책에 포함된 노트Meta Manus 완전 활용 가이드: AI 에이전트로 일과 삶을 자동화하는 법

첫 실습으로 감 잡는 커피숍 매출 분석

2026-05-11Views 182약 11분생성형 AI 활용

Summary

파일 하나로 Manus의 '일하는 방식'을 체감하기

Manus를 처음 배울 때 가장 좋은 실습은 거창한 자동화가 아닙니다. 작은 CSV 파일 하나를 올리고, 분석 보고서를 받아보는 일입니다. 이유는 단순합니다. 데이터 분석 작업에는 Manus의 핵심 능력이 한꺼번에 들어 있기 때문입니다. 파일을 읽고, 구조를 파악하고, 필요한 계산을 하고, 그래프를 만들고, 마지막에는 사람이 읽을 수 있는 보고서로 정리해야 합니다.

이 과정은 평범한 챗봇에게 '이 데이터에 대해 알려줘'라고 묻는 경험과 다릅니다. Manus는 원본 파일을 작업 대상으로 삼아 실제 분석 절차를 진행합니다. 공식 문서에서도 Manus의 데이터 분석·시각화 기능은 CSV나 Excel 같은 원시 데이터를 업로드한 뒤, 사용자가 알고 싶은 내용을 자연어로 설명하면 차트, 보고서, 슬라이드, 대시보드 같은 결과물로 변환하는 방식으로 소개됩니다.¹ 즉, 오늘 실습의 목적은 '답변을 듣는 것'이 아니라 '분석가에게 일을 맡기고 결과물을 검토하는 것'입니다.

이번 장에서는 가상의 커피숍 거래 데이터 coffee_orders.csv를 사용하겠습니다. 파일에는 주문 시각, 주문 상품, 결제 금액이 들어 있습니다. 여러분이 실제로 카페를 운영한다고 상상해 보세요. 하루하루 주문은 쌓이지만, 정작 중요한 질문에는 쉽게 답하지 못합니다. 어떤 메뉴가 매출을 끌고 있는지, 오전과 오후 중 언제 사람이 몰리는지, 월요일과 금요일의 손님 흐름이 어떻게 다른지, 영업시간을 바꾸면 매출 기회가 늘어날지 같은 질문입니다.

Manus에게 이 파일을 주면, 우리는 엑셀 피벗테이블을 직접 만지기 전에 먼저 전체 그림을 볼 수 있습니다. 그리고 이 경험이 이후 장에서 배울 보고서 자동화, 대규모 리서치, 팀 워크플로 자동화의 출발점이 됩니다.

첫 실습으로 감 잡는 커피숍 매출 분석

실습 데이터의 세 컬럼부터 이해하기

이번 실습의 핵심 컬럼은 orderItems, timestamp, price 세 가지입니다. 데이터 분석에서 컬럼 설명은 '사소한 친절'이 아니라 결과 품질을 좌우하는 작업 지시서입니다. Manus가 아무리 똑똑해도 price가 주문 총액인지, 상품 단가인지, 할인 후 금액인지 모르면 엉뚱한 계산을 할 수 있습니다.

먼저 timestamp는 주문이 발생한 날짜와 시간입니다. 예를 들어 2026-04-03 09:42:11처럼 기록되어 있다면 Manus는 여기서 날짜, 요일, 시간대, 영업시간 안팎 여부를 뽑아낼 수 있습니다. 날짜 형식이 04/03/2026, 2026.04.03, 3 Apr 2026처럼 섞여 있다면 분석 전에 통일해야 합니다. Manus에게도 '날짜 형식이 섞여 있을 수 있으니 먼저 파싱 가능 여부를 점검하라'고 알려주는 편이 좋습니다.

orderItems는 주문에 포함된 상품명입니다. 가장 단순한 형태는 Latte처럼 한 주문에 한 상품만 들어 있는 경우입니다. 하지만 실제 매장에서는 Latte x1; Croissant x1, Americano|Bagel, [{name: Latte, qty: 2}]처럼 한 주문에 여러 상품이 들어가기도 합니다. 이때 베스트셀러를 계산하려면 주문 단위 데이터를 상품 단위 데이터로 풀어내야 합니다. 데이터 분석에서는 이것을 흔히 'explode'한다고 표현합니다. 묶여 있는 항목을 한 줄씩 펼친다는 뜻입니다.

price는 금액입니다. 여기서 반드시 확인해야 할 질문이 있습니다. price가 주문 전체 금액인가요, 아니면 각 상품의 금액인가요? 만약 한 주문에 여러 상품이 들어 있는데 price가 주문 총액만 나타낸다면, 상품별 매출 기여도는 정확하게 계산하기 어렵습니다. 예를 들어 Latte x1; Muffin x1 주문의 총액이 9,000원이라고만 되어 있으면 라떼가 5,000원인지 머핀이 4,000원인지 원본만으로는 알 수 없습니다. 이때는 Manus에게 '상품별 매출은 정확 계산이 아니라 주문 포함 기준의 추정치로 표시하라'고 지시해야 합니다.

실습용 CSV는 다음처럼 생겼다고 가정해 보겠습니다.

orderId,timestamp,orderItems,price
1001,2026-04-01 09:41:12,Americano,4500
1002,2026-04-01 10:05:33,Latte; Croissant,9800
1003,2026-04-01 12:22:07,Vanilla Latte,5800
1004,2026-04-02 17:48:55,Americano; Bagel,8700
1005,2026-04-03 18:14:21,Latte,5200

이 작은 예시만 봐도 분석상의 함정이 보입니다. 1002번 주문에는 상품이 두 개 들어 있지만 금액은 하나입니다. 1005번 주문은 기존 영업시간이 18:00까지라면 영업 종료 후 발생한 주문입니다. 이 데이터를 아무 설명 없이 맡기면 Manus는 나름대로 추론하겠지만, 우리가 원하는 기준과 다를 수 있습니다. 그래서 분석 요청 전에는 간단한 데이터 사전을 함께 제공하는 습관을 들이는 것이 좋습니다.

업로드 전에 3분만 점검하기

CSV 파일을 Manus에 올리기 전, 엑셀이나 스프레드시트에서 3분만 확인해 보세요. 전문적인 데이터 클리닝을 하라는 뜻은 아닙니다. Manus가 일을 시작할 수 있을 정도로 길을 닦아주는 것입니다.

확인할 것은 크게 세 가지입니다.

첫 번째 줄에 컬럼명이 있는지 확인합니다. timestamp, orderItems, price처럼 사람이 이해할 수 있는 이름이면 좋습니다.
금액 컬럼에 쉼표, 원화 기호, 공백이 섞여 있는지 봅니다. 5,200원처럼 되어 있으면 숫자 변환이 필요하다고 알려줘야 합니다.
주문 시간이 빠진 행, 상품명이 비어 있는 행, 금액이 0이거나 음수인 행이 있는지 대략 확인합니다.

공식 플레이북에서도 좋은 데이터 분석 프롬프트는 데이터셋, 비즈니스 질문, 검토할 청중, 출력 형식을 함께 알려줄수록 잘 작동한다고 설명합니다.² 여기서 핵심은 '파일을 올렸으니 알아서 해줘'가 아니라 '이 파일로 어떤 결정을 돕고 싶은지'를 말해주는 것입니다.

이번 실습에서 우리가 내릴 결정은 분명합니다. 커피숍 사장 또는 매니저가 메뉴, 인력 배치, 영업시간을 조정할 수 있도록 매출 흐름을 파악하는 것입니다. 그러므로 Manus에게도 분석 목적을 그렇게 설명해야 합니다.

첫 번째 프롬프트: 전체 매출 보고서 만들기

이제 Manus에서 새 작업을 만들고 coffee_orders.csv를 첨부합니다. 가능하면 Chat Mode에서 프롬프트를 먼저 다듬고, 실제 파일 분석은 Agent Mode에서 실행하는 흐름을 추천합니다. Chat Mode는 크레딧을 아끼며 지시문을 정리하기 좋고, Agent Mode는 파일을 열고 코드를 실행하고 결과물을 만드는 데 적합합니다.

처음 요청은 너무 짧지 않아야 합니다. '분석해줘'라고만 쓰면 Manus는 일반적인 요약을 만들 가능성이 큽니다. 대신 분석 기준, 컬럼 의미, 원하는 차트, 결과물 형식을 함께 적습니다.

첨부한 coffee_orders.csv는 커피숍 거래 데이터입니다.

컬럼 설명:
- timestamp: 주문이 발생한 날짜와 시간입니다. 가능한 경우 datetime으로 변환해 주세요.
- orderItems: 주문에 포함된 상품명입니다. 세미콜론(;), 쉼표(,), 파이프(|) 등으로 여러 상품이 들어 있을 수 있습니다. 여러 상품이 있으면 상품 단위로 분리해 분석해 주세요.
- price: 주문의 결제 금액입니다. 기본적으로 주문 총액으로 간주해 주세요. 상품별 매출 기여도를 계산할 때 한 주문에 여러 상품이 포함되어 있으면, 정확 계산과 추정 계산을 구분해 설명해 주세요.

분석 목표:
커피숍 매니저가 메뉴 운영, 인력 배치, 영업시간 조정을 판단할 수 있는 매출 분석 보고서를 만들고 싶습니다.

반드시 포함할 분석:
1. 전체 주문 수, 총매출, 평균 주문 금액
2. 베스트셀러 상품 Top 10
3. 상품별 총매출 기여도 또는 추정 기여도
4. 시간대별 판매량과 매출 흐름
5. 요일별 매출과 요일별 피크 시간
6. 이상치, 누락값, 날짜 파싱 실패, 금액 변환 실패 여부

시각화:
- 베스트셀러 상품 막대그래프
- 시간대별 주문 수 또는 매출 그래프
- 요일별 매출 그래프
- 요일 x 시간대 히트맵

결과물 형식:
- 먼저 핵심 요약 5줄
- 그다음 분석 방법
- 주요 차트와 해석
- 매장 운영 개선 제안
- 마지막에 데이터 품질 이슈와 검증 방법

가능하면 Python, pandas, matplotlib 또는 유사한 도구를 사용해 실제 계산 과정을 수행하고, 사용한 집계 기준을 보고서에 명시해 주세요.

이 프롬프트에는 지난 장에서 배운 Manus식 문법이 거의 모두 들어 있습니다. 목표가 있고, 맥락이 있고, 조건이 있고, 결과물 형식이 있습니다. 특히 '정확 계산과 추정 계산을 구분해 설명해 달라'는 문장이 중요합니다. AI 분석에서 위험한 결과물은 틀린 숫자가 아니라, 틀렸을 가능성을 숨긴 채 그럴듯하게 보이는 숫자입니다.

Manus가 작업하는 과정을 관찰하는 법

Agent Mode로 실행하면 Manus는 보통 파일을 먼저 읽고 구조를 확인합니다. 이때 작업 화면이나 진행 로그에서 어떤 일을 하는지 차분히 지켜보세요. 결과만 받지 말고 과정까지 보는 습관이 중요합니다. Manus의 장점은 사용자가 Python을 직접 몰라도 분석을 맡길 수 있다는 점이지만, 검토자는 최소한 어떤 절차가 진행되었는지는 이해해야 합니다.

일반적으로 Manus는 다음과 비슷한 흐름으로 움직입니다. 먼저 CSV를 로드하고 행 수와 컬럼명을 확인합니다. 그다음 timestamp를 날짜·시간 형식으로 바꾸고, price를 숫자로 변환합니다. 이어서 orderItems를 분리해 상품 단위 집계를 만들고, 시간대와 요일 컬럼을 새로 생성합니다. 마지막으로 pandas로 집계표를 만들고 matplotlib이나 유사한 시각화 도구로 그래프를 생성합니다. CSV 파일을 자동으로 요약하는 공개 예시에서도 pandas, matplotlib, seaborn 같은 도구를 사용해 데이터 구조 확인, 누락값 분석, 통계 요약, 시각화를 자동화하는 흐름이 자주 쓰입니다.³

여기서 초보자가 가장 많이 놓치는 장면은 orderItems 처리입니다. 주문 하나에 상품 하나만 있으면 집계는 쉽습니다. 그러나 한 주문에 여러 상품이 들어 있으면 '주문 수 기준 베스트셀러'와 '상품 수량 기준 베스트셀러'가 달라질 수 있습니다. 예를 들어 Latte; Latte; Croissant처럼 같은 상품이 반복되어 있다면 라떼 2개로 볼지, 라떼가 포함된 주문 1건으로 볼지 기준을 정해야 합니다.

Manus가 중간 결과를 보여준다면 다음 질문을 던져 보세요.

방금 분석에서 orderItems를 어떤 기준으로 분리했는지 설명해 주세요.
동일 주문에 같은 상품이 여러 번 등장할 때 수량을 어떻게 계산했나요?
상품별 매출 기여도는 실제 금액 기준인가요, 주문 총액을 배분한 추정치인가요?

이 질문은 Manus를 의심하기 위한 것이 아닙니다. 함께 일하는 분석가에게 계산 기준을 확인하는 정상적인 업무 절차입니다. 좋은 분석 보고서는 '무엇을 발견했는가'뿐 아니라 '어떻게 계산했는가'를 설명할 수 있어야 합니다.

결과 보고서에서 먼저 읽어야 할 네 가지

Manus가 보고서를 완성하면 처음부터 끝까지 정독하기 전에 네 곳을 먼저 봅니다. 첫째, 전체 주문 수와 총매출입니다. 원본 CSV의 행 수와 보고서의 주문 수가 크게 다르면 중복 제거, 누락 제거, 상품 단위 변환 과정에서 기준이 바뀌었을 수 있습니다.

둘째, 베스트셀러 상품입니다. 실제 매장에서 감각적으로 알고 있는 인기 메뉴와 너무 다르면 orderItems 분리 방식이 잘못되었을 가능성이 있습니다. 예를 들어 Ice Latte와 Iced Latte가 따로 집계되면 실제보다 순위가 낮아질 수 있습니다. 이런 경우 Manus에게 상품명 표준화를 요청해야 합니다.

셋째, 시간대별 흐름입니다. 커피숍 데이터에서는 오전 출근 시간, 점심 직후, 퇴근 전후에 봉우리가 생기는 경우가 많습니다. 실제 커피 판매 데이터 분석 사례에서도 피크 시간, 베스트 요일, 상위 상품, 인력 배치, 재고 관리 같은 운영 의사결정이 핵심 지표로 다뤄집니다.⁴ 우리 실습에서도 단순히 '10시에 많이 팔렸다'에서 멈추지 말고 '그 시간대에 직원을 더 배치해야 하는가', '품절 위험이 있는 메뉴는 무엇인가'로 이어가야 합니다.

넷째, 데이터 품질 이슈입니다. 날짜 파싱 실패가 0건인지, 금액이 비어 있는 행이 있는지, 음수 결제가 환불인지 오류인지 확인합니다. 특히 매출 분석에서는 작은 오류가 큰 판단 착오로 이어질 수 있습니다. 100건짜리 파일에서 3건이 잘못된 것과 10만 건짜리 파일에서 3건이 잘못된 것은 의미가 다릅니다. Manus에게 오류 건수뿐 아니라 전체 대비 비율도 함께 표시하게 하면 판단이 쉬워집니다.

두 번째 프롬프트: 메뉴와 매출 기여도 깊게 보기

첫 번째 보고서가 전체 지도를 그렸다면, 두 번째 요청은 메뉴 운영에 초점을 맞춥니다. 커피숍에서는 '많이 팔리는 상품'과 '돈을 많이 벌어주는 상품'이 항상 같지 않습니다. 아메리카노가 주문 수 1위여도 객단가가 낮아 매출 기여도는 라떼나 디저트 세트보다 낮을 수 있습니다.

다음 프롬프트를 이어서 입력해 보세요.

이제 메뉴 운영 관점으로 더 깊게 분석해 주세요.

요청 사항:
- 상품별 주문 등장 횟수 기준 Top 10과 매출 기여도 기준 Top 10을 나누어 보여 주세요.
- 주문 수는 많지만 매출 기여도가 낮은 상품, 주문 수는 적지만 매출 기여도가 높은 상품을 구분해 주세요.
- 상품명을 표준화할 필요가 있는 항목이 있는지 찾아 주세요. 예: Ice Latte와 Iced Latte, Americano와 Americano Hot.
- 상위 상품이 전체 매출의 몇 퍼센트를 차지하는지 누적 기여도 표를 만들어 주세요.
- 운영 제안은 '유지', '묶음 판매 테스트', '가격 점검', '노출 강화', '메뉴 정리 후보'로 나눠 주세요.

이 요청을 하면 Manus는 단순 순위표를 넘어 매장 운영의 언어로 결과를 바꿔줄 수 있습니다. 예를 들어 라떼가 주문 수와 매출 모두 상위라면 '유지'에 들어갈 가능성이 큽니다. 크루아상이 단독 판매는 낮지만 라떼와 함께 자주 등장한다면 '묶음 판매 테스트' 후보가 됩니다. 특정 시즌 음료가 매출 기여도는 높지만 주문 수가 적다면 '노출 강화'나 '가격 점검' 후보가 될 수 있습니다.

단, 여기서도 price가 주문 총액일 때는 주의해야 합니다. 상품별 정확 매출이 아니라 주문 포함 기준 매출일 수 있습니다. 이럴 때는 보고서 문구를 이렇게 고치게 하세요.

상품별 매출 기여도가 실제 상품 단가 기준이 아니라 주문 총액 기반 추정치라면, 표 제목과 설명에 '추정'이라고 명시해 주세요. 의사결정에 사용할 때의 한계도 함께 적어 주세요.

숫자의 한계를 표시하는 것은 보고서를 약하게 만드는 일이 아닙니다. 오히려 신뢰도를 높입니다. 좋은 매니저는 확실한 숫자와 가정이 들어간 숫자를 구분해서 봅니다.

세 번째 프롬프트: 시간대와 요일별 피크 찾기

커피숍 매출 분석의 재미는 시간표를 읽는 데 있습니다. 같은 하루 매출 100만 원이라도 오전 10시에 몰린 100만 원과 하루 종일 고르게 발생한 100만 원은 완전히 다릅니다. 전자는 피크 시간 인력 배치가 중요하고, 후자는 재고와 운영 효율이 중요합니다.

다음 프롬프트로 시간대 분석을 요청해 보세요.

시간대와 요일별 피크를 운영 관점에서 다시 분석해 주세요.

분석 기준:
- timestamp에서 hour, weekday를 생성해 주세요.
- 시간대별 주문 수, 시간대별 매출, 평균 주문 금액을 계산해 주세요.
- 요일별 총매출과 요일별 주문 수를 계산해 주세요.
- 요일별로 가장 주문이 많은 피크 시간을 찾아 주세요.
- 요일 x 시간대 히트맵을 만들어 주세요.

해석 방식:
- 피크 시간은 단순 1위만 말하지 말고, 전후 1시간까지 묶어 운영 구간으로 설명해 주세요.
- 매출은 높지만 주문 수가 낮은 시간대가 있다면 객단가가 높은 주문이 있었는지 확인해 주세요.
- 주문 수는 높지만 매출이 낮은 시간대가 있다면 저가 메뉴 중심인지 설명해 주세요.

결과는 매장 직원 배치와 준비 수량 관점의 제안으로 마무리해 주세요.

이 요청에서 중요한 문장은 '전후 1시간까지 묶어 운영 구간으로 설명해 달라'입니다. 보고서가 '10시가 피크입니다'라고만 말하면 실제 운영에 쓰기 어렵습니다. 직원은 10시에 갑자기 출근할 수 없습니다. 9시 30분부터 11시까지 손님이 몰린다면, 9시 10분에는 준비가 끝나 있어야 합니다. Manus에게 이 관점까지 알려주면 숫자가 행동으로 바뀝니다.

히트맵도 유용합니다. 히트맵은 색으로 강도를 보여주는 표입니다. 가로축을 시간, 세로축을 요일로 두면 어떤 요일의 어떤 시간대가 뜨거운지 한눈에 보입니다. 월요일 9시, 수요일 12시, 금요일 17시처럼 특정 칸이 진하게 나타난다면 그 시간대에 프로모션, 인력, 재고를 맞출 수 있습니다.

네 번째 프롬프트: 영업시간 조정 시뮬레이션

이제 한 단계 더 나아가겠습니다. 현재 영업시간이 9:30~18:00이라고 가정합니다. 보고서에서 18시 이후 주문이 보이거나, 9시 30분 전 문의·주문 기록이 있다면 영업시간 조정을 검토할 수 있습니다. 물론 CSV에 실제 주문만 들어 있다면 '영업하지 않은 시간의 잠재 수요'는 알 수 없습니다. 그래서 시뮬레이션은 항상 가정을 포함해야 합니다.

Manus에게 다음처럼 요청해 보세요.

현재 영업시간은 09:30~18:00입니다.
첨부 데이터의 timestamp를 기준으로 영업시간 조정 시뮬레이션을 해 주세요.

시나리오:
A. 현행 유지: 09:30~18:00
B. 30분 조기 오픈: 09:00~18:00
C. 1시간 조기 오픈: 08:30~18:00
D. 30분 연장 영업: 09:30~18:30
E. 1시간 연장 영업: 09:30~19:00
F. 조기 오픈 + 연장: 09:00~18:30

분석 요청:
- 각 시나리오에 포함되는 주문 수와 매출을 계산해 주세요.
- 현행 대비 추가로 포착되는 주문 수와 매출을 계산해 주세요.
- 추가 영업시간 30분당 기대 매출을 계산해 주세요.
- 요일별로 조기 오픈이 유리한지, 연장 영업이 유리한지 비교해 주세요.
- 단, 데이터에 영업시간 밖 주문이 충분하지 않으면 '관측 데이터 기반 한계'를 명확히 표시해 주세요.

운영 제안:
- 바로 영업시간을 바꾸기보다 2주간 테스트할 수 있는 실험안을 제안해 주세요.
- 추가 인건비를 고려해야 하므로, 손익분기 매출을 입력하면 비교할 수 있는 표 구조도 만들어 주세요.

이 프롬프트의 목적은 Manus에게 미래를 점치게 하는 것이 아닙니다. 현재 데이터 안에서 '영업시간을 바꾸면 어떤 매출 기회가 관측되는지'를 계산하게 하는 것입니다. 예를 들어 18:00~18:30 사이 주문이 꾸준히 있었다면 30분 연장 영업을 시험해 볼 수 있습니다. 반대로 8:30~9:30 사이 데이터가 거의 없다면 조기 오픈의 근거는 약합니다.

여기서 좋은 결과를 얻으려면 Manus에게 '관측 데이터'와 '가정'을 나누어 쓰게 해야 합니다. 관측 데이터는 CSV에 실제로 있는 기록입니다. 가정은 데이터에 없는 미래를 추정하기 위해 둔 조건입니다. 예를 들어 '18:00~18:30의 주문 패턴이 향후에도 유지된다'는 가정입니다. 이 둘을 섞으면 보고서가 과감해 보일 수는 있지만, 실제 운영 결정에는 위험합니다.

추가로 인건비를 넣고 싶다면 이렇게 이어서 말하면 됩니다.

추가 직원 1명의 시간당 비용을 12,000원으로 가정해 주세요.
연장 영업에는 직원 2명이 필요하다고 가정합니다.
각 시나리오의 추가 매출에서 추가 인건비를 뺀 단순 기여 이익을 비교해 주세요.
단, 원가율은 아직 모르므로 매출총이익이 아니라 '인건비 차감 전후 비교'로만 표시해 주세요.

이 요청은 완벽한 손익계산이 아닙니다. 원두, 우유, 컵, 디저트 원가를 모르면 진짜 이익은 계산할 수 없습니다. 하지만 영업시간 변경을 검토할 때 '30분 더 열면 매출이 얼마나 늘고, 최소 얼마를 벌어야 인건비를 감당하는지' 정도는 빠르게 볼 수 있습니다.

다섯 번째 프롬프트: 보고서를 발표용으로 다듬기

분석이 끝났다면 이제 결과물을 사람이 읽기 좋게 바꿔야 합니다. Manus의 데이터 시각화 기능은 분석 결과를 보고서, 슬라이드, 대시보드, 웹페이지 등으로 전달하는 것을 지원합니다.¹ 처음부터 슬라이드로 요청해도 되지만, 초보자에게는 먼저 상세 보고서를 만든 뒤 발표용 요약본으로 줄이는 방법을 추천합니다. 상세 보고서는 검토에 좋고, 슬라이드는 공유에 좋습니다.

다음 프롬프트를 사용해 보세요.

지금까지의 분석을 바탕으로 커피숍 매니저 회의용 1페이지 요약 보고서와 5장짜리 발표 슬라이드 초안을 만들어 주세요.

1페이지 요약 보고서에는 다음을 포함해 주세요.
- 이번 데이터에서 가장 중요한 발견 5개
- 매출에 가장 크게 기여한 상품과 시간대
- 영업시간 조정 시뮬레이션 결론
- 바로 실행할 수 있는 운영 액션 3개
- 추가로 수집해야 할 데이터 3개

5장짜리 슬라이드 구성:
1. 분석 목적과 데이터 범위
2. 매출 및 주문 흐름 요약
3. 상품별 성과와 메뉴 제안
4. 시간대·요일별 피크와 인력 배치 제안
5. 영업시간 테스트안과 다음 액션

숫자는 표로 정리하고, 차트 제목에는 집계 기준을 명확히 적어 주세요.

여기까지 오면 Manus는 단순 계산기가 아니라 '분석 보고서를 만드는 작업자'처럼 보이기 시작합니다. 이 감각이 중요합니다. 우리는 AI에게 모든 판단을 넘기는 것이 아니라, 반복적인 데이터 정리와 시각화와 초안 작성을 맡기고, 사람은 기준을 세우고 검증하고 결정합니다.

수치 오류를 잡는 검증 체크리스트

Manus가 만든 보고서는 그대로 제출하지 마세요. 이것은 불신의 문제가 아니라 업무의 기본입니다. 사람이 만든 엑셀 보고서도 검산하듯, AI가 만든 보고서도 검산해야 합니다. 특히 매출, 주문 수, 비율, 그래프 축은 반드시 확인해야 합니다.

아래 체크리스트를 복사해 Manus에게도 검토를 요청하고, 여러분도 직접 확인해 보세요.

원본 CSV의 행 수와 보고서의 주문 수가 일치하는가? 중복 제거 또는 오류 행 제외가 있었다면 몇 건인지 설명되어 있는가?
price 합계가 보고서의 총매출과 일치하는가? 금액에서 쉼표, 원화 기호, 공백 제거가 올바르게 되었는가?
timestamp 파싱 실패 행이 있는가? 있다면 시간대·요일 분석에서 제외되었는가, 별도 처리되었는가?
orderItems가 여러 상품을 포함할 때 분리 기준이 명확한가? 세미콜론, 쉼표, 파이프 등 구분자를 모두 고려했는가?
베스트셀러의 기준이 '주문에 등장한 횟수'인지 '판매 수량'인지 '매출'인지 차트 제목에 표시되어 있는가?
상품별 매출 기여도가 실제 상품 단가 기준인지, 주문 총액 배분 또는 포함 주문 기준의 추정치인지 명확한가?
시간대별 그래프의 x축이 0~23시 전체인지, 영업시간만 표시한 것인지 확인했는가?
요일 순서가 월~일 순서로 정렬되어 있는가? 알파벳순이나 임의 순서로 정렬되어 해석을 방해하지 않는가?
히트맵의 색이 주문 수를 뜻하는지 매출을 뜻하는지 명확한가?
누락값, 0원 결제, 음수 결제, 환불, 테스트 주문이 분석에 어떤 영향을 주었는가?
평균 주문 금액을 계산할 때 주문 단위 평균인지 상품 단위 평균인지 구분되어 있는가?
영업시간 시뮬레이션에서 관측 데이터와 가정이 분리되어 있는가?

체크리스트를 적용한 뒤에는 Manus에게 최종 검산을 다시 시킬 수 있습니다.

최종 보고서를 제출하기 전에 검산해 주세요.
원본 coffee_orders.csv를 다시 기준으로 삼아 다음을 확인해 주세요.

- 총 행 수, 분석에 사용한 행 수, 제외한 행 수
- 총매출 재계산 결과와 보고서 수치의 일치 여부
- 시간대별 매출 합계가 총매출과 일치하는지
- 요일별 매출 합계가 총매출과 일치하는지
- 상품별 집계가 주문 단위인지 상품 단위인지
- 그래프 제목, 축 이름, 단위, 집계 기준 누락 여부

불일치가 있으면 표로 정리하고, 보고서의 어떤 문장을 수정해야 하는지 알려 주세요.

이 검산 프롬프트는 매우 강력합니다. 많은 사용자가 AI에게 '더 예쁘게 만들어줘'는 자주 말하지만 '원본과 대조해줘'는 잘 말하지 않습니다. 그러나 실무에서 더 중요한 것은 화려한 디자인보다 맞는 숫자입니다.

결과가 이상할 때 고치는 추가 지시문

분석 결과가 기대와 다를 때는 바로 새 작업을 만들지 말고, 같은 대화에서 기준을 바로잡아 보세요. 예를 들어 베스트셀러 1위가 Latte; Croissant처럼 묶음 문자열로 나온다면 상품 분리가 안 된 것입니다.

이럴 때는 다음처럼 말합니다.

베스트셀러 집계가 주문 문자열 전체 기준으로 된 것 같습니다.
orderItems 안의 개별 상품을 세미콜론, 쉼표, 파이프 기준으로 분리한 뒤 다시 집계해 주세요.
공백을 제거하고 대소문자 차이도 표준화해 주세요.

금액이 이상하면 이렇게 지시합니다.

price 컬럼에 쉼표, 원화 기호, 공백, 문자열이 섞여 있을 수 있습니다.
숫자로 변환하기 전후의 변환 실패 건수를 보여 주고, 변환 실패 행은 별도 표로 분리해 주세요.
총매출은 변환 성공 행만 기준으로 다시 계산해 주세요.

요일 분석이 이상하면 이렇게 고칩니다.

timestamp의 시간대와 날짜 파싱을 다시 확인해 주세요.
요일은 한국 기준 월요일부터 일요일 순서로 표시해 주세요.
날짜 형식이 섞여 있다면 어떤 형식이 몇 건인지 요약해 주세요.

차트가 예쁘지만 해석하기 어렵다면 이렇게 요구합니다.

차트 제목에 집계 기준을 넣어 주세요.
예: '시간대별 주문 수'인지 '시간대별 매출'인지 명확히 표시해 주세요.
y축 단위도 원, 건, 퍼센트 중 무엇인지 표시해 주세요.

Manus를 잘 쓰는 사람은 처음부터 완벽한 프롬프트를 쓰는 사람이 아닙니다. 결과를 보고 기준을 교정할 줄 아는 사람입니다. 분석은 한 번에 끝나는 마술이 아니라, 질문과 검증을 반복하며 정확도를 높이는 대화형 작업입니다.

이번 실습에서 얻어야 할 감각

이번 장에서 우리가 한 일은 파일 하나를 올리고 보고서 하나를 받은 것처럼 보입니다. 하지만 실제로는 Manus 활용의 핵심 흐름을 거의 모두 경험했습니다. 데이터를 설명했고, 분석 목표를 정했고, 계산 기준을 요구했고, 차트를 만들게 했고, 시뮬레이션을 시켰고, 마지막에는 원본과 대조해 검증했습니다.

이 흐름을 한 번 익히면 다른 업무에도 그대로 적용할 수 있습니다. 온라인 쇼핑몰 주문 CSV라면 상품별 매출과 재구매율을 볼 수 있습니다. 광고 성과 CSV라면 캠페인별 ROAS와 예산 낭비 구간을 찾을 수 있습니다. 설문조사 CSV라면 응답자 그룹별 만족도와 불만 키워드를 정리할 수 있습니다. Manus 공식 플레이북이 말하듯, 원시 데이터와 비즈니스 질문, 청중, 출력 형식을 함께 제공하면 분석 결과는 훨씬 의사결정에 가까워집니다.²

마지막으로 기억할 문장은 이것입니다. Manus에게 데이터 분석을 맡길 때의 목표는 '차트를 얻는 것'이 아닙니다. 차트는 중간 산출물입니다. 진짜 목표는 더 나은 결정을 내리는 것입니다. 커피숍이라면 어떤 메뉴를 밀고, 언제 직원을 늘리고, 영업시간을 어떻게 시험할지 결정하는 일입니다.

다음 장에서는 이 경험을 한 단계 확장합니다. 매번 긴 설명을 반복하지 않도록 Knowledge와 파일 첨부를 활용해, Manus를 내 업무 방식에 익숙한 '나만의 작업자'로 만드는 방법을 배워 보겠습니다.

참고

¹Data Analysis & Visualization - Manus Documentation

²AI 데이터 분석 도구 - Manus Playbook

³csv-data-summarizer SKILL.md

⁴coffee-shop-business-intelligence GitHub 프로젝트

책 목록

Meta Manus 완전 활용 가이드: AI 에이전트로 일과 삶을 자동화하는 법

전체 목차 보기