自從企業在分析競爭，市場調研，以及優化內部業務以獲得最大效率方面獲得了價值之后，大數據一直成為了新聞焦點。許多廠商采用數據支持的決策過程跟隨行業趨勢。雖然數據確實為商業世界提供了很大的好處，并在可能的情況下得到最大程度的利用，但是有一些事情要做。人們看到娛樂行業使用大數據成功收集電影，電視劇和音樂的數據，以獲得一些上升趨勢。盡管這可能會導致產生更成功的作品，但這并不是娛樂產業的最佳方式，至少從觀眾的角度來說。如今，有足夠的理由相信，如果以錯誤的方式使用大數據，可能會導致創造性的消亡，并導致抄襲。
大數據應該留在商業世界
雖然現在幾乎所有的事情都是一種商業，但是有些行業不應該完全走向商業化例，例如教育，醫療保健和娛樂行業。這些行業比其他行業影響更深。盡管提高使用數據可以提高業務效率，但在藝術背后的創意的篡改絕對不受人們歡迎。使用數據挖掘故事可能會導致作家不再想到創造新的創意，故事情節，以及敘事的方式。數據可能很快成為那么在創意領域工作的人們提出開創性的想法和內容的障礙。
紙牌屋的成功
紙牌屋是2013年2月1日在Netflix上亮相的電視劇。它在任何時候都很受歡迎，甚至在影視評論家評分中得到9分的高分。然而這個節目的制作人并不意外。
Netflix公司已經從其觀眾那里收集了很長時間的數據。這些數據用于確定觀眾將會發現有趣的內容，并積極地用于系列創作。雖然有些人可能會稱之為“創意方向”，但實際上這與臨摹已經完成的畫作并沒有很大的不同。其結果可能是出現另一個成功的電視節目，但其成本與失去的東西可能是完全不同的，獨特的，甚至可能是成功。
問題是，如果娛樂生產商開始給我們真正所喜歡的內容，我們將如何面對新的，不同的和有意義的內容，我們永遠不會想像我們可能會對什么感興趣？在數據和算法決定我們必須閱讀，觀看或聆聽的時代，藝術和創造力可能無法生存。最重要的是，我們想要看幾回紙牌屋的克隆電視??？
音樂將會根據喜好創作
音樂創作的美好時代已經過去了，因為藝術家們創造出的音樂是因為他們才華橫溢。而如果音樂創作者正在敏銳地提取用戶偏好的數據，用于制作下一個熱門韻。你聽的每一首歌都可能是你所聽歌的喜好，并跟蹤你的動作，如增加音量，暫停，倒退和跳過等等。然后，這些數據用于預測你喜歡的音樂類型，并創建更多這種類型的音樂。這實際上是扼殺了音樂的多樣性。Spotify和Pandora等音樂流媒體服務的興起使得收集用戶數據的分析變得容易。流行的音樂識別應用程序Shazam使得更容易識別人們想要了解的歌曲及其地理位置。這些數據直接來自于用戶，對音樂制作人來說意義重大。
音樂家Alex DaKid使用IBM Watson和Beat分析5年來的Billboard的歌曲，以確定不同的音樂元素，可以保證一定什么樣的音樂更加流行。毫不奇怪，AlexDaKid的單曲“不容易”成為一個熱門歌曲。
在所有流行音樂流媒體服務中，數據被積極用于音樂建議。例如，Pandora使用訓練有素的音樂分析師運行他們的“音樂基因組計劃”，在那里他們采用近450個特征來聆聽和分析歌曲。這用于為他們處理的每首歌曲分配一個身份，并向用戶提供建議。
然而，“數據創建音樂”是數據驅動音樂的邏輯延伸。而不是等待下一個偉大的藝術家出現，音樂制作人員從頭開始實現工程化。這是一個可怕的想法，可能使音樂作為一種藝術形式遭到破壞。可能不久之后，音樂是所有關于算法和計算機生成的節拍。如果這樣，就真成了一種悲哀。
數據和創造力的科學方面
數據和創造力之間存在著相當大的差異。數據是線性的，而創造力是非線性的。創造性涉及大量信息的并行處理，沒有任何預定義的規則。例如，人類在彼此交互時使用多種記憶方式，并且非常非線性。當我們大腦中的信息處理最少到沒有規則時，就會發生創造性的想法。當我們不得不處理數據和分析時，這就開始受到影響。
當數據和分析成為我們思維過程的藍圖時，我們認為會在一個不能逃離的盒子里。此外，重點關注的任務可能與創作過程直接相沖突，令人擔憂的是，隨著人們被大量數據淹沒。它使人們陷入一條狹隘的道路中，改變了思維方式。專注于數據可以最大限度地減少可能性的數量并對結果產生重大影響。事實上，它遵循一定的模式，傷害了人們的創造力。
藝術應遠離技術和數據
藝術的美麗在于它的不完美，沖動和抽象的方式來產生新的思想。使用大數據來識別成功的神奇的成功秘訣只會導致藝術形式的重演和過度優化。應該在組織中使用大量數據來提高效率，但希望藝術和其他創意領域還是不要采用大數據。
京公網安備 11010502049343號