第 2 課

Footprint Analytics 如何運作?

Footprint Analytics 是一套區塊鏈分析工具,讓用戶能夠從多條不同的區塊鏈收集、建構並視覺化資料。本章將說明 Footprint 資料分析工具的優勢。

區塊鏈的開放資料若無法被人們存取與理解,便毫無價值。初入幣圈的使用者通常只關注代幣價格,這雖然簡單,但隨著大家在區塊鏈領域的經驗累積,逐漸意識到要真正掌握市場,必須整合去中心化金融 (DeFi) 數據、GameFi 留存數據,以及其他多元資訊,例如總鎖倉價值 (TVL)、錢包資訊,以及存款和提領狀況。

如果你想了解「鯨魚」在不同項目間的資金流動,或是全面掌握公關危機對協議的影響,該如何取得這些數據?又如何建立自訂化解決方案來回應高度特定的問題?

技術上,從單一區塊鏈取得這些未經過濾的原始資料並不困難。正因如此,區塊鏈分析領域出現了眾多服務。這個流程本質上是將資料結構化,也就是對輸入資料庫的數百萬行資料進行標準化處理,尤其是在區塊鏈技術多元化的情況下。透過精心設計的使用者體驗程式編寫,資料被轉化為直觀易懂的形式。

讓使用者將不同項目的各項指標加入圖表進行比較並不困難。Dune Analytics 需以 SQL 實現此功能。其他服務如 Nansen,則僅提供有限的自訂化圖表。但若要比較不同區塊鏈的數據,就成為一項挑戰。Footprint 開發了一套模型,將這些原始資料彙整並建立索引,賦予其意義。

數百萬筆交易資料依領域分類,我們的資料引擎判斷其是否屬於遊戲化金融 (GameFi)、非同質化代幣 (NFT)、去中心化交易所 (DEX) 或其他類別。我們會解析這些資料,讓分析師能搜尋所需資訊,例如區塊時間、總鎖倉價值、代幣價格等,並即時於圖表上呈現。

你將看到錢包地址、鏈、NFT 系列,以及其他具意義的分類,而不再只是難以辨識的數字與字母組合。

有經驗的分析師若需要更高彈性,也可使用 SQL 或 Python 處理原始資料。

打造業界最完整的資料引擎 (目前涵蓋 22 條鏈) 並維持最佳效能,絕非易事。

以下將深入說明我們的資料設計。

跨鏈分析的挑戰

蘋果與柳橙無法直接類比。

紅肉臍橙的果皮厚度是多少?玫瑰血橙有多少顆籽?這些問題顯然沒有意義,只有甜度、大小、硬度、全球消費量等比較才具價值。運用邏輯方法,我們能針對這兩種柳橙的上述面向進行量化分析。

這種邏輯分類就如同結構化的語意資料,不論 Solana 或以太坊上鑄造 NFT 的程式碼如何,我們都需找出將所有這些資料歸入同一類別的方法,也就是所謂的「鑄造」。

多數主流區塊鏈分析解決方案允許你將蘋果與柳橙比較,而在 Footprint Analytics 中,我們不僅能比較蘋果與柳橙,還能比較奇異果、鳳梨等,且清單持續擴充。

截至 12 月,我們解析來自 22 條不同區塊鏈的資料,數量超越所有其他平台。Footprint Analytics 資料庫會自動擷取區塊鏈上的區塊、日誌、追蹤與交易資料,並結合社群貢獻的資料及第三方 API (如 Coingecko 的代幣價格資料) 進行補充。所有這些資料最初都未經處理與結構化,我們將其整理為各類別,如借貸、流動性挖礦等。如此一來,任何人都能輕鬆存取區塊鏈上的各類資料。

Footprint Analytics 如何兼顧彈性與易用性

Footprint 的 Web 應用建構於 Metabase 開源技術之上。我們選擇 Metabase,是因其開放性,允許使用者參與程式碼貢獻,並持續改進與開發。

舉例來說,Metabase 最新版本加入了模型功能。此功能讓使用者能從同一資料庫的一個或多個表格整理資料,以預測使用者可能提出的資料問題。

分析師可透過拖放查詢產生器,在 Footprint Analytics 平台輕鬆建立圖表。此功能大幅降低使用門檻,任何不具技術背景的使用者都能運用產品並提取商業價值。

須注意的是,從架構角度來看,Metabase 是 SQL 程式碼的抽象化;也就是說,透過拖放產生的任何請求都可表示為 SQL。因此,若欲建立更複雜查詢或偏好用程式碼處理資料的使用者,可直接使用 SQL。

許多替代性分析解決方案允許使用者依不同層級需求分析各種網路。然而多數情況下,替代方案往往走向極端,要嘛極度彈性但需懂查詢語言甚至程式語言,要嘛介面極簡且僅提供現成腳本但彈性有限。

覆蓋範圍

我們在整個市場中擁有最廣泛的覆蓋範圍之一。以下將詳細說明目前的覆蓋範圍,包含資料 (層級、領域) 整理。

Footprint Analytics 如何解析龐大資料?

我們的核心競爭優勢在於 Footprint Analytics 平台,由 Footprint 機器學習平台驅動。

「Footprint Analytics 平台」既指使用者看到的網站 footprint.network,也涵蓋幕後執行重要任務的引擎。

層級
我們運用多項資料 ETL (資料擷取-轉換-載入) 技術,如 Python 與 SQL,將銅級資料轉換為銀級資料,再進一步提升為金級資料。未來,我們計劃將 ETL 程式碼 (包含從銅級到銀級資料解析的部分) 開放原始碼。

我們亦透過區塊鏈資料 API,讓任何組織都能存取這些結構化資料寶庫。

使用 Footprint 資料 API 取得全球最豐富的區塊鏈資料

UI (使用者介面) 並非唯一可存取資料的管道。此處列出目前所有支援的介面:介面

在 Footprint Analytics 出現之前,區塊鏈分析僅限於不完整且非結構化資料。此外,即使是領先解決方案的組織也面臨存取延遲、效能瓶頸及昂貴的 API 整合問題。

由於我們的平台將 23 條鏈上的資料解析為上述銀級及金級資料,任何組織都能運用全球大部分 GameFi、NFT 及 DeFi 資料,並透過統一 API 存取。Footprint Analytics 支援 REST API 與 SQL API。

你可以用這些資料打造哪些應用?我們列舉幾項範例:

  • 追蹤所有 GameFi 遊戲最佳與最差玩家留存率
  • 當鯨魚錢包將資金存入或提領至特定鏈或協議時,觸發警示
  • 比較不同鏈上的總鎖倉價值 (TVL) 與商品價格波動
  • 為多條網路的 NFT 收藏建立自訂化展示
  • 發掘最新熱門收藏,並存取超過 15,000 個專案的深入分析結果
  • 追蹤「鯨魚」地址資金流動,發掘投資機會及潛在風險

透過 Footprint,無論你是投資人、分析師、散戶交易者、開發者,或是單純想探索喜愛的加密貨幣項目,都能更貼近區塊鏈分析。

免責聲明
* 投資有風險,入市須謹慎。本課程不作為投資理財建議。
* 本課程由入駐 Gate Learn 的作者創作,觀點僅代表作者本人,絕不代表 Gate Learn 讚同其觀點或證實其描述。