Musiikin takana oleva algoritmi

Siirry, American Idol.

Musiikkialan seuraavaa suurta menestystarinaa ei löydy korkean profiilin lahjakkuuskilpailuista. Sen sijaan se tunnistetaan tietojoukoissa monimutkaisilla algoritmeilla, jotka on suunniteltu paljastamaan käyttö- ja liiketoimintatrendit.

Pinnalla tämä menetelmä kuulostaa kuivalta ja tunteettomammalta kuin Simon Cowellin kritiikki, mutta se on itse asiassa lopullinen tapa, jolla yleisö valitsee "seuraavan suuren asian". Joka kerta kun yleisö napsauttaa YouTube-linkkejä, julkaisee konserttikuvia Twitteriin tai chattaa bändeistä Facebookissa, he osallistuvat suureen dataan kutsuttuun tietojoukkoon. Termi viittaa kokoelmaan tietojoukkoja, jotka ovat suuria ja sisältävät monimutkaisia ​​keskinäisiä suhteita. Ajattele sosiaalisen median verkostojen rakennetta. Ne sisältävät miljoonia yksittäisiä käyttäjäprofiileja, jotka on linkitetty toisiinsa ystävyyssuhteilla, "tykkäyksillä", ryhmäjäsenyyksillä ja niin edelleen. Iso data heijastaa näiden alustojen rakennetta.

Musiikkiteollisuudessa big dataa syntyy esimerkiksi verkkokaupan, latauksen ja sovellusten tai sosiaalisen median ympäristöjen kautta tapahtuvan viestinnän kautta. Mitattuja mittareita ovat ”kappaleiden toisto- tai ohituskerrat sekä niiden saama pito sosiaalisessa mediassa perustuen toimiin, kuten Facebook-tykkäyksiin ja twiitteihin. Analyyttiset työkalut määrittävät fanisivujen yleisen suosion ja rekisteröivät positiivisia tai negatiivisia kommentteja artisteista. Yhdessä nämä tiedot tunnistavat tämänhetkiset trendit, arvioivat artistien digitaalista pulssia ja johtavat myyntiin sinkkujen, tuotteiden, konserttilippujen ja jopa musiikin suoratoistopalveluiden kautta.

Uusien kykyjen löytämisen kannalta big datalla on tärkeä rooli suurimpien levy-yhtiöiden kiinnostuksen herättämisessä. Monissa tapauksissa yritykset laskevat yhteen taiteilijan sivun katselukerrat, "tykkäykset" ja seuraajat. Sitten numeroita voidaan helposti verrata muihin saman genren artisteihin. Kun teos on kerännyt yli satatuhatta Facebook- tai Twitter-seuraajaa, lahjakkuuspäälliköt huomaavat ja alkavat herättää kiinnostusta itse musiikkiteollisuudessa.

Big data valitsee seuraavan suuren Top 40 -hitin

Kyky tunnistaa nykyiset trendit ja ennustaa seuraava megatähti tuo suuria taloudellisia palkintoja kaikille mukana oleville. Datatieteilijät esimerkiksi tutkivat sosiaalisen median vaikutusta iTunesin albumien ja kappaleiden myyntiin vertaamalla toisen mittareita toisen tuloihin. He päättelivät, että sosiaalisen median aktiivisuus korreloi albumien ja kappaleiden myynnin kasvun kanssa. Tarkemmin sanottuna YouTube-katseluilla on suurin vaikutus myyntiin. havainto, joka sai monet levy-yhtiöt lataamaan suuren budjetin musiikkivideoita alustalle singlejen mainostamiseksi. Ennen kuin kuluttaa miljoonia videotuotantoon, analysoidaan, mitkä kappaleet ovat todennäköisesti hittejä kohdeyleisön verkkotoiminnan perusteella. Näiden ennusteiden tarkkuus korreloi big data -analyysin laatuun.

Musiikkialan yrittäjät kokeilevat nyt uusia menetelmiä kehittääkseen algoritmeja, jotka keräävät tietoa tehokkaammin ja tarkemmin. Yksi merkittävimmistä esimerkeistä on EMI Musicin ja Data Science Londonin yhteisyritys nimeltä The EMI Million Interview Dataset. Sitä kuvataan "yhdeksi rikkaimmista ja suurimmista musiikin arvostusta koskevista tiedoista, joita on koskaan saatavilla – massiivinen, ainutlaatuinen, rikas, korkealaatuinen tietojoukko, joka on koottu maailmanlaajuisesta tutkimuksesta ja joka sisältää kiinnostuksen kohteita, asenteita, käyttäytymistä, tuntemusta ja musiikin arvostusta sellaisena kuin se on ilmaistuna. musiikin ystäville."

David Boyle, EMI Musicin Insight-osaston johtaja, selittää: "(Se on) koostuu miljoonasta haastattelusta, joissa käsitellään sellaisia ​​aiheita kuin intohimo tiettyyn musiikkigenreen ja alalajiin, suositellut menetelmät musiikin löytämiseen, suosikkimusiikkitaiteilijat, ajatuksia musiikin piratismista, musiikin suoratoistosta, musiikkiformaateista ja fanien väestötiedoista."

Projektin tavoitteena on julkaista tämä tietokokoelma ja parantaa musiikkialan liiketoiminnan laatua.

"Olemme onnistuneet hyvin käyttämällä dataa auttamaan meitä ja taiteilijoitamme ymmärtämään kuluttajia, ja olemme innoissamme voidessamme jakaa osan tiedoistamme auttaaksemme muita tekemään samoin", Boyle sanoo.

Vuonna 2012 EMI Music and Data Science London otti projektin askeleen pidemmälle isännöimällä Music Data Science Hackathonin. EMC, maailman johtava datatieteen ja big data -ratkaisujen valmistaja, liittyi hankkeeseen ja toimitti IT-infrastruktuurin. 24 datatieteilijää kehitti 175 tunnin aikana 1,300 XNUMX kaavaa ja algoritmia vastatakseen kysymykseen: "Voitko ennustaa, rakastaako kuulija uutta kappaletta?" Tulokset vihjasivat kollektiivisen älyn voimasta, ja osallistujat kehittivät kaavoja, joita kuvailtiin maailmanluokan.

"Tässä hackathonissa paljastetut oivallukset vihjaavat Big Datan voimasta ja potentiaalista – sekä älylliselle löydökselle että liiketoiminnan lisäarvolle kaikenlaisille organisaatioille", sanoo Chris Roche, EMC Greenplumin aluejohtaja.

Mutta miten maksat taiteilijoille?

Kun ala on todennut, että kappaleella on hittipotentiaalia ja julkaissut sen singlenä, miten se laskee rojaltit, kun kappaletta toistetaan sosiaalisen median alustoilla tai suoratoistosivustoilla? Tällä hetkellä "kaikenkokoiset levy-yhtiöt kohtaavat kasvavan ongelman, koska heidän on sovitettava yhteen suoratoistoyritysten, kuten Spotifyn, Deezerin ja YouTuben, datariitoja, mutta niillä on vähemmän ihmisiä kuin koskaan."

Yksi keskeisistä haasteista tiedonhallinnan näkökulmasta on se, että useimpia tietokannan hallintajärjestelmiä ei ole kehitetty käsittelemään tietojoukkoja, jotka ovat yhtä suuria ja monimutkaisia ​​kuin big data. Esimerkiksi musiikin jakelijoiden tuottamien digitaalisten tiedostojen koko on paljon suurempi kuin Excelin kaltaiset ohjelmat. Tämä aiheuttaa ongelmia, kuten puuttuvia tietoja ja tiedostojen tarroja, jotka eivät ole yhteensopivia kirjanpitoohjelmiston kanssa.

Useimmissa tapauksissa kaikki nämä asiat selvitetään kirjanpitäjien toimesta, mikä lisää aikaa ja työvoimaa jo ennestään raskaaseen työtaakkaan. Monissa tapauksissa suuri osa tarran yleiskustannuksista on sidottu kirjanpitoon.

Näiden ongelmien torjumiseksi yrittäjät kehittävät business intelligence -alustoja, jotka pystyvät järjestämään ja analysoimaan big dataa. Yksi parhaista esimerkeistä on itävaltalainen Rebeat, joka kuvailee palveluitaan "rojaltikirjanpidoksi kolmella napsautuksella". Vuonna 2006 perustettu yritys on nopeasti kasvanut Euroopan johtavaksi digitaaliseksi jakelijaksi ja tarjoaa pääsyn 300 digitaaliseen palveluun maailmanlaajuisesti. Pohjimmiltaan Rebeat virtaviivaistaa kirjanpitokäytäntöjä ja hoitaa taustatyöt, kuten tietokenttien täsmäämisen kirjanpitoohjelmistossa, joten kirjanpitoosasto voi vapaasti hallita budjetteja. Ne tarjoavat myös infrastruktuurin hallita rojaltimaksuja sopimussopimusten mukaisesti, suoria sopimuksia digitaalisten musiikkikauppojen kanssa, luoda kaavioita myynnin seurantaa varten ja mikä tärkeintä, viedä tietoja CSV-tiedostoihin.

Palvelulla on tietysti hintansa. Forbes raportoi, että levy-yhtiöiden on käytettävä Rebeatia jakelijana, jotta he pääsevät käsiksi yritystietoihin, mikä maksaa 15 %:n myyntipalkkion ja kiinteän 649 dollarin maksun vuosittain. Arviot kuitenkin viittaavat siihen, että useimmissa tapauksissa etiketin kirjanpitopeitto maksaa usein paljon enemmän, mikä tarkoittaa, että Rebeatin kanssa allekirjoittaminen voi säästää rahaa.