原文：
www.kdnuggets.com/2019/07/data-science-film-industry.html
评论
作者：弗兰基·沃拉斯。
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯。
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你的组织 IT
制作电影时涉及到无数因素，从确定制作成本到开发有针对性的营销活动。数据科学参与了几乎每一个步骤，数据科学领域的专业人士可以从电影行业中学到很多东西。
流媒体服务在数据科学革命的前沿。包括亚马逊、Hulu 和 Netflix 在内的制作公司分析大数据中的模式，以决定他们创作的内容类型，并提供个性化的观影推荐。通过这种方式，数据科学可以在前所未有的层次上帮助娱乐的制作和营销。
数据科学领域也在各种电影中作为重要主题出现。像艾伦·图灵和约翰·纳什这样的现实创新者的故事近年来被改编成主要电影，与那些使用预测分析、机器学习和人工智能作为中心情节的虚构故事并肩而立。
社会对数据科学影响的迷恋表明，关于这一主题的电影肯定会增多。此外，制作公司将继续利用这些技术更好地理解个人的观影习惯和偏好，以创作更受大众欢迎的内容。
图片来源：Pexels
技术可以告诉电影制作人他们应如何制作和营销任何一部电影。从选角决定到甚至营销中使用的颜色，电影的每一个方面都可以影响销售。利用技术，我们可以预测客户的偏好，并确定如何优化内容以达到最大的潜力。
预测观众对电影的期望几乎可以保证该电影的成功。在 2018 年，被华特迪士尼公司收购的 20 世纪福克斯公司发布了一篇论文，概述了如何使用机器学习分析电影预告片的内容。在这一过程中收集的数据用于比较预告片，并预测其他可能引起观众兴趣的电影。
20 世纪福克斯使用 Google 服务器和开源 AI 框架 TensorFlow 创建了 Merlin，一个“实验性的电影观众预测和推荐系统”。在 Merlin 的试运行中，该工具分析了超级英雄金刚狼的起源故事“Logan”的预告片，以预测“Logan”观众可能感兴趣的其他电影。在预测的 20 部电影中，11 部是正确的。
实际排名前五的电影都在预测名单中：X 战警： apocalypse；约翰·威克 2；奇异博士；蝙蝠侠大战超人：正义黎明；自杀小队。一般来说，观众在寻找一部以“坚韧的男性动作主角”为特色的超级英雄电影。
尽管其数据解释并不完美，Merlin 是过去十年软件开发演变的一个典型例子。为了让程序员更好地专注于改进 AI 算法，未来的软件开发必须包括旨在减少重复任务所花费时间的节省措施。由于 AI 设计用于专注于单一任务，它是提高程序数据分析准确性的理想起点。
当大数据首次出现于 2010 年左右时，它有效地改变了将数据分析转化为有用洞察和利润的方法。大数据通常来源于外部，利用从互联网、公共数据源等收集的信息来做出更准确的预测。在娱乐行业中，大数据可以用于提供个性化的用户体验，并减少流媒体网站观众的流失率。
在用户可以选择的电影和电视节目种类繁多的情况下，留住观众对流媒体服务和电影制作公司至关重要。高流失率表明公司做错了什么，结合机器学习，大数据可以帮助公司识别问题领域。
在流媒体服务中，用户界面在观众留存中发挥着重要作用。例如，如果观众推荐不准确，可能会导致观众转向其他平台寻求娱乐。流媒体服务非常清楚积极用户体验的重要性。
为了保持观众的参与度，Netflix 开发并持续改进其自适应流媒体算法以优化流媒体质量并创造个性化用户体验。流媒体巨头会调整媒体的音频和视觉质量，以优化体验。他们还使用预测缓存，以便视频播放得更快或质量更高。例如，如果观众在观看一部系列剧，下一集将会被部分缓存。
与此同时，推荐系统基于显性和隐性信息。“显性数据是你字面上告诉我们的：你对《王冠》点赞，我们就知道了，”Netflix 产品创新副总裁 Todd Yellin 告诉 Wired。 “隐性数据实际上是行为数据。你没有明确告诉我们‘我喜欢《不可破的金米·施密特》’，你只是 binge 观看了它并在两个晚上内看完了，所以我们从行为上理解这一点。大多数有用的数据是隐性的。”
如果利润有所显示，Netflix 的算法无疑是成功的：自 2015 年以来，Netflix 的利润增长了超过 30%，年收入达到 166.14 亿美元。
图片来源: Pexels
Merlin 和类似程序对预测分析的影响范围广泛，但需要更大范围的数据才能找到准确的模式。在过去几十年里，研究人员收集了数千部电影和电视节目的数据，以寻找可行的预测指标。在许多类别中发现了相关性，包括角色类型、情节复杂性、明星效应、预算和“buzz”，即围绕某部电影的社交讨论和市场推广。
Buzz 的显著特点在于，可以从许多来源获得有关这种现象的信息，例如社交媒体和评论。然而，围绕一部影片的 buzz 只是整体分析图景中的一小部分。数据分析必须在电影的每个生命周期阶段中使用，从开发到后期制作和发行。
预测分析可以帮助生产者、制作公司和高管做出战略决策、预测趋势，并更好地理解观众习惯。知情决策对电影制作过程至关重要，而获取高质量、高可用性的数据是客户保留和利润的关键s。数据科学家应注意电影行业利用预测分析和大数据的各种方式，并将这些知识带到其他行业和商业环境中。
个人简介： 弗兰基·华莱士是一位来自西北地区的自由撰稿人，他为多种在线博客撰稿。华莱士目前居住在爱达荷州的博伊西，是蒙大拿大学的应届毕业生。
相关：