Algoritmen bakom musik

Flytta över, American Idol.

Nästa stora framgångssaga i musikbranschen kommer inte att upptäckas i högprofilerade talangtävlingar. Istället kommer det att identifieras i datamängder av komplexa algoritmer utformade för att avslöja användning och affärstrender.

På ytan låter den här metoden torr och mer utan känslor än Simon Cowells kritik, men det är faktiskt det ultimata sättet som allmänheten väljer "nästa stora sak". Varje gång allmänheten klickar på YouTube-länkar, lägger upp konsertbilder på Twitter eller chattar om band på Facebook, bidrar de till en mängd information som kallas big data. Termen avser en samling av datamängder som är stora och innehåller komplexa inbördes samband. Tänk på strukturen för sociala medier. De innehåller miljontals individuella användarprofiler som är sammanlänkade genom vänskap, "gillar", gruppmedlemskap och så vidare. I huvudsak speglar big data strukturen på dessa plattformar.

Inom musikbranschen genereras big data av aktiviteter som onlineförsäljning, nedladdningar och kommunikation som utförs genom appar eller miljöer för sociala medier. Mätvärden som mäts inkluderar "mängden gånger låtar spelas eller hoppas över, såväl som nivån av dragkraft de får på sociala medier baserat på åtgärder som Facebook-gilla och tweets." Analytiska verktyg avgör den övergripande populariteten för fansidor och registrerar positiva eller negativa kommentarer om artister. Tillsammans identifierar denna information aktuella trender, utvärderar artisternas digitala puls och leder till försäljning genom singlar, varor, konsertbiljetter och till och med prenumerationer på musikstreamingtjänster.

När det gäller att upptäcka nya talanger spelar big data en viktig roll för att skapa intresse hos stora skivbolag. I många fall räknar företag samman en artists sidvisningar, "gillar" och följare. Sedan kan siffror enkelt jämföras med andra artister i samma genre. När en handling har genererat hundratusen plus Facebook- eller Twitter-anhängare, tar talangchefer märke till det och börjar trumma upp intresset inom musikbranschen själv.

Big data väljer nästa stora topp 40-träff

Möjligheten att identifiera aktuella trender och förutsäga nästa megastjärna kommer med stora ekonomiska belöningar för alla inblandade. Dataforskare studerade till exempel effekterna av sociala medier på iTunes-album och spårförsäljning genom att jämföra ens mätvärden med den andras intäkter. De drog slutsatsen att aktivitet på sociala medier korrelerar med en ökning av försäljningen av album och spår. Mer specifikt har YouTube-visningar den största inverkan på försäljningen; ett fynd som fick många skivbolag att ladda upp stora budgetmusikvideor till plattformen för att marknadsföra singlar. Innan man spenderar miljoner på videoproduktion, används analys för att identifiera vilka låtar som sannolikt kommer att bli hits baserat på onlineaktiviteter för målgrupp. Noggrannheten i dessa förutsägelser är korrelerad till kvaliteten på big data-analys.

Entreprenörer inom musikbranschen experimenterar nu med nya metoder för att utveckla algoritmer som samlar in information med större effektivitet och träffsäkerhet. Ett av de mest anmärkningsvärda exemplen är ett joint venture mellan EMI Music och Data Science London som heter The EMI Million Interview Dataset. Det beskrivs som "en av de rikaste och största datauppsättningarna för musikuppskattning som någonsin gjorts tillgängliga - en massiv, unik, rik, högkvalitativ datauppsättning sammanställd från global forskning som innehåller intressen, attityder, beteenden, förtrogenhet och uppskattning av musik som uttrycks av musikfantaster.”

David Boyle, Senior Vice President för Insight på EMI Music, förklarar, "(Det är) består av en miljon intervjuer som tar upp ämnen som nivån av passion för en viss musikgenre och undergenre, föredragna metoder för musikupptäckt, favoritmusikartister, tankar om piratkopiering av musik, musikströmning, musikformat och fans demografi."

Målet med projektet är att släppa denna samling av information till allmänheten och förbättra kvaliteten på verksamheten inom musikbranschen.

"Vi har haft stor framgång med att använda data för att hjälpa oss och våra artister att förstå konsumenter, och vi är glada över att dela med oss ​​av en del av vår data för att hjälpa andra att göra detsamma", säger Boyle.

2012 tog EMI Music and Data Science London projektet ett steg längre genom att vara värd för Music Data Science Hackathon. EMC, världsledande inom datavetenskap och big data-lösningar, gick med i satsningen och tillhandahåller IT-infrastruktur. Under en 24-timmarsperiod utvecklade 175 dataforskare 1,300 XNUMX formler och algoritmer för att svara på frågan: "Kan du förutsäga om en lyssnare kommer att älska en ny låt?" Resultaten antydde kraften i kollektiv intelligens och deltagarna utvecklade formler som beskrevs som världsklass.

"De insikter som avslöjas i detta hackathon antyder kraften och potentialen som Big Data har – både för intellektuell upptäckt och för ökat affärsvärde för organisationer av alla slag", säger Chris Roche, regionchef för EMC Greenplum.

Men hur betalar man artisterna?

Efter att branschen har fastställt att en låt har hitpotential och släpper den som singel, hur beräknar den royalties när låten spelas på sociala medieplattformar eller streamingsidor? Just nu står skivbolag av alla storlekar inför ett växande problem med att behöva stämma av mängder av data från streamingföretag som Spotify, Deezer och YouTube, men har färre personer än någonsin att göra det.

En av de centrala utmaningarna ur ett informationshanteringsperspektiv är att de flesta databashanteringssystem inte utvecklades för att hantera datamängder som är lika stora och komplexa som big data. Till exempel är storleken på digitala datafiler som genereras av musikdistributörer långt över vad program som Excel kan hantera. Detta skapar problem inklusive saknade data och filetiketter som inte är kompatibla med bokföringsprogram.

I de flesta fall löses alla dessa frågor av revisorer, vilket lägger till extra tid och arbete till en redan tung arbetsbörda. I många fall är en stor andel av en etiketts omkostnader bundet till ekonomiavdelningen.

För att bekämpa dessa frågor utvecklar entreprenörer plattformar för business intelligence som har kapacitet att organisera och analysera big data. Ett av de bästa exemplen är det österrikiska företaget Rebeat, som beskriver sina tjänster som "royalty accounting with three clicks." Det grundades 2006 och har snabbt vuxit till Europas ledande digitala distributör och ger tillgång till 300 digitala tjänster över hela världen. I huvudsak effektiviserar Rebeat redovisningspraxis och hanterar backend-arbete, som att matcha datafält i bokföringsprogram, så att redovisningsavdelningen är fri att hantera budgetar. De tillhandahåller också en infrastruktur för att hantera royaltybetalningar i enlighet med avtal, direkta avtal med digitala musikbutiker, generera grafer för att spåra försäljning, och viktigast av allt, exportera data till CSV-filer.

Självklart kommer tjänsten med ett pris. Forbes rapporterade att skivbolag måste använda Rebeat som distributör så att de kan komma åt företagsdata, vilket kostar en försäljningsprovision på 15 % och en fast avgift på $649 varje år. Uppskattningar tyder dock på att i de flesta fall kostar en etiketts redovisningsöverlägg ofta mycket mer, vilket innebär att signering med Rebeat kan visa sig spara pengar.