Como a Footprint Analytics faz sentido?

Os dados abertos da blockchain só têm valor quando são acessíveis e compreensíveis. Quem inicia no universo cripto costuma analisar apenas o preço dos tokens, pois é simples. Porém, conforme ganha experiência, percebe que para entender o mercado de verdade é necessário consultar dados de pools para DeFi, dados de retenção para GameFi e outros indicadores — como TVL, informações de carteiras e depósitos/saques.

Se você deseja investigar movimentações de grandes investidores (“whales”) entre diferentes projetos ou entender o impacto completo de uma crise de PR sobre um protocolo, como acessar esses dados e criar soluções sob medida para perguntas altamente específicas?

Obter dados brutos e não filtrados de uma única cadeia não é tecnicamente complexo. Por isso, há dezenas de serviços de análise de blockchain no mercado. O processo envolve estruturar os dados — padronizando milhões de linhas que alimentam um banco de dados, especialmente diante da diversidade técnica das blockchains. Com uma programação de UX bem desenvolvida, esses dados se tornam visualmente compreensíveis.

É simples permitir que usuários incluam métricas de diferentes projetos em um gráfico para comparação. O Dune Analytics exige SQL para isso. Outros, como Nansen, oferecem gráficos personalizáveis, mas em escala bastante limitada. E se você quiser comparar dados de diferentes cadeias? É aí que surge o desafio. Na Footprint, criamos um modelo que agrega esses dados brutos e os indexa, tornando-os relevantes.

As informações dessas milhões de transações são separadas por domínio — nosso motor de dados determina se são GameFi, NFT, DEX ou outros. Decodificamos tudo para que analistas possam buscar informações como tempo de bloco, TVL, preço de token, etc., e visualizar imediatamente os dados em um gráfico.

Ao invés de sequências indecifráveis de números e letras, você tem endereços de carteira, cadeias, coleções de NFT e outras categorias relevantes.

Por outro lado, analistas experientes que buscam flexibilidade podem trabalhar diretamente com dados brutos usando SQL ou Python.

Construir um motor de dados tão completo (cobrindo atualmente 22 cadeias) e com desempenho de referência foi um desafio de engenharia.

O artigo a seguir detalha nosso design de dados.

O desafio das análises cross-chain

Não se compara maçã com laranja.

Qual a espessura da casca de uma Golden Delicious ou o número de sementes de uma laranja Cara Cara? Não faz sentido, claro, mas faz quando você compara doçura, tamanho, dureza, consumo mundial — atributos que podem ser quantificados para ambas de forma lógica.

Essa categorização lógica equivale a dados semânticos estruturados. Não importa como é o código para mintar um NFT na Solana ou na Ethereum, é preciso reunir todos esses dados em uma só categoria, chamada “Minting”.

As principais soluções de análise de blockchain permitem comparar maçã com laranja. Na Footprint Analytics, conseguimos comparar maçã, laranja, kiwi, abacaxi e muito mais.

Desde dezembro, processamos dados de 22 cadeias diferentes, mais do que qualquer outra plataforma. O banco de dados da Footprint Analytics capta automaticamente blocos, logs, traces e transações. Também recebe dados da comunidade e de APIs de terceiros (como preços de tokens do Coingecko). Todos esses dados chegam brutos e não estruturados. Estruturamos tudo em categorias — empréstimos, financiamentos, yield farming, etc. Assim, qualquer dado da blockchain fica acessível para todos.

Como a Footprint Analytics equilibra flexibilidade e simplicidade

A aplicação web da Footprint utiliza a tecnologia open source Metabase. Saiba mais sobre Metabase. Usamos o Metabase porque é aberto — permite que usuários contribuam com o código, aprimorando-o continuamente.

Por exemplo, na última atualização do Metabase foram introduzidos os modelos. Essa função permite que usuários selecionem dados de outras tabelas do mesmo banco para antecipar perguntas sobre os dados.

Na Footprint Analytics, analistas criam gráficos facilmente com o construtor de consultas drag-and-drop. Isso reduz a barreira de entrada, permitindo que qualquer usuário sem conhecimento técnico utilize o produto e extraia valor de negócio.

Arquiteturalmente, o Metabase é uma abstração sobre SQL; qualquer consulta feita por drag and drop pode ser representada em SQL. Assim, quem deseja criar consultas complexas ou prefere trabalhar com código pode usar SQL diretamente.

Muitas soluções alternativas permitem analisar diferentes redes conforme o nível de exigência. Porém, em geral, vão a extremos: ou oferecem alta flexibilidade exigindo conhecimento técnico, ou têm interface simples com scripts prontos e baixa flexibilidade.

Cobertura
Temos uma das coberturas mais amplas do mercado. A seguir, detalhamos a cobertura atual e a organização dos dados (níveis, domínios).

Como a Footprint Analytics processa grandes volumes de dados?

Nosso diferencial é a Footprint Analytics Platform, impulsionada pela Footprint Machine Learning Platform.

“Footprint Analytics platform” pode significar o site acessado em footprint.network. Mas também nos referimos ao motor que faz o processamento pesado por trás dos bastidores.

Níveis
Transformamos Dados Bronze em Silver e depois em Gold, usando ETL com Python e SQL. No futuro, planejamos liberar o código ETL, incluindo a conversão de Bronze para Silver, como open source.

Qualquer organização pode acessar esse acervo de dados estruturados usando nossa API de dados blockchain.

Tenha acesso aos dados mais completos de blockchain do mundo com a Footprint Data API

A interface web não é a única forma de acessar os dados. Todas as interfaces suportadas atualmente estão listadas aqui: Interfaces

Antes da Footprint Analytics, a análise de blockchain era limitada a dados incompletos e não estruturados. Além disso, mesmo as principais soluções enfrentavam atrasos de acesso, limitações de desempenho e altos custos de agregação de API.

Com nossa plataforma, que processa dados on-chain de 23 cadeias para os níveis Silver e Gold, qualquer organização pode acessar a maior parte dos dados de GameFi, NFT e DeFi do mundo em uma API unificada. A Footprint Analytics suporta tanto REST API quanto SQL API.

Que tipo de aplicativos podem ser criados com esses dados? Veja exemplos:

• Acompanhar as melhores e piores taxas de retenção de jogadores em títulos GameFi
• Disparar alertas quando carteiras de grandes investidores movimentam fundos entre cadeias ou protocolos
• Comparar flutuações cross-chain de TVL com preços de commodities
• Criar visualizações personalizadas para coleções de NFT de várias redes
• Descobrir as coleções mais populares e acessar análises detalhadas de mais de 15 mil projetos
• Rastrear o fluxo de fundos de grandes investidores para identificar oportunidades e riscos

Com a Footprint, qualquer pessoa pode se aprofundar em análise de blockchain, seja investidor, analista, trader, desenvolvedor ou entusiasta de projetos cripto.