Відкриті дані блокчейну нічого не варті, якщо люди не зможуть отримати до них доступ і зрозуміти їх. Ті, хто новачок у криптовалюті, як правило, дивляться виключно на ціни токенів, що досить легко. Однак, коли люди набувають досвіду роботи з блокчейном, вони розуміють, що для того, щоб по-справжньому зрозуміти ринок, потрібно зібрати дані на рівні пулу для DeFi, дані про збереження для GameFi тощо — подумайте про TVL, інформацію про гаманець і депозити/зняття коштів.

Що, якщо ви хочете досліджувати пересування китів між різними проектами? Або отримати повну картину впливу PR-кризи на протокол? Як можна отримати такі дані та як вони можуть створювати власні рішення для відповідей на дуже конкретні запитання?

Отримати ці необроблені невідфільтровані дані з єдиного ланцюжка не так вже й складно технічно. Ось чому в аналітичному просторі блокчейнів існують десятки сервісів. Процес, по суті, передбачає структурування даних — стандартизацію мільйонів рядків даних, що надходять у базу даних, особливо з такою неоднорідною технічною реалізацією блокчейнів. За допомогою хитрого UX-програмування він перетворюється на візуально зрозумілу форму.

Дозволити користувачам додавати різні показники з різних проектів у діаграму для їх порівняння – це не натяжка. Для цього Dune Analytics потрібен SQL. Інші, як Нансен, пропонують настроювані діаграми в набагато більш обмеженому масштабі. Але що, якщо ви хочете порівняти дані з різних мереж? Ось де все стає складніше. У Footprint ми розробили модель, яка агрегує ці необроблені дані та індексує їх, щоб вони були значущими.

Інформація про ці мільйони транзакцій розподіляється за доменами — наша система даних визначає, чи можна їх класифікувати як GameFi, NFT, DEX чи інші. Ми декодуємо ці дані, щоб аналітики могли шукати потрібну їм інформацію, як-от час блокування, TVL, ціну токена тощо, і негайно відображати ці дані на діаграмі.

Замість рядків цифр і літер, які для більшості неможливо розібрати, у вас є адреси гаманців, ланцюжки, колекції NFT та інші значимі категорії.

З іншого боку, досвідчені аналітики, яким потрібна більша гнучкість, також можуть працювати з необробленими даними за допомогою SQL або Python.

Створити систему обробки даних, яка є найповнішою в галузі (наразі ми охоплюємо 22 мережі), зберігаючи при цьому найкращу в своєму класі продуктивність, було непростим інженерним подвигом.

У наступній статті докладно пояснюється наш дизайн даних.

Проблема крос-ланцюгової аналітики

Не можна порівнювати яблука з апельсинами.

Якою буде товщина шкірки Golden Delicious або кількість насіння в серцевині апельсина Cara Cara? Очевидно, що це не має сенсу, але речі починають мати сенс, коли ви порівнюєте солодкість, розмір, твердість, глобальне споживання — речі, які можна кількісно визначити для обох фруктів логічним способом.

Ця логічна категоризація схожа на структуровані семантичні дані. Незалежно від того, як виглядає код для карбування NFT у Solana, і незалежно від того, як він виглядає в Ethereum, потрібно знайти спосіб помістити всі ці дані в одну категорію під назвою «Чакуніння».

Більшість основних аналітичних рішень блокчейну дозволяють порівнювати яблука з апельсинами. Однак у Footprint Analytics ми можемо порівняти яблука з апельсинами, ківі та ананаси, і цей список можна продовжувати.

Станом на грудень ми аналізуємо дані з 22 різних мереж — більше, ніж будь-яка інша платформа. База даних Footprint Analytics автоматично збирає блоки, журнали, трасування та транзакції в блокчейні. Він доповнює це даними, наданими спільнотою, і даними сторонніх API (наприклад, дані про ціну токена від Coingecko.) Усі ці дані спочатку необроблені та неструктуровані. Ми структуруємо його відповідно до категорій, наприклад запозичення, кредитування, прибуткове господарство тощо. Таким чином, будь-які дані з блокчейну легко доступні будь-кому.

Як Footprint Analytics поєднує гнучкість і простоту

Веб-додаток Footprint побудовано на основі відкритої технології Metabase. Докладніше про Metabase. Ми використовуємо Metabase, тому що вона відкрита — ця технологія дозволяє користувачам робити внесок у кодову базу, розвиваючи й покращуючи її з часом.

Наприклад, в останньому оновленні Metabase представлені моделі. Ця функціональність дозволяє користувачам вибирати дані з іншої таблиці або таблиць з тієї самої бази даних, щоб передбачити, які запитання люди ставитимуть щодо даних.

Аналітики можуть створювати діаграми на платформі Footprint Analytics за допомогою зручного конструктора запитів із функцією перетягування . Ця можливість значно знижує бар’єр входу, дозволяючи будь-якому користувачеві без технічних знань використовувати продукт і отримувати цінність для бізнесу.

Важливо відзначити, що архітектурно Metabase є абстракцією над кодом SQL; тобто будь-який запит, зроблений шляхом перетягування, може бути представлений як SQL. Таким чином, користувачі, які хочуть будувати складніші запити або бажають працювати з даними за допомогою коду, мають можливість одразу використовувати SQL.

Багато альтернативних аналітичних рішень дозволяють користувачеві аналізувати різні мережі відповідно до різних рівнів вимог. Однак здебільшого альтернативні рішення мають тенденцію впадати в крайнощі, реалізуючи або дуже гнучкий продукт, що вимагає знання мов запитів, або навіть мови програмування з дуже простим інтерфейсом із підготовленими скриптами та, відповідно, низькою гнучкістю.

Покриття

Ми маємо одне з найширших охоплень на всьому ринку. Ми детально описуємо поточне покриття, посилаючись на організацію даних (рівні, домени), у наступному розділі.

Як Footprint Analytics аналізує стільки даних?

Нашою основною конкурентною перевагою є наша платформа Footprint Analytics на базі платформи машинного навчання Footprint.

«Платформа Footprint Analytics» може означати веб-сайт, який бачать користувачі, коли заходять на footprint.network. Однак, коли ми говоримо про платформу Footprint Analytics, ми також маємо на увазі механізм, який виконує важку роботу під капотом.

Рівні

Він перетворює бронзові дані на срібні, а потім на золоті за допомогою деяких технічних засобів ETL даних, таких як Python і SQL. У майбутньому ми плануємо зробити код ETL, включаючи код від розбору Bronze до Silver, відкритим.

Ми також дозволяємо будь-якій організації отримати доступ до цієї скарбниці структурованих даних за допомогою нашого API даних блокчейну.

Отримуйте найбагатші у світі дані блокчейну за допомогою нашого Footprint Data API

Інтерфейс користувача — не єдиний інтерфейс, який можна використовувати для доступу до даних. Усі підтримувані наразі інтерфейси перераховані тут: Інтерфейси

До Footprint Analytics аналіз блокчейну обмежувався неповними та неструктурованими даними. Крім того, організації, які використовували навіть провідні рішення, стикалися із затримками доступу, обмеженнями продуктивності та дорогим агрегуванням API.

Завдяки нашій платформі, яка аналізує дані в ланцюжку з 23 ланцюжків на срібний і золотий рівні, згадані вище, будь-яка організація може отримати доступ до більшості світових даних GameFi, NFT і DeFi за допомогою єдиного API. У Footprint Analytics підтримуються як REST API, так і SQL API.

Які програми можна створювати на основі цих даних? Ось лише кілька прикладів:

• Відстежуйте найкращі та найгірші показники утримання гравців у всіх назвах GameFi

• Спрацьовувати сповіщення, коли китові гаманці переводять свої гроші в ланцюги чи протоколи інтересу або з них

• Порівняйте міжланцюгові коливання TVL із цінами на товари

• Створюйте власні дисплеї для колекцій NFT з кількох мереж

• Відкрийте для себе останні гарячі колекції та отримуйте доступ до глибокої аналітики для понад 15 тисяч проектів

• Стежте за потоками коштів Whales, щоб визначити інвестиційні можливості та потенційні ризики
  За допомогою Footprint будь-хто може стати на крок ближче до блокчейн-аналітики, будь то інвестор, аналітик, роздрібний трейдер, розробник або просто досліджуєте свій улюблений криптопроект.