実世界における企業向けデータインテリジェンスワークフローは、原始的なデータソースを分析用に整備されたテーブルに変換するデータエンジニアリング（DE）と、そのテーブルから意思決定に資するインサイトを生み出すデータ分析（DA）を含んでいます。本研究では、こうした複雑なワークフローを再現する210のタスクから構成されるベンチマーク「DAComp」を提案します。データエンジニアリングタスクは、産業用スキーマを対象としたリポジトリレベルのエンジニアリングを要し、新規に多段階SQLパイプラインを設計・構築するだけでなく、変化する要件に応じた既存システムの進化も含みます。一方、データ分析タスクは、戦略的計画、反復的なコードによる探索的分析、中間結果の解釈、そして実行可能な提言の統合を要するオープンエンドのビジネス課題を提示します。エンジニアリングタスクは、実行に基づくマルチメトリクス評価によってスコア付けされ、オープンエンドタスクは、階層的かつ細部まで丁寧に設計された評価基準に従って、実験的に検証されたLLMジャッジによって評価されます。実験の結果、最先端のエージェントですらDACompにおいて課題に直面することが明らかになりました。特にDEタスクでは成功確率が20％を下回り、単なるコード生成の問題ではなく、包括的なパイプラインオーケストレーションにおける深刻なボトルネックが露呈しました。DAタスクのスコアも平均40％を下回っており、オープンエンドの推論能力に顕著な欠陥が示され、エンジニアリングと分析は別個の能力であることが明確に示されました。DACompは、こうした限界を明確に診断する手段として、企業環境向けの真の自律的データエージェントの開発を推進する厳密かつ現実的な検証環境を提供します。本研究のデータとコードは、https://da-comp.github.io で公開されています。