Gelen kutunuzda daha akıllı bilgiler ister misiniz? Sadece kurumsal AI, veri ve güvenlik liderleri için önemli olanı elde etmek için haftalık bültenlerimize kaydolun. Şimdi abone olun
Söz doğru olamayacak kadar iyi geliyor: Dağınık Virgül Ayrılmış Değerler (CSV) dosyasını bir AI aracısına bırakın, iki dakika bekleyin ve bir sonraki kart sunumunuz için hazır cilalı, etkileşimli bir grafik geri getirin.
Ama tam olarak Çinli girişim Manus.im Bu ay piyasaya sürülen en son veri görselleştirme özelliği ile teslim ediyor.
Ne yazık ki, bozuk veri kümeleri ile ilk uygulamalı testlerim temel bir işletme sorunu ortaya koyuyor: veri dönüşümleri hakkında yetersiz şeffaflık ile eşleştirilmiş etkileyici yetenekler. Manus dağınık verileri chatgpt’ten daha iyi işlerken, hiçbir araç henüz toplantı odasına hazır slaytlar için hazır değildir.
Enterprise Analytics’i rahatsız eden e -tablo sorunu
Rossums ‘ 470 finans liderinin araştırması,% 58’inin BI lisanslarına sahip olmasına rağmen, aylık KPI’lar için hala Excel’e güvendiğini buldu. Bir diğer Techradar Çalışma, genel elektronik tablo bağımlılığının kuruluşların yaklaşık% 90’ını etkilediğini tahmin ediyor-bu depolar ve analistlerin gelen kutularına kritik toplantılardan saatler önce gelen aceleci CSV ihracatı arasında “son mil veri sorunu” oluşturuyor.
AI Etki Serisi San Francisco’ya Dönüyor – 5 Ağustos
Yapay zekanın bir sonraki aşaması burada – hazır mısınız? Otonom ajanların kurumsal iş akışlarını nasıl yeniden şekillendirdiğine özel bir bakış için Block, GSK ve SAP’den liderlere katılın-gerçek zamanlı karar vermeden uçtan uca otomasyona kadar.
Şimdi yerinizi sabitleyin – Alan Sınırlı:
Manus bu tam boşluğu hedefliyor. CSV’nizi yükleyin, doğal dilde ne istediğinizi açıklayın ve aracı verileri otomatik olarak temizler, uygun Vega-lite dilbilgisini seçer ve dışa aktarma için hazır bir PNG grafiği döndürür-gerekli pivot tabloları yoktur.
Manus’un Chatgpt’i dövdüğü yer: 4x daha yavaş ama dağınık verilerle daha doğru
Üç veri kümesi (113K-Sıra ( E -ticaret siparişleri200k-Sıra pazarlama hunisi 10k sıraya SaaS mrr), önce temiz, daha sonra nulls, karışık format tarihleri ve kopyalar dahil% 5 hata enjeksiyonu ile bozuldu.
For instance, testing the identical immediate — "Present me a month-by-month income development for the previous yr and spotlight any uncommon spikes or dips" — throughout clear and corrupted 113k-row e-commerce information revealed some stark variations.| Alet | Veri kalitesi | Zaman | Temizler Nulls | Parses tarihleri | Kopyalar | Yorumlar |
| Manus | Temiz | 1:46 | N/A | ✓ | N/A | Doğru eğilim, standart sunum, ancak yanlış sayılar |
| Manus | Dağınık | 3:53 | ✓ | ✓ | ✗ | Yanlış verilere rağmen doğru eğilimi |
| Chatgpt | Temiz | 0:57 | N/A | ✓ | N/A | Hızlı ama yanlış görselleştirme |
| Chatgpt | Dağınık | 0:59 | ✗ | ✗ | ✗ | Kirli verilerden yanlış eğilim |
Bağlam için: Deepseek dosya boyutunun sadece% 1’ini işleyebilirken, Claude ve Grok her biri 5 dakikadan fazla sürdü, ancak PNG dışa aktarma seçenekleri olmadan etkileşimli grafikler üretti.
Çıktılar:
Şekil 1-2: Dağınık e-ticaret verilerinde aynı gelir eğilimi isteminden grafik çıktıları. Manus (alt) veri bozulmasına rağmen tutarlı bir eğilim üretirken, ChatGPT (üst) kirli tarih biçimlendirmesinden çarpık kalıplar gösterir.
Manus temkinli bir genç analist gibi davranıyor – Grafik yapmadan önce verileri otomatik olarak toplama, tarih tutarsızlıklarını başarılı bir şekilde ayrıştırma ve açık talimatlar olmadan null’ların işlenmesi. Bozulmuş veriler üzerinde aynı gelir eğilimi analizini talep ettiğimde, Manus yaklaşık 4 dakika sürdü, ancak veri kalitesi sorunlarına rağmen tutarlı bir görselleştirme üretti.
Chatgpt bir hız kodlayıcısı gibi çalışır – Veri hijyeni üzerinden hızlı çıkışa öncelik vermek. Aynı istek sadece 59 saniye sürdü, ancak biçimlendirme tutarsızlıklarını otomatik olarak temizlemediğinden yanıltıcı görselleştirmeler üretti.
Ancak, her iki araç da “yönetici hazırlık” açısından başarısız oldu. İzleme istemleri olmadan hiçbiri kartı hazır eksen ölçeklendirme veya okunabilir etiketler üretmedi. Veri etiketleri sıklıkla örtüşüyor veya çok küçüktü, çubuk grafikler uygun ızgaralardan yoksundu ve sayı biçimlendirmesi tutarsızdı.
Şeffaflık kriz işletmeleri görmezden gelemez
İşte Manus’un işletme evlat edinilmesi için sorunlu hale geldiği yer: Ajan asla uygulandığı temizleme adımlarını yüzeye çıkarmaz. Son grafiği gözden geçiren bir denetçinin, aykırı değerlerin düşürüldüğünü, empoze edilip edilmediğini veya dönüştürülüp dönüştürülmediğini doğrulamanın bir yolu yoktur.
Bir CFO, Manus tarafından üretilen bir grafiğe dayalı üç aylık sonuçlar sunduğunda, birisi “Q2 sistem entegrasyonundan yinelenen işlemleri nasıl ele aldınız?” Diye sorduğunda ne olur? Cevap sessizlik.
Chatgpt, Claude ve Grook, Python kodlarını gösterir, ancak kod incelemesi yoluyla şeffaflık programlama deneyimi olmayan işletme kullanıcıları için ölçeklenemez. İşletmelerin ihtiyacı olan şey, güven oluşturan daha basit bir denetim izidir.
Depo-yerli AI ilerliyor
Manus CSV yüklemelerine odaklanırken, büyük platformlar doğrudan kurumsal veri altyapısına grafik oluşturma oluşturuyor:
Bigquery’de Google’ın İkizler Genel olarak Ağustos 2024’te kullanılabilir hale geldi ve satır seviyesi güvenliğine saygı duyarken canlı tablolarda SQL sorgularının üretilmesini ve satır içi görselleştirmelerini sağladı.
Microsoft’un Kumaş Copilot’u Mayıs 2024’te Energy BI deneyiminde GA’ya ulaştı ve doğrudan Lakehouse veri kümeleriyle çalışırken kumaş defterlerin içinde görseller oluşturdu.
Gooddata’nın AI AsistanıHaziran 2025’te başlatılan, müşteri ortamlarında çalışır ve mevcut semantik modellere saygı gösterir, kullanıcıların önceden tanımlanmış metrikler ve iş terimleriyle uyumlu cevaplar alırken düz dilde soru sormalarına izin verir.
Bu depo anadili çözümler CSV ihracatını tamamen ortadan kaldırır, tam veri soyunu korur ve mevcut güvenlik modellerinden yararlanır-MANUS Maçı Mücadelesi gibi dosya yükleme araçlarını avantajlar.
Kurumsal benimseme için kritik boşluklar
Testimde birkaç bloker ortaya çıktı:
Canlı Veri Bağlantısı Kalmaz – Manus, kar tanesi, bigquery veya S3 konektörleri olmadan yalnızca dosya yüklemelerini destekler. Manus.im, konektörlerin “yol haritasında” olduğunu ancak zaman çizelgesi sunmuyor.
Path şeffaflığı tamamen eksik. Kurumsal veri ekipleri, AI’nın verilerini tam olarak nasıl temizlediğini ve alanları yorumlamasının doğru olup olmadığını gösteren dönüşüm günlüklerine ihtiyaç duyar.
İhracat esnekliği PNG çıkışları ile sınırlıdır. Hızlı slayt güverteleri için yeterli olsa da, işletmelerin özelleştirilebilir, etkileşimli ihracat seçeneklerine ihtiyacı vardır.
Karar: Etkileyici teknoloji, kurumsal kullanım durumları için prematüre
Geçici CSV analizinde boğulan SMB yöneticileri için, Manus’un sürükle ve bırak görselleştirmesi işi yapıyor gibi görünüyor.
Otonom veri temizleme, aksi takdirde manuel ön işlem gerektirecek gerçek dünya dağınıklığını kullanır, geri dönüşü makul bir şekilde tamamladığınızda saatlerden dakikalara keser.
Ayrıca, manuel pivotlar gerektiren ve yerel hesaplama güç sınırlamaları nedeniyle önemli yük süreleri gerektiren Excel veya Google tabakalarına göre önemli bir çalışma zamanı avantajı sunar.
Ancak, yönetilen veri gölleriyle düzenlenmiş işletmeler, verileri güvenlik çevrelerinde tutan ve tam soy izlemeyi koruyan Gemini veya Material Copilot gibi depo anadillerini beklemelidir.
Alt satır: Manus, tek pompt grafik işlerini kanıtlıyor ve dağınık verileri etkileyici bir şekilde ele alıyor. Ancak işletmeler için soru, grafiklerin iyi olup olmadığı değil – kariyerinizi denetleyemeyeceğiniz veya doğrulayamayacağınız veri dönüşümlerinde paylaşıp koyamayacağınızdır. AI ajanları, titiz denetim parkurları ile doğrudan yönetilen tablolara takılana kadar Excel, üç aylık sunumlarda başrol oynamaya devam edecektir.
avots
