Wie sinnvoll ist Footprint Analytics?
Footprint Analytics ist ein Blockchain-Analysetool, mit dem Benutzer Daten aus mehreren verschiedenen Blockchain-Ketten sammeln, strukturieren und visualisieren können. In diesem Modul erfahren Sie, welche Vorteile die Auswahl von Footprint als Datenanalysetool bietet.
Die offenen Daten der Blockchain sind nichts wert, wenn die Menschen nicht darauf zugreifen und sie verstehen können. Krypto-Neulinge neigen dazu, ausschließlich auf die Token-Preise zu achten, was ganz einfach ist. Wenn Menschen jedoch Erfahrung mit Blockchain sammeln, erkennen sie, dass man, um den Markt wirklich zu verstehen, Daten auf DeFi-Ebene, Aufbewahrungsdaten für GameFi und mehr bündeln muss – denken Sie an TVL, Wallet-Informationen und Ein-/Auszahlungen.
Was wäre, wenn Sie Walbewegungen zwischen verschiedenen Projekten untersuchen möchten? Oder sich ein umfassendes Bild über die Auswirkungen einer PR-Krise auf ein Protokoll machen? Wie erhält man diese Art von Daten und wie kann man maßgeschneiderte Lösungen zur Beantwortung hochspezifischer Fragen erstellen?
Diese rohen, ungefilterten Daten aus einer einzigen Kette zu erhalten, ist technisch nicht so schwierig. Aus diesem Grund gibt es im Bereich der Blockchain-Analyse Dutzende von Diensten. Der Prozess umfasst im Wesentlichen die Strukturierung der Daten – die Standardisierung der Millionen von Datenzeilen, die in eine Datenbank eingespeist werden, insbesondere bei solch heterogenen technischen Implementierungen von Blockchains. Mit etwas geschickter UX-Programmierung wird es in eine visuell verständliche Form gebracht.
Es ist nicht übertrieben, Benutzern die Möglichkeit zu geben, verschiedene Kennzahlen aus verschiedenen Projekten in ein Diagramm einzufügen, um sie zu vergleichen. Dune Analytics benötigt hierfür SQL. Andere, wie Nansen, bieten anpassbare Diagramme in viel begrenzterem Umfang an. Was aber, wenn Sie Daten verschiedener Ketten vergleichen möchten? Hier wird es knifflig. Bei Footprint haben wir ein Modell entwickelt, das diese Rohdaten aggregiert und aussagekräftig indiziert.
Die Informationen zu diesen Millionen von Transaktionen sind nach Domänen aufgeschlüsselt – unsere Daten-Engine bestimmt, ob sie als GameFi, NFT, DEX oder andere klassifiziert werden können. Wir entschlüsseln diese Daten, damit Analysten nach den benötigten Informationen wie Blockzeit, TVL, Token-Preis usw. suchen und diese Daten sofort in einem Diagramm anzeigen können.
Anstelle von Zahlen- und Buchstabenfolgen, die für die meisten nicht zu entziffern sind, gibt es Wallet-Adressen, Ketten, NFT-Sammlungen und andere aussagekräftige Kategorien.
Andererseits können erfahrene Analysten, die mehr Flexibilität wünschen, auch mit Rohdaten mithilfe von SQL oder Python arbeiten.
Der Aufbau einer Daten-Engine, die die umfassendste in der Branche ist (wir decken derzeit 22 Ketten ab) und gleichzeitig die beste Leistung ihrer Klasse beizubehalten, war keine leichte technische Meisterleistung.
Im folgenden Artikel wird unser Datendesign ausführlich erläutert.
Das Problem der kettenübergreifenden Analyse
Man kann Äpfel nicht mit Birnen vergleichen.
Wie dick wäre die Schale eines Golden Delicious oder wie viele Kerne hätte eine Cara-Cara-Orange im Kern? Das macht natürlich keinen Sinn, aber die Dinge beginnen einen Sinn zu ergeben, wenn man Süße, Größe, Härte und den weltweiten Verbrauch vergleicht – Dinge, die für beide Früchte auf logische Weise quantifiziert werden können.
Diese logische Kategorisierung ähnelt strukturierten semantischen Daten. Ganz gleich, wie der Code zum Prägen eines NFT in Solana aussieht und ganz gleich, wie er in Ethereum aussieht, man muss einen Weg finden, alle diese Daten in einer Kategorie namens „Minting“ zusammenzufassen.
Mit den meisten großen Blockchain-Analyselösungen können Sie Äpfel mit Birnen vergleichen. Bei Footprint Analytics können wir jedoch Äpfel mit Birnen, Kiwis mit Ananas vergleichen und die Liste geht weiter.
Seit Dezember analysieren wir Daten von 22 verschiedenen Ketten, mehr als jede andere Plattform. Die Footprint Analytics-Datenbank erfasst automatisch Blöcke, Protokolle, Spuren und Transaktionen in der Blockchain. Es ergänzt dies durch von der Community bereitgestellte Daten und Daten von APIs von Drittanbietern (z. B Token-Preisdaten von Coingecko.) Alle diese Daten sind ursprünglich roh und unstrukturiert. Wir strukturieren es so, dass es in Kategorien passt, z Kreditaufnahme, Kreditvergabe, Ertragslandwirtschaft usw. Auf diese Weise sind alle Daten aus der Blockchain für jedermann leicht zugänglich.
Wie Footprint Analytics Flexibilität und Einfachheit in Einklang bringt
Die Footprint-Webanwendung basiert auf der Open-Source-Technologie Metabase. Lesen Sie mehr über Metabase. Wir verwenden Metabase, weil es offen ist – die Technologie ermöglicht es Benutzern, zur Codebasis beizutragen und sie im Laufe der Zeit weiterzuentwickeln und zu verbessern.
Beispielsweise werden im neuesten Update von Metabase die Modelle eingeführt. Diese Funktionalität ermöglicht es Benutzern, Daten aus einer oder mehreren anderen Tabellen derselben Datenbank zu kuratieren, um vorherzusagen, welche Art von Fragen die Leute zu den Daten stellen werden.
Analysten können auf der Footprint Analytics-Plattform mit einem praktischen Drag-and-Drop- Abfrageersteller Diagramme erstellen. Diese Funktion senkt die Eintrittsbarriere erheblich und ermöglicht es jedem Benutzer ohne technische Kenntnisse, das Produkt zu nutzen und einen Geschäftswert zu erzielen.
Es ist wichtig zu beachten, dass Metabase architektonisch gesehen eine Abstraktion über SQL-Code ist; Das heißt, jede per Drag & Drop gestellte Anfrage kann als SQL dargestellt werden. Somit haben Anwender, die komplexere Abfragen erstellen möchten oder lieber mit Daten per Code arbeiten möchten, die Möglichkeit, sofort SQL zu nutzen.
Viele alternative Analyselösungen ermöglichen es dem Benutzer, verschiedene Netzwerke entsprechend unterschiedlicher Anforderungsebenen zu analysieren. In den meisten Fällen tendieren alternative Lösungen jedoch dazu, ins Extreme zu gehen und entweder ein sehr flexibles Produkt zu implementieren, das Kenntnisse in Abfragesprachen erfordert, oder sogar Programmiersprachen, eine sehr einfache Schnittstelle mit vorbereiteten Skripten und dementsprechend geringer Flexibilität.
Abdeckung
Wir verfügen über eine der umfangreichsten Abdeckungen im gesamten Markt. Im folgenden Abschnitt beschreiben wir detailliert die aktuelle Abdeckung und beziehen uns dabei auf die Organisation der Daten (Ebenen, Domänen).
Wie analysiert Footprint Analytics so viele Daten?
Unser zentraler Wettbewerbsvorteil ist unsere Footprint Analytics-Plattform, die auf der Footprint Machine Learning Platform basiert.
Die „Footprint Analytics-Plattform“ kann auf die Website verweisen, die Benutzer sehen, wenn sie Footprint.networkaufrufen. Wenn wir jedoch über die Footprint Analytics Platform sprechen, beziehen wir uns auch auf die Engine, die die schwere Arbeit unter der Haube erledigt.
Ebenen
Es verwandelt die Bronze-Daten in Silber und dann in Gold, indem es einige technische Daten-ETL-Mittel wie Python und SQL verwendet. In Zukunft planen wir, den ETL-Code, einschließlich des Codes vom Bronze- bis zum Silber-Parsing, als Open Source bereitzustellen.
Mit unserer Blockchain-Daten-API ermöglichen wir außerdem jeder Organisation, auf diesen Schatz an strukturierten Daten zuzugreifen.
Erhalten Sie mit unserer Footprint Data API die umfangreichsten Blockchain-Daten der Welt
Die Benutzeroberfläche ist nicht die einzige Schnittstelle, über die auf die Daten zugegriffen werden kann. Alle aktuell unterstützten Schnittstellen sind hier aufgelistet: Schnittstellen
Vor Footprint Analytics war die Blockchain-Analyse auf unvollständige und unstrukturierte Daten beschränkt. Darüber hinaus waren Unternehmen, die selbst die führenden Lösungen nutzten, mit Verzögerungen beim Zugriff, Leistungseinschränkungen und kostspieliger API-Aggregation konfrontiert.
Dank unserer Plattform, die On-Chain-Daten von 23 Ketten in die oben genannten Silber- und Gold-Stufen analysiert, kann jedes Unternehmen mit einer einheitlichen API auf die meisten GameFi-, NFT- und DeFi-Daten der Welt zugreifen. Bei Footprint Analytics werden sowohl REST API als auch SQL API unterstützt.
Welche Art von Apps können Sie mit diesen Daten erstellen? Hier nur einige Beispiele:
- Verfolgen Sie die besten und schlechtesten Spielerbindungsraten für alle GameFi-Titel
- Lösen Sie Warnungen aus, wenn Wal-Wallets ihr Geld in oder aus Ketten oder Protokollen von Interesse einbringen
- Vergleichen Sie kettenübergreifende TVL-Schwankungen mit Rohstoffpreisen
- Erstellen Sie benutzerdefinierte Anzeigen für NFT-Sammlungen aus mehreren Netzwerken
- Entdecken Sie die neuesten, angesagten Kollektionen und greifen Sie auf detaillierte Analysen für über 15.000 Projekte zu
- Verfolgen und verfolgen Sie die Geldflüsse der Wale, um Investitionsmöglichkeiten und potenzielle Risiken zu identifizieren
Mit Footprint kann jeder der Blockchain-Analyse einen Schritt näher kommen, egal ob Sie Investor, Analyst, Einzelhändler, Entwickler sind oder einfach nur Ihr Lieblings-Kryptoprojekt erkunden.
Lesson 1:On-Chain-Daten in Web3
Lesson 2:Wie sinnvoll ist Footprint Analytics?
Lesson 3:Iceberg + Spark + Trino: ein moderner Open-Source-Datenstapel für Blockchain
Lesson 4:Wie Footprint Analytics Blockchain-Forschern hilft?
Lesson 5:Wie unterscheiden sich die drei wichtigsten Krypto-Analyseplattformen?
Wie sinnvoll ist Footprint Analytics?
Footprint Analytics ist ein Blockchain-Analysetool, mit dem Benutzer Daten aus mehreren verschiedenen Blockchain-Ketten sammeln, strukturieren und visualisieren können. In diesem Modul erfahren Sie, welche Vorteile die Auswahl von Footprint als Datenanalysetool bietet.
Die offenen Daten der Blockchain sind nichts wert, wenn die Menschen nicht darauf zugreifen und sie verstehen können. Krypto-Neulinge neigen dazu, ausschließlich auf die Token-Preise zu achten, was ganz einfach ist. Wenn Menschen jedoch Erfahrung mit Blockchain sammeln, erkennen sie, dass man, um den Markt wirklich zu verstehen, Daten auf DeFi-Ebene, Aufbewahrungsdaten für GameFi und mehr bündeln muss – denken Sie an TVL, Wallet-Informationen und Ein-/Auszahlungen.
Was wäre, wenn Sie Walbewegungen zwischen verschiedenen Projekten untersuchen möchten? Oder sich ein umfassendes Bild über die Auswirkungen einer PR-Krise auf ein Protokoll machen? Wie erhält man diese Art von Daten und wie kann man maßgeschneiderte Lösungen zur Beantwortung hochspezifischer Fragen erstellen?
Diese rohen, ungefilterten Daten aus einer einzigen Kette zu erhalten, ist technisch nicht so schwierig. Aus diesem Grund gibt es im Bereich der Blockchain-Analyse Dutzende von Diensten. Der Prozess umfasst im Wesentlichen die Strukturierung der Daten – die Standardisierung der Millionen von Datenzeilen, die in eine Datenbank eingespeist werden, insbesondere bei solch heterogenen technischen Implementierungen von Blockchains. Mit etwas geschickter UX-Programmierung wird es in eine visuell verständliche Form gebracht.
Es ist nicht übertrieben, Benutzern die Möglichkeit zu geben, verschiedene Kennzahlen aus verschiedenen Projekten in ein Diagramm einzufügen, um sie zu vergleichen. Dune Analytics benötigt hierfür SQL. Andere, wie Nansen, bieten anpassbare Diagramme in viel begrenzterem Umfang an. Was aber, wenn Sie Daten verschiedener Ketten vergleichen möchten? Hier wird es knifflig. Bei Footprint haben wir ein Modell entwickelt, das diese Rohdaten aggregiert und aussagekräftig indiziert.
Die Informationen zu diesen Millionen von Transaktionen sind nach Domänen aufgeschlüsselt – unsere Daten-Engine bestimmt, ob sie als GameFi, NFT, DEX oder andere klassifiziert werden können. Wir entschlüsseln diese Daten, damit Analysten nach den benötigten Informationen wie Blockzeit, TVL, Token-Preis usw. suchen und diese Daten sofort in einem Diagramm anzeigen können.
Anstelle von Zahlen- und Buchstabenfolgen, die für die meisten nicht zu entziffern sind, gibt es Wallet-Adressen, Ketten, NFT-Sammlungen und andere aussagekräftige Kategorien.
Andererseits können erfahrene Analysten, die mehr Flexibilität wünschen, auch mit Rohdaten mithilfe von SQL oder Python arbeiten.
Der Aufbau einer Daten-Engine, die die umfassendste in der Branche ist (wir decken derzeit 22 Ketten ab) und gleichzeitig die beste Leistung ihrer Klasse beizubehalten, war keine leichte technische Meisterleistung.
Im folgenden Artikel wird unser Datendesign ausführlich erläutert.
Das Problem der kettenübergreifenden Analyse
Man kann Äpfel nicht mit Birnen vergleichen.
Wie dick wäre die Schale eines Golden Delicious oder wie viele Kerne hätte eine Cara-Cara-Orange im Kern? Das macht natürlich keinen Sinn, aber die Dinge beginnen einen Sinn zu ergeben, wenn man Süße, Größe, Härte und den weltweiten Verbrauch vergleicht – Dinge, die für beide Früchte auf logische Weise quantifiziert werden können.
Diese logische Kategorisierung ähnelt strukturierten semantischen Daten. Ganz gleich, wie der Code zum Prägen eines NFT in Solana aussieht und ganz gleich, wie er in Ethereum aussieht, man muss einen Weg finden, alle diese Daten in einer Kategorie namens „Minting“ zusammenzufassen.
Mit den meisten großen Blockchain-Analyselösungen können Sie Äpfel mit Birnen vergleichen. Bei Footprint Analytics können wir jedoch Äpfel mit Birnen, Kiwis mit Ananas vergleichen und die Liste geht weiter.
Seit Dezember analysieren wir Daten von 22 verschiedenen Ketten, mehr als jede andere Plattform. Die Footprint Analytics-Datenbank erfasst automatisch Blöcke, Protokolle, Spuren und Transaktionen in der Blockchain. Es ergänzt dies durch von der Community bereitgestellte Daten und Daten von APIs von Drittanbietern (z. B Token-Preisdaten von Coingecko.) Alle diese Daten sind ursprünglich roh und unstrukturiert. Wir strukturieren es so, dass es in Kategorien passt, z Kreditaufnahme, Kreditvergabe, Ertragslandwirtschaft usw. Auf diese Weise sind alle Daten aus der Blockchain für jedermann leicht zugänglich.
Wie Footprint Analytics Flexibilität und Einfachheit in Einklang bringt
Die Footprint-Webanwendung basiert auf der Open-Source-Technologie Metabase. Lesen Sie mehr über Metabase. Wir verwenden Metabase, weil es offen ist – die Technologie ermöglicht es Benutzern, zur Codebasis beizutragen und sie im Laufe der Zeit weiterzuentwickeln und zu verbessern.
Beispielsweise werden im neuesten Update von Metabase die Modelle eingeführt. Diese Funktionalität ermöglicht es Benutzern, Daten aus einer oder mehreren anderen Tabellen derselben Datenbank zu kuratieren, um vorherzusagen, welche Art von Fragen die Leute zu den Daten stellen werden.
Analysten können auf der Footprint Analytics-Plattform mit einem praktischen Drag-and-Drop- Abfrageersteller Diagramme erstellen. Diese Funktion senkt die Eintrittsbarriere erheblich und ermöglicht es jedem Benutzer ohne technische Kenntnisse, das Produkt zu nutzen und einen Geschäftswert zu erzielen.
Es ist wichtig zu beachten, dass Metabase architektonisch gesehen eine Abstraktion über SQL-Code ist; Das heißt, jede per Drag & Drop gestellte Anfrage kann als SQL dargestellt werden. Somit haben Anwender, die komplexere Abfragen erstellen möchten oder lieber mit Daten per Code arbeiten möchten, die Möglichkeit, sofort SQL zu nutzen.
Viele alternative Analyselösungen ermöglichen es dem Benutzer, verschiedene Netzwerke entsprechend unterschiedlicher Anforderungsebenen zu analysieren. In den meisten Fällen tendieren alternative Lösungen jedoch dazu, ins Extreme zu gehen und entweder ein sehr flexibles Produkt zu implementieren, das Kenntnisse in Abfragesprachen erfordert, oder sogar Programmiersprachen, eine sehr einfache Schnittstelle mit vorbereiteten Skripten und dementsprechend geringer Flexibilität.
Abdeckung
Wir verfügen über eine der umfangreichsten Abdeckungen im gesamten Markt. Im folgenden Abschnitt beschreiben wir detailliert die aktuelle Abdeckung und beziehen uns dabei auf die Organisation der Daten (Ebenen, Domänen).
Wie analysiert Footprint Analytics so viele Daten?
Unser zentraler Wettbewerbsvorteil ist unsere Footprint Analytics-Plattform, die auf der Footprint Machine Learning Platform basiert.
Die „Footprint Analytics-Plattform“ kann auf die Website verweisen, die Benutzer sehen, wenn sie Footprint.networkaufrufen. Wenn wir jedoch über die Footprint Analytics Platform sprechen, beziehen wir uns auch auf die Engine, die die schwere Arbeit unter der Haube erledigt.
Ebenen
Es verwandelt die Bronze-Daten in Silber und dann in Gold, indem es einige technische Daten-ETL-Mittel wie Python und SQL verwendet. In Zukunft planen wir, den ETL-Code, einschließlich des Codes vom Bronze- bis zum Silber-Parsing, als Open Source bereitzustellen.
Mit unserer Blockchain-Daten-API ermöglichen wir außerdem jeder Organisation, auf diesen Schatz an strukturierten Daten zuzugreifen.
Erhalten Sie mit unserer Footprint Data API die umfangreichsten Blockchain-Daten der Welt
Die Benutzeroberfläche ist nicht die einzige Schnittstelle, über die auf die Daten zugegriffen werden kann. Alle aktuell unterstützten Schnittstellen sind hier aufgelistet: Schnittstellen
Vor Footprint Analytics war die Blockchain-Analyse auf unvollständige und unstrukturierte Daten beschränkt. Darüber hinaus waren Unternehmen, die selbst die führenden Lösungen nutzten, mit Verzögerungen beim Zugriff, Leistungseinschränkungen und kostspieliger API-Aggregation konfrontiert.
Dank unserer Plattform, die On-Chain-Daten von 23 Ketten in die oben genannten Silber- und Gold-Stufen analysiert, kann jedes Unternehmen mit einer einheitlichen API auf die meisten GameFi-, NFT- und DeFi-Daten der Welt zugreifen. Bei Footprint Analytics werden sowohl REST API als auch SQL API unterstützt.
Welche Art von Apps können Sie mit diesen Daten erstellen? Hier nur einige Beispiele:
- Verfolgen Sie die besten und schlechtesten Spielerbindungsraten für alle GameFi-Titel
- Lösen Sie Warnungen aus, wenn Wal-Wallets ihr Geld in oder aus Ketten oder Protokollen von Interesse einbringen
- Vergleichen Sie kettenübergreifende TVL-Schwankungen mit Rohstoffpreisen
- Erstellen Sie benutzerdefinierte Anzeigen für NFT-Sammlungen aus mehreren Netzwerken
- Entdecken Sie die neuesten, angesagten Kollektionen und greifen Sie auf detaillierte Analysen für über 15.000 Projekte zu
- Verfolgen und verfolgen Sie die Geldflüsse der Wale, um Investitionsmöglichkeiten und potenzielle Risiken zu identifizieren
Mit Footprint kann jeder der Blockchain-Analyse einen Schritt näher kommen, egal ob Sie Investor, Analyst, Einzelhändler, Entwickler sind oder einfach nur Ihr Lieblings-Kryptoprojekt erkunden.