Publicado:

2025-11-30

Número:

Vol. 19 Núm. 2 (2025)

Sección:

Visión de Ingeniería Aplicada

Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report

Inteligencia de Negocios y Analítica (BI&A): análisis de datos y analítica de negocios para la optimización y automatización del Informe de Ventas de Stanley Black and Decker.

Autores/as

  • Sebastián Nuñez Mejia Universidad Distrital Francisco José de Caldas
  • Harold Vacca González Universidad Distrital Francisco José de Caldas
  • Ernesto Uribe Becerra Universidad Distrital Francisco José de Caldas

Palabras clave:

Business Intelligence and Analytics (BI & A), tools, sales report, Python, Power BI, Windows Task Scheduler, Power Automate, automation, optimization (en).

Palabras clave:

Inteligencia de Negocios y Analítica (BI & A), herramientas, informe de ventas, Python, Power BI, Programador de Tareas de Windows, Power Automate, automatización, optimización (es).

Resumen (en)

Business Intelligence and Analytics (BI&A) encompasses a range of strategies and tools employed in corporate settings to enhance the collection, processing, and analysis of large datasets with speed and precision. This capability provides significant strategic value to organizations by improving operational visibility and understanding. Data science plays a crucial role in this context, enabling systematic data analysis and business analytics that directly inform organizational decision-making.

While the full adoption of BI&A requires considerable investment in software and hardware development, it is becoming essential in today's global landscape, which is characterized by increasingly complex and voluminous data. This is especially important for identifying critical tasks requiring high-quality execution and for optimizing and automating associated processes and procedures.

This paper addresses the challenge of generating sales reports at Stanley Black & Decker. After identifying key variables, such as time expenditure, data quality, and the multiplicity of archived information, we propose a workflow designed to optimize and automate report generation. Our innovative approach involves data processing and cleansing to automate data cleaning and ensure data quality; data visualization to create interactive and detailed reports; scheduled process automation to ensure regular and efficient task execution; and integration to automate workflows between applications and services, thus enhancing process coherence and efficiency.

The proposed solution sequentially and complementarily integrates Python scripts for extracting and transforming data from various sources, Power BI for analyzing and visualizing the transformed data, and Windows Task Scheduler along with Power Automate to configure and automatically schedule script execution for report updates.

The implementation of our solution resulted in a new sales report that achieved a 61% reduction in the time required and an 85% reduction in the number of files. Furthermore, automating the data cleaning process improved the reliability and quality of the information. Consequently, the integration of technological tools and BI&A led to greater process efficiency and enhanced the quality of information, which is crucial for decision-making at Stanley Black & Decker, both nationally and internationally.

Resumen (es)

La Inteligencia de Negocios y Analítica (BI&A) abarca una variedad de estrategias y herramientas empleadas en entornos corporativos para mejorar la recopilación, el procesamiento y el análisis de grandes conjuntos de datos con rapidez y precisión. Esta capacidad proporciona un valor estratégico significativo a las organizaciones al mejorar la visibilidad y la comprensión operativas. La ciencia de datos juega un papel crucial en este contexto, permitiendo un análisis de datos sistemático y una analítica de negocios que informan directamente la toma de decisiones organizacionales.

Si bien la adopción total de BI&A requiere una inversión considerable en el desarrollo de software y hardware, se está volviendo esencial en el panorama global actual, que se caracteriza por datos cada vez más complejos y voluminosos. Esto es especialmente importante para identificar las tareas críticas que requieren una ejecución de alta calidad y para optimizar y automatizar los procesos y procedimientos asociados.

Este artículo aborda el desafío de generar informes de ventas en Stanley Black & Decker. Después de identificar variables clave, como el gasto de tiempo, la calidad de los datos y la multiplicidad de información archivada, proponemos un flujo de trabajo diseñado para optimizar y automatizar la generación de informes. Nuestro enfoque innovador involucra el procesamiento y la limpieza de datos para automatizar la limpieza de datos y garantizar su calidad; la visualización de datos para crear informes interactivos y detallados; la automatización de procesos programados para garantizar la ejecución regular y eficiente de las tareas; y la integración para automatizar los flujos de trabajo entre aplicaciones y servicios, mejorando así la coherencia y la eficiencia del proceso.

La solución propuesta integra de forma secuencial y complementaria scripts de Python para extraer y transformar datos de diversas fuentes, Power BI para analizar y visualizar los datos transformados, y el Programador de Tareas de Windows junto con Power Automate para configurar y programar automáticamente la ejecución de scripts para las actualizaciones de informes.

La implementación de nuestra solución resultó en un nuevo informe de ventas que logró una reducción del 61% en el tiempo requerido y una reducción del 85% en el número de archivos. Además, la automatización del proceso de limpieza de datos mejoró la confiabilidad y la calidad de la información. En consecuencia, la integración de herramientas tecnológicas y BI&A condujo a una mayor eficiencia de los procesos y mejoró la calidad de la información, lo cual es crucial para la toma de decisiones en Stanley Black & Decker, tanto a nivel nacional como internacional.

Referencias

[1] R. F. Matamoros Z., Implantación en una empresa de un sistema Business Intelligence SaaS/On Demand a través de la plataforma LITEBI (Doctoral dissertation, Universitat Politècnica de València), 2010.

[2] A. Rozenfarb, Impacto de la business intelligence en el proceso de toma de decisiones. México D.F: Instituto Politécnico Nacional, 2008.

[3] E. Iniesta, Power BI y su utilidad en la gestión empresarial (thesis). Universidad de Valladolid, Valladolid, 2022.

[4] F. Rolando & J.C. Sanchez S. Análisis de la información generada utilizando herramientas de Inteligencia de negocio y Ciencia de Datos (Doctoral dissertation, Universidad Nacional de Mar del Plata. Facultad de Ingeniería; Argentina), 2022.

[5] J.L. Parra C., M.A. Rincón R. & D.P. Romero S., Propuesta de Inteligencia de Negocios mediante la herramienta Microsoft Power BI, como soporte para la toma de decisiones del área comercial de la empresa ABC manufacturera de productos plásticos, 2019.

[6] F. J. Rivera R., Industrial aplicación de Business Intelligence en una pequeña empresa mediante el uso de Power Bi. Universidad de Valladolid Escuela de ingenierias industrials; grado en ingeniería en organización, Departamento de Organización de Empresas y Comercialización e Investigación de Mercados. Valladolid, 2018.

[7] M.E. Carhuaricra I. & J.I. Gonzales C., Implementación de Business Intelligence para mejorar la eficiencia de la toma de decisiones en la gestión de proyectos, 2017.

[8] A. Rojas Z., Implementación de un Data Mart como solución de inteligencia de negocios, bajo la metodología de Ralph Kimball para optimizar la toma de decisiones en el Departamento de Finanzas de la Contraloría General de la República, 2014.

[9] Kimball & Caserta, The Data Warehouse ETL Toolkit, Indianapolis, Wiley, 2004.

[10] Kimball & Merz, The Data Webhouse Toolkit: Building the WebEnabled Data Warehouse, Wiley, 2000.

[11] Kimball & Ross, The Data Warehouse Toolkit: The Complete Guide to Dimensional Modeling (Second Edition), New York, Wiley, 2002.

[12] Kimball & Ross, The Kimball Group Reader; Relentlessly Practical Tools for Data Warehousing and Business Intelligence, Indianapolis, Wiley, 2010.

[13] Kimball et al., The Data Warehouse Lifecycle Toolkit. 2nd Edition. New York, Wiley, 2008

[14] Kimball et al., The Data Warehouse Lifecycle Toolkit. New York, Wiley, 1998.

[15] P. Muryjas & M. Wawer, Business intelligence as a support in human resources strategies realization in contemporary organizations. Актуальні проблеми економіки, (2), 183-190, 2014

[16] P. Kříž, Business intelligence řešení pro společnost 1188. brno University of Technology, 2015. Recuperado de https://dspace.vutbr.cz/bitstream/handle/11012/39466/Jan-Kriz-Masterthesis.pdf?sequence=1

[17] A. Hassanifar, How Business Intelligence and BRMS bring benefits. 2015.

[18] G. Mensa F., Optimización del proceso de manipulación de datos. Bachelor's thesis, Universitat Politècnica de Catalunya), 2022.

[19] L. Cao, Data Science. ACM Computing Surveys, 50(3), p. 1–42, 2017. doi:10.1145/3076253

[20] M. Afsharian, Data science essentials in business administration: A multidisciplinary perspective. Decision Analytics Journal, 100442, 2024.

[21] S.W. Palocsay, I.S. Markham & S.E. Markham, Utilizing and teaching data tools in Excel for exploratory analysis. Journal of Business Research, 63(2), 191-206, 2010.

[22] S.A. Murphy, Data Visualization and Rapid Analytics: Applying Tableau Desktop to Support Library Decision-Making. Journal of Web Librarianship, 7(4), 465–476, 2013. https://doi.org/10.1080/19322909.2013.825148

[23] S.A. Fahad & A.E. Yahya, Big data visualization: allotting by r and python with GUI Tools. In 2018 International Conference on Smart Computing and Electronic Enterprise (ICSCEE) (pp. 1-8). IEEE.

[24] I. Setiawan, Perbedaan Data Engineer, Data Scientist Dan Data Analyst. Widya Accarya, 12(2), 306-309, 2021.

[25] R.J. Podeschi, Experiential Learning using QlikView Business Intelligence Software. Information Systems Education Journal, 13(4), 71, 2015.

[26] A. Ibarra, Business Intelligence y la Información como un activo estratégico – NEBI, 2014.

http://www.nebi.co/bi/business-intelligence-y-lainformacion-como-un-activo-estrategico/. [Recuperado en marzo 2019].

[27] Astera. Data Ware House Concepts: Kimball vs. Inmon Approach. 2020. Disponible en: https://www.astera.com/type/blog/data-warehouse-concepts/. [Acessado en jun. 2021].

[28] R. Wade, Advanced Analytics in Power BI with R and Python, 2020. doi:10.1007/978-1-4842-5829-3

[29] V. Naneva & K. Stefanova, Optimization techniques for business intelligence reports. In AIP Conference Proceedings (Vol. 2333, No. 1). AIP Publishing, 2021.

[30] Zendesk. An intelligent future is calling—here’s a look back at Zendesk Relate 2023. https://www.zendesk.es/blog/look-back-zendesk-relate-2023/

[31] I. A. Baldursson, A conceptual model of automated financial reporting (Doctoral dissertation), 2022.

[32] M. Schulz, P. Winter, P. & S.K.T Choi, On the relevance of reports—Integrating an automated archiving component into a business intelligence system. International Journal of Information Management, 35(6), 662-671, 2015.

[33] R. González D., Python para todos. 2011. [ En línea, disponible en]. https://drive.google.com/file/d/0B5VsS3feMSSgNTU4OGJkZDktMjgzNy00NGNlLWFkYjUtYmQ1ZWI1NDBjOTVj/view?resourcekey=0-bAgfYp82Tah5u0Xaj7pGgQ

[34] D. Dasari & P.S. Varma, Employing various data cleaning techniques to achieve better data quality using python. In 2022 6th International Conference on Electronics, Communication and Aerospace Technology (pp. 1379-1383). IEEE.

[35] A. Rawat, A Review on Python Programming. International Journal of Research in Engineering, Science and Management, 3(12), 8-11, 2020.

[36] G.A. Arias S. Optimización de los procesos de elaboración de reportes e informes administrativos en el área de ventas digitales de IBM Colombia, 2019.

[37] L. Antwiadjei, Evolution of Business Organizations: An Analysis of Robotic Process Automation. Eduzone: International Peer Reviewed/Refereed Multidisciplinary Journal, 10(2), 101-105, 2021.

[38] M. Kishani & H. Asadi, Modeling impact of human errors on the data unavailability and data loss of storage systems. IEEE Transactions on Reliability, 67(3), 1111-1127, 2018.

[39] K.A. Barchard, & L.A. Pace, Preventing human error: The impact of data entry methods on data accuracy and statistical results. Computers in Human Behavior, 27(5), 1834-1839, 2011.

[40] I.N. Chengalur-Smith, D.P. Ballou & H.L. Pazer, The impact of data quality information on decision making: an exploratory analysis. IEEE transactions on knowledge and data engineering, 11(6), 853-864, 1999.

[41] C. Batini, C. Cappiello, C. Francalanci & A. Maurino, Methodologies for data quality assessment and improvement. ACM Computing Surveys, 41(3), 1–52, 2009. doi:10.1145/1541880.1541883

[42] Tableau Software. Todos los derechos reservados. [En línea, disponible en] https://www.tableau.com/es-es/learn/tutorials/ondemand/forecast-9

Cómo citar

APA

Nuñez Mejia, S., Vacca González, H., y Uribe Becerra, E. (2025). Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report. Visión electrónica, 19(2). https://revistas.udistrital.edu.co/index.php/visele/article/view/24691

ACM

[1]
Nuñez Mejia, S. et al. 2025. Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report. Visión electrónica. 19, 2 (nov. 2025).

ACS

(1)
Nuñez Mejia, S.; Vacca González, H.; Uribe Becerra, E. Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report. Vis. Electron. 2025, 19.

ABNT

NUÑEZ MEJIA, Sebastián; VACCA GONZÁLEZ, Harold; URIBE BECERRA, Ernesto. Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report. Visión electrónica, [S. l.], v. 19, n. 2, 2025. Disponível em: https://revistas.udistrital.edu.co/index.php/visele/article/view/24691. Acesso em: 11 ene. 2026.

Chicago

Nuñez Mejia, Sebastián, Harold Vacca González, y Ernesto Uribe Becerra. 2025. «Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report». Visión electrónica 19 (2). https://revistas.udistrital.edu.co/index.php/visele/article/view/24691.

Harvard

Nuñez Mejia, S., Vacca González, H. y Uribe Becerra, E. (2025) «Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report», Visión electrónica, 19(2). Disponible en: https://revistas.udistrital.edu.co/index.php/visele/article/view/24691 (Accedido: 11 enero 2026).

IEEE

[1]
S. Nuñez Mejia, H. Vacca González, y E. Uribe Becerra, «Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report», Vis. Electron., vol. 19, n.º 2, nov. 2025.

MLA

Nuñez Mejia, Sebastián, et al. «Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report». Visión electrónica, vol. 19, n.º 2, noviembre de 2025, https://revistas.udistrital.edu.co/index.php/visele/article/view/24691.

Turabian

Nuñez Mejia, Sebastián, Harold Vacca González, y Ernesto Uribe Becerra. «Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report». Visión electrónica 19, no. 2 (noviembre 30, 2025). Accedido enero 11, 2026. https://revistas.udistrital.edu.co/index.php/visele/article/view/24691.

Vancouver

1.
Nuñez Mejia S, Vacca González H, Uribe Becerra E. Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report. Vis. Electron. [Internet]. 30 de noviembre de 2025 [citado 11 de enero de 2026];19(2). Disponible en: https://revistas.udistrital.edu.co/index.php/visele/article/view/24691

Descargar cita

Visitas

0

Descargas

Los datos de descargas todavía no están disponibles.

Artículos más leídos del mismo autor/a

1 2 3 4 > >> 
Loading...