 落地？-新闻中心

当 Agent 开始参与数据开发、治理与业务分析，企业的数据底座也面临新的要求：让数据可信，让平台能力可调用，让分析结果可核验。

围绕这些变化，网易智企·数帆已在数据治理、运维诊断和业务分析等场景中，验证了数据底座支撑 Agent 应用的技术路径，积累了可复用的实践经验，让长期积累的数据资产、治理成果和工程能力，更好地支撑企业AI应用。

10月24日，网易智企·数帆技术负责人蒋鸿翔将在 DACon 2026·北京站，结合真实案例，分享数帆产品的 AI Native 演进实践。

以下为 DACon 2026 发布的分享预告：

人来创建任务、人来编写 SQL、人来运维系统——过去，数据平台的产品设计和工作流程，大多围绕人的操作展开。当 Agent 开始参与数据开发、治理与分析，平台需要回答的问题也随之变化：如何让 Agent 发现并调用已有能力？如何让它理解数据与业务口径？又如何核验它交付的分析结果？

在 DACon 2026·北京站，网易智企·数帆技术负责人、“Data Engineering Agent：数据工程智能”专场出品人蒋鸿翔，将带来《为 Agent 重做数据层：数帆产品 AI Native 演进路径》主题分享。从数据基础设施、开发治理到数据应用，他将结合产品改造与实际案例，介绍数帆从 To Human 走向 To Agent 的探索。

从 To Human 到 To Agent，数据平台需要改变什么？

数帆的数据产品体系覆盖基础设施、开发治理和数据应用三个层次。面向 AI 时代，三个层次面对的变化各有侧重：底层需要承接更多非结构化数据；开发治理平台需要将已有能力开放给 Agent；分析应用则需要解决业务理解与结果可信的问题。

在基础设施层，分享将介绍结构化与非结构化数据的统一存储、目录及计算管理思路，讨论数据平台如何从主要管理表和数仓，扩展到更多类型的数据处理。

与此同时，模型能力的提升，并不会自动统一企业的业务口径。同样是“赢单率”，销售与市场团队可能采用不同的统计范围和计算方式。要让 Agent 正确使用这些指标，仍需要数据治理、业务定义及语义建设提供支撑。

五层架构：

EasyData 如何成为 Agent 可调用的能力平台？

围绕数据开发治理平台 EasyData，蒋鸿翔将介绍接口、技能、语义、场景、入口五个层次的 Agent Native 改造思路。

接口层：通过 CLI、MCP 等方式开放平台能力，让外部 Agent 能够发现和调用工具。

技能层：介绍“1＋4＋N”的组织思路，通过总控编排、内置技能及开放扩展，支持开发治理任务的组合与执行。

语义层：围绕元数据语义与开发语义，描述字段含义、工具用途及所需数据，并结合已有标准、注释、血缘等资产构建上下文。分享还将讨论文本、向量与图谱关系信息如何共同支持语义检索。

场景层：将技能与语义理解结合，组织数据开发、治理等任务链路，并提供可直接使用的场景模板。

入口层：支持不同 Agent 接入，让用户可以通过平台入口或外部 Agent 使用开发治理能力。

这一路径的重点，是将已有的数据工程能力组织成 Agent 能够调用的工具与场景，融入更广泛的 Agent 协作体系。

从数据治理到运维，Agent 如何进入实际工作流？

平台开放以后，具体任务如何跑通？本次分享将结合两个内部实践场景展开。

数据与任务治理：面对近3.7万个存量调度任务，哪些还在持续写入无人读取的表，哪些可以下线，却又不能误伤下游依赖？在 ClawHive（网易帝王蟹）与 EasyData 协作的一次专项分析中，系统通过 SQL 解析与过滤判定，形成了177条任务级治理建议，覆盖下线、暂停、禁用和调整四类动作，供负责人确认执行。Agent 如何从“表是否还在用”追溯到“哪些任务需要处理”，又如何区分看似相同、实际处置方式不同的情况？蒋鸿翔将在现场拆解这套方法。

异常诊断与经验沉淀：任务运行失败后，如何自动发现异常、提取日志并给出诊断意见？分享还将介绍 WorkBuddy 与 EasyData 协作的运维实践，展示 Agent 如何调用平台接口，将发现、诊断、经验沉淀和播报串成工作流。当前阶段以只读诊断为主，不执行自动修复；新生成的规则草案须经人工复核后生效。

这些案例将帮助听众理解，平台能力开放、语义准备与任务编排，如何共同支撑开发治理场景的落地。

DataAgent 如何从“能回答”走向“结果可核验”？

开发治理平台与 DataAgent 都面向 Agent 演进，但建设重点有所不同：前者侧重开放工具与场景能力；后者直接面向业务分析，需要进一步投入业务理解、结果校验及评测等工程能力。

围绕 DataAgent，蒋鸿翔将介绍如何通过业务语义与本体，连接业务指标和底层数据，并结合问题澄清、结果验证等机制，提升分析结果的可靠性。

不同客户使用的模型及版本可能不同，同一套方案在不同环境下也可能表现不同。分享将进一步讨论评测机制如何帮助识别这些差异，建立特定模型与业务场景下的效果基准，为方案调优和部署评估提供依据。

在结果交付之后，分析还可以沉淀为可复用的看板与模板，结合指标监测和异常推送，持续服务业务。

制造业订单全链路分析：一笔订单迟迟未交付，问题出在采购、排产，还是仓储与物流？面对分散在不同系统中的订单数据，DataAgent 如何借助语义图谱与智能归因，串联从采购入库到客户签收的六个环节，定位交付瓶颈并提示风险？从“看见数字”到“追查原因”，再到主动预警，这条分析链路如何跑通？现场将结合案例进一步展开。

听众收益

通过这场分享，你将能够：

建立全链路视角：了解基础设施、开发治理与分析应用三个层次的AI Native演进重点。

获得平台改造参考：理解五层架构及开放接入思路，参考数据治理、运维场景中的协作方式。

理解可信分析的工程要求：了解语义、本体、结果校验与评测如何共同支撑 DataAgent 落地。

📅 时间：2026年10月23-24日

📍 地点：北京希尔顿逸林酒店

🔥本体落地企业集中亮相｜参会报名火热进行中... ...DACon 2026 北京站，15 个分论坛，60+真实应用案例，2 天沉浸式学习交流，现场还会组织闭门会、晚场圆桌交流，讲师们会围绕具体的技术点进行介绍，旨在丰富大家在参会体验，希望大家不虚此行，满载而归。