Les données ouvertes de la blockchain ne valent rien si les gens ne peuvent pas y accéder et les comprendre. Les novices en matière de crypto-monnaies ont tendance à regarder exclusivement le prix des jetons, ce qui est assez facile. Cependant, à mesure que les gens acquièrent de l'expérience dans la blockchain, ils se rendent compte que pour vraiment comprendre le marché, il faut des données au niveau du pool pour DeFi, des données de rétention pour GameFi, et plus encore - pensez au TVL, aux informations sur le portefeuille et aux dépôts/retraits.

Que faire si vous souhaitez étudier les mouvements de baleines entre différents projets ? Ou obtenir une vue d'ensemble de l'impact d'une crise de relations publiques sur un protocole ? Comment obtenir ce type de données et comment créer des solutions personnalisées pour répondre à des questions très spécifiques ?

Obtenir ces données brutes et non filtrées à partir d'une seule chaîne n'est pas techniquement difficile. C'est pourquoi il existe des dizaines de services dans le domaine de l'analyse de la blockchain. Le processus consiste essentiellement à structurer les données - à normaliser les millions de lignes de données introduites dans une base de données, en particulier avec une mise en œuvre technique aussi hétérogène des blockchains. Grâce à une programmation UX astucieuse, il est converti en une forme visuellement compréhensible.

Il n'est pas exagéré de permettre aux utilisateurs d'ajouter différentes mesures provenant de différents projets dans un graphique afin de les comparer. Pour ce faire, Dune Analytics a besoin de SQL. D'autres, comme Nansen, proposent des graphiques personnalisables à une échelle beaucoup plus limitée. Mais qu'en est-il si vous souhaitez comparer des données provenant de différentes chaînes ? C'est là que les choses se compliquent. Chez Footprint, nous avons développé un modèle qui agrège ces données brutes et les indexe pour qu'elles soient significatives.

Les informations relatives à ces millions de transactions sont réparties par domaine - notre moteur de données détermine si elles peuvent être classées comme GameFi, NFT, DEX ou autre. Nous décodons ces données afin que les analystes puissent rechercher les informations dont ils ont besoin, telles que la durée du bloc, le nombre de LTV, le prix des jetons, etc. et afficher immédiatement ces données sur un graphique.

Au lieu de chaînes de chiffres et de lettres qui sont, pour la plupart, indéchiffrables, vous avez des adresses de portefeuilles, des chaînes, des collections NFT et d'autres catégories significatives.

D'autre part, les analystes expérimentés qui souhaitent plus de flexibilité peuvent également travailler avec des données brutes en utilisant SQL ou Python.

Construire un moteur de données qui soit le plus complet du secteur (nous couvrons actuellement 22 chaînes) tout en conservant les meilleures performances de sa catégorie n'a pas été une mince affaire.

L'article suivant explique en détail la conception de nos données.

Le problème de l'analyse transversale de la chaîne

Vous ne pouvez pas comparer des pommes et des oranges.

Quelle serait l'épaisseur de l'écorce d'une Golden Delicious ou le nombre de pépins dans le noyau d'une Cara Cara ? Cela n'a évidemment aucun sens, mais les choses commencent à s'expliquer lorsque vous comparez la douceur, la taille, la dureté, la consommation mondiale, autant d'éléments qui peuvent être quantifiés pour les deux fruits de manière logique.

Cette catégorisation logique s'apparente à des données sémantiques structurées. Peu importe à quoi ressemble le code de frappe d'un NFT dans Solana, et peu importe à quoi il ressemble dans Ethereum, il faut trouver un moyen de rassembler toutes ces données dans une seule catégorie, appelée "Minting" (frappe de monnaie).

La plupart des grandes solutions d'analyse de la blockchain vous permettent de comparer des pommes et des oranges. Cependant, chez Footprint Analytics, nous pouvons comparer des pommes à des oranges, des kiwis à des ananas et bien d'autres choses encore.

En décembre, nous analysons des données provenant de 22 chaînes différentes, plus que toute autre plateforme. La base de données de Footprint Analytics récupère automatiquement les blocs, les journaux, les traces et les transactions sur la blockchain. Il les complète avec des données fournies par la communauté et des données provenant d'API tierces (par ex. données sur le prix des jetons provenant de Coingecko). Toutes ces données sont à l'origine brutes et non structurées. Nous la structurons pour qu'elle s'inscrive dans des catégories, par exemple l'emprunt, le prêt, l'agriculture de rendement, etc. Ainsi, toutes les données de la blockchain sont facilement accessibles par n'importe qui.

Comment Footprint Analytics concilie flexibilité et simplicité

L'application web Footprint est construite sur la technologie open source Metabase. En savoir plus sur Metabase. Nous utilisons Metabase parce qu'il s'agit d'une technologie ouverte qui permet aux utilisateurs de contribuer à la base de code, de la développer et de l'améliorer au fil du temps.

Par exemple, dans la dernière mise à jour de Metabase, les modèles sont introduits. Cette fonctionnalité permet aux utilisateurs d'extraire des données d'une autre table ou d'autres tables de la même base de données afin d'anticiper le type de questions que les gens poseront sur les données.

Les analystes peuvent créer des graphiques sur la plateforme Footprint Analytics à l'aide d'un outil pratique de création de requêtes par glisser-déposer. Cette capacité réduit considérablement la barrière à l'entrée, permettant à tout utilisateur sans connaissances techniques d'utiliser le produit et d'en tirer une valeur commerciale.

Il est important de noter que, du point de vue architectural, Metabase est une abstraction du code SQL, c'est-à-dire que toute requête faite par glisser-déposer peut être représentée sous forme de code SQL. Ainsi, les utilisateurs qui souhaitent construire des requêtes plus complexes ou qui préfèrent travailler avec des données en utilisant du code ont la possibilité d'utiliser directement SQL.

De nombreuses solutions analytiques alternatives permettent à l'utilisateur d'analyser différents réseaux en fonction de différents niveaux d'exigences. Cependant, pour la plupart, les solutions alternatives tendent à aller à l'extrême, en mettant en œuvre soit un produit très flexible qui nécessite la connaissance de langages de requête ou même de langages de programmation, soit une interface très simple avec des scripts préparés et, par conséquent, une faible flexibilité.

Couverture

Nous avons l'une des couvertures les plus larges de tout le marché. Nous décrivons la couverture actuelle en détail, en nous référant à l'organisation des données (niveaux, domaines), dans la section suivante.

Comment Footprint Analytics analyse-t-elle autant de données ?

Notre principal avantage concurrentiel est notre plateforme analytique Footprint, alimentée par la plateforme d'apprentissage automatique Footprint.

La "plateforme analytique Footprint" peut faire référence au site web que les utilisateurs voient lorsqu'ils se rendent sur footprint.network. Cependant, lorsque nous parlons de la Footprint Analytics Platform, nous faisons également référence au moteur qui fait le gros du travail sous le capot.

Niveaux

Il transforme les données de bronze en données d'argent, puis en données d'or en utilisant des moyens techniques d'ETL des données, tels que Python et SQL. À l'avenir, nous prévoyons de rendre le code ETL, y compris le code d'analyse de Bronze à Silver, open source.

Nous permettons également à toute organisation d'exploiter ce trésor de données structurées grâce à notre API de données blockchain.

Obtenez les données blockchain les plus riches au monde grâce à notre API de données d'empreinte

L'interface utilisateur n'est pas la seule interface pouvant être utilisée pour accéder aux données. Toutes les interfaces actuellement prises en charge sont répertoriées ici : Interfaces

Avant Footprint Analytics, l'analyse de la blockchain se limitait à des données incomplètes et non structurées. En outre, les organisations qui utilisaient les solutions les plus performantes étaient confrontées à des retards d'accès, à des limitations de performance et à des agrégations d'API coûteuses.

Grâce à notre plateforme qui analyse les données de 23 chaînes dans les niveaux Silver et Gold mentionnés ci-dessus, toute organisation peut accéder à la plupart des données GameFi, NFT et DeFi du monde, le tout avec une API unifiée. Footprint Analytics prend en charge à la fois l'API REST et l'API SQL.

Quel type d'applications pouvez-vous créer à partir de ces données ? Voici quelques exemples :

• Suivez les meilleurs et les pires taux de rétention des joueurs pour tous les titres GameFi.

• Déclenchez des alertes lorsque les portefeuilles de baleines font entrer ou sortir leur argent des chaînes ou des protocoles d'intérêt.

• Comparer les fluctuations de la TVL d'un bout à l'autre de la chaîne avec les prix des produits de base

• Créez des affichages personnalisés pour les collections NFT provenant de plusieurs réseaux

• Découvrez les dernières collections à la mode et accédez à des analyses approfondies pour plus de 15 000 projets.

• Suivez les flux de fonds des baleines pour identifier les opportunités d'investissement et les risques potentiels
  Avec Footprint, tout le monde peut se rapprocher de l'analyse de la blockchain, que vous soyez investisseur, analyste, trader, développeur ou simplement en train d'explorer votre projet de crypto-monnaie favori.