Algoritma di balik musik

Minggir, American Idol.

Kisah sukses besar berikutnya dalam industri musik tidak akan ditemukan dalam kompetisi bakat tingkat tinggi. Sebaliknya, hal ini akan diidentifikasi dalam kumpulan data melalui algoritma kompleks yang dirancang untuk mengungkap penggunaan dan tren bisnis.

Di permukaan, metode ini terdengar kering dan tidak mengandung emosi dibandingkan dengan kritik Simon Cowell, namun sebenarnya ini adalah cara utama masyarakat memilih “hal besar berikutnya.” Setiap kali masyarakat mengeklik tautan YouTube, memposting foto konser di Twitter, atau mengobrol tentang band di Facebook, mereka berkontribusi pada kumpulan informasi yang disebut data besar. Istilah ini mengacu pada kumpulan kumpulan data yang besar dan mengandung hubungan timbal balik yang kompleks. Pikirkan tentang struktur jaringan media sosial. Mereka berisi jutaan profil pengguna individu yang dihubungkan melalui pertemanan, ‘suka’, keanggotaan grup, dan sebagainya. Pada dasarnya, data besar mencerminkan struktur platform ini.

Dalam industri musik, big data dihasilkan oleh aktivitas seperti penjualan online, download, dan komunikasi yang dilakukan melalui aplikasi atau lingkungan media sosial. Metrik yang diukur mencakup “berapa kali lagu diputar atau dilewati, serta tingkat daya tarik yang diterima lagu tersebut di media sosial berdasarkan tindakan seperti suka dan tweet di Facebook.” Alat analitik menentukan popularitas halaman penggemar secara keseluruhan dan mencatat komentar positif atau negatif tentang artis. Bersama-sama, informasi ini mengidentifikasi tren saat ini, menilai denyut digital para artis, dan menghasilkan penjualan melalui single, merchandise, tiket konser, dan bahkan langganan layanan streaming musik.

Dalam hal menemukan bakat baru, big data memainkan peran penting dalam menarik minat label rekaman besar. Dalam banyak kasus, perusahaan menghitung tampilan halaman artis, ‘suka’, dan pengikut. Kemudian, angka-angka tersebut dapat dengan mudah dibandingkan dengan artis lain dalam genre yang sama. Ketika suatu tindakan telah menghasilkan lebih dari seratus ribu pengikut Facebook atau Twitter, manajer bakat akan memperhatikan dan mulai membangkitkan minat terhadap industri musik itu sendiri.

Data besar memilih hit Top 40 besar berikutnya

Kemampuan untuk mengidentifikasi tren saat ini dan memprediksi megabintang berikutnya memberikan imbalan finansial yang besar bagi semua orang yang terlibat. Misalnya, ilmuwan data mempelajari dampak media sosial pada album iTunes dan melacak penjualan dengan membandingkan metrik seseorang dengan pendapatan orang lain. Mereka menyimpulkan bahwa aktivitas media sosial berkorelasi dengan peningkatan penjualan album dan lagu. Lebih khusus lagi, penayangan YouTube memiliki dampak terbesar terhadap penjualan; sebuah temuan yang mendorong banyak label rekaman mengunggah video musik beranggaran besar ke platform untuk mempromosikan single. Sebelum menghabiskan jutaan dolar untuk produksi video, analisis digunakan untuk mengidentifikasi lagu mana yang kemungkinan besar akan menjadi hits berdasarkan aktivitas online dari audiens yang ditargetkan. Keakuratan prediksi ini berkorelasi dengan kualitas analisis big data.

Pengusaha di industri musik kini bereksperimen dengan metode baru untuk mengembangkan algoritme yang mengumpulkan informasi dengan efisiensi dan akurasi lebih tinggi. Salah satu contoh yang paling menonjol adalah usaha patungan antara EMI Music dan Data Science London yang disebut The EMI Million Interview Dataset. Hal ini digambarkan sebagai “salah satu kumpulan data apresiasi musik terkaya dan terbesar yang pernah tersedia – kumpulan data masif, unik, kaya, dan berkualitas tinggi yang dikumpulkan dari penelitian global yang berisi minat, sikap, perilaku, keakraban, dan apresiasi terhadap musik seperti yang diungkapkan oleh penggemar musik.”

David Boyle, Wakil Presiden Senior untuk Insight di EMI Music, menjelaskan, “(Ini) terdiri dari jutaan wawancara yang membicarakan topik-topik seperti tingkat ketertarikan terhadap genre dan sub-genre musik tertentu, metode yang disukai untuk penemuan musik, artis musik favorit, pemikiran tentang pembajakan musik, streaming musik, format musik, dan demografi penggemar.”

Tujuan dari proyek ini adalah untuk merilis kumpulan informasi ini kepada publik dan meningkatkan kualitas bisnis dalam industri musik.

“Kami meraih kesuksesan besar dalam menggunakan data untuk membantu kami dan artis kami memahami konsumen, dan kami sangat bersemangat untuk membagikan beberapa data kami untuk membantu orang lain melakukan hal yang sama,” kata Boyle.

Pada tahun 2012, EMI Music and Data Science London membawa proyek ini selangkah lebih maju dengan menjadi tuan rumah Music Data Science Hackathon. EMC, pemimpin dunia dalam ilmu data dan solusi big data, bergabung dalam usaha ini dan menyediakan infrastruktur TI. Selama periode 24 jam, 175 data scientist mengembangkan 1,300 rumus dan algoritme untuk menjawab pertanyaan: “Dapatkah Anda memprediksi apakah pendengar akan menyukai lagu baru?” Hasilnya mengisyaratkan kekuatan kecerdasan kolektif dan para peserta mengembangkan formula yang digambarkan sebagai formula kelas dunia.

“Wawasan yang terungkap dalam hackathon ini mengisyaratkan kekuatan dan potensi yang dimiliki Big Data – baik untuk penemuan intelektual maupun untuk nilai bisnis tambahan bagi segala jenis organisasi,” kata Chris Roche, Direktur Regional EMC Greenplum.

Tapi bagaimana cara Anda membayar artis?

Setelah industri menentukan bahwa sebuah lagu mempunyai potensi mencapai kesuksesan dan merilisnya sebagai single, bagaimana cara industri menghitung royalti ketika lagu tersebut diputar di platform media sosial atau situs streaming? Saat ini, “label rekaman dari semua ukuran menghadapi masalah yang semakin besar karena harus merekonsiliasi data yang sangat banyak dari perusahaan streaming seperti Spotify, Deezer, dan YouTube, namun jumlah orang yang melakukan hal tersebut semakin sedikit.”

Salah satu tantangan utama dari perspektif manajemen informasi adalah bahwa sebagian besar sistem manajemen basis data tidak dikembangkan untuk menangani kumpulan data yang besar dan kompleks seperti data besar. Misalnya, ukuran file data digital yang dihasilkan oleh distributor musik jauh melampaui kemampuan program seperti Excel. Hal ini menimbulkan masalah termasuk hilangnya data dan label file yang tidak kompatibel dengan software akuntansi.

Dalam kebanyakan kasus, semua masalah ini diselesaikan oleh akuntan, menambah waktu dan tenaga tambahan pada beban kerja yang sudah berat. Dalam banyak kasus, sebagian besar biaya overhead label terikat pada departemen akuntansi.

Untuk mengatasi masalah ini, wirausahawan mengembangkan platform intelijen bisnis yang memiliki kapasitas untuk mengatur dan menganalisis data besar. Salah satu contoh terbaiknya adalah perusahaan Austria Rebeat, yang menggambarkan layanan mereka sebagai “akuntansi royalti dengan tiga klik.” Didirikan pada tahun 2006, perusahaan ini dengan cepat berkembang menjadi distributor digital terkemuka di Eropa dan menyediakan akses ke 300 layanan digital di seluruh dunia. Pada dasarnya, Rebeat menyederhanakan praktik akuntansi dan menangani pekerjaan backend, seperti mencocokkan bidang data dalam perangkat lunak akuntansi, sehingga departemen akuntansi bebas mengelola anggaran. Mereka juga menyediakan infrastruktur untuk mengelola pembayaran royalti sesuai dengan perjanjian kontrak, perjanjian langsung dengan toko musik digital, menghasilkan grafik untuk melacak penjualan, dan yang terpenting, mengekspor data ke file CSV.

Tentu saja, layanan ini ada harganya. Forbes melaporkan bahwa label rekaman harus menggunakan Rebeat sebagai distributor sehingga mereka dapat mengakses data perusahaan, dengan biaya komisi penjualan 15% dan biaya tetap sebesar $649 setiap tahun. Namun, perkiraan menunjukkan bahwa dalam sebagian besar kasus, biaya overlay akuntansi suatu label sering kali jauh lebih mahal, yang berarti bahwa menandatangani kontrak dengan Rebeat bisa menjadi penghemat uang.