Китайский стартап Manus бросает вызов CHATGPT в визуализации данных: какие предприятия должны использовать?

Обещание звучит почти слишком хорошо, чтобы быть правдой: отбросьте грязный файл запятой, разделенные значениями (CSV) в агент AI, подождите две минуты и получите отполированную интерактивную диаграмму, готовую к следующей презентации платы.

Но это именно то, что китайский стартап Manus.Im предоставляет с помощью своей последней функции визуализации данных, запущенной в этом месяце.

К сожалению, мое первоначальное практическое тестирование с поврежденными наборами данных показывает фундаментальную проблему предприятия: впечатляющие возможности в сочетании с недостаточной прозрачностью в отношении преобразования данных. В то время как Manus обрабатывает грязные данные лучше, чем CHATGPT, ни один из инструментов еще не готов к слайдам, готовым к залам.

Проблема с электронными таблицами, из -за которой Аналитика предприятия

Опрос Россума 470 финансовых лидеров обнаружил, что 58% по -прежнему полагаются в первую очередь на Excel для ежемесячных KPI, несмотря на владение лицензиями BI. Другое исследование Techradar оценивает, что общая зависимость от электронных таблиц затрагивает примерно 90% организаций-создавая «проблему данных последней мили» между управляемыми складами и поспешными экспортами CSV, которые приземляются в ящиках аналитиков за несколько часов до критических встреч.

Манус нацелен на этот точный разрыв. Загрузите свой CSV, опишите, что вы хотите на естественном языке, и агент автоматически очищает данные, выбирает соответствующую грамматику Vega-Lite и возвращает диаграмму PNG, готовую для экспорта-не требуется таблицы поворотов.

Где Manus бьет Chatgpt: 4x медленнее, но более точное с грязными данными

Я проверил расширенный анализ данных Manus и CHATGPT, используя три набора данных (113K-рядовые заказы на электронную коммерцию, маркетинговую воронку с 10 тысячи Row SaaS), сначала чистая, затем поврежденная с 5% инъекцией ошибок, включая нули, даты смешанных форматов и дублирования.

For example, testing the same prompt — "Show me a month-by-month revenue trend for the past year and highlight any unusual spikes or dips" — across clean and corrupted 113k-row e-commerce data revealed some stark differences.

Инструмент	Качество данных	Время	Очищает ноль	Диаграммы даты	Обрабатывает дубликаты	Комментарии
Манус	Чистый	1:46	N/a	✓	N/a	Правильная тенденция, стандартная презентация, но неверные числа
Манус	Неряшливый	3:53	✓	✓	✗	Правильная тенденция, несмотря на неточные данные
Чатгпт	Чистый	0:57	N/a	✓	N/a	Быстрая, но неверная визуализация
Чатгпт	Неряшливый	0:59	✗	✗	✗	Неверная тенденция от нечистых данных

Для контекста: DeepSeek может обрабатывать только 1% от размера файла, в то время как Клод и Грок заняли более 5 минут, но производили интерактивные диаграммы без вариантов экспорта PNG.

Выходы:

Рисунок 1-2: выходы диаграммы из той же приглашения тенденции дохода по грязным данным электронной коммерции. Manus (внизу) создает когерентную тенденцию, несмотря на повреждение данных, в то время как CHATGPT (вверху) показывает искаженные закономерности из форматирования нечистой даты.

Манус ведет себя как осторожный младший аналитик — Автоматическое прилив данных перед диаграммой, успешные несоответствия даты анализа и обработка нулей без явных инструкций. Когда я запросил тот же анализ тенденций доходов по поврежденным данным, Manus занял почти 4 минуты, но создал последовательную визуализацию, несмотря на проблемы с качеством данных.

CHATGPT работает как кодировщик скорости — Приоритет быстрым выводом по поводу гигиены данных. Та же самая просьба заняла всего 59 секунд, но вызвала вводящую в заблуждение визуализации, потому что он не автоматически очищал несоответствия форматирования.

Тем не менее, оба инструмента потерпели неудачу с точки зрения «исполнительной готовности». Ни из которых не образуется, готовая к плате, масштабирование оси или читаемые этикетки без последующих подсказок. Метки данных часто были перекрывающимися или слишком маленькими, барные диаграммы не имели надлежащих сетей, и форматирование чисел было непоследовательным.

Кризисные предприятия прозрачности не могут игнорировать

Вот где Manus становится проблематичным для принятия предприятий: Агент никогда не поверхностят шаги очистки, которые он применяетПолем Аудитор, рассмотренный окончательный график, не может подтвердить, были ли выброшены, вменены или трансформированы выбросы.

Когда финансовый директор представляет ежеквартальные результаты, основанные на сгенерированной Manus, что происходит, когда кто-то спрашивает: «Как вы справляетесь с дублирующими транзакциями из интеграции системы Q2?» Ответ — тишина.

Chatgpt, Claude и Grok — все показывают свой код Python, хотя прозрачность через обзор кода не для бизнес -пользователей, не имеющих опыта программирования. Что нужно предприятиям, так это более простая аудиторская тропа, которая укрепляет доверие.

Ай-складской местный житель выступает впереди

В то время как Manus фокусируется на загрузках CSV, основные платформы создают генерацию графиков непосредственно в инфраструктуру корпоративных данных:

Google Близнецы в Бигкери Как правило, в августе 2024 года, что позволило генерации запросов SQL и встроенных визуализаций в живых таблицах при уважении к безопасности на уровне строк.

Microsoft’s Copilot в ткани Достигнув GA в опыте Power BI в мае 2024 года, создав визуальные эффекты внутри тканевых ноутбуков, работая непосредственно с наборами данных Lakehouse.

Гуддата помощник ИИзапущен в июне 2025 года, работает в средах клиентов и уважает существующие семантические модели, позволяя пользователям задавать вопросы на простом языке, получая ответы, которые соответствуют предопределенным показателям и бизнес -терминам.

Эти складские решения полностью устраняют экспорт CSV, сохраняют полную линию данных и используют существующие модели безопасности-преимущества файлов-файлов-загрузки, такие как Manus, борется за то, чтобы соответствовать.

Критические пробелы для принятия предприятий

Мои тестирование выявило несколько блокаторов:

Подключение к живым данным Остается отсутствует — Manus поддерживает только загрузку файлов, без снежинок, разъемов BigQuery или S3. Manus.im говорит, что разъемы «на дорожной карте», но не предлагает временной шкалы.

Аудиторская тропа прозрачность полностью отсутствует. Команды корпоративных данных нуждаются в журналах преобразования, показывающих, как именно AI чистил их данные, и правильная ли его интерпретация полей.

Экспортная гибкость ограничен выходами PNG. Несмотря на то, что предприятия нуждаются в настраиваемых интерактивных экспортных параметрах.

Вердикт: впечатляющие технологии, преждевременные для предприятий.

Для руководителей SMB тонут в анализе Ad-HOC CSV, визуализация Manus с перетаскиванием, похоже, выполняет эту работу.

Автономная очистка данных обрабатывает в реальном мире беспорядок, который в противном случае потребует ручной предварительной обработки, сокращая поворот от часов до нескольких минут, когда у вас есть разумные данные.

Кроме того, он предлагает значительное преимущество во время выполнения по сравнению с Excel или Google Sheets, которые требуют ручных поворотов и обеспечивают значительное время нагрузки из -за локальных ограничений вычислительной мощности.

Но регулируемые предприятия с управляемыми озерами данных должны ждать, пока агенты, такие как Gemini или Fabric Copilot, должны держать данные, которые хранят данные внутри периметра безопасности и поддерживают полное отслеживание линии.

Итог: Manus доказывает, что однопрофессиональные работы впечатляюще обрабатывают грязные данные. Но для предприятий вопрос не в том, хорошо ли диаграммы выглядят хорошо — это может ли вы нанести свою карьеру на преобразованиях данных, которые вы не можете проверить или проверить. Пока агенты ИИ не смогут подключаться непосредственно к управляемым столам со строгими аудиторскими тропами, Excel будет продолжать играть свою главную роль в ежеквартальных презентациях.