संगीत मागे अल्गोरिदम

हलवा, अमेरिकन आयडॉल.

संगीत उद्योगातील पुढील मोठी यशोगाथा उच्च प्रोफाइल प्रतिभा स्पर्धांमध्ये शोधली जाणार नाही. त्याऐवजी, ते वापर आणि व्यवसाय ट्रेंड उघड करण्यासाठी डिझाइन केलेल्या जटिल अल्गोरिदमद्वारे डेटा सेटमध्ये ओळखले जाईल.

पृष्ठभागावर, ही पद्धत सायमन कॉवेलच्या समालोचनांपेक्षा कोरडी आणि भावनाविरहित वाटते, परंतु प्रत्यक्षात लोक "पुढील मोठी गोष्ट" निवडण्याचा अंतिम मार्ग आहे. प्रत्येक वेळी लोक YouTube लिंक्सवर क्लिक करतात, Twitter वर मैफिलीचे फोटो पोस्ट करतात किंवा Facebook वर बँड्सबद्दल चॅट करतात तेव्हा ते मोठ्या डेटा नावाच्या माहितीच्या मुख्य भागामध्ये योगदान देतात. हा शब्द डेटा संचांच्या संग्रहास सूचित करतो जे मोठ्या आहेत आणि जटिल परस्परसंबंध आहेत. सोशल मीडिया नेटवर्कच्या संरचनेबद्दल विचार करा. त्यामध्ये लाखो वैयक्तिक वापरकर्ता प्रोफाइल आहेत जी मैत्री, ‘लाइक्स’, ग्रुप मेंबरशिप इत्यादींद्वारे एकमेकांशी जोडलेली आहेत. मूलत:, मोठा डेटा या प्लॅटफॉर्मच्या संरचनेला प्रतिबिंबित करतो.

संगीत उद्योगात, अॅप्स किंवा सोशल मीडिया वातावरणाद्वारे आयोजित ऑनलाइन विक्री, डाउनलोड आणि संप्रेषण यासारख्या क्रियाकलापांद्वारे मोठा डेटा तयार केला जातो. मोजलेल्या मेट्रिक्समध्ये "गाणी किती वेळा प्ले केली जातात किंवा वगळली जातात, तसेच Facebook लाइक आणि ट्विट सारख्या क्रियांच्या आधारावर त्यांना सोशल मीडियावर मिळणाऱ्या कर्षणाची पातळी" यांचा समावेश होतो. विश्लेषणात्मक साधने फॅन पृष्ठांची एकूण लोकप्रियता निर्धारित करतात आणि कलाकारांबद्दल सकारात्मक किंवा नकारात्मक टिप्पण्या नोंदवतात. एकत्रितपणे, ही माहिती वर्तमान ट्रेंड ओळखते, कलाकारांच्या डिजिटल पल्सचे मूल्यांकन करते आणि एकेरी, व्यापारी माल, मैफिलीची तिकिटे आणि अगदी संगीत प्रवाह सेवांच्या सदस्यतांद्वारे विक्री करते.

नवीन प्रतिभेचा शोध घेण्याच्या दृष्टीने, मोठ्या रेकॉर्ड लेबलवर स्वारस्य निर्माण करण्यात मोठा डेटा महत्त्वाची भूमिका बजावतो. बर्‍याच प्रकरणांमध्ये, कंपन्या कलाकाराचे पेज व्ह्यू, 'लाइक्स' आणि फॉलोअर्सची गणना करतात. मग, समान शैलीतील इतर कलाकारांशी संख्यांची सहज तुलना केली जाऊ शकते. एकदा का एखाद्या कृत्याने लाखभर फेसबुक किंवा ट्विटर फॉलोअर्स व्युत्पन्न केले की, प्रतिभा व्यवस्थापक दखल घेतात आणि संगीत उद्योगातच स्वारस्य वाढवू लागतात.

पुढील बिग टॉप 40 हिट निवडणारा मोठा डेटा

वर्तमान ट्रेंड ओळखण्याची आणि पुढील मेगास्टारचा अंदाज लावण्याची क्षमता यात सहभागी असलेल्या प्रत्येकासाठी मोठ्या आर्थिक बक्षिसे मिळतात. उदाहरणार्थ, डेटा शास्त्रज्ञांनी iTunes अल्बमवर सोशल मीडियाच्या प्रभावाचा अभ्यास केला आणि एकाच्या मेट्रिक्सची दुसऱ्याच्या कमाईशी तुलना करून विक्रीचा मागोवा घेतला. त्यांनी असा निष्कर्ष काढला की सोशल मीडिया क्रियाकलाप अल्बम आणि ट्रॅक विक्री वाढण्याशी संबंधित आहे. अधिक विशेषतः, YouTube दृश्यांचा विक्रीवर सर्वात मोठा प्रभाव पडतो; एक शोध ज्याने अनेक रेकॉर्ड लेबल्सना एकलांना प्रोत्साहन देण्यासाठी मोठ्या बजेटचे संगीत व्हिडिओ प्लॅटफॉर्मवर अपलोड करण्यास प्रवृत्त केले. व्हिडिओ निर्मितीवर लाखो खर्च करण्यापूर्वी, लक्ष्यित प्रेक्षकांच्या ऑनलाइन क्रियाकलापांवर आधारित कोणती गाणी हिट होण्याची शक्यता आहे हे ओळखण्यासाठी विश्लेषण वापरले जाते. या अंदाजांची अचूकता मोठ्या डेटा विश्लेषणाच्या गुणवत्तेशी संबंधित आहे.

संगीत उद्योगातील उद्योजक आता अल्गोरिदम विकसित करण्यासाठी नवीन पद्धतींचा प्रयोग करत आहेत जे अधिक कार्यक्षमतेने आणि अचूकतेने माहिती काढतात. सर्वात उल्लेखनीय उदाहरणांपैकी एक म्हणजे EMI म्युझिक आणि डेटा सायन्स लंडनचा द EMI मिलियन इंटरव्ह्यू डेटासेट नावाचा संयुक्त उपक्रम. याचे वर्णन "आजपर्यंत उपलब्ध केलेल्या सर्वात श्रीमंत आणि सर्वात मोठ्या संगीत प्रशंसा डेटासेटपैकी एक - जागतिक संशोधनातून संकलित केलेला एक विशाल, अद्वितीय, समृद्ध, उच्च-गुणवत्तेचा डेटासेट आहे ज्यामध्ये आवडी, वृत्ती, वर्तन, परिचितता आणि संगीताची प्रशंसा आहे. संगीत चाहते."

डेव्हिड बॉयल, ईएमआय म्युझिकचे इनसाइटचे वरिष्ठ उपाध्यक्ष, स्पष्ट करतात, “(त्यामध्ये) विशिष्ट संगीत शैली आणि उप-शैलीसाठी उत्कटतेची पातळी, संगीत शोधण्याच्या पसंतीच्या पद्धती, आवडते संगीत कलाकार, यासारख्या विषयांचा समावेश असलेल्या लाखो मुलाखतींचा समावेश आहे. म्युझिक पायरसी, म्युझिक स्ट्रीमिंग, म्युझिक फॉरमॅट्स आणि फॅन डेमोग्राफिक्स वरील विचार."

माहितीचा हा संग्रह लोकांपर्यंत पोहोचवणे आणि संगीत उद्योगातील व्यवसायाची गुणवत्ता सुधारणे हे प्रकल्पाचे ध्येय आहे.

बॉयल म्हणतात, “आम्हाला आणि आमच्या कलाकारांना ग्राहकांना समजून घेण्यात मदत करण्यासाठी डेटा वापरण्यात आम्हाला चांगले यश मिळाले आहे आणि इतरांनाही असे करण्यात मदत करण्यासाठी आम्ही आमचा काही डेटा शेअर करण्यास उत्सुक आहोत,” बॉयल म्हणतात.

2012 मध्ये, EMI म्युझिक आणि डेटा सायन्स लंडनने म्युझिक डेटा सायन्स हॅकाथॉन आयोजित करून प्रकल्पाला एक पाऊल पुढे नेले. डेटा सायन्स आणि बिग डेटा सोल्यूशन्समधील जागतिक आघाडीवर असलेल्या EMC या उपक्रमात सामील झाले आणि IT पायाभूत सुविधा उपलब्ध करून दिल्या. 24 तासांच्या कालावधीत, 175 डेटा शास्त्रज्ञांनी या प्रश्नाचे उत्तर देण्यासाठी 1,300 सूत्रे आणि अल्गोरिदम विकसित केले: "एखाद्या श्रोत्याला नवीन गाणे आवडेल की नाही हे तुम्ही सांगू शकता का?" परिणामांनी सामूहिक बुद्धिमत्तेच्या सामर्थ्याचे संकेत दिले आणि सहभागींनी जागतिक दर्जाचे म्हणून वर्णन केलेले सूत्र विकसित केले.

ईएमसी ग्रीनप्लमचे प्रादेशिक संचालक ख्रिस रोश म्हणतात, “या हॅकाथॉनमध्ये प्रकट झालेले अंतर्दृष्टी बिग डेटाकडे असलेल्या शक्ती आणि संभाव्यतेकडे सूचित करते – बौद्धिक शोध आणि प्रत्येक प्रकारच्या संस्थांसाठी वाढीव व्यवसाय मूल्य दोन्हीसाठी.

पण कलाकारांना पगार कसा देणार?

इंडस्ट्रीने एखादे गाणे हिट होण्याची क्षमता निश्चित केल्यानंतर आणि ते सिंगल म्हणून रिलीज केल्यानंतर, जेव्हा गाणे सोशल मीडिया प्लॅटफॉर्म किंवा स्ट्रीमिंग साइटवर प्ले केले जाते तेव्हा ते रॉयल्टीची गणना कशी करते? आत्ता, "सर्व आकारांच्या रेकॉर्ड लेबलांना Spotify, Deezer आणि YouTube सारख्या स्ट्रीमिंग कंपन्यांच्या डेटाचे रीम्स एकत्र करावे लागण्याच्या वाढत्या समस्येचा सामना करावा लागतो, परंतु तसे करण्यासाठी त्यांच्याकडे पूर्वीपेक्षा कमी लोक आहेत."

माहिती व्यवस्थापनाच्या दृष्टीकोनातून मध्यवर्ती आव्हानांपैकी एक म्हणजे बहुतेक डेटाबेस व्यवस्थापन प्रणाली मोठ्या डेटाइतके मोठे आणि जटिल डेटा सेट हाताळण्यासाठी विकसित केल्या गेल्या नाहीत. उदाहरणार्थ, संगीत वितरकांद्वारे व्युत्पन्न केलेल्या डिजिटल डेटा फाइल्सचा आकार एक्सेल सारख्या प्रोग्राम हाताळू शकतील त्यापेक्षा खूप जास्त आहे. यामुळे अकाऊंटिंग सॉफ्टवेअरशी सुसंगत नसलेल्या डेटा आणि फाइल लेबलांसह समस्या निर्माण होतात.

बहुतेक प्रकरणांमध्ये, या सर्व समस्या लेखापालांद्वारे सोडवल्या जातात, आधीच जास्त कामाच्या भारात अतिरिक्त वेळ आणि श्रम जोडतात. अनेक प्रकरणांमध्ये, लेबलच्या ओव्हरहेडची मोठी टक्केवारी लेखा विभागात बांधली जाते.

या समस्यांचा सामना करण्यासाठी, उद्योजक बिझनेस इंटेलिजन्स प्लॅटफॉर्म विकसित करतात ज्यात मोठ्या डेटाचे आयोजन आणि विश्लेषण करण्याची क्षमता असते. सर्वोत्तम उदाहरणांपैकी एक ऑस्ट्रियन कंपनी रिबीट आहे, जी त्यांच्या सेवांचे वर्णन "तीन क्लिकसह रॉयल्टी अकाउंटिंग" म्हणून करते. 2006 मध्‍ये स्‍थापित, ते त्‍याच वेगाने युरोपच्‍या आघाडीच्‍या डिजिटल वितरकामध्‍ये विकसित झाले आहे आणि जगभरातील 300 डिजिटल सेवांमध्‍ये प्रवेश प्रदान करते. मूलत:, रिबीट लेखा पद्धती सुव्यवस्थित करते आणि बॅकएंड कार्य हाताळते, जसे की अकाउंटिंग सॉफ्टवेअरमध्ये डेटा फील्ड जुळतात, त्यामुळे लेखा विभाग बजेट व्यवस्थापित करण्यास मुक्त आहे. ते कराराच्या करारानुसार रॉयल्टी देयके व्यवस्थापित करण्यासाठी, डिजिटल संगीत स्टोअरशी थेट करार, विक्रीचा मागोवा घेण्यासाठी आलेख तयार करण्यासाठी आणि सर्वात महत्त्वाचे म्हणजे CSV फायलींमध्ये डेटा निर्यात करण्यासाठी एक पायाभूत सुविधा देखील प्रदान करतात.

अर्थात, सेवा किंमतीसह येते. फोर्ब्सने नोंदवले की रेकॉर्ड लेबलने वितरक म्हणून रिबीटचा वापर करणे आवश्यक आहे जेणेकरून ते कंपनीच्या डेटामध्ये प्रवेश करू शकतील, ज्यासाठी 15% विक्री कमिशन आणि प्रत्येक वर्षी $649 ची निश्चित फी लागते. अंदाजानुसार, तथापि, बहुतेक प्रकरणांमध्ये लेबलच्या अकाउंटिंग आच्छादनाची किंमत खूप जास्त असते, याचा अर्थ असा की रिबीट सह साइन इन करणे हे पैसे वाचवणारे ठरू शकते.