Algoritma di sebalik muzik

Bergeraklah, American Idol.

Kisah kejayaan besar seterusnya dalam industri muzik tidak akan ditemui dalam pertandingan bakat berprofil tinggi. Sebaliknya, ia akan dikenal pasti dalam set data oleh algoritma kompleks yang direka untuk mendedahkan penggunaan dan aliran perniagaan.

Di permukaan, kaedah ini kedengaran kering dan tidak mempunyai emosi berbanding kritikan Simon Cowell, tetapi ia sebenarnya cara terbaik orang ramai memilih "perkara besar seterusnya." Setiap kali orang ramai mengklik pautan YouTube, menyiarkan foto konsert di Twitter atau bersembang tentang kumpulan muzik di Facebook, mereka menyumbang kepada kumpulan maklumat yang dipanggil data besar. Istilah ini merujuk kepada koleksi set data yang besar dan mengandungi perkaitan yang kompleks. Fikirkan tentang struktur rangkaian media sosial. Ia mengandungi berjuta-juta profil pengguna individu yang dipautkan bersama oleh persahabatan, 'suka', keahlian kumpulan dan sebagainya. Pada asasnya, data besar mencerminkan struktur platform ini.

Dalam industri muzik, data besar dijana oleh aktiviti seperti jualan dalam talian, muat turun dan komunikasi yang dijalankan melalui apl atau persekitaran media sosial. Metrik yang diukur termasuk "jumlah kali lagu dimainkan atau dilangkau, serta tahap daya tarikan yang diterima di media sosial berdasarkan tindakan seperti suka dan tweet Facebook." Alat analitik menentukan populariti keseluruhan halaman peminat dan mendaftarkan komen positif atau negatif tentang artis. Bersama-sama, maklumat ini mengenal pasti aliran semasa, menilai nadi digital artis dan membawa kepada jualan melalui perseorangan, barangan, tiket konsert dan juga langganan perkhidmatan penstriman muzik.

Dari segi mencari bakat baharu, data besar memainkan peranan penting dalam menjana minat pada label rekod utama. Dalam kebanyakan kes, syarikat mengira paparan halaman, 'suka' dan pengikut artis. Kemudian, nombor boleh dibandingkan dengan artis lain dalam genre yang sama. Sebaik sahaja tindakan telah menjana seratus ribu pengikut Facebook atau Twitter, pengurus bakat mengambil perhatian dan mula memupuk minat dalam industri muzik itu sendiri.

Data besar memilih hit Top 40 besar seterusnya

Keupayaan untuk mengenal pasti aliran semasa dan meramalkan megastar seterusnya datang dengan ganjaran kewangan yang besar untuk semua orang yang terlibat. Sebagai contoh, saintis data mengkaji kesan media sosial pada album iTunes dan menjejaki jualan dengan membandingkan metrik seseorang dengan hasil orang lain. Mereka membuat kesimpulan bahawa aktiviti media sosial berkait rapat dengan peningkatan dalam jualan album dan lagu. Lebih khusus lagi, tontonan YouTube mempunyai kesan terbesar pada jualan; penemuan yang mendorong banyak label rakaman untuk memuat naik video muzik bajet yang besar ke platform untuk mempromosikan single. Sebelum membelanjakan berjuta-juta untuk pengeluaran video, analisis digunakan untuk mengenal pasti lagu yang mungkin menjadi hits berdasarkan aktiviti dalam talian khalayak sasaran. Ketepatan ramalan ini dikaitkan dengan kualiti analisis data besar.

Usahawan dalam industri muzik kini bereksperimen dengan kaedah baharu untuk membangunkan algoritma yang menuai maklumat dengan kecekapan dan ketepatan yang lebih tinggi. Salah satu contoh yang paling ketara ialah usaha sama antara EMI Music dan Data Science London yang dipanggil The EMI Million Interview Dataset. Ia digambarkan sebagai "salah satu set data penghargaan muzik terkaya dan terbesar yang pernah disediakan - set data besar-besaran, unik, kaya, berkualiti tinggi yang disusun daripada penyelidikan global yang mengandungi minat, sikap, tingkah laku, kebiasaan dan penghargaan muzik seperti yang dinyatakan oleh peminat muzik.”

David Boyle, Naib Presiden Kanan untuk Insight di EMI Music, menjelaskan, "(Ia) terdiri daripada sejuta wawancara yang membincangkan topik seperti tahap keghairahan untuk genre dan subgenre muzik tertentu, kaedah pilihan untuk penemuan muzik, artis muzik kegemaran, pemikiran tentang cetak rompak muzik, penstriman muzik, format muzik dan demografi peminat."

Matlamat projek adalah untuk mengeluarkan koleksi maklumat ini kepada orang ramai dan meningkatkan kualiti perniagaan dalam industri muzik.

"Kami telah mencapai kejayaan besar menggunakan data untuk membantu kami dan artis kami memahami pengguna, dan kami teruja untuk berkongsi beberapa data kami untuk membantu orang lain melakukan perkara yang sama," kata Boyle.

Pada tahun 2012, EMI Music and Data Science London mengambil projek itu selangkah lebih jauh dengan menganjurkan Music Data Science Hackathon. EMC, peneraju dunia dalam sains data dan penyelesaian data besar, menyertai usaha niaga itu dan menyediakan infrastruktur IT. Dalam tempoh 24 jam, 175 saintis data membangunkan 1,300 formula dan algoritma untuk menjawab soalan: "Bolehkah anda meramalkan jika pendengar akan menyukai lagu baharu?" Hasilnya membayangkan kuasa kecerdasan kolektif dan peserta membangunkan formula yang digambarkan sebagai kelas dunia.

"Pemahaman yang didedahkan dalam hackathon ini membayangkan kuasa dan potensi yang dimiliki oleh Data Besar - baik untuk penemuan intelektual dan nilai perniagaan tambahan untuk setiap jenis organisasi," kata Chris Roche, Pengarah Serantau untuk EMC Greenplum.

Tetapi bagaimana anda membayar artis?

Selepas industri menentukan lagu telah mencapai potensi dan mengeluarkannya sebagai single, bagaimanakah ia mengira royalti apabila lagu itu dimainkan di platform media sosial atau tapak penstriman? Pada masa ini, "label rekod semua saiz menghadapi masalah yang semakin meningkat kerana perlu menyelaraskan rim data daripada syarikat penstriman seperti Spotify, Deezer dan YouTube, tetapi mempunyai lebih sedikit orang berbanding sebelum ini."

Salah satu cabaran utama dari perspektif pengurusan maklumat ialah kebanyakan sistem pengurusan pangkalan data tidak dibangunkan untuk mengendalikan set data yang besar dan kompleks seperti data besar. Sebagai contoh, saiz fail data digital yang dijana oleh pengedar muzik jauh melebihi apa yang boleh dikendalikan oleh program seperti Excel. Ini menimbulkan masalah termasuk kehilangan data dan label fail yang tidak serasi dengan perisian perakaunan.

Dalam kebanyakan kes, semua isu ini diselesaikan oleh akauntan, menambahkan masa dan tenaga tambahan kepada beban kerja yang sudah berat. Dalam kebanyakan kes, peratusan besar overhed label terikat dalam jabatan perakaunan.

Untuk memerangi isu ini, usahawan membangunkan platform risikan perniagaan yang mempunyai kapasiti untuk mengatur dan menganalisis data besar. Salah satu contoh terbaik ialah syarikat Austria Rebeat, yang menggambarkan perkhidmatan mereka sebagai "perakaunan diraja dengan tiga klik." Ditubuhkan pada 2006, ia telah berkembang dengan pantas menjadi pengedar digital terkemuka Eropah dan menyediakan akses kepada 300 perkhidmatan digital di seluruh dunia. Pada asasnya, Rebeat memperkemas amalan perakaunan dan mengendalikan kerja bahagian belakang, seperti memadankan medan data dalam perisian perakaunan, jadi jabatan perakaunan bebas untuk mengurus belanjawan. Mereka juga menyediakan infrastruktur untuk mengurus pembayaran royalti mengikut perjanjian kontrak, perjanjian terus dengan kedai muzik digital, menjana graf untuk menjejak jualan dan yang paling penting, mengeksport data ke dalam fail CSV.

Sudah tentu, perkhidmatan itu datang dengan harga. Forbes melaporkan bahawa label rekod mesti menggunakan Rebeat sebagai pengedar supaya mereka boleh mengakses data syarikat, yang menelan komisen jualan 15% dan yuran tetap sebanyak $649 setiap tahun. Anggaran mencadangkan, walau bagaimanapun, bahawa dalam kebanyakan kes tindanan perakaunan label selalunya kos yang jauh lebih tinggi, yang bermaksud bahawa menandatangani dengan Rebeat boleh menjadi penjimat wang.