Відображення ландшафту даних Web3

Ця частина була спочатку опублікована на Decentralised.co. Ми в GCR надаємо вам довгі форми з Decentralized двічі на місяць – кожного наступного четверга! Керівництво понад 200 компаній довіряє Decentralised.co бути в курсі актуальних тенденцій, даних і розуміння. Підпишіться на їхню розсилку нижче — більше про цю співпрацю для наших найактивніших учасників Discord.

Підпишіться на Decentralised.co

Привіт,

Ми написали попередник до цієї статті 18 липня, якщо вам потрібен контекст, який виходить за рамки того, що тут написано.

Усе живе веде певний облік. Тварини відстежують пори року, щоб зрозуміти, коли полювати. Гризуни і птахи зберігають їжу в унікальних місцях. Їм потрібно пам’ятати, де вони його зберігали, коли через кілька місяців отримають доступ до нього для прожитку. Вовки встановлюють мітки по периметру своєї території, щоб сигналізувати іншим тваринам, щоб вони трималися туди. Навіть дерева стежать за часом. Щороку в стовбурах утворюється кільце. За кількістю кілець можна оцінити вік дерева.

Хоча дерева і тварини відстежують час, вони не можуть відновити або розповісти минуле. Вони не мають доступу до пам'яті. Це те, що відрізняє людське діловодство. Завдяки нашим здібностям до спілкування ми знаємо, що шумери в Месопотамії (3400 р. до н. е.) і стародавні єгиптяни (3200 р. до н. е.) використовували клинопис та ієрогліфи для запису інформації.

Людство розвинулося, коли знання можна було передавати, не вимагаючи фізичної участі джерела. Ми читаємо та насолоджуємося творами Платона чи Сократа ще довго після того, як вони пішли, тому що у нас є засоби для зберігання їхніх вчень. Writing був оригінальною платформою AR.

Написання з Ірану, ведення обліку зерна. Джерело: Посилання

Там, де писання залишало все на уяву, дані допомагали зберегти об’єктивність. Це зменшило вимогу до людей зберігати речі у своїй пам’яті. Частково тому деякі з найдавніших людських текстів стосуються боргів, доходів або торгових записів.

Перехід на цифрові технології

У постіндустріальну епоху компанії будували конкурентоспроможні рови, щоб зміцнити свої позиції на ринку, перейшовши на цифрові технології зі своїми продажами. Одним із прикладів цього є індійська компанія під назвою Asian Paints. Можливо, їхня фарба не найкраща на ринку, але вони контролюють понад 50% частки ринку лакофарбової промисловості Індії вартістю 8 мільярдів доларів.

чому Проста відповідь полягає в тому, що це побутовий бренд, і компанія має економію на масштабі. Але те, як вони туди потрапили, має коріння в даних. Вони вклали значні кошти в збір і обробку даних, щоб оптимізувати свій ланцюг поставок.

Для контексту, акції Asian Paints мали приголомшливий CAGR у 25% за останні 30 років. Підтримкою цього зростання стали інвестиції в мейнфрейм у 1970-х роках. Пристрій був потужнішим, ніж ті, що використовувалися на той час у найкращих дослідницьких організаціях Індії. Він щогодини збирав дані про колір і кількість фарби, що продається по всій Індії. Це дозволило Asian Paints побудувати модель, яка передбачає попит на фарбу в Індії з точністю 98%.

Ця передбачувана здатність дозволила Asian Paints отримати максимальну вартість, оскільки це могло значно скоротити час поповнення. У той час нормою продажу таких товарів, як фарби, було продавати їх оптовику, який потім передавав це дистриб’ютору, який, у свою чергу, продавав це дилеру. Дилер буде безпосередньо взаємодіяти зі споживачем. Причиною такого складного ланцюжка поставок було те, що кожна сторона проводила інвентаризацію активів і контролювала дані про попит і пропозицію фарби.

Пан Чоксі, засновник азіатських фарб, усунув оптовиків і дистриб’юторів із ланцюга постачання, вивчивши моделі споживання кінцевих споживачів і зменшивши залежність від посередників. Усунувши посередників, Asian Paints отримала 97% MRP (3% дилерам) у порівнянні з 60%, отриманими їхніми конкурентами.

Цінність Telegraph, яку можна видобути, — це перші стрічки з тикерами, що передаються через Telegraph.

Перехід на цифрове телебачення не відбувся миттєво. Частина того, що робило збір даних цікавим, — це світ фінансів і те, наскільки взаємопов’язаним він поступово ставав. Наприклад, наприкінці 20-го століття дані фондового ринку передавалися по телеграфу за допомогою пристроїв, подібних до наведеного вище. Ще в 1835 році торговці навчили голубів носити папірці з інформацією про те, що відбувається в Європі. Коли пароплави з товарами наближалися до 50 миль від суші, голуби летіли у визначені місця з інформацією. Колись трейдери платили до 500 доларів за кожну годину наперед, щоб отримати новини.

До 1867 року трейдери почали змагатися, щоб оптимізувати швидкість передачі інформації через телеграф. Співробітник Western Union на ім’я Е. А. Калахан заплатив понад 200 тисяч доларів NYSE за можливість надіслати співробітників на їхній торговий майданчик для передачі даних про тикери своїм клієнтам. Одним із тих, хто старанно працював над оптимізацією системи, був молодий вчений на ім’я Томас Алва Едісон. Через століття такі інструменти, як термінал Bloomberg, експоненціально збільшуватимуть швидкість і кількість фінансових даних, що передаються в будь-який день.

Формування вихідних даних

Дані, як і сира нафта, повинні пройти кілька етапів уточнення, перш ніж їх можна буде використовувати. Дізнавшись, як розвивався Bloomberg, можна пролити світло на те, як розвивався весь ландшафт даних і який процес. Bloomberg був не першою спробою використовувати технології для вдосконалення механізмів торгівлі та звітності. NASDAQ використовувала термінали Bunker Ramo для розповсюдження інформації та розміщення заявок на покупку/пропозицію. Однак покладатися на колишні телефонні мережі зв’язку означало, що масштабування цієї моделі завжди буде складним завданням.

Джерело – NASDAQ – Еволюція автоматизованої позабіржової торгівлі

У 1981 році Майкл Блумберг, партнер інвестиційного банку Solomon Brothers, був звільнений із 10 мільйонами доларів за свій капітал, коли Phibro Corporation придбала банк. Він зрозумів, що інвестори готові платити за оптимізовану фінансову інформацію через зростаючу електроніфікацію фінансових ринків від Нью-Йорка до Японії. Він заснував компанію з обслуговування даних під назвою Innovative Market System, яка була перейменована на Bloomberg у 1986 році.

До появи Інтернету доступ до терміналу Bloomberg здійснювався за допомогою The Chiclet. Він був підключений до контролера Bloomberg за допомогою спеціального кабелю, підключеного до локального концентратора через виділені телефонні лінії. Bloomberg збирав дані через партнерства з даними, інформаційні агентства та прес-релізи, власними методами, такими як ручне введення даних і збір даних по телефону.

З Інтернетом відкрилися інформаційні шлюзи. Сьогодні Bloomberg збирає, обробляє та надає 200 мільярдів фінансової інформації майже в режимі реального часу. Це приблизно 23 мільйони точок даних на секунду. Частина інформації, доступної на Bloomberg, є загальнодоступною. Такі дані, як фінансові звіти компаній і ціни на акції та облігації, можна знайти на публічних форумах.

Але що, якщо ви нафтогазовий аналітик і хочете зрозуміти рух контейнерів із сирою нафтою? Ви навряд чи отримаєте цю інформацію в режимі реального часу, якщо не підписалися на таке джерело даних, як Bloomberg. Не всі дані в Інтернеті є у вільному доступі.

Зазвичай існує два обмеження для окремих осіб, коли йдеться про дані в Web2: дозволений доступ і високий бар’єр для обробки великих обсягів даних. Протягом багатьох років такі провайдери, як Bloomberg, створили достатньо сильні мережеві ефекти, щоб отримувати дані через своїх філій, чого аналітики чи інвестори не можуть собі дозволити.

Краще заплатити 20 000 доларів Bloomberg за річну підписку, ніж намагатися отримати дані з різних платформ даних, кожна з яких може мати різні рівні цін. Навіть якщо ви достатньо стараєтесь, щоб отримати дані, ви не зможете обробляти та запускати аналітику в режимі реального часу без значних витрат на інфраструктуру. Що стосується роздрібної торгівлі, багато платформ, які врешті-решт масштабувалися, були механізмами зіставлення даних.

Подумайте про це так: Google (пошукова система) — це компанія, що займається обробкою даних, яка пропонує компаніям доступ до користувачів в обмін на долари від реклами. Коли ресторан або інформаційний бюлетень (як наш) хочуть націлити користувачів, які шукають інформацію в Google, вони відповідають попиту та пропозиції на подібну інформацію. Хтось, хто шукає інформацію про інформаційний бюлетень, присвячений Web3, шукає нас. І ми шукаємо цю людину. (Я не хочу підключати нашу реферальну програму тут.)

Google створив монополію завдяки економії масштабу, в якій він працює. Їх інвентар користувачів і кількість запитів, які їхні користувачі роблять щодня, залишаються неперевершеними. Google здобув цю позицію, запустивши пошукову систему, яка не мала реклами в той час, коли реклама була нормою, потім шляхом придбання YouTube і Android, і врешті-решт, заплативши аналогам, таким як Apple, за те, щоб зробити Google пошуковою системою за умовчанням. Лише Apple Google платить 20 мільярдів доларів на рік, щоб залишатися пошуковою системою за замовчуванням у Safari.

Google платить таку премію, тому що, за своєю суттю, його пропозиція є механізмом відповідності. Система підбору відповідностей зв’язує користувачів з потребами з компаніями, які мають пропозицію. Більшість веб-монополістів, за своєю суттю, є відповідними двигунами. Amazon збігає продавців товарів із покупцями. Instagram поєднує аудиторію з творцями. Ці механізми відповідності працюють, тому що взаємодії з цими продуктами залишають багаті сліди, з яких можна керувати контекстом.

У 2022 році Бен Еванс знаменито написав, що даних не існує. Знання мого вмісту, їжі чи вподобань щодо подорожей не має великої вартості для третьої сторони. Він стає цінним – для комерції чи дослідження – лише тоді, коли його агрегують або збагачують контекстом.

Контекст у тому сенсі, що мої переваги їсти біріяні в п’ятницю ввечері можуть бути використані для реклами доставки біріяні мені саме тоді, коли ймовірність того, що я куплю його, найвища. Загалом, порівняння ймовірності моєї покупки з аналогом у тому самому регіоні допомагає краще націлити користувачів.

Щоб дані були цінними, потрібен або масштаб (у великій кількості), або контекст. Те, де продукти Web3 і Web2 історично відрізнялися, так це слідами, які вони залишають. Тільки Amazon знає, скільки контролерів Xbox буде продано за певний тиждень. Але ви можете побачити шаблони, за якими трейдери купують або продають NFT на OpenSea в будь-який день. Причина в тому, що кожна з цих транзакцій залишає публічний слід.

Продукти даних у Web3 використовують ці сліди для створення контексту.

Блокчейни, такі як Ethereum і Bitcoin, створюють блоки кожні 12 секунд і ~10 хвилин відповідно. Кожен блок містить транзакції, які змінюють стан блокчейну. Провідники блоків, такі як Etherscan, збирають дані, пов’язані з усіма транзакціями. Наприклад, якщо ви заходите в Etherscan і бачите блок, ви можете побачити зображення нижче.

Транзакції в блокчейні багаті контекстом. Такі продукти, як Arkham і Nansen, є механізмами інтерпретації для дослідників, щоб зрозуміти, що відбувається, коли відбувається транзакція.

Ви можете переглянути всі блоки з моменту запуску Ethereum. Але що ви можете зробити з цією інформацією? Майже нічого. Отже, вам потрібен спосіб зафіксувати ці дані в кількох таблицях. Наприклад, щоразу, коли NFT-контракт ринкового майданчика викликається в блоці, дані, пов’язані з цією транзакцією, слід додавати до таблиць, пов’язаних з NFT, або коли викликається контракт Uniswap, пов’язані дані мають зберігатися в таблицях, пов’язаних з DEX. . (Dune робить це як послугу.)

Ви не можете проаналізувати необроблені дані без значних витрат на інфраструктуру. Отже, хоча дані є у вільному доступі, ви стикаєтеся з тими ж проблемами. Ви покладаєтеся на зовнішні дані як інвестор або розробник dApp. Але ваша основна функція не пов’язана зі збором даних і керуванням ними. Витрачати ресурси на важливу, але неосновну діяльність, не є розкішшю для кожної організації.

Контекст створює цінність

Для продуктів даних контекст навколо даних робить продукт унікальним. Bloomberg застосовує своє фінансове розуміння та перетворює дані у форму, яку можуть легко споживати винахідники та трейдери. Веб-сайти, такі як Similarweb, або дослідницькі публікації, такі як Newzoo, використовують свої основні компетенції, щоб застосовувати контекст, пов’язаний із соціальними або іграми, до даних, які вони відстежують.

Власні продукти даних блокчейну відрізняються тим, що надають контекст користувача через запити, які відповідають на запитання, що стосуються певних підмножин користувачів. Наприклад, TokenTerminal обчислює економічні основи протоколів. Нансен допомагає учасникам ринку маркувати та розуміти рух активів. Parsec запитує дані в мережі, щоб допомогти трейдерам краще аналізувати позиції DeFi.

Усі ці продукти є суспільним благом: даними в мережі. Різниця полягає в тому, як ці продукти представляють свої дані, що робить їх привабливими для різних аудиторій.

Розподіл категорій продуктів у нашій галузі ґрунтується на тому, які дані надходять у ланцюжок і яку інформацію отримують із джерел поза ланцюгом. (Деякі часто використовують обидва.) Постачальники даних використовують свої контекстні фільтри для створення продуктів. Подібно до того, як дані Web2 мають свої ніші, компанії з обробки даних Web3 створили або поступово будують рови, використовуючи свої основні компетенції.

Таким чином, походження засновників часто визначає характер продукції, що випускається. Якщо основна команда провела значний час на ринках капіталу до крипто, їхні продукти, як правило, імітують Bloomberg, тоді як криптопродукти виглядають як Nansen. Різні продукти задовольняють різні потреби, навіть коли запитуються ті самі дані.

Наприклад, біржі зазвичай відкидають дані після фіксованих інтервалів. Вони не займаються даними, а зберігання старих даних вимагає додаткових серверів і керування. Деякі постачальники даних, як-от Kaiko та Amberdata, зберігають історичні дані книги замовлень з бірж. Такі дані дозволяють трейдерам та інвесторам створювати моделі для перевірки своїх гіпотез. Але якщо ви хочете зрозуміти, які контракти DeFi сповнюються надходженням ETH або стейблкойнів, або проаналізувати поведінку конкретних адрес або організацій у мережі, вам знадобиться продукт від Nansen або Arkham.

Карта ринку не відображає кожного гравця в кожній категорії.

Один із способів зрозуміти, як позиціонуються продукти на ринках, — через призму споживачів у криптовалюті. Ці персонажі можна класифікувати за наступними чотирма ключовими категоріями.

Фінансові установи

Більшість доларів, що надходять через продукти крипто-даних, надходять від фінансових установ під час ведмежого ринку. Це великі клієнти з довшими циклами продажів і набагато складнішими вимогами до даних. Один із способів дізнатися, чи продукт орієнтований на фінансові установи, полягає в тому, що клієнт повинен пройти дзвінок з продажу, щоб визначити, скільки це коштує. У світі Web2 ви не можете дізнатися, скільки коштує PitchBook або CB Insights. У криптовалюті ви не знаєте, скільки буде коштувати такий продукт, як Chainalysis.

Залишаючи жарти, частково причиною такого процесу продажів є практичне обслуговування, яке пропонують продукти обробки даних, орієнтовані на цей сегмент споживачів. Ці користувачі зазвичай обирають дуже детальні та часті дані. Їм потрібні дані не лише для прийняття рішень перед торгівлею, але й для використання після торгів, щоб виконати вимоги дотримання законодавства та оподаткування.

Наприклад, їм потрібні продукти, які повідомляють їм про історичну вартість їхнього портфеля, допомагають з розрахунками податків тощо. Такі компанії, як Amberdata, Kaiko, CoinMetrics, CryptoCompare і, певною мірою, Nansen, обслуговують цих клієнтів.

З мого досвіду, лише засновники з досвідом роботи в установах або командах із великими раундами фінансування змогли зламати інституційний ринок даних. Бар’єр входу тут відносно високий, як і у випадку з будь-яким корпоративним продуктом.

Розробники

Ми часто стикаємося з функцією комбінування Web3, яка означає, що програми Web3 можуть бути взаємозалежними. Вони можуть вимагати дані один від одного. Отже, їм постійно потрібно зчитувати дані один від одного. Наприклад, така платформа, як Yearn Finance, має читати дані з Aave та Compound, а NFT-агрегатор, як Tensor, має читати дані з Magic Eden та інших ринків.

Але ці дані зберігаються в блоках таких мереж, як Ethereum і Solana. Ethereum створює блок за 12 секунд, а Solana – за 400 мс. Сортувати дані блокчейну в таблиці та зберігати їх для швидкого доступу – нетривіальне завдання. Ось тут і з’являються такі індексатори, як Covalent, Graph, Chainlink і Powerloom. Вони гарантують, що необроблені дані блокчейна зберігаються в потрібному форматі, щоб розробники могли отримати їх за допомогою простих викликів API.

Сегмент, що виникає в цій особистості споживача, включає інструменти, які використовуються для розуміння поведінки користувачів. Наприклад, ARCx дозволяє розробникам зіставляти дані поза мережею (наприклад, поведінку браузера) з даними в ланцюжку (наприклад, адресами гаманців), щоб отримати демографічну інформацію користувачів, які взаємодіють із dApp. Вони займають відносно невелику, але актуальну нішу, оскільки допомагають розробникам визначити, хто їхні користувачі.

Дослідники та публікації

Продукти даних у криптографії часто знаходять поширення завдяки співпраці з дослідниками та публікаціями. CCData, наприклад, часто цитується в Bloomberg. Дослідники заохочуються використовувати продукти для обробки даних, оскільки вони допомагають заощадити час і зусилля під час збору, очищення чи контролю даних. Такі продукти, як Dune, побудували рів, створивши спільноту аналітиків, які змагаються один з одним за вищий рейтинг у своєму списку.

Такі публікації, як The Block і Delphi, демонструють інформаційні панелі, створені з використанням даних від сторонніх постачальників. Тут, у Decentralised.co, ми повністю покладаємося на зовнішніх постачальників даних, оскільки вони допомагають підтримувати ефективність команди, використовуючи зовнішні ресурси для збору даних.

Проблема, пов’язана з обслуговуванням цього сегменту споживачів, полягає в тому, що менші дослідники можуть не мати необхідного бюджету, щоб виправдати витрати величезних ресурсів на відкриття нішевих ідей, які можуть бути актуальними лише для однієї людини. Навпаки, фірми мають стимули витрачати зусилля та ресурси на партнерство з такими значними виданнями, як Financial Times, оскільки це допомагає з розповсюдженням.

Роздрібні інвестори

Продукти, орієнтовані на роздрібних інвесторів, зазвичай мають нижчу деталізацію та частоту даних. Але це дуже прибуткові ніші для створення, оскільки вони бачать економію на масштабі. Десять тисяч користувачів, які платять по 100 доларів США, — це бізнес ARR на 1 мільйон доларів у світі, де відтоку не існує. Це простіше сказати, ніж зробити, але ця економіка пояснює, чому у нас так багато орієнтованих на роздрібну торгівлю продуктів криптоданих.

Значна частина роздрібних продуктів є безкоштовними або підтримується рекламою. Наприклад, безкоштовний ресурс, такий як DefiLlama, не розповість вам, як можна спрямувати своє замовлення через різні біржі (CEX і DEX), щоб уникнути пробуксовки, оскільки він не робить знімки книги замовлень, але демонструє інформацію про розблокування токенів або розблокування прибутку.

Однією із змін у цьому споживчому сегменті є те, як засіб доставки відкриває нову категорію ринку — наприклад, Cielo доставляє дані як сповіщення через Telegram. Він розширився до понад 40 000 користувачів завдяки передачі інформації у зручний для споживання спосіб для сегменту споживачів, який не хоче мати справу з інтерфейсами настільних комп’ютерів. Якщо все зроблено правильно, навіть засоби розповсюдження можуть стати відмінними рисами для підприємств на ранніх стадіях. Навіть у даних.

Незважаючи на те, що класифікація розмивається в точках, фірми обробки даних можна розділити на B2B або B2C.

Такі компанії, як Amberdata та Kaiko, мають продукти, призначені для досвідчених акторів. Ці продукти більш детальні (деталі, у яких доступні дані) і часті (наприклад, покрокові дані та дані журналу замовлень у реальному часі), і вони задовольняють такі вимоги, як створення та тестування моделей, передторговий аналіз, звітність після торгів, оподаткування та дотримання законодавства. Дані надаються у форматі, який дозволяє клієнтам проводити власний аналіз і створювати візуалізації на свій смак. Ці компанії зазвичай пропонують свої продукти за системою оплати.

Вартість, як правило, є функцією деталізації через вимоги до інфраструктури, характер залученої клієнтури та тривалість циклу продажу.

На зображенні вище відображаються різні продукти на двох осях – глибина та деталізація та ціни продуктів. Зверніть увагу, що ці сюжети не є точними. Кілька пунктів можуть бути недоречними. Ідея полягає в тому, щоб розробити ментальну модель, щоб продумати кілька продуктів і їх позицію на ринку.

Роздрібні продукти, такі як Dune або CoinGecko, відображають майже всі дані безкоштовно. Клієнти повинні платити за доступ до деяких даних або якщо вони хочуть отримати дані через API для виконання своїх аналізів. Наприклад, ви можете переглядати всі діаграми, створені кількома майстрами Dune, але вони обмежують кількість рядків, які ви можете завантажити у формі CSV. Ви можете завантажити більші файли CSV і переглядати приватні запити, заплативши більше.

Компанії, орієнтовані на роздрібну торгівлю, як правило, мають низький дохід на клієнта та мало клієнтів, які платять, як відсоток безкоштовних користувачів. Порівняйте це з коефіцієнтами конверсії для моделей freemium інтернет-компаній. Зазвичай коефіцієнт конверсії становить 2%–5%. Коефіцієнт конверсії в 10% буде викидом. Їхня ідея полягає в тому, щоб мати якомога більше безкоштовних клієнтів, щоб коефіцієнт конверсії 4% суттєво сприяв доходу. Це те, що ми називаємо верхньою частиною воронки.

Таким чином, компаніям, що займаються обробкою даних, потрібно, щоб верхня частина воронки була достатньо великою, щоб отримати достатній прибуток, щоб підтримувати себе при нижчому рівні конверсії. Компанії також можуть розглянути можливість отримання доходу від реклами, коли сайт має багато відвідувачів. CoinGecko використовує дохід від реклами як важіль, щоб продовжувати надавати більшість даних безкоштовно.

Протягом багатьох років компанії заповнювали місця на обох кінцях спектру (B2B і B2C), залишаючи деякі прогалини між ними. Якщо хтось хоче побачити, як змінюються книги замовлень на централізованих біржах або як змінюються коефіцієнти пут-колл, IV і перекоси, не так багато продуктів, які допомагають у візуалізації. Є простір для більш детального продукту, ніж CoinGeckos світу, але менш детального, ніж продукти чистих гравців B2B.

На ровах

Знайти рови на підприємствах, де сировина безкоштовна, нелегко. Дані блокчейна знаходяться у вільному доступі. Немає нічого конфіденційного в тому, які дані ви можете збирати. Таким чином, рови в бізнесі з обробки даних базуються не лише на тому, що у вас є дані, яких немає в інших. Натомість вони базуються на здатності команди надавати дані в зрозумілому, зручному форматі, вчасно та без помилок.

Багато компаній стверджують, що мають однакові дані, але якість даних і їх представлення відрізняються. Наприклад, багато компаній стверджують, що мають дані книги замовлень поза мережею. Однак такі фактори, як кількість заявок на покупку/пропозицію, довжина часових рядів і кількість доступних бірж і пар, відрізняються від постачальника до постачальника. Amberdata та Kaiko мають найповніші дані книги замовлень для криптовалютних ринків.

Але чому лише кілька постачальників можуть надати такі дані? Пояснення того, звідки виникають рови в даних Web3, лежить тут.

Талант. Ризикую сказати очевидне: коли сировина безкоштовна, те, як ви її формуєте, визначає цінність продукту. Перетворення необроблених даних на корисну інформацію потребує досвіду в багатьох нішах крипто- та традиційних фінансових ринків. Такі команди, як Velo Data, які мають досвід роботи на традиційних ринках, мають перевагу перед іншими, які намагаються створювати подібні продукти B2C. Рідко можна знайти талановитих розробників, які розуміються на структурах даних блокчейну та мають відповідний досвід роботи на фінансових ринках.

Інфраструктура. Для збору та доставки великих обсягів даних потрібна інфраструктура, яку непросто створити. Така операція вимагає капіталу та таланту. Чому інфраструктура рів? Подумайте про дані пулу пам'яті. Блоки містять дані для підтверджених транзакцій. А як щодо непідтверджених транзакцій?

Різні вузли мережі (наприклад, вузли, підключені до одного пулу) бачать різні непідтверджені транзакції. Запуск лише одного вузла не дасть глобального уявлення про конкуруючі транзакції. Підтримка кількох вузлів у кількох блокчейнах збільшує витрати на інфраструктуру. Подібно до штучного інтелекту (і контент-мереж у минулому), здатність підтримувати низькі витрати на апаратне забезпечення під час масштабування з часом визначатиме переможців і переможених у секторі.

Мережні ефекти – можна припустити, що мережеві ефекти існують у багатьох продуктах криптоданих. Візьміть Chainlink як приклад. Це був один із перших оракулів, який дозволяв програмам читати дані з інших програм або ланцюжків. Їй вдалося заручитися підтримкою спільноти і вона має одну з найсильніших спільнот. Інший приклад – Нансен. Його претензією на популярність були адресні мітки, які дозволяли приписувати рух активів реальним особам замість шестицифрових адрес.

Згодом він запустив такі функції, як NFT Paradise і Token God Mode, що дозволяє користувачам ефективніше відстежувати NFT і токени. Arkham запустив продукт, подібний до лейблів Nansen, але інвестиції в інформаційні панелі та дослідження дозволили Nansen маневрувати в бік корпоративних клієнтів і пропонувати продукти, адаптовані для них. Варто зазначити, що мережеві ефекти неможливі без перших двох пунктів (таланту та інфраструктури).

Це працює з індексаторами. Що більшу кількість ланцюжків підтримує продукт, то вища ймовірність того, що розробник використовуватиме продукт замість того, щоб покладатися на численні джерела. Такі команди, як Covalent, мають тут перевагу, оскільки вони оптимізували ширину підтримуваних ланцюжків протягом досить тривалого часу. Але пам’ятайте, що глибина така ж важлива, як і ширина.

Занадто рано говорити про те, чи має будь-який продукт значний рів у криптовалюті. Ми були свідками переваг тих, хто першими перейшов у великій схемі речей. Оскільки такі категорії, як соціальні мережі Web3 і збіг між штучним інтелектом і крипто, продовжують масштабуватися, продукти обробки даних у галузі можуть стати наступним Alphabet. Але це буде історія на кілька десятиліть; ми все ще в його перших роках.

Поза спекуляціями

Багато випадків використання, які ми згадували в цій статті, в тій чи іншій формі розглядають фінансові спекуляції. Навіть розробники, які використовують API для запиту даних, створюють фінансові продукти. Це може здатися дивним, але блокчейни (як нова мережа) слідують тій же тенденції, що й Telegraph та Інтернет.

Поява нового середовища та поява нової мережі прискорює фінансові випадки використання. З Інтернетом знадобилося аж до початку 2000-х років, перш ніж люди зрозуміли, що користувачів можна орієнтувати на основі їхнього місцезнаходження. З блокчейном ми все ще з’ясовуємо, як будувати бізнес-моделі на основі загальнодоступних даних.

Ми побачили одну ключову зміну в нашому повсякденному використанні цих платформ – Dune Analytics вбудовує штучний інтелект у свій продукт. Dune надає інтерфейс на основі SQL для користувачів, щоб запитувати дані з блокчейнів, таких як Ethereum і Solana. Ринок такого продукту зазвичай обмежений користувачами, які розуміються на написанні запитів SQL. Нещодавно вони почали використовувати ШІ, щоб допомогти аналітикам створювати запити, не будучи експертами з SQL. Це не так функціонально, як можна було сподіватися. Але це ще крок у майбутнє. Можливо, невдовзі ми попросимо штучний інтелект (наприклад, ChatGPT) запитувати дані з блокчейну та запропонувати їх аналіз.

Один із способів думати про «дані» в контексті Web3 — через призму Google Maps. GPS існує принаймні з 1980-х років. Google доклав усіх зусиль, щоб створити карту світу. Зробивши накладення для карт доступними для програм сторонніх розробників (за допомогою API), фірма дозволила створити нове покоління програм. Усе, починаючи від доставки й закінчуючи організацією поїздок, процвітало, тому що один гравець, який спеціалізується на даних, взяв на себе цей тягар від розробників.

Продукти даних у Web3 відіграють подібну роль. Ми ще не знаємо точного характеру додатків, які можна створити на основі цього загальнодоступного ресурсу, але стає очевидним, що в ландшафті даних є можливість розміром з Alphabet.

Відмова від відповідальності:

1. Ця стаття передрукована з [GCR]. Усі авторські права належать оригінальному автору [Saurabh Deshpande、 Siddharth、Joel]. Якщо є заперечення щодо цього передруку, будь ласка, зв’яжіться з командою Gate Learn , і вони негайно розглянуть це.
2. Відмова від відповідальності: погляди та думки, висловлені в цій статті, належать виключно автору та не є жодною інвестиційною порадою.
3. Переклади статті на інші мови виконує команда Gate Learn. Якщо не зазначено вище, копіювання, розповсюдження або плагіат перекладених статей заборонено.