nouvelles tendances - le big data

Download Nouvelles tendances - le big data

Post on 16-Apr-2017

66 views

Category:

Data & Analytics

0 download

Embed Size (px)

TRANSCRIPT

  • ETUDE DES NOUVELLES TENDANCES

    / LE BIG DATA /

  • / INTRODUCTION/ LE BIG DATA DANS LA MUSIQUE

    / COMMENT CA MARCHE ?

    / LES DIFFERENTES APPLICATIONS

    / CONCLUSION

    S O M M A I R E

    / POURQUOI LA MUSIQUE UTILISE LE BIG DATA ?

  • QUEST-CE QUE LE

    BIG DATA ?

  • DEFINITION

    2,5 TRILLIONS DOCTETS DE DONNEES

    EN 2 ANSEN PROVENANCE DE

    PARTOUT

    CEST A LE BIG DATA

  • LES PIONNIERS DES DONNEES

    GOOGLE

    AMAZON

    FACEBOOK

    eBAY

  • LES USAGES

    4 FACTEURS ALIMENTENT LES BIG DATA

    LE WEB 2.0 ET LES RESEAUX SOCIAUX

    12

    3

    > LE MOBILE

    LOPEN DATA>LINTERNET DES OBJETS & CAPTEURS

    >

    4

    >

  • LES DATA DU BIG DATA

    45%Des entreprises collectent des donnes non structures

    >

    27% >

    -10%Des entreprises disposent de logiciels de statistique

    >

    Des entreprises sont outilles pour fiabiliser les donnes

  • LES DOMAINES D'APPORT

    OPTIMISATION DE LA LOGISTIQUE MONETISATION PROFILS CLIENTS

    MARKETING AUTOMATION

    MARKETING MULTI CANAL

    ANALYSE DU PARCOURS CLIENT

    CIBLAGE PUBLICITAIRE PRECIS ROI

    EXPERIENCE CLIENT

    DETERMINER LES INSIGHTS POUR AMELIORER SON OFFRE & CREER LEXPERIENCE CLIENT

  • LES APPLICATIONS CONCRETES

    DANS NOTREquotidien

    > LA VILLE CONNECTEE

    > LES TRANSPORTS EN TEMPS REEL

    > PUBLICITES PERSONNALISEES

    > ECONOMIES

  • FOCUSle big dataDANS LA MUSIQUE

  • LES COULISSES DU BIG DATA DANS

    LA MUSIQUE

  • FOCUS SUR...FOCUS SUR The echo nest

    FONDE EN 2005

    >API MIS GRATUITEMENT A DISPOSITION

    BASE DE DONNEES DATA autonome

    400 APPS & SITESBASES SUR CET API

    100 MILLIONSDE FANS TOUS LES

    MOIS>

    LA MISSION : aider les fans mieux dcouvrir, partager et interagir avec la musique quils aimentx

  • FOCUS SUR...FOCUS SUR next big sound

    FONDE EN 2009

    >486 000 GROUPES ANALYSES

    >

    LE trackeur de musiques en fonction de leur popularit sur internet et les rseaux sociaux (Youtube, Twitter, Wikipedia etc)

  • UN SERIVCE DE CREATION ET CLASSEMENT DE CATALOGUE MUSICAL

    UN SERVICE DE PERSONNALISATION ET DE RECOMMANDATION MUSICALE

    FOCUS SUR...FOCUS SUR Niland

    LALGORITHME IMBATTU DEPUIS 5 ANS

    EXTRAIRE LES INFORMATIONS PERTINENTES des titres de sa BDD

    CREER DE LA DATA UTILISABLE : Classement par spcificits, similitudes, mots cls

    OPTIMISER lexprience client, maximiser les ventes et avoir un vrai ROI

    x

    x

    x

    >

    >

  • FOCUS SUR KOBALT

    COLLECTER LES DONNEES du nombre de lectures sur un titre / album, et sur quelle plateforme celui-ci est lu.

    TRANSPARENCE : Suivi des donnes et paiement en temps rel

    LE BUT : que tout le monde soit pay ce quil mrite

    FONDE EN 2001

    LE BACK-OFFICE DE LA MUSIQUE

    8000 ARTISTES

    600 000 CHANSONS

    100 TERRITOIRES

    > >

    AIDER LES ARTISTES

    x

    x

    x

  • FOCUS SUR...FOCUS SUR Trax Air

    ANALYSE MUSICALE : cration dun ADN musical pour chaque titre (plusieurs extraits de 20 secondes)

    VEILLE / MATCHING : Comparaison la BDD. Cration dun Copyright Data System qui reconnait un morceau et identifie la fraude

    LE BUT : viter le streaming illgal

    LE + : Service de reconnaissance audio pour le public

    LA RECONNAISSANCE AU SERVICE DE TOUS

    UN SERVICE COMPLET

    x

    x

    x

    x

    1 ALGORITHME

    INNOVANT EFFICACE>

  • LA DATA ET LA MUSIQUE :

    QUELS LIENS ?

  • DfiLAVANTAGE CONCURRENTIEL NEST PLUS LA

    RICHESSE DU CATALOGUE, MAIS CELLE DE L'EXPRIENCE UTILISATEUR

    L'EXPRIENCE UTILISATEUR AU CENTRE

    MAIS LE STREAMING EST UN MARCHE TROIT

    F I D E L I S E R

  • L'ARRIVE DU STREAMING

    INDUSTRIE MUSICALEEN DCLIN

    FAIRE FACE A LA RVOLUTION NUMRIQUE

    STREAMING RELAIS DE CROISSANCE

    x 5REVENUS LIS

    AU NUMRIQUE DEPUIS 2010

    DU CHIFFRE DAFFAIRE

    DU NUMRIQUE

    32%LANCEMENT DANS LES PAYS SCANDINAVES

    SUCCS GRCE AU MOBILE

    PLUS DE PROPRIT, MAIS ACCS ILLIMIT

    insightAVOIR ACCS A LA

    MUSIQUE PARTOUT, A TOUT MOMENT ET

    EN ILLIMIT

    SPOTIFY = LEADER MONDIAL

  • DES MILLIONS DE DONNES AU SERVICE DE L'EXPRIENCE UTILISATEURS

    MILLION DUTILISATEURS +

    MILLIONS DE TITRES +

    RSEAUX SOCIAUX=

    BIG DATA

    DONNES AGRGES

    RYTHME // HARMONIE // TEMPO // AMPLITUDE // MLODIE,

    GENRE // ARTISTES,

    LA FAON QUE LUTILISATEUR A DE CONSOMMER LA MUSIQUE

    (PARTAGE, TEMPS D'COUTE )

    RECOMMANDATION

    PRDICTION DE CE QUI VA PLAIRE

  • COMMENT CA

    MARCHE ?

  • LEXEMPLE DE

    MIXSHAPE

    http://www.youtube.com/watch?v=X_Bc_8aU7QM

  • LEXEMPLE DE MIXSHAPET

    APE

    1

  • LEXEMPLE DE MIXSHAPET

    APE

    2

  • LEXEMPLE DE MIXSHAPET

    APE

    3

  • AUJOURDHUI, UNE TRADUCTION DES DONNES ENCORE PLUS POUSSE

    LES API* AU COEUR DU SYSTME

    DEXPLOITATION

    METADONNESENRICHIES

    RECOMMANDATIONS

    SEGMENTATION DES AUDIENCES 5 1

    ALGORITHMES BASS SUR LINTELLIGENCE ARTIFICIELLE

    MACHINE LEARNING*

    DEEZER vs. SPOTIFY

    Cassandra

    HADOOP

  • LES DIFFRENTES

    APPLICATIONS

  • LA RECOMMANDATION ET PERSONNALISATION

    > 35 MILLIONS de titres

    > Achat de The Echo Nest

    > Achat de Seed Scientific

    PLAYLISTS PROPOSES EN FONCTION DU MOMENT DE LA JOURNE EN HOMEPAGE

    LES DCOUVERTES DE LA SEMAINE

    LES FLASHBACKS (CHANSONS DE L'ANNE, CHANSONS QUE LUTILISATEUR A T LE 1ER A DCOUVRIR)

    LA FONCTIONNALIT PARCOURIR

    HOMME INTELLIGENCE ARTIFICIELLE DATA MINING

  • RGIE PUBLICITAIRE

    FREEMIUM = PUBLICITE

    CONNAISSANCE DU COMPORTEMENT DE

    LUTILISATEUR

    ANALYSE POUSSE DE LUTILISATEUR

    SEGMENTATION ET CIBLAGE PRCISE DES AUDIENCES

  • REGIE PUBLICITAIRE - LE CAS DE BMW

    OBJECTIFA

    AAccrotre l'intrt pour la BMW 320i et sa notorit

    SOLUTION

    Une application brande BMW dans laquelle> 5 ROADTRIPS A SLECTIONNER

    > GNRE UNE PLAYLIST PERSONNALISE en fonction de leur choix

    RESULTATS

    +14 000 playlists cres

    30% des playlists gnres entirement

  • AUTRES FONCTIONNALITS/PROJETS

    SPOTIFY CAPITALISE SUR LE DATA AFIN DE TOUJOURS MIEUX CONNATRE SES AUDIENCES

    MUSICAL MAP

    PLATEFORME DANALYSE DE DATA INSIGHT DEPUIS 2014

    > 1 MILLIER DE MTROPOLES RECENSES

    > LES TITRES LES PLUS COUTS

    Nous voyageons pour connatre ce qui rend un endroit diffrent et spcial, en cherchant les spcialits locales

    https://eliotvb.cartodb.com/viz/971d1556-0959-11e5-b1a4-0e9d821ea90d/embed_map

  • LA RECOMMANDATION ET PERSONNALISATION

    RECOMMANDATION

    Base sur lutilisation de Deezer pour gnrer des donnes, en fonction des coutes et des favoris.

    FLOW

    RADIO

    Recommande de la musique en lajoutant directement aux playlists de lutilisateur.

    Enrichie les playlist en fonction de leur style ou de leur ambiance avec des titres suggrs

    50EXPERTS

    MUSICAUX DANS LE MONDE

    1ALGORITHME

  • LA RECOMMANDATION ET PERSONNALISATION

    LA TECHNOLOGIE MUSIC GENOME

    - 400 ATTRIBUTS MUSICAUX (MELODIE / HARMONIE / RYTHME / FORME / COMPOSITION / PAROLES

    - 20 000 ARTISTES ANALYSES

    - 400 000 CHANSONS ANALYSEES

    > FONDE EN 2000

    > 5 ANS DELABORATION

    > 1 ERS A UTILISER LA TECHNOLOGIE DE RECOMMANDATION MUSICALE

    RECOMMANDATION ET CREATION DE RADIO PERSONNALISEES

    JOUER LE BON MORCEAU, UNIQUEMENT POUR VOUS

  • LA RECOMMANDATION ET PERSONNALISATION

    LES CRITERES UTILISES :

    - LES LIKE

    - LES AJOUTS DANS LA BIBLIOTHEQUE ITUNES

    - LES ECOUTES ENTIERES DE CHANSON

    ALGORITHME BASE SUR LES ECOUTES ET LES GOUTS :

    IL EVOLUE AVEC LE TEMPS ET SADAPTE A LUTILISATEUR

    MUSIC

    CONNAITRE SON UTILISATEUR LA DATA DU LIKE>>

    ECHEC DU LANCEMENT DE FOR YOU : RECOMMANDATION PEU PERTINENTE CAR PERSONNALISATION EFFICACE A LONG TERME

    For you

  • LA PRDICTION

    PRDICTION DES ARTISTES DE DEMAIN

    69% DES RSULTATS

    JUSTES

    4/6 DES PRDICTIONS JUSTES

    GRAMMY AWARDS 2013

  • CONCLUSION

  • LALLIANCE DE LHOMME ET DE LALGORITHME AU SERVICE DE LEVOLUTION TECHNOLOGIQUE

    GRACE A LA PERSONNALISATION ET A LA PRECISION, LA RECOMMANDATION ET LE SERVICE

    POUR MIEUX CONNATRE SES CONSOMMATEURS

    ET ANTICIPER LEURS BESOINS

    EN BREF, LE BIG DATA CEST :

  • / MERCI /

Recommended

View more >