
大数据时代的音乐革命2_数据分析师
【趋同与混搭】
不过,问题随之而来。当消费者有了更多发言权,他们喜欢听熟悉的旋律,反复循环地听,导致一些歌曲不断被电台重复播放,缺乏新意。
iHeartMedia一家子公司的数据显示,40家主要电台去年播出最热门十首单曲的次数几乎是十年前的两倍。2013年最受欢迎的歌曲是罗宾·西克的《Blurred Lines》,播放次数比2003年最受欢迎歌曲《When I’m Gone》多70%。连2013年第五受欢迎歌曲《Ho Hey》也比十年前任何一首歌曲的播放次数多30%。
我们不仅在重复听同一首歌,而且这些歌本身也变得越来越雷同。随着唱片公司越来越捻熟于什么样的歌畅销,他们更愿意投资类似的模仿歌曲。业界开始担心,过分依赖大数据将造成风格和类型的“群族化”,致流行音乐陷入令人沮丧的平庸。
西班牙国家研究委员会2012年发表一份报告称,轻松愉快的音乐风靡全球。流行歌曲似乎变得越来越寡淡、嘈杂、意料之中,一遍遍重复相同的旋律。报告研究了1955年至2010年间录制的46.4万首歌曲,发现新千年里播放次数最多的歌曲呈现一种趋势,即“音高转换越来越缺少变化”。
问题不在于流行歌手们。我们的大脑倾向于选择已知旋律,正如俄亥俄州立大学音乐理论家戴维·休伦所言,我们听音乐时,有90%的时间是在听已听过的歌曲,因为熟悉的歌无需花更多精力去思考。从心理学上讲,这叫“流畅性”:当一条信息被流畅消费后,会自然滑入我们的期望模式,令我们产生满足感和自信心。
“熟悉的东西让人舒服,特别是当你感到焦虑时,”南加州大学心理学教授诺贝特·施瓦茨说,“心情不好时,你会想见老朋友,想吃好东西,这和媒体消费是同一个道理。你心烦意乱的时候,不会想看一部新电影,或者尝试听一首新歌。你会找一部老片,一首熟悉的歌。”
说音乐正走向单一化,变得更无趣、更嘈杂、更重复,也许过于简单化了。既然唱片公司认识到嘻哈音乐和乡村音乐如此流行,于是将这些风格与传统流行乐融合,创造出新的声音。去年夏天的一首流行曲《问题》即融合了迷离的萨克斯风、90年代流行的人声、轻声合唱和女声说唱。它听起来很陌生,却又似乎无处不在。
加州大学戴维斯分校研究好莱坞风格融合的副教授格雷特·徐说,“混搭”固然有风险,但结果可能是巨大的成功,因为它们满足了多数听众的需求:既新鲜,又熟悉。(唐昀)(新华社特稿)
【趋同与混搭】
不过,问题随之而来。当消费者有了更多发言权,他们喜欢听熟悉的旋律,反复循环地听,导致一些歌曲不断被电台重复播放,缺乏新意。
iHeartMedia一家子公司的数据显示,40家主要电台去年播出最热门十首单曲的次数几乎是十年前的两倍。2013年最受欢迎的歌曲是罗宾·西克的《Blurred Lines》,播放次数比2003年最受欢迎歌曲《When I’m Gone》多70%。连2013年第五受欢迎歌曲《Ho Hey》也比十年前任何一首歌曲的播放次数多30%。
我们不仅在重复听同一首歌,而且这些歌本身也变得越来越雷同。随着唱片公司越来越捻熟于什么样的歌畅销,他们更愿意投资类似的模仿歌曲。业界开始担心,过分依赖大数据将造成风格和类型的“群族化”,致流行音乐陷入令人沮丧的平庸。
西班牙国家研究委员会2012年发表一份报告称,轻松愉快的音乐风靡全球。流行歌曲似乎变得越来越寡淡、嘈杂、意料之中,一遍遍重复相同的旋律。报告研究了1955年至2010年间录制的46.4万首歌曲,发现新千年里播放次数最多的歌曲呈现一种趋势,即“音高转换越来越缺少变化”。
问题不在于流行歌手们。我们的大脑倾向于选择已知旋律,正如俄亥俄州立大学音乐理论家戴维·休伦所言,我们听音乐时,有90%的时间是在听已听过的歌曲,因为熟悉的歌无需花更多精力去思考。从心理学上讲,这叫“流畅性”:当一条信息被流畅消费后,会自然滑入我们的期望模式,令我们产生满足感和自信心。
“熟悉的东西让人舒服,特别是当你感到焦虑时,”南加州大学心理学教授诺贝特·施瓦茨说,“心情不好时,你会想见老朋友,想吃好东西,这和媒体消费是同一个道理。你心烦意乱的时候,不会想看一部新电影,或者尝试听一首新歌。你会找一部老片,一首熟悉的歌。”
说音乐正走向单一化,变得更无趣、更嘈杂、更重复,也许过于简单化了。既然唱片公司认识到嘻哈音乐和乡村音乐如此流行,于是将这些风格与传统流行乐融合,创造出新的声音。去年夏天的一首流行曲《问题》即融合了迷离的萨克斯风、90年代流行的人声、轻声合唱和女声说唱。它听起来很陌生,却又似乎无处不在。
加州大学戴维斯分校研究好莱坞风格融合的副教授格雷特·徐说,“混搭”固然有风险,但结果可能是巨大的成功,因为它们满足了多数听众的需求:既新鲜,又熟悉。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19