A validação de hipóteses é um processo fundamental na tomada de decisões baseadas em evidências e não apenas em crenças ou opiniões. Na análise de dados, é comum formular suposições ou hipóteses sobre relações, tendências ou diferenças entre as variáveis dos dados disponíveis. A validação dessas hipóteses (confirmar ou refutar) é alcançada com técnicas e métodos projetados para determinar se os resultados observados nos dados são estatisticamente significativos ou se podem ser atribuídos ao acaso. Neste projeto, exploramos este aspecto da análise de dados, destacando como ele ajuda a melhorar a compreensão dos fenômenos, apoiar a pesquisa e tomar decisões informadas.
Identificar padrões ou características que possam influenciar a popularidade (número de streams) de uma música em plataformas como Spotify, Apple Music e Deezer. Apesar das várias hipóteses levantadas pela gravadora, ainda não se sabe ao certo quais delas impactam o sucesso medido pelo número de streams. O desafio é determinar os fatores que contribuem para o sucesso de uma música.
Validar (refutar ou confirmar) essas hipóteses através da análise de dados e fornecer recomendações estratégicas com base em suas descobertas. O objetivo principal desta análise é que a gravadora e o novo artista possam tomar decisões informadas que aumentem suas chances de alcançar o “sucesso”.
- Músicas com BPM (Batidas Por Minuto) mais altos fazem mais sucesso em termos de número de streams no Spotify.
- As músicas mais populares no ranking do Spotify também possuem um comportamento semelhante em outras plataformas, como a Deezer.
- A presença de uma música em um maior número de playlists está correlacionada com um maior número de streams.
- Artistas com um maior número de músicas no Spotify têm mais streams.
- As características da música influenciam o sucesso em termos de número de streams no Spotify.
Nathalia Guimarães e Brenda Rosas
- Bigquery
- Power BI
- Google Colab
- Google Apresentações
- Loom
- GitHub
- linguagem SQL no BigQuery
- Python no Google Colab
Link para data.set e códigos Python > https://drive.google.com/drive/u/0/folders/1R6ssV4TjljhN8xzgEgYxYFILJQWyhqX2
Link para Ficha Técnica detalhada > https://able-dewberry-b49.notion.site/Ficha-T-cnica-0ecdc41f34fa4453afa8ae7f253136e2
Para mais detalhes, consulte o relatório completo no Power BI: Relatório Power BI
Os dados fornecidos para análise apresentaram algumas limitações que dificultaram a obtenção de informações precisas para responder ao questionamento central da pesquisa: "O que torna uma música mais ouvida?". Essas limitações impactaram a capacidade de obter insights mais direcionados e identificar os principais fatores que influenciaram a popularidade de uma música. Para mais detalhes, consulte o ficha técnica seção limitações:Fichá técnica