Zusammenfassung
Big Data gilt als innovativer Ansatz, um das Verhalten von Konsumierenden vorherzusagen. In diesem Beitrag wird danach gefragt, ob Big Data auch dazu dienen kann, Talente in der Musikindustrie zu entdecken und zu fördern. Dafür wird zunächst beschrieben, wie vor allem beim Streaming und im Social Web digitale Daten anfallen. Anschließend wird dargelegt, wie diese Daten als Basis für Big-Data-Analysen genutzt werden können. Daraufhin werden drei Anwendungsbeispiele von Datenanalysen im A&R-Management aufgezeigt: die Analyse onlinegenerierter musikbezogener Daten, die Nutzung von Datenaggregatoren sowie die Berechnung des Erfolgspotentials eines Musikschaffenden mithilfe von Big-Data-Technologien. Um die theoretisch gewonnenen Erkenntnisse mit Erfahrungen aus der Medienpraxis abzugleichen, wurden mehrere leitfadengestützte Interviews mit Branchenkenner_innen durchgeführt. In der empirischen Untersuchung wurde deutlich, dass Big Data bereits heute eine wichtige Rolle bei der Talententdeckung und -förderung spielt, es aber noch einen erheblichen Bedarf gibt, die Daten mit einem hohen Maß an Zuverlässigkeit auszuwerten.
Abstract
Big Data is considered as an innovative approach to predict consumer behavior. This paper asks whether big data can also be used to discover and develop talents in the music industry. First, the paper describes how digital data is generated, especially in the case of streaming and the social web. Then it explains how this data can be used as the basis for big data analytics. After that, three fields of application for data analysis in A&R management are presented: the analysis of online generated music-related data, the use of data aggregators and the prediction of an artist’s success potential using big data technologies. In order to enrich theoretical findings with experiences from media practice, several guided interviews with industry insiders were conducted. The empirical study shows that big data already plays an important role in talent discovery and development, but there is still a considerable need to reliably evaluate the data.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Bachmann, R., Kemper, G., & Gerzer, T. (2014). Big Data – Fluch oder Segen? Unternehmen im Spiegel gesellschaftlichen Wandels. Heidelberg u. a.: Mitp.
Beer, D., & Taylor, M. (2014). The Hidden Dimensions of the Musical Field and the Potential of the New Social Data. Sociological Research Online 18 (2), 1-11.
BITKOM (2012). Big Data im Praxiseinsatz. Szenarien, Beispiele, Effekte. https://www.bitkom.org/noindex/Publikationen/2012/Leitfaden/Leitfaden-Big-Data-im-Praxiseinsatz-Szenarien-Beispiele-Effekte/BITKOM-LF-big-data-2012-online1.pdf/. Zugegriffen: 24. März 2017.
Borel, B. (2008). How to Predict Tomorrow’s Hit Songs Today. http://www.popsci.com/entertainment-amp-gaming/article/2008-12/how-predict-tomorrows-hit-songs-today. Zugegriffen: 24. März 2017.
BVMI (2017). Die offiziellen deutschen Charts. http://www.musikindustrie.de/offizielledeutsche-charts/. Zugegriffen: 24. März 2017.
Chemi, E. (2014). Can Big Data Help Music Labels Find That Perfect Backbeat? https://www.bloomberg.com/news/articles/2014-03-07/can-big-data-help-music-labels-find-thatperfect-backbeat. Zugegriffen: 24. März 2017.
Collins, S.. & O’Grandy, P. (2016). Off the Charts: The Implications of Incorporating Streaming Data into the Charts. In R. Nowak, & A. Whelan (Hrsg.), Networked Music Cultures. Contemporary Approaches, Emerging Issues (S. 151-169). London: Palgrave Macmillan.
Dengel, A (Hrsg.). (2012). Semantische Technologien. Grundlagen – Konzepte – Anwendungen. Heidelberg: Spektrum.
Gottfried, G. (2014). Lyor Cohen geht mit Twitter-Daten auf Talentsuche. http://www.musikmarkt.de/Aktuell/News/Lyor-Cohen-geht-mit-Twitter-Daten-auf-Talentsuche. Zugegriffen: 24. März 2017.
Hernandez, B. A. (2014). Twitter Partners With Billboard to Create Real-Time Music Chart. http://mashable.com/2014/03/27/billboard-twitter-real-time-music-chart/. Zugegriffen: 24. März 2017.
Herremans, D., Martens D., & Sörensen, K. (2014). Dance Hit Song Prediction. Journal of New Music Research 43 (3), 291-302. https://doi.org/10.1080/09298215.2014.881888.
Herzberg, M. (2012). Musik und Aufmerksamkeit im Internet. Musiker im Wettstreit um Publikum bei YouTube, Facebook & Co. Marburg: Tectum.
IFPI (2016). Investing in Music. The Value Of Record Companies. http://www.ifpi.org/content/library/investing_in_music.pdf. Zugegriffen: 24. März 2017.
Ingold, S. (2013). Showbühne der Selbstdarstellung. Social-Web-Nutzung von Musikschaffenden am Beispiel MySpace. Berlin: Frank & Timme.
Jensen, L. (2015). Talentsuche per App. https://www.brandeins.de/archiv/2015/talent/shazamtalentsuche-per-app/. Zugegriffen: 24. März 2017.
Karp, H. (2014). Music Business Plays to Big Data’s Beat. Analysis Tool Tracks Artists’ Sales, Helps Universal Evaluate Employees. https://www.wsj.com/articles/music-business-playsto-big-datas-beat-1418603548, Zugegriffen: 24. März 2017.
King, S. (2013). Big Data. Potential und Barrieren der Nutzung im Unternehmenskontext. Wiesbaden: Springer.
Knopper, S. (2014). Can Shazam Predict the Next Big Hit? Industry insiders look to song identification app as new measure of success. http://www.rollingstone.com/music/news/can-shazam-predict-the-next-big-hit-20140220. Zugegriffen: 24. März 2017.
Mahlmann, C. (2008). Marketing und Promotion von Musikprodukten. In G. Gensch, E. M. Stöckler, & P. Tschmuck (Hrsg.), Musikrezeption, Musikdistribution und Musikproduktion. Der Wandel des Wertschöpfungsnetzwerks in der Musikwirtschaft (S. 205-238). Wiesbaden: Gabler.
Mayer-Schönberger, V. (2015). Big Data. Eine Revolution, die unser Leben verändern wird. In Bundesgesundheitsblatt 58, 788-793.
Mayer-Schönberger, V., & Cukier, K. (2013). Big Data. Die Revolution, die unser Leben verändern wird. 2. Aufl. München: Redline.
Mayring, P. (2015). Qualitative Inhaltsanalyse. Grundlagen und Techniken. 12., überarb. Aufl. Weinheim u. a.: Beltz.
Next Big Sound (2017). The Taxonomy of Artists Laying the foundation for performance benchmarks. https://www.nextbigsound.com/industry-report/2016. Zugegriffen: 24. März 2017.
O’Malley Greenburg, Z. (2013). Moneyball For Music: The Rise of Next Big Sound. https://www.forbes.com/sites/zackomalleygreenburg/2013/02/13/moneyball-for-music-the-riseof-next-big-sound/#12b9eb866d98. Zugegriffen: 24. März 2017.
Pachet, F., & Roy, P. (2008). Hit Song Science is Not yet a Science. In Proc. of the 9th International Conference on Music Information Retrieval (ISMIR 2008), (S. 355-360).
Parry, G., Vendrell-Herrero, F., & Bustinza, O. F. (2014). Using Data in Decision-Making Analysis from the Music Industry. Strategic Change, Special Issue: Strategic Foresight 23 (3-4), 265-277.
Pham, A. (2014). Warner Music’s Shazam Deal: What It Means For Music. http://www.billboard.com/biz/articles/news/digital-and-mobile/5915488/warner-musics-shazamdeal-what-it-means-for-music. Zugegriffen: 24. März 2017.
Prey, R. (2016). Musica Analytica. The Datafication of Listening. In R. Nowak und A. Whelan (Hrsg.), Networked Music Cultures. Contemporary Approaches, Emerging Issues (S. 31-48). London: Palgrave Macmillan.
Shubber, K. (2014). Music analytics is helping the music industry see into the future. https://www.theguardian.com/technology/2014/apr/09/music-analytics-is-helping-the-musicindustry-see- into-the-future. Zugegriffen: 24. März 2017.
Spinnup (2017). Werde entdeckt und starte deine Karriere als Musiker. https://spinnup.com/de/werde-entdeckt/. Zugegriffen: 24. März 2017.
Tatchell, J. (2005). Together in electric dreams. https://www.theguardian.com/music/2005/jan/17/popandrock. Zugegriffen: 24. März 2017.
Thompson, D. (2014). The Shazam Effect. https://www.theatlantic.com/magazine/archive/2014/12/the-shazam-effect/382237/. Zugegriffen: 24. März 2017.
Tschmuck, P. (2013). Das 360°-Musikschaffen im Wertschöpfungsnetzwerk der Musikindustrie. In B. Lange, H.-J. Bürkner, & E. Schüßler (Hrsg.), Akustisches Kapital. Wertschöpfung in der Musikwirtschaft (S. 285-315). Bielefeld: Transcript
Warner Music Group (2014). Warner Music Group and Shazam Announce Landmark Strategic Alliance. http://www.wmg.com/news/warner-music-group-and-shazam-announcelandmark-strategic-alliance-20366. Zugegriffen: 24. März 2017.
Wrobel, S., Voss, H., Köhler, J., Beyer, U., & Auer, S. (2014). Big Data, Big Opportunities. Anwendungssituation und Forschungsbedarf des Themas Big Data in Deutschland. Informatik Spektrum 38, 370-378.
ZDFinfo (2015). Big Data in der Musikindustrie. https://www.youtube.com/watch?v=MfL7Pts-ZeI. Zugegriffen: 24. März 2017.
Zombik, P. (2003). Die Bedeutung der Charts für die Musikwirtschaft. In R. Moser, & A. Scheuermann (Hrsg.), Handbuch der Musikwirtschaft (S. 67-75). 6., vollst. überarb. Aufl., Starnberg u. a.: Joseph Keller.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2019 Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this chapter
Cite this chapter
Müller, U. (2019). Talententdeckung und -förderung im Zeitalter von Big Data. In: Ahlers, M., Grünewald-Schukalla, L., Lücke, M., Rauch, M. (eds) Big Data und Musik. Jahrbuch für Musikwirtschafts- und Musikkulturforschung. Springer VS, Wiesbaden. https://doi.org/10.1007/978-3-658-21220-9_7
Download citation
DOI: https://doi.org/10.1007/978-3-658-21220-9_7
Publisher Name: Springer VS, Wiesbaden
Print ISBN: 978-3-658-21219-3
Online ISBN: 978-3-658-21220-9
eBook Packages: Social Science and Law (German Language)