Алгоритмот зад музиката

Префрли се, американски идол.

Следната голема успешна приказна во музичката индустрија нема да биде откриена на натпревари за таленти од висок профил. Наместо тоа, тој ќе биде идентификуван во збирките на податоци со сложени алгоритми дизајнирани да ги откријат трендовите на користење и бизнис.

На површина, овој метод звучи суво и повеќе без емоции од критиките на Сајмон Кауел, но всушност тоа е крајниот начин на кој јавноста ја избира „следната голема работа“. Секој пат кога јавноста ќе кликне на линкови на YouTube, ќе објавува фотографии од концерти на Твитер или ќе разговара за бендови на Фејсбук, тие придонесуваат за збир на информации наречени големи податоци. Терминот се однесува на збирка множества на податоци кои се големи и содржат сложени меѓусебни односи. Размислете за структурата на социјалните мрежи. Тие содржат милиони индивидуални кориснички профили кои се поврзани со пријателства, „лајкови“, членства во групи и слично. Во суштина, големите податоци ја отсликуваат структурата на овие платформи.

Во музичката индустрија, големите податоци се генерираат од активности како што се онлајн продажба, преземања и комуникација спроведени преку апликации или опкружувања на социјалните медиуми. Мериката што се мери го вклучува „количината на пати песните се репродуцираат или прескокнуваат, како и нивото на влечење што го добиваат на социјалните мрежи врз основа на дејства како што се допаѓања и твитови на Фејсбук“. Аналитичките алатки ја одредуваат вкупната популарност на фан страниците и регистрираат позитивни или негативни коментари за уметниците. Заедно, овие информации ги идентификуваат тековните трендови, го проценуваат дигиталниот пулс на изведувачите и доведуваат до продажба преку синглови, стока, билети за концерти, па дури и претплати на услуги за стриминг музика.

Во однос на откривањето нови таленти, големите податоци играат важна улога во создавањето интерес кај големите издавачки куќи. Во многу случаи, компаниите ги пресметуваат прегледите на страницата, „лајковите“ и следбениците на уметникот. Потоа, бројките лесно може да се споредат со други уметници од истиот жанр. Штом некој чин ќе создаде сто илјади плус следбеници на Фејсбук или Твитер, менаџерите на таленти забележуваат и почнуваат да будат интерес во самата музичка индустрија.

Големи податоци за избор на следниот голем хит на Топ 40

Способноста да се идентификуваат тековните трендови и да се предвиди следната мегаѕвезда доаѓа со големи финансиски награди за сите вклучени. На пример, научниците за податоци го проучувале влијанието на социјалните медиуми на албумот на iTunes и ја следеле продажбата со споредување на метриката на едниот со приходот на другиот. Тие заклучија дека активноста на социјалните мрежи е поврзана со зголемување на продажбата на албуми и песни. Поконкретно, прегледите на YouTube имаат најголемо влијание врз продажбата; откритие што поттикна многу издавачки куќи да прикачат големи буџетски музички видеа на платформата за да промовираат синглови. Пред да потрошите милиони за видео продукција, се користи анализа за да се идентификува кои песни најверојатно ќе станат хитови врз основа на онлајн активностите на целната публика. Точноста на овие предвидувања е во корелација со квалитетот на анализата на големи податоци.

Претприемачите во музичката индустрија сега експериментираат со нови методи за развој на алгоритми кои собираат информации со поголема ефикасност и точност. Еден од најзабележителните примери е заедничкото вложување помеѓу EMI Music и Data Science London наречено The EMI Million Interview Dataset. Тој е опишан како „еден од најбогатите и најголемите збирки на податоци за благодарност на музиката што некогаш бил достапен - масивна, уникатна, богата, висококвалитетна база на податоци составена од глобално истражување што содржи интереси, ставови, однесувања, блискост и ценење на музиката како што е изразено од љубители на музиката“.

Дејвид Бојл, виш потпретседател за увид во EMI Music, објаснува: „(Тоа е) се состои од милион интервјуа кои опфаќаат теми како што се нивото на страст за одреден музички жанр и поджанр, претпочитани методи за откривање музика, омилени музички уметници, мисли за музичката пиратерија, стриминг музика, музички формати и демографијата на обожавателите“.

Целта на проектот е да ја објави оваа збирка информации за јавноста и да го подобри квалитетот на бизнисот во музичката индустрија.

„Имавме голем успех користејќи податоци за да ни помогне нам и на нашите уметници да ги разбереме потрошувачите и возбудени сме што споделуваме некои од нашите податоци за да им помогнеме на другите да го сторат истото“, вели Бојл.

Во 2012 година, EMI Music и Data Science London го однесоа проектот чекор понапред со тоа што беа домаќини на Музички податоци научен хакатон. EMC, светски лидер во науката за податоци и решенија за големи податоци, се приклучи на потфатот и обезбеди ИТ инфраструктура. Во период од 24 часа, 175 научници за податоци развија 1,300 формули и алгоритми за да одговорат на прашањето: „Можете ли да предвидите дали слушателот ќе сака нова песна? Резултатите укажуваа на моќта на колективната интелигенција и учесниците развија формули кои беа опишани како светска класа.

„Увидите откриени во овој хакатон укажуваат на моќта и потенцијалот што ги поседува Big Data – и за интелектуално откритие и за зголемена деловна вредност за организации од секаков вид“, вели Крис Рош, регионален директор за EMC Greenplum.

Но, како ги плаќате уметниците?

Откако индустријата ќе утврди дека песната има хит потенцијал и ќе ја објави како сингл, како ги пресметува авторските права кога песната се репродуцира на платформи за социјални медиуми или страници за стриминг? Во моментов, „дисконските куќи од сите големини се соочуваат со се поголем проблем да мораат да ги усогласат групите податоци од компаниите за стриминг како Spotify, Deezer и YouTube, но имаат помалку луѓе од кога било да го сторат тоа“.

Еден од централните предизвици од перспектива на управување со информации е тоа што повеќето системи за управување со бази на податоци не беа развиени за да се справат со множества на податоци кои се големи и сложени како големите податоци. На пример, големината на датотеките со дигитални податоци генерирани од музички дистрибутери е далеку од она што програмите како Excel можат да го поднесат. Ова создава проблеми вклучувајќи податоци што недостасуваат и етикети на датотеки кои не се компатибилни со сметководствениот софтвер.

Во повеќето случаи, сите овие прашања ги решаваат сметководителите, додавајќи дополнително време и труд на веќе тежок работен товар. Во многу случаи, голем процент од трошоците на етикетата е врзан во одделот за сметководство.

За да се борат со овие прашања, претприемачите развиваат платформи за деловна интелигенција кои имаат капацитет да организираат и анализираат големи податоци. Еден од најдобрите примери е австриската компанија Rebeat, која ги опишува нивните услуги како „сметководство на авторски права со три клика“. Основана во 2006 година, таа брзо прерасна во водечки дигитален дистрибутер во Европа и обезбедува пристап до 300 дигитални услуги ширум светот. Во суштина, Rebeat ги насочува сметководствените практики и се справува со работата на задниот дел, како што е совпаѓање на полињата со податоци во сметководствениот софтвер, така што одделот за сметководство е слободен да управува со буџетите. Тие, исто така, обезбедуваат инфраструктура за управување со плаќањата на авторски права во согласност со договорните договори, директни договори со продавници за дигитална музика, генерирање графикони за следење на продажбата и што е најважно, извоз на податоци во CSV-датотеки.

Се разбира, услугата има своја цена. Форбс објави дека издавачките куќи мора да користат Rebeat како дистрибутер за да можат да пристапат до податоците на компанијата, што чини 15% провизија за продажба и фиксна такса од 649 долари секоја година. Сепак, проценките сугерираат дека во повеќето случаи сметководствената обвивка на етикетата често чини многу повеќе, што значи дека потпишувањето со Rebeat може да испадне како заштеда на пари.