Bagaimana Footprint Analytics Masuk Akal?
Footprint Analytics adalah alat analitik blockchain yang memungkinkan pengguna untuk mengumpulkan, menyusun, dan memvisualisasikan data dari berbagai rantai blockchain yang berbeda. Dalam modul ini, Anda akan memahami keuntungan memilih Footprint sebagai alat analisis data Anda.
Data terbuka dari blockchain tidak berarti apa-apa kecuali orang dapat mengakses dan memahaminya. Mereka yang baru mengenal crypto cenderung melihat harga token secara eksklusif, yang cukup mudah. Namun, saat orang mendapatkan pengalaman dalam blockchain, mereka menyadari bahwa untuk benar-benar memahami pasar, seseorang perlu mengumpulkan data level untuk DeFi, data retensi untuk GameFi, dan banyak lagi—pikirkan tentang TVL, info dompet, dan setoran/penarikan.
Bagaimana jika Anda ingin menyelidiki pergerakan paus di antara berbagai proyek? Atau dapatkan gambaran lengkap tentang dampak krisis PR pada protokol? Bagaimana cara mendapatkan data semacam ini, dan bagaimana mereka dapat membuat solusi khusus untuk menjawab pertanyaan yang sangat spesifik?
Mendapatkan data mentah dan tidak tersaring ini dari satu rantai secara teknis tidaklah sulit. Itu sebabnya ada lusinan layanan di luar sana di ruang analitik blockchain. Proses ini pada dasarnya memerlukan penataan data—standarisasi jutaan baris data yang dimasukkan ke dalam database, terutama dengan implementasi teknis blockchain yang heterogen. Dengan beberapa pemrograman UX yang licik, itu diubah menjadi bentuk yang dapat dipahami secara visual.
Tidaklah berlebihan untuk membiarkan pengguna menambahkan metrik yang berbeda dari proyek yang berbeda ke dalam bagan untuk membandingkannya. Dune Analytics memerlukan SQL untuk melakukan ini. Lainnya, seperti Nansen, menawarkan bagan yang dapat disesuaikan dalam skala yang jauh lebih terbatas. Tetapi bagaimana jika Anda ingin membandingkan data dari rantai yang berbeda? Di sinilah segalanya menjadi rumit. Di Footprint, kami telah mengembangkan model yang menggabungkan data mentah ini dan mengindeksnya agar bermakna.
Info tentang jutaan transaksi ini dibagi berdasarkan domain—mesin data kami menentukan apakah dapat diklasifikasikan sebagai GameFi, NFT, DEX, atau lainnya. Kami mendekode data ini sehingga analis dapat mencari informasi yang mereka perlukan, seperti waktu blok, TVL, harga token, dll., dan segera menampilkan data tersebut di bagan.
Alih-alih rangkaian angka dan huruf yang, bagi sebagian besar, tidak dapat dipahami, Anda memiliki alamat dompet, rantai, koleksi NFT, dan kategori bermakna lainnya.
Di sisi lain, analis berpengalaman yang menginginkan lebih banyak fleksibilitas juga dapat bekerja dengan data mentah menggunakan SQL atau Python.
Membangun mesin data yang paling komprehensif di industri (saat ini kami mencakup 22 rantai) sambil mempertahankan kinerja terbaik di kelasnya bukanlah hal yang mudah dalam rekayasa.
Artikel berikut menjelaskan desain data kami secara mendalam.
Masalah analitik lintas rantai
Anda tidak bisa membandingkan apel dengan jeruk.
Berapa ketebalan kulit Golden Delicious, atau jumlah biji di inti jeruk Cara Cara? Itu tidak masuk akal, jelas, tetapi hal-hal mulai masuk akal ketika Anda membandingkan rasa manis, ukuran, kekerasan, konsumsi global — hal-hal yang dapat diukur untuk kedua buah dengan cara yang logis.
Kategorisasi logis ini seperti data semantik terstruktur. Tidak peduli seperti apa kode untuk mencetak NFT di Solana, dan tidak peduli seperti apa tampilannya di Ethereum, seseorang perlu menemukan cara untuk memasukkan semua data ini ke dalam satu kategori, yang disebut “Minting.”
Sebagian besar solusi analitik blockchain memungkinkan Anda membandingkan apel dengan jeruk. Namun, di Footprint Analytics, kami dapat membandingkan apel dengan jeruk, kiwi, nanas, dan daftarnya terus berlanjut.
Mulai Desember, kami mengurai data dari 22 jaringan berbeda, lebih banyak dari platform lainnya. Database Footprint Analytics secara otomatis mengambil blok, log, jejak, dan transaksi di blockchain. Ini melengkapi ini dengan data dan data kontribusi komunitas dari API pihak ke-3 (mis data harga token dari Coingecko.) Semua data ini awalnya mentah dan tidak terstruktur. Kami menyusunnya agar sesuai dengan kategori, misalnya pinjam-meminjam, pinjam-meminjam, hasil panen, dan lain-lain. Dengan cara ini, setiap data dari blockchain dapat diakses dengan mudah oleh siapa saja.
Bagaimana Footprint Analytics menyeimbangkan fleksibilitas dan kesederhanaan
Aplikasi web footprint dibangun di atas teknologi open source Metabase. Baca lebih lanjut tentang Metabase. Kami menggunakan Metabase karena bersifat terbuka—teknologi memungkinkan pengguna untuk berkontribusi pada basis kode, mengembangkan dan meningkatkannya dari waktu ke waktu.
Misalnya, dalam pembaruan Metabase terbaru, model diperkenalkan. Fungsionalitas ini memungkinkan pengguna untuk menyusun data dari tabel lain atau tabel dari database yang sama untuk mengantisipasi jenis pertanyaan yang akan diajukan orang tentang data tersebut.
Analis dapat membuat bagan di platform Footprint Analytics dengan pembuat kueri seret dan lepas yang nyaman. Kemampuan ini secara signifikan menurunkan hambatan masuk, memungkinkan setiap pengguna tanpa pengetahuan teknis untuk menggunakan produk dan mengekstraksi nilai bisnis.
Penting untuk dicatat bahwa, secara arsitektural, Metabase adalah abstraksi dari kode SQL; yaitu, setiap permintaan yang dibuat dengan drag and drop dapat direpresentasikan sebagai SQL. Dengan demikian, pengguna yang ingin membuat kueri yang lebih kompleks atau yang lebih suka bekerja dengan data menggunakan kode memiliki kesempatan untuk langsung menggunakan SQL.
Banyak solusi analitik alternatif memungkinkan pengguna menganalisis jaringan yang berbeda sesuai dengan berbagai tingkat persyaratan. Namun, sebagian besar, solusi alternatif cenderung ekstrem, mengimplementasikan produk yang sangat fleksibel yang membutuhkan pengetahuan tentang bahasa permintaan atau bahkan bahasa pemrograman antarmuka yang sangat sederhana dengan skrip yang disiapkan dan, karenanya, fleksibilitas rendah.
Cakupan
Kami memiliki salah satu cakupan terluas di seluruh pasar. Kami menjelaskan cakupan saat ini secara rinci, mengacu pada organisasi data (tingkat, domain), dalam bagian berikut.
Bagaimana Footprint Analytics mengurai begitu banyak data?
Keunggulan kompetitif inti kami adalah Platform Analitik Footprint kami, didukung oleh Platform Pembelajaran Mesin Footprint.
“Platform Footprint Analytics” dapat merujuk ke situs web yang dilihat pengguna saat mereka membuka footprint.network. Namun, ketika kita berbicara tentang Platform Analitik Footprint, kita juga mengacu pada mesin yang melakukan pengangkatan berat di bawah kapnya.
Level
Itu mengubah Data Perunggu menjadi Perak, lalu Emas menggunakan beberapa cara teknis data ETL, seperti Python dan SQL. Di masa mendatang, kami berencana membuat kode ETL, termasuk kode dari parsing Bronze ke Silver, open source.
Kami juga memungkinkan organisasi mana pun untuk memanfaatkan kumpulan data terstruktur ini dengan API data blockchain kami.
Dapatkan data blockchain terkaya di dunia dengan Footprint Data API kami
UI bukan satu-satunya antarmuka yang dapat digunakan untuk mengakses data. Semua antarmuka yang didukung saat ini tercantum di sini: Antarmuka
Sebelum Footprint Analytics, analisis blockchain terbatas pada data yang tidak lengkap dan tidak terstruktur. Selain itu, organisasi yang bahkan menggunakan solusi terdepan menghadapi keterlambatan dalam akses, keterbatasan kinerja, dan agregasi API yang mahal.
Berkat platform kami yang mem-parsing data on-chain dari 23 rantai ke tingkat Silver dan Gold yang disebutkan di atas, organisasi mana pun dapat memanfaatkan sebagian besar data GameFi, NFT, dan DeFi di dunia, semuanya dengan satu API terpadu. REST API dan SQL API keduanya didukung di Footprint Analytics.
Jenis aplikasi apa yang dapat Anda buat dengan data ini? Berikut adalah beberapa contoh:
- Lacak tingkat retensi gamer terbaik dan terburuk di semua judul GameFi
- Memicu peringatan ketika dompet paus membawa uang mereka masuk atau keluar dari rantai atau protokol yang diminati
- Bandingkan fluktuasi lintas rantai di TVL dengan harga komoditas
- Buat tampilan khusus untuk koleksi NFT dari beberapa jaringan
- Temukan koleksi terbaru dan akses analitik mendalam untuk proyek 15K+
- Ikuti dan lacak aliran dana whale untuk mengidentifikasi peluang investasi dan potensi risiko
Dengan Footprint, siapa pun dapat selangkah lebih dekat ke analitik blockchain, baik Anda seorang investor, analis, pedagang eceran, pengembang, atau sekadar menjelajahi proyek crypto favorit Anda.
Lección 1:Data On-chain di Web3
Lección 2:Bagaimana Footprint Analytics Masuk Akal?
Lección 3:Iceberg + Spark + Trino: Tumpukan Data Sumber Terbuka Modern Untuk Blockchain
Lección 4:Bagaimana Footprint Analytics Membantu Peneliti Blockchain？
Lección 5:Bagaimana Tiga Platform Analitik Kripto Utama Berbeda
Bagaimana Footprint Analytics Masuk Akal?
Footprint Analytics adalah alat analitik blockchain yang memungkinkan pengguna untuk mengumpulkan, menyusun, dan memvisualisasikan data dari berbagai rantai blockchain yang berbeda. Dalam modul ini, Anda akan memahami keuntungan memilih Footprint sebagai alat analisis data Anda.
Data terbuka dari blockchain tidak berarti apa-apa kecuali orang dapat mengakses dan memahaminya. Mereka yang baru mengenal crypto cenderung melihat harga token secara eksklusif, yang cukup mudah. Namun, saat orang mendapatkan pengalaman dalam blockchain, mereka menyadari bahwa untuk benar-benar memahami pasar, seseorang perlu mengumpulkan data level untuk DeFi, data retensi untuk GameFi, dan banyak lagi—pikirkan tentang TVL, info dompet, dan setoran/penarikan.
Bagaimana jika Anda ingin menyelidiki pergerakan paus di antara berbagai proyek? Atau dapatkan gambaran lengkap tentang dampak krisis PR pada protokol? Bagaimana cara mendapatkan data semacam ini, dan bagaimana mereka dapat membuat solusi khusus untuk menjawab pertanyaan yang sangat spesifik?
Mendapatkan data mentah dan tidak tersaring ini dari satu rantai secara teknis tidaklah sulit. Itu sebabnya ada lusinan layanan di luar sana di ruang analitik blockchain. Proses ini pada dasarnya memerlukan penataan data—standarisasi jutaan baris data yang dimasukkan ke dalam database, terutama dengan implementasi teknis blockchain yang heterogen. Dengan beberapa pemrograman UX yang licik, itu diubah menjadi bentuk yang dapat dipahami secara visual.
Tidaklah berlebihan untuk membiarkan pengguna menambahkan metrik yang berbeda dari proyek yang berbeda ke dalam bagan untuk membandingkannya. Dune Analytics memerlukan SQL untuk melakukan ini. Lainnya, seperti Nansen, menawarkan bagan yang dapat disesuaikan dalam skala yang jauh lebih terbatas. Tetapi bagaimana jika Anda ingin membandingkan data dari rantai yang berbeda? Di sinilah segalanya menjadi rumit. Di Footprint, kami telah mengembangkan model yang menggabungkan data mentah ini dan mengindeksnya agar bermakna.
Info tentang jutaan transaksi ini dibagi berdasarkan domain—mesin data kami menentukan apakah dapat diklasifikasikan sebagai GameFi, NFT, DEX, atau lainnya. Kami mendekode data ini sehingga analis dapat mencari informasi yang mereka perlukan, seperti waktu blok, TVL, harga token, dll., dan segera menampilkan data tersebut di bagan.
Alih-alih rangkaian angka dan huruf yang, bagi sebagian besar, tidak dapat dipahami, Anda memiliki alamat dompet, rantai, koleksi NFT, dan kategori bermakna lainnya.
Di sisi lain, analis berpengalaman yang menginginkan lebih banyak fleksibilitas juga dapat bekerja dengan data mentah menggunakan SQL atau Python.
Membangun mesin data yang paling komprehensif di industri (saat ini kami mencakup 22 rantai) sambil mempertahankan kinerja terbaik di kelasnya bukanlah hal yang mudah dalam rekayasa.
Artikel berikut menjelaskan desain data kami secara mendalam.
Masalah analitik lintas rantai
Anda tidak bisa membandingkan apel dengan jeruk.
Berapa ketebalan kulit Golden Delicious, atau jumlah biji di inti jeruk Cara Cara? Itu tidak masuk akal, jelas, tetapi hal-hal mulai masuk akal ketika Anda membandingkan rasa manis, ukuran, kekerasan, konsumsi global — hal-hal yang dapat diukur untuk kedua buah dengan cara yang logis.
Kategorisasi logis ini seperti data semantik terstruktur. Tidak peduli seperti apa kode untuk mencetak NFT di Solana, dan tidak peduli seperti apa tampilannya di Ethereum, seseorang perlu menemukan cara untuk memasukkan semua data ini ke dalam satu kategori, yang disebut “Minting.”
Sebagian besar solusi analitik blockchain memungkinkan Anda membandingkan apel dengan jeruk. Namun, di Footprint Analytics, kami dapat membandingkan apel dengan jeruk, kiwi, nanas, dan daftarnya terus berlanjut.
Mulai Desember, kami mengurai data dari 22 jaringan berbeda, lebih banyak dari platform lainnya. Database Footprint Analytics secara otomatis mengambil blok, log, jejak, dan transaksi di blockchain. Ini melengkapi ini dengan data dan data kontribusi komunitas dari API pihak ke-3 (mis data harga token dari Coingecko.) Semua data ini awalnya mentah dan tidak terstruktur. Kami menyusunnya agar sesuai dengan kategori, misalnya pinjam-meminjam, pinjam-meminjam, hasil panen, dan lain-lain. Dengan cara ini, setiap data dari blockchain dapat diakses dengan mudah oleh siapa saja.
Bagaimana Footprint Analytics menyeimbangkan fleksibilitas dan kesederhanaan
Aplikasi web footprint dibangun di atas teknologi open source Metabase. Baca lebih lanjut tentang Metabase. Kami menggunakan Metabase karena bersifat terbuka—teknologi memungkinkan pengguna untuk berkontribusi pada basis kode, mengembangkan dan meningkatkannya dari waktu ke waktu.
Misalnya, dalam pembaruan Metabase terbaru, model diperkenalkan. Fungsionalitas ini memungkinkan pengguna untuk menyusun data dari tabel lain atau tabel dari database yang sama untuk mengantisipasi jenis pertanyaan yang akan diajukan orang tentang data tersebut.
Analis dapat membuat bagan di platform Footprint Analytics dengan pembuat kueri seret dan lepas yang nyaman. Kemampuan ini secara signifikan menurunkan hambatan masuk, memungkinkan setiap pengguna tanpa pengetahuan teknis untuk menggunakan produk dan mengekstraksi nilai bisnis.
Penting untuk dicatat bahwa, secara arsitektural, Metabase adalah abstraksi dari kode SQL; yaitu, setiap permintaan yang dibuat dengan drag and drop dapat direpresentasikan sebagai SQL. Dengan demikian, pengguna yang ingin membuat kueri yang lebih kompleks atau yang lebih suka bekerja dengan data menggunakan kode memiliki kesempatan untuk langsung menggunakan SQL.
Banyak solusi analitik alternatif memungkinkan pengguna menganalisis jaringan yang berbeda sesuai dengan berbagai tingkat persyaratan. Namun, sebagian besar, solusi alternatif cenderung ekstrem, mengimplementasikan produk yang sangat fleksibel yang membutuhkan pengetahuan tentang bahasa permintaan atau bahkan bahasa pemrograman antarmuka yang sangat sederhana dengan skrip yang disiapkan dan, karenanya, fleksibilitas rendah.
Cakupan
Kami memiliki salah satu cakupan terluas di seluruh pasar. Kami menjelaskan cakupan saat ini secara rinci, mengacu pada organisasi data (tingkat, domain), dalam bagian berikut.
Bagaimana Footprint Analytics mengurai begitu banyak data?
Keunggulan kompetitif inti kami adalah Platform Analitik Footprint kami, didukung oleh Platform Pembelajaran Mesin Footprint.
“Platform Footprint Analytics” dapat merujuk ke situs web yang dilihat pengguna saat mereka membuka footprint.network. Namun, ketika kita berbicara tentang Platform Analitik Footprint, kita juga mengacu pada mesin yang melakukan pengangkatan berat di bawah kapnya.
Level
Itu mengubah Data Perunggu menjadi Perak, lalu Emas menggunakan beberapa cara teknis data ETL, seperti Python dan SQL. Di masa mendatang, kami berencana membuat kode ETL, termasuk kode dari parsing Bronze ke Silver, open source.
Kami juga memungkinkan organisasi mana pun untuk memanfaatkan kumpulan data terstruktur ini dengan API data blockchain kami.
Dapatkan data blockchain terkaya di dunia dengan Footprint Data API kami
UI bukan satu-satunya antarmuka yang dapat digunakan untuk mengakses data. Semua antarmuka yang didukung saat ini tercantum di sini: Antarmuka
Sebelum Footprint Analytics, analisis blockchain terbatas pada data yang tidak lengkap dan tidak terstruktur. Selain itu, organisasi yang bahkan menggunakan solusi terdepan menghadapi keterlambatan dalam akses, keterbatasan kinerja, dan agregasi API yang mahal.
Berkat platform kami yang mem-parsing data on-chain dari 23 rantai ke tingkat Silver dan Gold yang disebutkan di atas, organisasi mana pun dapat memanfaatkan sebagian besar data GameFi, NFT, dan DeFi di dunia, semuanya dengan satu API terpadu. REST API dan SQL API keduanya didukung di Footprint Analytics.
Jenis aplikasi apa yang dapat Anda buat dengan data ini? Berikut adalah beberapa contoh:
- Lacak tingkat retensi gamer terbaik dan terburuk di semua judul GameFi
- Memicu peringatan ketika dompet paus membawa uang mereka masuk atau keluar dari rantai atau protokol yang diminati
- Bandingkan fluktuasi lintas rantai di TVL dengan harga komoditas
- Buat tampilan khusus untuk koleksi NFT dari beberapa jaringan
- Temukan koleksi terbaru dan akses analitik mendalam untuk proyek 15K+
- Ikuti dan lacak aliran dana whale untuk mengidentifikasi peluang investasi dan potensi risiko
Dengan Footprint, siapa pun dapat selangkah lebih dekat ke analitik blockchain, baik Anda seorang investor, analis, pedagang eceran, pengembang, atau sekadar menjelajahi proyek crypto favorit Anda.