Spotify
Analyse des données de Spotify
Le responsable d'une jeune station de radio veut mieux comprendre les tendances musicales de ces derniers mois pour ajuster la diffusion musicale de sa radio. La Direction du Marketing de la radio transmet à un analyste de données le lien vers données de streaming (écoutes en ligne) de la plateforme de services multimédias Spotify et lui demande d'analyser le jeu de données et de tirer des renseignements intéressants pouvant orienter le responsable sur le choix des musiques à diffuser sur la radio. Le projet est divisé principalement en deux parties:l'analyse des données et la visualisation des données
Outils Technologiques
Langage Python
Power BI Desktop
Power BI Service
Etapes clés
1 | La collecte des données |
2 | La compréhension des données |
3 | L'importation des librairies |
4 | La préparation des données |
5 | L'analyse exploratoire des données |
6 | La statistique univariée |
7 | La statistique bivariée> |
8 | Le chargement des données dans Power BI |
9 | La définition des indicateurs |
10 | La définition des rapports |
11 | La création des mesures et des colonnes calculées avec DAX |
12 | La création des rapports avec Power BI Desktop |
13 | La réalisation du tableau de bord avec Power BI Service |
14 | La réalisation du tableau de bord pour appareils mobiles avec Power BI Service |
15 | La réalisation de l'application avec Power BI Service |
Captures d'écran
L'écran suivant affiche l'histogramme et le boxplot de la variable "Disciple".
L'écran suivant affiche l'histogramme et le boxplot de la variable "Energie".
L'écran suivant affiche la distibution des variables Dansabilité, Energie, Parole, Acoustique et Positivite
L'écran suivant affiche la corrélation entre les variable "Dansabilite" et "Positivite".
L'écran suivant affiche la carte de chaleur de la corrélation des caractéristiques des chansons.
L'écran suivant affiche la distribution des écoutes par Popularité, Positivité, Intensité et Rythme .
L'écran suivant affiche la répartition du nombre d'abonnés par genre.
L'écran suivant affiche la répartition du nombre d'écoutes par artiste.
L'écran suivant affiche le tableau de bord.
L'écran suivant affiche le tableau de bord réalisé dans Powe BI Service
L'écran suivant affiche l'écran principal de l'application réalisée dans Powe BI Service.
Principales conclusions de l'analyse des données
1 | La musique la plus écoutée est quasiment à 50 millions d'écoutes ; |
2 | Le rapport est de 1 à 10 entre la musique la plus écoutée et celle la moins écoutée; |
3 | Beaucoup de chansons ont un nombre de disciples faible; |
4 | Les musiques sont plutôt avec une énergie haute dans l'ensemble; |
5 | Une concentration des valeurs au niveau supérieur pour "Dansabilite", "Energie" et "Positivité"; |
6 | On remarque tout de suite les critères faisabilité et énergie ont très fortement la même distribution. |
7 | La variable "Parole" est concentrée sur les valeurs basses pour ces quatre quartiles avec certaines valeurs extrêmes; |
8 | L'acoustique est un critère qui occupe toute la longueur du spectre. La positivité est également très étendue; |
9 | La concentration des valeurs est très forte au démarrage pour les variables Parole et Acoustique; |
10 | Il y a énormément de disparité entre les genres en terme de volume de chansons; |
11 | Les 5 premiers genres représentent plus que 80% des chansons; |
12 | 88% des chansons classées dans le Top Chart 2020-2021 sont sorties entre 2019 et 2021; |
13 | Les musiques dansantes ont donc tendance à être positives; |
14 | La dansabilité sera un bon indicateur pour le choisir rapidement les morceaux; |
15 | L'indicateur d'intensité semble bien lié à celle de l'énergie.; |
16 | Corrélation faible entre disciple et écoute : 0,10; |
17 | Corrélation faible entre positivité et dansabilité: 0,36; |
18 | Corrélation forte entre intensité et energie:0.73; |
19 | Corrélation moyenne et négative entre energie et acoustique:-0,54; |
20 | On ne peut pas se baser sur les artistes avec beaucoup de folollers pour garantir l'écoute; |
21 | Les genres "Hip hop" et "Rap" ont une distribution plus large que les autres; |
22 | Très forte popularité du genre "Pop"; |
23 | L'influence du genre de musique sur l'énergie est nettement marqué.; |
24 | Pour les genres "Pop, Hip hop" et "Rap" le nombre de chansons le plus élevé concerne les musiques de niveau d'énergie moyen.; |
25 | Pour la musique du genre "Latin", le nombre de chanson avec une énergie forte est plus élevé. |