Lielo datu vizualizācija mūzikas industrijā

Abstract

Mūzikas industrijā lielo datu izmantošana palielina izpratni par patērētāju vēlmēm un pieprasījumu. Analizējot šos datus, mūziķi un viņu aģenti var plānot tūres, veidot mārketinga stratēģijas un pieņemt lēmumus par albumu fizisko kopiju ražošanu un izplatīšanu. Šis darbs pēta lielo datu analītikas pielietojumu mūzikas industrijā, koncentrējoties uz Spotify un Discogs datu apstrādi, izmantojot Apache Spark. Tādas straumēšanas platformas kā YouTube un Spotify sniedz ieskatu par digitālā patēriņa tendencēm, savukārt vietne Discogs ļauj veikt fizisko kopiju, piemēram, vinila ierakstu un kompaktdisku, pieprasījuma analīzi. Pētījums apskata izaicinājumus, ko rada milzīgie datu apjomi, ko rada šīs platformas. Maģistra darba izstrādes gaitā tiek aprakstīts lielo datu dzīves cikls, tiek izpētīts pašreizējais lielo datu stāvoklis mūzikas industrijā un tiek aprakstītas izmantotās metodes datu ievākšanai un apstrādei no Spotify straumēšanas platformas un Discogs mūzikas datu bāzes. Darba praktiskās daļas izstrādes laikā tika ievākta gandrīz 80 GB liela datu kopa, tā tika apstrādāta tālākai izmantošanai, un no ievāktajiem datiem tika izveidotas vizualizācijas.

In the music industry, the use of big data increases the understanding of consumer preferences and demand. By analyzing this data, musicians and their agents can plan tours, create marketing strategies, and make decisions about the production and distribution of physical copies of albums. This work explores the application of big data analytics in the music industry, focusing on Spotify and Discogs data processing, using Apache Spark. Streaming platforms such as YouTube and Spotify provide insight into digital consumption trends, while Discogs enables demand analysis for physical copies such as vinyl records and CDs. The study examines the challenges posed by the massive amounts of data generated by these platforms. During the development of the master's thesis, the Big Data Value Chain is described, the current state of big data in the music industry is observed, and the methods used to collect and process data from the Spotify streaming platform and the Discogs music database are described. During the development of the practical part of the work, a data set of almost 80 GB was collected, it was transformed for further use, and visualizations were created from the collected data.