Muzikos algoritmas

Pereik, American Idol.

Kita didelė sėkmės istorija muzikos industrijoje nebus atrasta aukšto lygio talentų konkursuose. Vietoj to, jis bus identifikuojamas duomenų rinkiniuose naudojant sudėtingus algoritmus, skirtus atskleisti naudojimo ir verslo tendencijas.

Iš pažiūros šis metodas skamba sausai ir labiau be emocijų nei Simono Cowello kritika, tačiau iš tikrųjų tai yra geriausias būdas, kaip visuomenė pasirenka „kitą didelį dalyką“. Kiekvieną kartą, kai visuomenė paspaudžia „YouTube“ nuorodas, publikuoja koncertų nuotraukas „Twitter“ arba kalbasi apie grupes „Facebook“, jie prisideda prie informacijos, vadinamos dideliais duomenimis, rinkinio. Terminas reiškia duomenų rinkinių, kurie yra dideli ir kuriuose yra sudėtingų tarpusavio ryšių, rinkinį. Pagalvokite apie socialinės žiniasklaidos tinklų struktūrą. Juose yra milijonai atskirų naudotojų profilių, kurie yra susieti draugysčių, „patinka“ mygtukų, narysčių grupėse ir pan.. Iš esmės dideli duomenys atspindi šių platformų struktūrą.

Muzikos pramonėje didelius duomenis generuoja tokia veikla kaip pardavimas internetu, atsisiuntimai ir bendravimas per programas ar socialinės žiniasklaidos aplinkas. Išmatuota metrika apima „dainų paleidimų ar praleidimų skaičių, taip pat traukos lygį, kurį jos patiria socialinėje žiniasklaidoje, remiantis tokiais veiksmais kaip „Facebook“ paspaudimai „Patinka“ ir „Twitter“. Analitinės priemonės lemia bendrą gerbėjų puslapių populiarumą ir registruoja teigiamus ar neigiamus komentarus apie atlikėjus. Kartu ši informacija identifikuoja dabartines tendencijas, įvertina skaitmeninį atlikėjų pulsą ir skatina pardavimą per singlus, prekes, koncertų bilietus ir net muzikos transliavimo paslaugų abonementus.

Kalbant apie naujų talentų atradimą, dideli duomenys vaidina svarbų vaidmenį skatinant susidomėjimą pagrindinėmis įrašų kompanijomis. Daugeliu atvejų įmonės suskaičiuoja atlikėjo puslapio peržiūras, „patinka“ paspaudimus ir sekėjus. Tada skaičius gali būti lengvai lyginamas su kitais to paties žanro atlikėjais. Kai poelgis pritraukia daugiau nei šimtą tūkstančių Facebook ar Twitter sekėjų, talentų vadovai atkreipia dėmesį ir pradeda domėtis pačia muzikos industrija.

Dideli duomenys pasirenkant kitą didelį Top 40 hitą

Galimybė nustatyti dabartines tendencijas ir numatyti kitą megažvaigždę suteikia didelių finansinių atlygių visiems dalyvaujantiems. Pavyzdžiui, duomenų mokslininkai tyrė socialinės žiniasklaidos poveikį iTunes albumų ir takelių pardavimui, lygindami vieno rodiklius su kito pajamomis. Jie padarė išvadą, kad socialinės žiniasklaidos veikla yra susijusi su albumų ir kūrinių pardavimo padidėjimu. Tiksliau, didžiausią įtaką pardavimui turi „YouTube“ peržiūros; atradimas, paskatinęs daugelį įrašų kompanijų į platformą įkelti didelio biudžeto muzikinius vaizdo įrašus, kad reklamuotų singlus. Prieš išleidžiant milijonus vaizdo įrašų gamybai, atliekama analizė, siekiant nustatyti, kurios dainos gali tapti hitais, remiantis tikslinės auditorijos veikla internete. Šių prognozių tikslumas yra susijęs su didelių duomenų analizės kokybe.

Muzikos pramonės verslininkai dabar eksperimentuoja su naujais metodais, kad sukurtų algoritmus, kurie renka informaciją efektyviau ir tiksliau. Vienas ryškiausių pavyzdžių yra bendra EMI Music ir Data Science London įmonė, pavadinta The EMI Million Interview Dataset. Jis apibūdinamas kaip „vienas turtingiausių ir didžiausių kada nors prieinamų muzikos įvertinimo duomenų rinkinių – didžiulis, unikalus, turtingas, aukštos kokybės duomenų rinkinys, sudarytas iš pasaulinių tyrimų, kuriame pateikiami pomėgiai, požiūris, elgesys, muzikos pažinimas ir vertinimas, kaip išreiškė muzikos gerbėjai“.

Davidas Boyle'as, „EMI Music“ vyresnysis viceprezidentas įžvalgoms, paaiškina: „(Jį) sudaro milijonai interviu, kuriuose nagrinėjamos tokios temos kaip aistros lygis tam tikram muzikos žanrui ir porūšiui, pageidaujami muzikos atradimo metodai, mėgstami muzikos atlikėjai, mintys apie muzikos piratavimą, muzikos transliaciją, muzikos formatus ir gerbėjų demografinius rodiklius.

Projekto tikslas – paviešinti šią informacijos rinkinį ir pagerinti muzikos pramonės verslo kokybę.

„Mums puikiai sekėsi naudoti duomenis, padedančius mums ir mūsų menininkams suprasti vartotojus, ir džiaugiamės galėdami pasidalinti kai kuriais savo duomenimis, kad padėtume kitiems padaryti tą patį“, – sako Boyle.

2012 m. Londono EMI Music and Data Science žengė dar vieną žingsnį į priekį surengdama muzikos duomenų mokslo hakatoną. EMC, pasaulinė duomenų mokslo ir didelių duomenų sprendimų lyderė, prisijungė prie šios įmonės ir suteikė IT infrastruktūrą. Per 24 valandas 175 duomenų mokslininkai sukūrė 1,300 formulių ir algoritmų, kad atsakytų į klausimą: „Ar galite nuspėti, ar klausytojui patiks nauja daina? Rezultatai užsiminė apie kolektyvinio intelekto galią, o dalyviai sukūrė formules, kurios buvo apibūdintos kaip pasaulinės klasės.

„Šiame hakatone atskleistos įžvalgos sufleruoja apie didžiųjų duomenų galią ir potencialą – tiek intelektualiems atradimams, tiek visoms organizacijoms didesnę verslo vertę“, – sako Chrisas Roche'as, EMC Greenplum regiono direktorius.

Bet kaip mokėti menininkams?

Pramonei nustačius, kad daina turi potencialą ir išleidžiama kaip singlas, kaip ji apskaičiuoja honorarus, kai daina grojama socialinės žiniasklaidos platformose ar srautinio perdavimo svetainėse? Šiuo metu „įvairių dydžių įrašų etiketės susiduria su vis didėjančia problema, kai reikia suderinti daugybę duomenų iš srautinio perdavimo kompanijų, tokių kaip Spotify, Deezer ir YouTube, tačiau turi mažiau žmonių, kurie tai daro“.

Vienas iš pagrindinių iššūkių informacijos valdymo požiūriu yra tai, kad dauguma duomenų bazių valdymo sistemų nebuvo sukurtos apdoroti duomenų rinkinius, kurie yra tokie pat dideli ir sudėtingi kaip dideli duomenys. Pavyzdžiui, muzikos platintojų sugeneruotų skaitmeninių duomenų failų dydis gerokai viršija tai, ką gali apdoroti tokios programos kaip „Excel“. Tai sukelia problemų, įskaitant trūkstamus duomenis ir failų etiketes, kurios nesuderinamos su apskaitos programine įranga.

Dažniausiai visus šiuos klausimus sutvarko buhalteriai, prie ir taip didelio darbo krūvio pridedant papildomo laiko ir darbo jėgos. Daugeliu atvejų didelė etiketės pridėtinių išlaidų dalis yra susieta su buhalterija.

Siekdami kovoti su šiomis problemomis, verslininkai kuria verslo žvalgybos platformas, kurios gali tvarkyti ir analizuoti didelius duomenis. Vienas geriausių pavyzdžių – Austrijos įmonė „Rebeat“, kuri savo paslaugas apibūdina kaip „autorinio atlyginimo apskaitą trimis paspaudimais“. Įkurta 2006 m., ji greitai išaugo į pirmaujančią Europos skaitmeninio platintoją ir suteikia prieigą prie 300 skaitmeninių paslaugų visame pasaulyje. Iš esmės „Rebeat“ supaprastina apskaitos praktiką ir atlieka pagrindinius darbus, pvz., suderina apskaitos programinės įrangos duomenų laukus, todėl apskaitos skyrius gali laisvai tvarkyti biudžetus. Jie taip pat suteikia infrastruktūrą, leidžiančią valdyti honorarų mokėjimus pagal sutartines sutartis, tiesioginius susitarimus su skaitmeninės muzikos parduotuvėmis, generuoti grafikus pardavimams sekti ir, svarbiausia, eksportuoti duomenis į CSV failus.

Žinoma, paslauga turi savo kainą. „Forbes“ pranešė, kad įrašų kompanijos turi naudoti „Rebeat“ kaip platintoją, kad galėtų pasiekti įmonės duomenis, o tai kainuoja 15% pardavimo komisinius ir fiksuotą 649 USD mokestį per metus. Tačiau skaičiavimai rodo, kad daugeliu atvejų etiketės apskaitos perdanga dažnai kainuoja daug daugiau, o tai reiškia, kad pasirašant sutartį su Rebeat galima sutaupyti pinigų.