Хөгжмийн ард байгаа алгоритм

Америкийн шүтээнээ хөдөл.

Хөгжмийн салбарын дараагийн том амжилтын түүхийг өндөр түвшний авъяас чадварын тэмцээнээс олж харахгүй. Үүний оронд хэрэглээ, бизнесийн чиг хандлагыг илрүүлэхэд зориулагдсан нарийн төвөгтэй алгоритмуудаар өгөгдлийн багцад тодорхойлогдоно.

Өнгөц харахад энэ арга нь Саймон Коуэллийн шүүмжлэлээс илүү хуурай, сэтгэл хөдлөлгүй мэт санагдаж байгаа ч үнэндээ энэ нь олон нийт "дараагийн том зүйлийг" сонгох эцсийн арга юм. Олон нийт YouTube-ийн линк дээр дарах, твиттерт концертын зураг оруулах, фэйсбүүк дэх хамтлагуудын тухай чатлах бүрд тэд том өгөгдөл хэмээх мэдээллийн багцад хувь нэмэр оруулдаг. Энэ нэр томъёо нь том хэмжээтэй, нарийн төвөгтэй харилцан хамаарлыг агуулсан өгөгдлийн багцын цуглуулгыг хэлдэг. Нийгмийн сүлжээнүүдийн бүтцийн талаар бод. Эдгээр нь нөхөрлөл, 'таалагдах', бүлгийн гишүүнчлэл гэх мэтээр холбогдсон сая сая хэрэглэгчийн хувийн профайлыг агуулдаг. Үндсэндээ том өгөгдөл нь эдгээр платформуудын бүтцийг тусгадаг.

Хөгжмийн салбарт том өгөгдөл нь онлайн худалдаа, татан авалт, программ эсвэл олон нийтийн мэдээллийн хэрэгслээр дамжуулан харилцаа холбоо зэрэг үйл ажиллагаанаас үүсдэг. Хэмжиж буй хэмжүүрүүдэд "дууг хэдэн удаа тоглуулж, алгассан, түүнчлэн Facebook-ийн лайк, жиргээ зэрэг үйлдлүүдэд тулгуурлан олон нийтийн мэдээллийн хэрэгслээр хүлээн авсан таталтын түвшин" багтдаг. Аналитик хэрэгслүүд нь фэн хуудасны нийт алдар нэрийг тодорхойлж, уран бүтээлчдийн талаарх эерэг эсвэл сөрөг сэтгэгдлийг бүртгэдэг. Энэхүү мэдээлэл нь хамтдаа өнөөгийн чиг хандлагыг тодорхойлж, уран бүтээлчдийн дижитал импульсийг үнэлж, сингл, бараа бүтээгдэхүүн, концертын тасалбар, тэр ч байтугай хөгжмийн стриминг үйлчилгээний захиалгаар дамжуулан борлуулалтад хүргэдэг.

Шинэ авъяас чадварыг олж илрүүлэхийн тулд том өгөгдөл нь томоохон бичлэгийн шошгоуудын сонирхлыг бий болгоход чухал үүрэг гүйцэтгэдэг. Ихэнх тохиолдолд компаниуд уран бүтээлчийн хуудасны үзэлт, 'таалагдсан' болон дагагчдыг тооцдог. Дараа нь ижил төрлийн бусад уран бүтээлчдийн тоог харьцуулж болно. Нэгэнт үйлдэл нь зуун мянга гаруй Facebook эсвэл Twitter дагагчтай болмогц авъяаслаг менежерүүд үүнийг анзаарч, хөгжмийн салбарын сонирхлыг нэмэгдүүлж эхэлдэг.

Дараагийн том шилдэг 40 хитийг сонгох Big Data

Одоогийн чиг хандлагыг тодорхойлж, дараагийн мега одыг урьдчилан таамаглах чадвар нь оролцсон бүх хүмүүст их хэмжээний санхүүгийн шагнал өгдөг. Жишээлбэл, өгөгдөл судлаачид iTunes цомогт сошиал медиа хэрхэн нөлөөлж байгааг судалж, нэг үзүүлэлтийг нөгөөгийнхөө орлоготой харьцуулж, борлуулалтыг хянаж байв. Тэд олон нийтийн мэдээллийн хэрэгслийн идэвхжил нь цомог болон трек борлуулалтын өсөлттэй холбоотой гэж дүгнэжээ. Тодруулбал, YouTube-ийн үзэлт нь борлуулалтад хамгийн их нөлөө үзүүлдэг; Энэ нь олон дуу бичлэгийн шошгоуудыг синглүүдийг сурталчлахын тулд том төсөвтэй хөгжмийн видеонуудыг платформ дээр байршуулахад хүргэсэн. Видео үйлдвэрлэлд хэдэн саяыг зарцуулахаасаа өмнө зорилтот үзэгчдийн онлайн үйл ажиллагаанд тулгуурлан ямар дуу хит болж болохыг тодорхойлохын тулд шинжилгээ хийдэг. Эдгээр таамаглалын үнэн зөв нь том өгөгдлийн шинжилгээний чанараас хамаардаг.

Хөгжмийн салбарын бизнес эрхлэгчид одоо мэдээллийг илүү үр дүнтэй, нарийвчлалтай цуглуулдаг алгоритмуудыг хөгжүүлэх шинэ аргуудыг туршиж байна. Хамгийн алдартай жишээнүүдийн нэг бол EMI Music болон Data Science Лондонгийн хамтарсан The EMI Million Interview Dataset нэртэй хамтарсан үйлдвэр юм. Энэ нь "хөгжмийн үнэлэмжийн талаарх хамгийн баян бөгөөд хамгийн том мэдээллийн багцын нэг" гэж тодорхойлсон бөгөөд энэ нь дэлхийн хэмжээнд хийсэн судалгаанаас бүрдсэн асар том, өвөрмөц, баялаг, өндөр чанартай мэдээллийн багц бөгөөд хөгжмийн сонирхол, хандлага, зан төлөв, танил тал, хөгжмийн үнэлэмжийг агуулдаг. хөгжим сонирхогчид."

EMI Music-ийн ойлголт хариуцсан ахлах дэд ерөнхийлөгч Дэвид Бойл хэлэхдээ, "(Энэ нь) хөгжмийн тодорхой төрөл, дэд төрөлд хүсэл тэмүүллийн түвшин, хөгжмийг нээхэд илүүд үздэг аргууд, дуртай хөгжмийн уран бүтээлчид, Хөгжмийн хулгай, хөгжмийн урсгал, хөгжмийн формат, шүтэн бишрэгчдийн хүн ам зүйн талаарх бодол."

Төслийн зорилго нь энэхүү мэдээллийн цуглуулгыг олон нийтэд хүргэх, хөгжмийн салбарын бизнесийн чанарыг сайжруулах явдал юм.

"Бид болон манай уран бүтээлчдэд хэрэглэгчдийг ойлгоход нь туслах зорилгоор өгөгдлийг ашиглах нь маш их амжилтанд хүрсэн бөгөөд бусдад ч мөн адил зүйлийг хийхэд нь туслахын тулд бид зарим мэдээллээ хуваалцахдаа баяртай байна" гэж Бойл хэлэв.

2012 онд EMI Music and Data Science Лондон нь Хөгжмийн Мэдээллийн Шинжлэх Ухааны Хакатоныг зохион байгуулснаар төслийг нэг алхам урагшлуулсан. Өгөгдлийн шинжлэх ухаан, том өгөгдлийн шийдлээрээ дэлхийд тэргүүлэгч EMC компани энэ төсөлд нэгдэж, мэдээллийн технологийн дэд бүтцийг хангасан. 24 цагийн турш 175 дата судлаач 1,300 томьёо, алгоритмыг боловсруулсан: "Сонсогчид шинэ дуунд дуртай байх эсэхийг та таамаглаж чадах уу?" Үр дүн нь хамтын оюун ухааны хүчийг илтгэж, оролцогчид дэлхийн жишигт нийцсэн томьёо боловсруулсан.

EMC Greenplum-ийн бүсийн захирал Крис Рош хэлэхдээ, "Энэ хакатонд илэрсэн ойлголтууд нь Big Data нь оюуны нээлт болон бүх төрлийн байгууллагуудын бизнесийн үнэ цэнийг нэмэгдүүлэхэд агуулагдах хүч, чадавхийг харуулж байна."

Харин уран бүтээлчдийн цалинг яаж олгох вэ?

Салбар нь дуу нь хит болох боломжтойг тодорхойлж, сингл болгон гаргасаны дараа уг дууг олон нийтийн мэдээллийн хэрэгсэл эсвэл стриминг сайтууд дээр тоглуулах үед роялтиг хэрхэн тооцдог вэ? Яг одоо "бүх хэмжээний бичлэгийн шошго нь Spotify, Deezer, YouTube зэрэг стриминг компаниудын өгөгдлийг нэгтгэх шаардлагатай болж байгаа асуудалтай тулгараад байгаа ч үүнийг хийх хүн урьд өмнөхөөсөө цөөхөн байна."

Мэдээллийн менежментийн гол бэрхшээлүүдийн нэг нь мэдээллийн сангийн удирдлагын ихэнх систем нь том өгөгдөл шиг том, төвөгтэй өгөгдлийн багцыг боловсруулахад зориулагдаагүй байсан явдал юм. Жишээлбэл, хөгжмийн дистрибьютерүүдийн үүсгэсэн дижитал өгөгдлийн файлуудын хэмжээ нь Excel гэх мэт програмуудыг зохицуулж чадахаас хамаагүй илүү юм. Энэ нь нягтлан бодох бүртгэлийн програм хангамжид тохирохгүй өгөгдөл, файлын шошго зэрэг асуудлуудыг үүсгэдэг.

Ихэнх тохиолдолд эдгээр бүх асуудлыг нягтлан бодогч нар шийдэж, ажлын ачаалал ихтэй байх үед нэмэлт цаг, хөдөлмөрийг нэмдэг. Ихэнх тохиолдолд шошгоны зардлын ихээхэн хувийг нягтлан бодох бүртгэлийн хэлтэст уядаг.

Эдгээр асуудлуудтай тэмцэхийн тулд бизнес эрхлэгчид том өгөгдлийг зохион байгуулж, дүн шинжилгээ хийх чадвартай бизнесийн тагнуулын платформыг боловсруулдаг. Хамгийн сайн жишээнүүдийн нэг бол Австрийн Rebeat компани бөгөөд тэд өөрсдийн үйлчилгээг "гурван товшилтоор нөөц ашигласны төлбөр тооцоо" гэж тодорхойлдог. 2006 онд үүсгэн байгуулагдсан бөгөөд Европ дахь тэргүүлэгч дижитал дистрибьютер болтлоо өргөжин, дэлхий даяар 300 дижитал үйлчилгээнд нэвтрэх боломжийг олгодог. Үндсэндээ Rebeat нь нягтлан бодох бүртгэлийн практикийг оновчтой болгож, нягтлан бодох бүртгэлийн программ дахь өгөгдлийн талбаруудыг тааруулах гэх мэт арын ажлыг зохицуулдаг тул нягтлан бодох бүртгэлийн хэлтэс төсвөө чөлөөтэй удирдах боломжтой. Тэд мөн гэрээний гэрээний дагуу нөөц ашигласны төлбөрийн төлбөрийг удирдах, дижитал хөгжмийн дэлгүүрүүдтэй шууд гэрээ байгуулах, борлуулалтыг хянах график үүсгэх, хамгийн чухал нь өгөгдлийг CSV файл руу экспортлох дэд бүтцийг бий болгодог.

Мэдээжийн хэрэг, үйлчилгээ нь үнэтэй байдаг. Форбес сэтгүүлийн мэдээлснээр дуу бичлэгийн брэндүүд Rebeat-ийг дистрибьютер болгон ашиглах ёстой бөгөөд ингэснээр тэд компанийн мэдээлэлд хандах боломжтой бөгөөд энэ нь жил бүр 15% борлуулалтын комисс, 649 долларын тогтмол хураамж авдаг. Гэсэн хэдий ч ихэнх тохиолдолд шошгоны нягтлан бодох бүртгэлийн давхцал нь ихэвчлэн хамаагүй илүү үнэтэй байдаг бөгөөд энэ нь Rebeat-тэй гарын үсэг зурах нь мөнгө хэмнэдэг гэсэн үг юм.