Bibliographische Detailangaben
| Titel: |
Business Intelligence and Analytics (BI&A): data analysis and business analytics for the optimization and automation of the Stanley Black and Decker Sales Report. |
| Alternate Title: |
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. (Spanish) |
| Autoren: |
Mejia, Sebastián Nuñez, González, Harold Vacca, Becerra, Ernesto Uribe |
| Quelle: |
Visión Electrónica; jul-dic2025, Vol. 19 Issue 2, p51-88, 38p |
| Schlagwörter: |
DATA analysis, AUTOMATION, DATA quality, SALES reporting, PROCESS optimization, DATA analytics |
| Firma/Körperschaft: |
STANLEY Black & Decker Inc. |
| Abstract (English): |
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. [ABSTRACT FROM AUTHOR] |
| Abstract (Spanish): |
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. [ABSTRACT FROM AUTHOR] |
|
Copyright of Visión Electrónica is the property of Fondo de Universidad Distrital Francisco Jose de Caldas and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.) |
| Datenbank: |
Complementary Index |
Nájsť tento článok vo Web of Science