A zene mögötti algoritmus

Menj át, American Idol.

A zeneipar következő nagy sikertörténetét nem a nagy horderejű tehetségkutató versenyeken fogjuk felfedezni. Ehelyett összetett algoritmusok azonosítják az adatkészletekben, amelyek célja a használati és üzleti trendek feltárása.

A felszínen ez a módszer száraznak és érzelmektől mentesnek hangzik, mint Simon Cowell kritikái, de valójában ez a végső módja annak, hogy a közvélemény kiválasztja „a következő nagy dolgot”. Valahányszor a közönség YouTube-linkekre kattint, koncertfotókat tesz közzé a Twitteren, vagy bandákról cseveg a Facebookon, hozzájárul a big data nevű információhalmazhoz. A kifejezés olyan adathalmazok gyűjteményére utal, amelyek nagyok és összetett összefüggéseket tartalmaznak. Gondoljon a közösségi média hálózatok szerkezetére. Több millió egyéni felhasználói profilt tartalmaznak, amelyeket barátságok, „lájkok”, csoporttagságok stb. kapcsolnak össze. Lényegében a big data tükrözi ezeknek a platformoknak a szerkezetét.

A zeneiparban a big data-t olyan tevékenységek generálják, mint az online értékesítés, letöltések és alkalmazásokon vagy közösségimédia-környezeteken keresztül folytatott kommunikáció. A mért mutatók közé tartozik „a dalok lejátszásának vagy átugrásának száma, valamint a közösségi médiában elért vontatás mértéke olyan műveletek alapján, mint a Facebook-lájkok és tweetek”. Az elemző eszközök határozzák meg a rajongói oldalak általános népszerűségét, és regisztrálják a művészekkel kapcsolatos pozitív vagy negatív megjegyzéseket. Ezek az információk együttesen azonosítják az aktuális trendeket, felmérik az előadók digitális impulzusát, és kislemezek, árucikkek, koncertjegyek, sőt zenei streaming szolgáltatások előfizetése révén történő eladásokhoz vezetnek.

Az új tehetségek felfedezésében a big data fontos szerepet játszik a nagy lemezkiadók érdeklődésének felkeltésében. Sok esetben a cégek összeszámolják egy művész oldalmegtekintését, „tetszik” számát és követői számát. Ezután a számokat könnyen össze lehet hasonlítani más, ugyanabban a műfajban szereplő művészekkel. Ha egy tett több százezer Facebook- vagy Twitter-követőt generált, a tehetségmenedzserek észreveszik, és elkezdenek felkelteni az érdeklődést magában a zeneiparban.

Big data kiválasztja a következő nagy Top 40 slágert

Az aktuális trendek azonosításának és a következő megasztár előrejelzésének képessége minden érintett számára jelentős anyagi jutalmat jelent. Adatkutatók például a közösségi médiának az iTunes album- és számértékesítésére gyakorolt ​​hatását tanulmányozták úgy, hogy az egyik mutatóját a másik bevételével hasonlították össze. Arra a következtetésre jutottak, hogy a közösségi média aktivitása összefügg az album- és számeladások növekedésével. Pontosabban a YouTube-megtekintéseknek van a legnagyobb hatása az eladásokra; Ez a megállapítás arra késztette a lemezkiadókat, hogy nagy költségvetésű zenei videókat töltsenek fel a platformra kislemezek reklámozására. Mielőtt milliókat költene videógyártásra, elemzést használnak annak meghatározására, hogy a megcélzott közönség online tevékenységei alapján mely dalok válnak valószínűleg slágerekké. Ezen előrejelzések pontossága összefügg a nagy adatelemzés minőségével.

A zeneiparban dolgozó vállalkozók most új módszerekkel kísérleteznek olyan algoritmusok kifejlesztésére, amelyek nagyobb hatékonysággal és pontossággal gyűjtik be az információkat. Az egyik legfigyelemreméltóbb példa az EMI Music és a Data Science London közös vállalkozása, a The EMI Million Interview Dataset. Úgy írják le, mint „az egyik leggazdagabb és legnagyobb zenei elismerési adatkészlet, amelyet valaha is elérhetővé tettek – egy hatalmas, egyedi, gazdag, kiváló minőségű adatkészlet, amelyet globális kutatásokból állítottak össze, és amely a zene iránti érdeklődéseket, attitűdöket, viselkedéseket, ismertséget és a zene iránti megbecsülést tartalmazza. zenerajongóknak.”

David Boyle, az EMI Music Insightért felelős vezető alelnöke kifejti: „(Ez) millió interjúból áll, amelyek olyan témákat feszegetnek, mint egy adott zenei műfaj és alműfaj iránti szenvedély szintje, a zene felfedezésének preferált módszerei, kedvenc zenei előadók, gondolatok a zenei kalózkodásról, a zenei streamelésről, a zenei formátumokról és a rajongói demográfiai adatokról.”

A projekt célja, hogy ezt az információgyűjteményt a nyilvánosság elé tárja, és javítsa az üzlet minőségét a zeneiparon belül.

„Nagy sikereket értünk el az adatok felhasználásával, amelyek segítenek nekünk és művészeinknek megérteni a fogyasztókat, és izgatottan várjuk, hogy megoszthassunk néhány adatunkkal, hogy segíthessünk másoknak is ezt tenni” – mondja Boyle.

2012-ben az EMI Music and Data Science London egy lépéssel tovább vitte a projektet a Music Data Science Hackathon megrendezésével. Az EMC, az adattudomány és a big data megoldások világelső vállalata csatlakozott a vállalkozáshoz, és IT infrastruktúrát biztosított. 24 óra alatt 175 adattudós 1,300 képletet és algoritmust dolgozott ki, hogy megválaszolja a kérdést: „Meg tudja jósolni, hogy a hallgató szeretni fog-e egy új dalt?” Az eredmények a kollektív intelligencia erejére utaltak, és a résztvevők olyan képleteket dolgoztak ki, amelyeket világszínvonalúnak minősítettek.

„Az ebben a hackathonban feltárt betekintések utalnak a Big Databan rejlő erőre és lehetőségre – mind a szellemi felfedezés, mind a mindenféle szervezet számára növekvő üzleti érték tekintetében” – mondja Chris Roche, az EMC Greenplum regionális igazgatója.

De hogyan fizetik a művészeket?

Miután az iparág megállapította, hogy egy dalban megvan a potenciál, és kislemezként adta ki, hogyan számítja ki a jogdíjakat, ha a dalt a közösségi média platformokon vagy streaming oldalakon játsszák le? Jelenleg „minden méretű lemezkiadók egyre növekvő problémával szembesülnek, mivel adathalmazokat kell összeegyeztetniük olyan streaming cégektől, mint a Spotify, a Deezer és a YouTube, de minden eddiginél kevesebb embernek kell ezt megtennie.”

Az információkezelés szempontjából az egyik központi kihívás, hogy a legtöbb adatbázis-kezelő rendszert nem olyan nagy és összetett adatkészletek kezelésére fejlesztették ki, mint a nagy adatok. Például a zeneterjesztők által generált digitális adatfájlok mérete messze meghaladja az olyan programok, mint az Excel, méretet. Ez problémákat okoz, beleértve a hiányzó adatokat és a könyvelési szoftverrel nem kompatibilis fájlcímkéket.

A legtöbb esetben ezeket a kérdéseket a könyvelők rendezik, így további időt és munkát adnak az amúgy is nagy munkaterheléshez. Sok esetben a címke rezsijének nagy százaléka a könyvelési osztályon van lekötve.

E problémák leküzdésére a vállalkozók olyan üzleti intelligencia platformokat fejlesztenek ki, amelyek képesek a big data rendszerezésére és elemzésére. Az egyik legjobb példa az osztrák Rebeat cég, amely szolgáltatásait „jogdíj-elszámolás három kattintással”ként írja le. A 2006-ban alapított cég gyorsan Európa vezető digitális terjesztőjévé nőtte ki magát, és világszerte 300 digitális szolgáltatáshoz biztosít hozzáférést. Lényegében a Rebeat egyszerűsíti a számviteli gyakorlatot, és kezeli a háttérmunkát, például a számviteli szoftver adatmezőinek egyeztetését, így a számviteli osztály szabadon kezelheti a költségvetést. Ezenkívül infrastruktúrát biztosítanak a jogdíjfizetések szerződéses megállapodásoknak, a digitális zeneboltokkal kötött közvetlen megállapodásoknak megfelelő kezeléséhez, grafikonok generálásához az eladások nyomon követéséhez, és ami a legfontosabb, az adatokat CSV-fájlokba exportálják.

Természetesen a szolgáltatásnak ára van. A Forbes arról számolt be, hogy a lemezkiadóknak a Rebeat-et kell használniuk forgalmazóként, hogy hozzáférhessenek a cégadatokhoz, ami 15%-os értékesítési jutalékba és 649 dolláros fix díjba kerül évente. A becslések azonban azt sugallják, hogy a legtöbb esetben egy címke könyvelési fedvénye gyakran sokkal többe kerül, ami azt jelenti, hogy a Rebeat-tel való szerződéskötés pénzt takaríthat meg.