Este proyecto académico analiza el impacto de la pandemia de la COVID-19 en las tendencias de consumo musical en España, comparando la evolución de artistas, géneros y canciones antes, durante y después de la pandemia.
El estudio se centra en el periodo 2019–2023 y combina datos procedentes de distintas plataformas musicales con el objetivo de identificar cambios significativos en el consumo musical asociados al contexto social de la pandemia.
Analizar si la pandemia de la COVID-19 ha tenido un impacto en las tendencias de consumo musical, identificando variaciones en la popularidad de artistas, géneros y canciones a lo largo de tres periodos temporales:
- Pre-pandemia (2019)
- Pandemia (2020–2021)
- Post-pandemia (2022–2023)
Los datos utilizados en el proyecto se obtienen a través de APIs públicas de plataformas musicales:
- Spotify API: extracción de información a nivel de canción, incluyendo artista, género, tipo de contenido (canción o álbum), año de lanzamiento, duración y métricas de popularidad.
- Last.fm API: obtención de métricas agregadas a nivel de artista, como número de oyentes y número de reproducciones.
La extracción se realizó mediante un muestreo aproximado de 200 canciones por año y género, abarcando el periodo 2019–2023, con el fin de garantizar un volumen de datos suficiente y equilibrado para el análisis comparativo.
Los datos se almacenan en una base de datos relacional implementada en MySQL. El modelo incluye tablas principales para artistas, canciones y géneros.
El diagrama entidad-relación del modelo puede consultarse aquí:
📎 1_documentation/resonance_analytics_diagram.svg
Antes del desarrollo de las consultas SQL finales, se realizó un análisis exploratorio de la base de datos con el objetivo de comprender la estructura, volumen y distribución de los datos, así como detectar valores nulos, duplicados y posibles inconsistencias.
Este análisis preliminar permitió definir los filtros aplicados en las consultas, los periodos temporales de estudio y las limitaciones consideradas en el análisis posterior.
El directorio 4_sql/ contiene las consultas SQL desarrolladas durante el
proyecto. En particular, el archivo:
music_analysis_queries.sql
recoge las diez consultas finales, diseñadas para responder a las preguntas de investigación planteadas. Estas consultas son ejecutables directamente en MySQL Workbench y abarcan análisis comparativos por género, artista y periodo temporal.
├── 1_documentation/ # Documentación y diagramas
├── 2_notebooks/ # Notebooks de análisis y visualización
├── 3_data/
│ ├── raw/ # Datos originales extraídos de las APIs
│ └── processed/ # Datos limpios y finales
├── 4_sql/ # Consultas SQL
├── 5_database/ # Scripts de creación de la base de datos
└── README.md
Durante la extracción de datos mediante la API de Spotify se observó que las canciones asociadas al género Chill no disponen de métricas de popularidad, mostrando valores iguales a cero. Debido a esta limitación, dicho género no se incluye en los análisis comparativos basados en popularidad entre géneros.
No obstante, se decidió mantener el género Chill dentro del proyecto debido a su relevancia contextual, ya que fue un género especialmente representativo durante el periodo de la pandemia, lo que permite preservar la coherencia temática del estudio.
El análisis se basa exclusivamente en metadatos básicos proporcionados por la API de Spotify. No se han utilizado audio features (como energía, tempo, danceability o valence), lo que limita la posibilidad de realizar análisis musicales más avanzados basados en características sonoras.
Como consecuencia, el enfoque del proyecto se centra en el consumo y la popularidad musical, y no en el análisis técnico del contenido sonoro.
Para estudiar la evolución estilística de los artistas entre 2019 y 2023, se identificó el género dominante por artista y periodo, definido como aquel género con mayor número de canciones publicadas en cada intervalo temporal.
Los periodos analizados fueron: pre-pandemia (2019), pandemia (2020–2021) y post-pandemia (2022–2023). El análisis se limita a aquellos artistas con presencia en los tres periodos, con el fin de evitar comparaciones incompletas o sesgadas por falta de datos.
Los resultados obtenidos no se interpretan como un cambio absoluto en la identidad musical de los artistas, sino como variaciones en el peso relativo de los géneros predominantes a lo largo del tiempo.
El flujo de trabajo del proyecto sigue un orden lógico:
Extracción y limpieza de datos
Almacenamiento en base de datos MySQL
Ejecución de consultas SQL
Análisis y visualización en notebooks
Este enfoque permite reproducir los resultados y facilitar la comprensión del proceso analítico completo.
La presentación final del proyecto puede consultarse en el siguiente enlace:
Proyecto realizado por:
- Valentina Castillo
- Ana María Castro
- María José Moral
- Nieves Sánchez