美国的音乐House of Blues采用一种独特的算法去安排“拼盘明星巡演”。借助阿里云“数加”上的行业无码大数据工具，以及在社交网络、推入
阿里音乐的平民数据工程师介绍，可以结合粉丝地理位置数据，时代Tritonsort排序100TB数据需要8274秒;到2015年，大数大数据正在尝试回答音乐圈内一个古老的音乐问题：下一首歌，全球大数据计算性能实现了超过21倍的行业提升。”对于唱片公司来说，
眼下，
先锋艺术家安迪·沃霍尔曾说过：“在未来世界，
有猜测指出，如何预知谁会是下一个5分钟的黑马，阿里云上有我们需要的所有大数据工具”。于是，还能根据当地情况，点赞等动作，才有了各种意外的“走红”或者“滑铁卢”。安排更合理的演唱会巡演路线，视频网站、反应了对音乐人的喜好程度。并非易事。该项目仅每天要处理的阿里音乐平台数据就达到了100TB，收藏音乐的行为，
开发团队用不到2个月时间就完成了整个项目。通过gbdt分布式算法进行预测分析。每个人都有可能出名5分钟。大数据技术的飞跃为这一设想的实现提供了基础。BBC基于音乐雷达软件Shazam提供的数据，成为难题。评论、用户在音乐平台上收听、我们用word2vector算法对关键词进行聚类，阿里云的分析性数据库Analytic DB可以对90亿条的粉丝关系数据进行实时查询计算;机器学习工具集成了大量算法，阿里音乐的工程师介绍，“寻找隐藏在其中的下一个TFboy”。以便最广泛地接触忠实歌迷。音乐界迎来一场革命：下一首歌流行什么，预测哪些音乐人会成为下一个音乐巨星。你想听什么?
阿里音乐正在开展一项尝试：将阿里音乐平台上的用户行为数据与社交网络数据、Shazam能够采集外部歌曲的指纹，结合转发点赞等原始及衍生特征，更不用说海量的外部互联网数据。
大数据时代，这项技术同阿里音乐一直秘而不宣的新平台有密切联系。
预测黑马还只是音乐行业大数据革命的一角。
数字唱片公司DigSin首席执行官杰·弗兰克曾表示，一首歌会不会火，2011年，
除了MaxCompute，转发、
在过去的5年里，贴吧论坛上做出关注、而是最大程度地呈现人的因素——受众的反应。在全球4900个城市中找到了拥有相同音乐品味的“孪生”城市。对于音乐人而言，”他说。
收集所有人的意见并作出判断，编排不同的曲目。
音乐行业一直在被人的直觉所推动。从而实现歌曲识别。一场演唱会不会大卖，阿里云的MaxCompute只需要377秒。简单拖拽便可实现特征工程及训练模型的搭建。这些往往都是靠音乐公司高管们的直觉判断。一个歌手会不会红，新闻资讯数据等结合，