Algoritmen bag musik

Flyt over, American Idol.

Den næste store succeshistorie i musikbranchen vil ikke blive opdaget i højt profilerede talentkonkurrencer. I stedet vil det blive identificeret i datasæt af komplekse algoritmer designet til at afdække brug og forretningstendenser.

På overfladen lyder denne metode tør og mere blottet for følelser end Simon Cowells kritik, men det er faktisk den ultimative måde, hvorpå offentligheden vælger "den næste store ting." Hver gang offentligheden klikker på YouTube-links, poster koncertbilleder på Twitter eller chatter om bands på Facebook, bidrager de til en mængde information kaldet big data. Udtrykket refererer til en samling af datasæt, der er store og indeholder komplekse indbyrdes sammenhænge. Tænk på strukturen af ​​sociale medier netværk. De indeholder millioner af individuelle brugerprofiler, der er forbundet med venskaber, 'synes godt om', gruppemedlemskaber og så videre. I det væsentlige afspejler big data strukturen på disse platforme.

I musikindustrien genereres big data af aktiviteter som online salg, downloads og kommunikation, der udføres gennem apps eller sociale mediemiljøer. Målinger inkluderer "mængden af ​​gange, sange afspilles eller springes over, såvel som niveauet af trækkraft, de modtager på sociale medier baseret på handlinger såsom Facebook-likes og tweets." Analytiske værktøjer bestemmer fansiders overordnede popularitet og registrerer positive eller negative kommentarer om kunstnere. Tilsammen identificerer disse oplysninger aktuelle tendenser, vurderer kunstneres digitale puls og fører til salg gennem singler, merchandise, koncertbilletter og endda abonnementer på musikstreamingtjenester.

I forhold til at opdage nye talenter spiller big data en vigtig rolle i at skabe interesse hos store pladeselskaber. I mange tilfælde opgør virksomheder en kunstners sidevisninger, 'synes godt om' og følgere. Så kan tal nemt sammenlignes med andre kunstnere i samme genre. Når først en handling har genereret mere end hundrede tusinde Facebook- eller Twitter-tilhængere, lægger talentmanagere mærke til det og begynder at tromme interessen i selve musikindustrien.

Big data vælger det næste store Top 40-hit

Evnen til at identificere aktuelle tendenser og forudsige den næste megastjerne kommer med store økonomiske belønninger for alle involverede. For eksempel undersøgte dataforskere virkningen af ​​sociale medier på salg af iTunes-album og -numre ved at sammenligne ens målinger med den andens indtægter. De konkluderede, at aktivitet på sociale medier korrelerer med en stigning i salget af album og numre. Mere specifikt har YouTube-visninger den største indflydelse på salget; en konstatering, der fik mange pladeselskaber til at uploade store budgetmusikvideoer til platformen for at promovere singler. Inden der bruges millioner på videoproduktion, bruges analyse til at identificere, hvilke sange der sandsynligvis vil blive hits baseret på online-aktiviteter hos målgrupper. Nøjagtigheden af ​​disse forudsigelser er korreleret til kvaliteten af ​​big data-analyse.

Iværksættere inden for musikindustrien eksperimenterer nu med nye metoder til at udvikle algoritmer, der høster information med større effektivitet og nøjagtighed. Et af de mest bemærkelsesværdige eksempler er et joint venture mellem EMI Music og Data Science London kaldet The EMI Million Interview Dataset. Det beskrives som "et af de rigeste og største datasæt for musikpåskønnelse, der nogensinde er gjort tilgængeligt - et massivt, unikt, rigt datasæt af høj kvalitet, der er udarbejdet af global forskning, der indeholder interesser, holdninger, adfærd, fortrolighed og værdsættelse af musik som udtrykt af musikfans."

David Boyle, Senior Vice President for Insight hos EMI Music, forklarer, "(Det er) sammensat af en million interviews, der omhandler emner som niveauet af passion for en bestemt musikgenre og undergenre, foretrukne metoder til musikopdagelse, yndlingsmusikkunstnere, tanker om piratkopiering af musik, musikstreaming, musikformater og fandemografi."

Målet med projektet er at frigive denne samling af information til offentligheden og forbedre kvaliteten af ​​forretninger inden for musikindustrien.

"Vi har haft stor succes med at bruge data til at hjælpe os og vores kunstnere til at forstå forbrugerne, og vi er glade for at dele nogle af vores data for at hjælpe andre med at gøre det samme," siger Boyle.

I 2012 tog EMI Music og Data Science London projektet et skridt videre ved at være vært for Music Data Science Hackathon. EMC, en verdensleder inden for datavidenskab og big data-løsninger, sluttede sig til virksomheden og leverede it-infrastruktur. Over en 24-timers periode udviklede 175 dataforskere 1,300 formler og algoritmer til at besvare spørgsmålet: "Kan du forudsige, om en lytter vil elske en ny sang?" Resultaterne antydede styrken af ​​kollektiv intelligens, og deltagerne udviklede formler, der blev beskrevet som verdensklasse.

"Den indsigt, der afsløres i dette hackathon, antyder den kraft og potentiale, som Big Data rummer - både for intellektuel opdagelse og for øget forretningsværdi for organisationer af enhver art," siger Chris Roche, Regional Director for EMC Greenplum.

Men hvordan betaler man kunstnerne?

Efter at industrien har fastslået, at en sang har et hitpotentiale og udgiver den som single, hvordan beregner den royalties, når sangen afspilles på sociale medieplatforme eller streamingsider? Lige nu står "pladeselskaber i alle størrelser over for et voksende problem med at skulle afstemme mængder af data fra streamingfirmaer som Spotify, Deezer og YouTube, men har færre mennesker end nogensinde til at gøre det."

En af de centrale udfordringer set fra et informationsstyringsperspektiv er, at de fleste databasestyringssystemer ikke er udviklet til at håndtere datasæt, der er lige så store og komplekse som big data. For eksempel er størrelsen af ​​digitale datafiler genereret af musikdistributører langt ud over, hvad programmer som Excel kan håndtere. Dette skaber problemer, herunder manglende data og filetiketter, der ikke er kompatible med regnskabssoftware.

I de fleste tilfælde bliver alle disse problemer ordnet af revisorer, hvilket tilføjer ekstra tid og arbejdskraft til en allerede tung arbejdsbyrde. I mange tilfælde er en stor procentdel af en etikets overhead bundet i regnskabsafdelingen.

For at bekæmpe disse problemer udvikler iværksættere business intelligence-platforme, der har kapacitet til at organisere og analysere big data. Et af de bedste eksempler er det østrigske firma Rebeat, som beskriver deres tjenester som "royalty-regnskab med tre klik." Grundlagt i 2006, er det hurtigt vokset til Europas førende digitale distributør og giver adgang til 300 digitale tjenester på verdensplan. I det væsentlige strømliner Rebeat regnskabspraksis og håndterer backend-arbejde, som at matche datafelter i regnskabssoftware, så regnskabsafdelingen er fri til at administrere budgetter. De giver også en infrastruktur til at administrere royaltybetalinger i overensstemmelse med kontraktlige aftaler, direkte aftaler med digitale musikbutikker, generere grafer til at spore salg og vigtigst af alt eksportere data til CSV-filer.

Servicen kommer selvfølgelig med en pris. Forbes rapporterede, at pladeselskaber skal bruge Rebeat som distributør, så de kan få adgang til virksomhedsdata, hvilket koster en salgskommission på 15 % og et fast gebyr på $649 hvert år. Skøn tyder dog på, at en etikets regnskabsoverlejring i de fleste tilfælde ofte koster langt mere, hvilket betyder, at signering med Rebeat kan vise sig at være en pengebesparelse.