De que forma a Footprint Analytics faz sentido?

Os dados abertos da blockchain só têm valor se forem acessíveis e compreensíveis para os utilizadores. Quem se inicia no universo cripto tende a olhar apenas para os preços dos tokens, pois é o dado mais imediato. Contudo, à medida que adquire experiência em blockchain, percebe que, para compreender verdadeiramente o mercado, precisa de dados ao nível dos pools em DeFi, informações de retenção em GameFi, e muito mais — como TVL, dados de carteiras e movimentos de depósitos/levantamentos.

Mas e se quiser analisar movimentos de whales entre diferentes projetos? Ou obter uma visão completa do impacto de uma crise de relações públicas num protocolo? Como pode aceder a estes dados e criar soluções personalizadas para responder a questões muito específicas?

Obter estes dados em bruto e sem filtragem de uma única cadeia não representa grande complexidade técnica. Por isso, existem dezenas de serviços no segmento de análise blockchain. O processo consiste essencialmente em estruturar e normalizar milhões de linhas de dados inseridas numa base de dados, especialmente tendo em conta a diversidade técnica das blockchains. Com programação de UX adequada, estes dados são convertidos para um formato visualmente acessível.

É perfeitamente natural permitir que o utilizador adicione métricas de diferentes projetos a um gráfico para comparação. O Dune Analytics exige SQL para esse efeito. Outros, como a Nansen, disponibilizam gráficos personalizáveis, mas de forma bastante mais limitada. Contudo, se o objetivo for comparar dados entre diferentes cadeias, a complexidade aumenta. Na Footprint, desenvolvemos um modelo que agrega estes dados em bruto e os indexa para lhes conferir significado.

A informação sobre milhões de transações é segmentada por domínio — o nosso motor de dados determina se pode ser classificada como GameFi, NFT, DEX ou outra categoria. Decodificamos estes dados para que os analistas possam pesquisar o que necessitam, como tempo de bloco, TVL, preço do token, etc., e visualizar imediatamente esses dados num gráfico.

Em vez de cadeias de números e letras, que para a maioria são indecifráveis, o utilizador dispõe de endereços de carteiras, cadeias, coleções de NFT e outras categorias com significado real.

Por outro lado, analistas experientes que procurem maior flexibilidade podem trabalhar diretamente com dados em bruto, utilizando SQL ou Python.

Construir um motor de dados verdadeiramente abrangente no setor (cobrimos atualmente 22 cadeias), mantendo simultaneamente o melhor desempenho da categoria, foi um desafio de engenharia significativo.

No artigo seguinte, explicamos em detalhe a nossa abordagem ao design de dados.

O problema da análise cross-chain

Não se podem comparar maçãs com laranjas.

Qual seria a espessura da casca de uma Golden Delicious ou o número de sementes no centro de uma laranja Cara Cara? Não faz sentido, mas a comparação passa a ser lógica quando se analisam critérios como doçura, tamanho, dureza ou consumo global — características quantificáveis para ambas as frutas.

Esta categorização lógica assemelha-se a dados semânticos estruturados. Independentemente do código para cunhar um NFT em Solana ou em Ethereum, é necessário encontrar uma forma de integrar todos estes dados numa categoria única, como “Minting”.

A maioria das soluções de análise blockchain permite comparar maçãs com laranjas. Porém, na Footprint Analytics, conseguimos comparar maçãs, laranjas, kiwis, ananases e muito mais.

Em dezembro, processámos dados de 22 cadeias diferentes, mais do que qualquer outra plataforma. A base de dados da Footprint Analytics recolhe automaticamente blocos, registos, rastreios e transações na blockchain. Complementa esta informação com dados da comunidade e de APIs de terceiros (por exemplo, preços de tokens da Coingecko). Todos estes dados são inicialmente brutos e não estruturados. Estruturamo-los para os integrar em categorias como borrowing, lending, yield farming, etc. Assim, qualquer dado da blockchain torna-se facilmente acessível.

Como a Footprint Analytics equilibra flexibilidade e simplicidade

A aplicação web da Footprint assenta na tecnologia open source Metabase. Saiba mais sobre o Metabase. Escolhemos o Metabase por ser aberto — permite que os utilizadores contribuam para o código, desenvolvendo e melhorando a solução ao longo do tempo.

Por exemplo, a última atualização do Metabase introduziu modelos. Esta funcionalidade permite aos utilizadores selecionar dados de uma ou várias tabelas da mesma base de dados, antecipando as perguntas que possam surgir sobre os dados.

Os analistas criam gráficos na plataforma Footprint Analytics com um construtor de queries drag-and-drop intuitivo. Esta funcionalidade reduz significativamente a barreira de entrada, permitindo que qualquer utilizador sem conhecimentos técnicos utilize a solução e extraia valor para o negócio.

Importa referir que, do ponto de vista arquitetónico, o Metabase é uma abstração sobre SQL; ou seja, qualquer pedido feito por drag and drop pode ser representado em SQL. Assim, utilizadores que pretendam queries mais avançadas ou que prefiram trabalhar os dados por código têm a possibilidade de utilizar SQL diretamente.

Muitas soluções alternativas permitem analisar diferentes redes de acordo com vários requisitos. Contudo, tendem a extremos: ou produtos muito flexíveis, que exigem conhecimentos em linguagens de queries ou programação, ou interfaces muito simples, baseadas em scripts preparados e, consequentemente, com baixa flexibilidade.

Cobertura
Dispomos de uma das maiores coberturas de todo o mercado. Detalhamos o âmbito atual, incluindo a organização dos dados (níveis, domínios), na secção seguinte.

Como é que a Footprint Analytics processa tantos dados?

A nossa principal vantagem competitiva reside na Footprint Analytics Platform, suportada pela Footprint Machine Learning Platform.

A “Footprint Analytics platform” pode designar o website que os utilizadores consultam em footprint.network. Contudo, ao referirmo-nos à Footprint Analytics Platform, incluímos também o motor responsável por todo o processamento de dados.

Níveis
Transformamos os Bronze Data em Silver e, posteriormente, em Gold, recorrendo a processos ETL com Python e SQL. No futuro, planeamos disponibilizar o código ETL, incluindo o parsing de Bronze para Silver, em open source.

Qualquer organização pode aceder a este vasto repositório de dados estruturados através da nossa API de dados blockchain.

Aceda aos dados blockchain mais completos do mundo com a nossa Footprint Data API

A interface gráfica não é a única forma de aceder aos dados. Todas as interfaces atualmente suportadas estão disponíveis aqui: Interfaces

Antes da Footprint Analytics, a análise blockchain estava limitada a dados incompletos e não estruturados. Até as soluções líderes impunham atrasos no acesso, limitações de desempenho e custos elevados de agregação de API.

Graças à nossa plataforma, que processa dados on-chain de 23 cadeias para os níveis Silver e Gold referidos, qualquer organização pode aceder à maioria dos dados GameFi, NFT e DeFi do mundo, tudo através de uma API unificada. A Footprint Analytics suporta tanto REST API como SQL API.

Que tipo de aplicações pode criar com estes dados? Eis alguns exemplos:

• Acompanhar as melhores e piores taxas de retenção de jogadores em todos os títulos GameFi
• Ativar alertas quando carteiras de whales movimentam fundos para dentro ou fora de cadeias ou protocolos relevantes
• Comparar flutuações cross-chain de TVL com preços de commodities
• Criar visualizações personalizadas para coleções de NFT em várias redes
• Descobrir as coleções mais populares do momento e aceder a análises detalhadas de mais de 15 mil projetos
• Monitorizar os fluxos de fundos de whales para identificar oportunidades de investimento e potenciais riscos

Com a Footprint, qualquer pessoa pode aproximar-se da análise blockchain, seja investidor, analista, trader, developer ou apenas alguém que explora o seu projeto cripto favorito.