Algoritmen bak musikk

Flytt over, American Idol.

Den neste store suksesshistorien i musikkbransjen vil ikke bli oppdaget i høyt profilerte talentkonkurranser. I stedet vil det bli identifisert i datasett av komplekse algoritmer designet for å avdekke bruk og forretningstrender.

På overflaten høres denne metoden tørr ut og mer blottet for følelser enn Simon Cowells kritikk, men det er faktisk den ultimate måten publikum velger «den neste store tingen». Hver gang publikum klikker på YouTube-lenker, legger ut konsertbilder på Twitter eller chatter om band på Facebook, bidrar de til en mengde informasjon som kalles big data. Begrepet refererer til en samling datasett som er store og inneholder komplekse sammenhenger. Tenk på strukturen til sosiale medier. De inneholder millioner av individuelle brukerprofiler som er knyttet sammen av vennskap, «likes», gruppemedlemskap og så videre. I hovedsak speiler big data strukturen til disse plattformene.

I musikkbransjen genereres big data av aktiviteter som nettsalg, nedlastinger og kommunikasjon utført gjennom apper eller sosiale mediemiljøer. Målte beregninger inkluderer «antallet ganger sanger spilles av eller hoppes over, i tillegg til graden av trekkraft de får på sosiale medier basert på handlinger som Facebook-liker og tweets». Analyseverktøy bestemmer den generelle populariteten til fansider og registrerer positive eller negative kommentarer om artister. Sammen identifiserer denne informasjonen nåværende trender, vurderer den digitale pulsen til artister og fører til salg gjennom singler, varer, konsertbilletter og til og med abonnement på musikkstrømmetjenester.

Når det gjelder å oppdage nye talenter, spiller big data en viktig rolle for å skape interesse hos store plateselskaper. I mange tilfeller teller selskaper en artists sidevisninger, "liker" og følgere. Da kan tall enkelt sammenlignes med andre artister i samme sjanger. Når en handling har generert hundre tusen pluss Facebook- eller Twitter-følgere, legger talentsjefer merke til det og begynner å tromme opp interessen i musikkindustrien selv.

Big data velger neste store topp 40-treff

Evnen til å identifisere nåværende trender og forutsi den neste megastjernen kommer med store økonomiske belønninger for alle involverte. For eksempel studerte dataforskere virkningen av sosiale medier på iTunes-album og sporsalg ved å sammenligne ens beregninger med den andres inntekt. De konkluderte med at aktivitet på sosiale medier korrelerer med en økning i album- og sporsalg. Mer spesifikt har YouTube-visninger størst innvirkning på salget; et funn som fikk mange plateselskaper til å laste opp musikkvideoer med store budsjetter til plattformen for å promotere singler. Før du bruker millioner på videoproduksjon, brukes analyse for å identifisere hvilke sanger som sannsynligvis vil bli hits basert på nettaktivitetene til målgrupper. Nøyaktigheten av disse spådommene er korrelert til kvaliteten på big data-analyse.

Entreprenører innen musikkbransjen eksperimenterer nå med nye metoder for å utvikle algoritmer som høster informasjon med større effektivitet og nøyaktighet. Et av de mest bemerkelsesverdige eksemplene er et joint venture mellom EMI Music og Data Science London kalt The EMI Million Interview Dataset. Det beskrives som "et av de rikeste og største datasettene for musikkverdsetting som noen gang er gjort tilgjengelig - et massivt, unikt, rikt datasett av høy kvalitet satt sammen fra global forskning som inneholder interesser, holdninger, atferd, kjennskap og verdsettelse av musikk som uttrykt av musikk musikkfans."

David Boyle, Senior Vice President for Insight ved EMI Music, forklarer: "(Det består av) en million intervjuer som tar opp temaer som nivået av lidenskap for en bestemt musikksjanger og undersjanger, foretrukne metoder for musikkoppdagelse, favorittmusikkartister, tanker om piratkopiering av musikk, musikkstrømming, musikkformater og fandemografi.»

Målet med prosjektet er å frigi denne samlingen av informasjon til publikum og forbedre kvaliteten på virksomheten i musikkbransjen.

"Vi har hatt stor suksess med å bruke data for å hjelpe oss og artistene våre å forstå forbrukere, og vi er glade for å dele noen av dataene våre for å hjelpe andre med å gjøre det samme," sier Boyle.

I 2012 tok EMI Music and Data Science London prosjektet ett skritt videre ved å være vertskap for Music Data Science Hackathon. EMC, en verdensleder innen datavitenskap og big data-løsninger, ble med i satsingen og leverte IT-infrastruktur. I løpet av en 24-timers periode utviklet 175 dataforskere 1,300 formler og algoritmer for å svare på spørsmålet: "Kan du forutsi om en lytter vil elske en ny sang?" Resultatene antydet kraften til kollektiv intelligens og deltakerne utviklet formler som ble beskrevet som verdensklasse.

"Innsikten avslørt i dette hackathonet antyder kraften og potensialet som Big Data har - både for intellektuell oppdagelse og for inkrementell forretningsverdi for organisasjoner av alle slag," sier Chris Roche, Regional Director for EMC Greenplum.

Men hvordan betaler du artistene?

Etter at bransjen har fastslått at en sang har treffpotensial og gir den ut som singel, hvordan beregner den royalties når sangen spilles på sosiale medieplattformer eller strømmesider? Akkurat nå står "plateselskaper i alle størrelser overfor et økende problem med å måtte avstemme mengder data fra strømmeselskaper som Spotify, Deezer og YouTube, men har færre folk enn noen gang til å gjøre det."

En av de sentrale utfordringene fra et informasjonshåndteringsperspektiv er at de fleste databasestyringssystemer ikke ble utviklet for å håndtere datasett som er like store og komplekse som store data. For eksempel er størrelsen på digitale datafiler generert av musikkdistributører langt utover det programmer som Excel kan håndtere. Dette skaper problemer, inkludert manglende data og filetiketter som ikke er kompatible med regnskapsprogramvare.

I de fleste tilfeller blir alle disse problemene ordnet av regnskapsførere, noe som legger til ekstra tid og arbeid til en allerede tung arbeidsbelastning. I mange tilfeller er en stor prosentandel av en etiketts overhead bundet opp i regnskapsavdelingen.

For å bekjempe disse problemene utvikler gründere business intelligence-plattformer som har kapasitet til å organisere og analysere big data. Et av de beste eksemplene er det østerrikske selskapet Rebeat, som beskriver tjenestene deres som «royalty accounting with three clicks». Grunnlagt i 2006, har den raskt vokst til Europas ledende digitale distributør og gir tilgang til 300 digitale tjenester over hele verden. I hovedsak effektiviserer Rebeat regnskapspraksis og håndterer backend-arbeid, som å matche datafelt i regnskapsprogramvare, slik at regnskapsavdelingen står fritt til å administrere budsjetter. De gir også en infrastruktur for å administrere royaltybetalinger i henhold til kontraktsmessige avtaler, direkte avtaler med digitale musikkbutikker, generere grafer for å spore salg, og viktigst av alt, eksportere data til CSV-filer.

Selvfølgelig kommer tjenesten med en pris. Forbes rapporterte at plateselskaper må bruke Rebeat som distributør slik at de kan få tilgang til bedriftsdata, som koster en salgsprovisjon på 15 % og en fast avgift på $649 hvert år. Estimater tyder imidlertid på at i de fleste tilfeller koster et merkes regnskapsoverlegg ofte mye mer, noe som betyr at signering med Rebeat kan vise seg å spare penger.