ალგორითმი მუსიკის უკან

გადადი, American Idol.

შემდეგი დიდი წარმატების ისტორია მუსიკალურ ინდუსტრიაში არ იქნება აღმოჩენილი მაღალი დონის ნიჭიერების კონკურსებში. ამის ნაცვლად, ის იქნება იდენტიფიცირებული მონაცემთა ნაკრებებში რთული ალგორითმებით, რომლებიც შექმნილია გამოყენებისა და ბიზნეს ტენდენციების გამოსავლენად.

ერთი შეხედვით, ეს მეთოდი მშრალად ჟღერს და უფრო მოკლებულია ემოციებს, ვიდრე საიმონ კაუელის კრიტიკა, მაგრამ სინამდვილეში ეს არის საბოლოო გზა, რომლითაც საზოგადოება ირჩევს „შემდეგ დიდ საქმეს“. ყოველთვის, როცა საზოგადოება აწკაპუნებს YouTube-ის ბმულებზე, აქვეყნებს კონცერტის ფოტოებს Twitter-ზე, ან ესაუბრება ბენდების შესახებ Facebook-ზე, ისინი ხელს უწყობენ ინფორმაციის ერთობლიობას, რომელსაც დიდი მონაცემები ეწოდება. ტერმინი ეხება მონაცემთა ნაკრების კრებულს, რომელიც არის დიდი და შეიცავს რთულ ურთიერთკავშირებს. იფიქრეთ სოციალური მედიის ქსელების სტრუქტურაზე. ისინი შეიცავს მილიონობით ინდივიდუალურ მომხმარებლის პროფილებს, რომლებიც ერთმანეთთან არის დაკავშირებული მეგობრობით, „ლაიქებით“, ჯგუფური წევრობებით და ა.შ. არსებითად, დიდი მონაცემები ასახავს ამ პლატფორმების სტრუქტურას.

მუსიკალურ ინდუსტრიაში დიდი მონაცემები გენერირდება აქტივობებით, როგორიცაა ონლაინ გაყიდვები, ჩამოტვირთვები და კომუნიკაცია, რომელიც ხორციელდება აპების ან სოციალური მედიის გარემოში. გაზომილი მეტრიკა მოიცავს „სიმღერების დაკვრის ან გამოტოვების რაოდენობას, ისევე როგორც წევის დონეს, რომელსაც ისინი იღებენ სოციალურ მედიაში ისეთი ქმედებების საფუძველზე, როგორიცაა Facebook-ის მოწონებები და ტვიტები“. ანალიტიკური ინსტრუმენტები განსაზღვრავს ფან გვერდების საერთო პოპულარობას და აფიქსირებს დადებით ან უარყოფით კომენტარებს შემსრულებლების შესახებ. ეს ინფორმაცია ერთად განსაზღვრავს მიმდინარე ტენდენციებს, აფასებს შემსრულებლების ციფრულ პულსს და იწვევს გაყიდვებს სინგლების, საქონლის, კონცერტის ბილეთების და მუსიკის სტრიმინგის სერვისების ხელმოწერებზეც კი.

ახალი ნიჭის აღმოჩენის თვალსაზრისით, დიდი მონაცემები მნიშვნელოვან როლს თამაშობს ძირითადი ჩამწერი ლეიბლების ინტერესის გაჩენაში. ხშირ შემთხვევაში, კომპანიები აფასებენ მხატვრის გვერდების ნახვებს, „ლაიქებს“ და მიმდევრებს. შემდეგ, რიცხვები ადვილად შეიძლება შევადაროთ იმავე ჟანრის სხვა მხატვრებს. მას შემდეგ, რაც მოქმედებამ შექმნა ასი ათასი პლუს Facebook ან Twitter-ის მიმდევარი, ნიჭიერი მენეჯერები ამჩნევენ და იწყებენ ინტერესის გაღვივებას თავად მუსიკალურ ინდუსტრიაში.

დიდი მონაცემები შემდეგი დიდი ტოპ 40 ჰიტის არჩევისას

მიმდინარე ტენდენციების იდენტიფიცირების და შემდეგი მეგავარსკვლავის პროგნოზირების შესაძლებლობას აქვს დიდი ფინანსური ჯილდო ყველა მონაწილესთვის. მაგალითად, მონაცემთა მეცნიერებმა შეისწავლეს სოციალური მედიის გავლენა iTunes ალბომზე და აკონტროლეს გაყიდვები ერთის მეტრიკის შედარებით მეორეს შემოსავალთან. მათ დაასკვნეს, რომ სოციალური მედიის აქტივობა დაკავშირებულია ალბომებისა და სიმღერების გაყიდვების ზრდასთან. უფრო კონკრეტულად, YouTube-ის ნახვები ყველაზე დიდ გავლენას ახდენს გაყიდვებზე; დასკვნა, რომელმაც აიძულა ბევრი ჩამწერი ლეიბლი ატვირთონ დიდი ბიუჯეტის მუსიკალური ვიდეოები პლატფორმაზე სინგლების პოპულარიზაციისთვის. ვიდეოს წარმოებაზე მილიონების დახარჯვამდე, ანალიზი გამოიყენება იმის დასადგენად, თუ რომელი სიმღერები შეიძლება გახდეს ჰიტად, მიზნობრივი აუდიტორიის ონლაინ აქტივობების საფუძველზე. ამ პროგნოზების სიზუსტე დაკავშირებულია დიდი მონაცემების ანალიზის ხარისხთან.

მუსიკალური ინდუსტრიის მეწარმეები ახლა ექსპერიმენტებს ატარებენ ახალ მეთოდებზე, რათა განავითარონ ალგორითმები, რომლებიც იღებენ ინფორმაციას უფრო ეფექტურობით და სიზუსტით. ერთ-ერთი ყველაზე თვალსაჩინო მაგალითია EMI Music-ისა და Data Science London-ის ერთობლივი საწარმო, სახელწოდებით The EMI Million Interview Dataset. იგი აღწერილია, როგორც „ერთ-ერთი უმდიდრესი და უდიდესი მუსიკის მადლიერების მონაცემთა ნაკრები, რომელიც ოდესმე ყოფილა ხელმისაწვდომი – მასიური, უნიკალური, მდიდარი, მაღალი ხარისხის მონაცემთა ნაკრები, რომელიც შედგენილია გლობალური კვლევის შედეგად, რომელიც შეიცავს ინტერესებს, დამოკიდებულებებს, ქცევებს, მუსიკის ცნობადობას და შეფასებას, როგორც გამოხატულია მუსიკის ფანები."

დევიდ ბოილი, EMI Music-ის Insight-ის უფროსი ვიცე-პრეზიდენტი, განმარტავს: „(ეს არის) შედგება მილიონი ინტერვიუსგან, რომელიც ასახავს თემებს, როგორიცაა გატაცების დონე კონკრეტული მუსიკალური ჟანრისა და ქვეჟანრის მიმართ, მუსიკის აღმოჩენის სასურველი მეთოდები, საყვარელი მუსიკის შემსრულებლები, აზრები მუსიკის მეკობრეობაზე, მუსიკის სტრიმინგზე, მუსიკის ფორმატებზე და გულშემატკივართა დემოგრაფიის შესახებ.

პროექტის მიზანია ინფორმაციის ამ კრებულის გაცემა საზოგადოებისთვის და ბიზნესის ხარისხის გაუმჯობესება მუსიკალურ ინდუსტრიაში.

„ჩვენ მივაღწიეთ დიდ წარმატებას მონაცემების გამოყენებით, რათა დაგვეხმაროს ჩვენ და ჩვენს ხელოვანებს მომხმარებელთა გაგებაში, და მოხარული ვართ, რომ გავუზიაროთ ჩვენი ზოგიერთი მონაცემი, რათა დავეხმაროთ სხვებს იგივე გააკეთონ“, - ამბობს ბოილი.

2012 წელს EMI Music-მა და Data Science London-მა პროექტი ერთი ნაბიჯით წინ წაიწია მუსიკალური მონაცემთა მეცნიერების ჰაკათონის მასპინძლობით. EMC, მსოფლიო ლიდერი მონაცემთა მეცნიერებისა და დიდი მონაცემთა გადაწყვეტილებების სფეროში, შეუერთდა საწარმოს და უზრუნველყო IT ინფრასტრუქტურა. 24 საათის განმავლობაში 175 მონაცემთა მეცნიერმა შეიმუშავა 1,300 ფორმულა და ალგორითმი, რათა უპასუხონ კითხვას: „შეგიძლიათ წინასწარ განსაზღვროთ, მოეწონება თუ არა მსმენელს ახალი სიმღერა? შედეგებმა მიუთითა კოლექტიური ინტელექტის ძალაზე და მონაწილეებმა შეიმუშავეს ფორმულები, რომლებიც აღწერილია, როგორც მსოფლიო კლასის.

„ამ ჰაკათონში გამოვლენილი შეხედულებები მიანიშნებს დიდი მონაცემების ძალასა და პოტენციალის შესახებ - როგორც ინტელექტუალური აღმოჩენისთვის, ასევე ბიზნეს ღირებულების ზრდისთვის ყველა სახის ორგანიზაციისთვის“, - ამბობს კრის როში, EMC Greenplum-ის რეგიონალური დირექტორი.

მაგრამ როგორ უხდიან ხელოვანებს?

მას შემდეგ, რაც ინდუსტრიამ დაადგინა, რომ სიმღერამ პოტენციალი მოიპოვა და გამოუშვებს მას სინგლის სახით, როგორ ითვლის ჰონორარებს, როდესაც სიმღერა უკრავს სოციალური მედიის პლატფორმებზე ან სტრიმინგ საიტებზე? ამჟამად, „ყველა ზომის ჩანაწერების ლეიბლები აწყდებიან მზარდ პრობლემას იმის თაობაზე, რომ უწევთ სტრიმინგ კომპანიების მონაცემთა ნაკრებების შეჯერება, როგორიცაა Spotify, Deezer და YouTube, მაგრამ უფრო ნაკლები ხალხი ჰყავს, ვიდრე ოდესმე ამის გაკეთებას“.

ინფორმაციის მართვის პერსპექტივიდან ერთ-ერთი მთავარი გამოწვევა არის ის, რომ მონაცემთა ბაზის მართვის სისტემების უმეტესობა არ იყო შემუშავებული მონაცემთა ნაკრების დასამუშავებლად, რომელიც ისეთივე დიდი და რთულია, როგორც დიდი მონაცემები. მაგალითად, მუსიკის დისტრიბუტორების მიერ გენერირებული ციფრული მონაცემთა ფაილების ზომა ბევრად აღემატება Excel-ის მსგავს პროგრამებს. ეს ქმნის პრობლემებს, მათ შორის დაკარგული მონაცემებისა და ფაილების ეტიკეტების ჩათვლით, რომლებიც არ არის თავსებადი სააღრიცხვო პროგრამასთან.

უმეტეს შემთხვევაში, ყველა ამ საკითხს აგვარებენ ბუღალტერები, რაც დამატებით დროსა და შრომას უმატებს ისედაც მძიმე სამუშაოს. ხშირ შემთხვევაში, ეტიკეტის ზედნადების დიდი პროცენტი დაკავშირებულია ბუღალტრულ განყოფილებაში.

ამ საკითხებთან საბრძოლველად, მეწარმეები ავითარებენ ბიზნეს დაზვერვის პლატფორმებს, რომლებსაც აქვთ დიდი მონაცემების ორგანიზებისა და ანალიზის უნარი. ერთ-ერთი საუკეთესო მაგალითია ავსტრიული კომპანია Rebeat, რომელიც აღწერს მათ მომსახურებას, როგორც „ჰონორარს სამი დაწკაპუნებით“. 2006 წელს დაარსებული, ის სწრაფად გადაიქცა ევროპის წამყვან ციფრულ დისტრიბუტორად და უზრუნველყოფს წვდომას 300 ციფრულ სერვისზე მთელ მსოფლიოში. არსებითად, Rebeat აუმჯობესებს სააღრიცხვო პრაქტიკას და ამუშავებს საბუღალტრო სამუშაოებს, როგორიცაა მონაცემთა ველების შესატყვისი სააღრიცხვო პროგრამულ უზრუნველყოფაში, ასე რომ, ბუღალტრული აღრიცხვის განყოფილება თავისუფალია ბიუჯეტების მართვაში. ისინი ასევე უზრუნველყოფენ ინფრასტრუქტურას საკონტრაქტო ხელშეკრულებების შესაბამისად ჰონორარის გადახდების მართვისთვის, ციფრული მუსიკის მაღაზიებთან პირდაპირი შეთანხმებების, გრაფიკების გენერირებას გაყიდვების თვალყურის დევნებისთვის და რაც მთავარია, მონაცემების ექსპორტზე CSV ფაილებში.

რა თქმა უნდა, მომსახურებას თან ახლავს ფასი. Forbes-მა იტყობინება, რომ ჩანაწერების ლეიბლებმა უნდა გამოიყენონ Rebeat, როგორც დისტრიბუტორი, რათა მათ შეეძლოთ კომპანიის მონაცემებზე წვდომა, რაც ყოველწლიურად ღირს 15% გაყიდვების საკომისიო და ფიქსირებული გადასახადი $649 ყოველწლიურად. თუმცა, შეფასებები ვარაუდობენ, რომ უმეტეს შემთხვევაში ლეიბლის საბუღალტრო გადაფარვა ხშირად გაცილებით ძვირია, რაც ნიშნავს, რომ Rebeat-თან ხელმოწერა შეიძლება ფულის დაზოგვა იყოს.