Skip to content

Projeto 2 - Bootcamp de análises de dados da Laboratoria, programa focado na inserção de mulheres na tecnologia. Neste projeto realizei uma análise de validação de hipóteses de uma base de dados do Spotify.

Notifications You must be signed in to change notification settings

CarolyneS14/Hipoteses_Musicais

Repository files navigation

🎼🎵🎶 HIPÓTESES

Caso

Num mundo onde a indústria musical é extremamente competitiva e em constante evolução, a capacidade de tomar decisões baseadas em dados tornou-se um ativo inestimável. Neste contexto, uma gravadora enfrenta o emocionante desafio de lançar um novo artista no cenário musical global. Felizmente, ela tem uma ferramenta poderosa em seu arsenal: um extenso conjunto de dados do Spotify com informações sobre as músicas mais ouvidas em 2023. A gravadora levantou uma série de hipóteses sobre o que faz uma música seja mais ouvida. Essas hipóteses incluem:

  • Músicas com BPM (Batidas Por Minuto) mais altos fazem mais sucesso em termos de número de streams no Spotify.
    ✖️ Hipótese Refutada!

  • As músicas mais populares no ranking do Spotify também possuem um comportamento semelhante em outras plataformas, como a Deezer.
    ✔️ Hipótese Confirmada!

  • A presença de uma música em um maior número de playlists está correlacionada com um maior número de streams.
    ✔️ Hipótese Confirmada!

  • Artistas com um maior número de músicas no Spotify têm mais streams.
    ✔️ Hipótese Confirmada!

  • As características da música influenciam o sucesso em termos de número de streams no Spotify.
    ✖️ Hipótese Refutada!

Neste projeto, exploramos este aspecto da análise de dados, destacando como isso ajuda a melhorar a compreensão dos fenômenos, apoiar pesquisas e tomar decisões informadas.

Objetivo

O que faz uma música ser mais ouvida?

O objetivo desse estudo é permitir que Gravadoras e novos artistas tomem decisões informadas para aumentar suas chances de alcançar o sucesso no cenário musical global. Dada a competitividade da indústria e sua constante evolução, a capacidade de usar dados como base para decisões é inestimável. Os resultados ajudarão a compreender melhor o mercado musical atual e a orientar artistas e gravadoras em suas estratégias de lançamento.

Conclusões

As características individuais das músicas NÃO se mostram à influenciar o apelo entre os consumidores. No entanto, existem outros fatores que afetam a popularidade:

  1. Quantidade de Lançamentos

    • Artistas que lançam frequentemente têm mais chances de serem notados. Quanto mais músicas um artista disponibiliza, maior a probabilidade de atrair um público maior.
  2. Presença em Playlists

    • Estar em playlists populares é uma estratégia eficaz para alcançar mais ouvintes. As playlists são curadas por plataformas de streaming e podem expor músicas a um público diversificado.
  3. Distribuição em Plataformas Variadas

    • Lançar músicas em várias plataformas (como Spotify, Apple Music, Deezer, YouTube etc.) amplia o alcance. Cada plataforma tem seu público, e estar presente em várias delas aumenta as chances de sucesso.

Recomendações

• Fazer parcerias com artistas E/OU criadores de playlists para maior engajamento.

• Realizar lançamentos frequentes para manter uma presença constante no mercado.

• Promover e distribuir músicas através de estratégias de marketing em diversas plataformas digitais, buscando fidelização dos fãs.

Melhorias Futuras

Para uma análise futura recomendamos que seja feita a coleta de maiores informações, como: gênero musical, País, comportamento em mídias sociais, datas sazonais e etc.

Ferramentas

  • Big Query: importei a base de dados em csv.
  • Google Colab (Python): para realizar análises em Python.
  • Google Slides: para criar apresentação dos insights obtidos.
  • PowerBI: criar dashboard e visualizações.

Linguagens

  • SQL no BigQuery
  • Python no Google Colab
  • DAX no PowerBI

Links úteis

(1) Dashboard - 💻PowerBI
(2) Apresentação - ✳️Google Slides
(3) BaseDeDados - ✳️Google Sheets
(4) Desenvolvimento - ✳️Google Colab
(5) Ficha Técnica - ✳️Google Docs

🤝 Colaboradores

Carolyne Oliveira: Linkedin
Iris Baccaro: Linkedin

About

Projeto 2 - Bootcamp de análises de dados da Laboratoria, programa focado na inserção de mulheres na tecnologia. Neste projeto realizei uma análise de validação de hipóteses de uma base de dados do Spotify.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published