رسم خرائط مشهد بيانات Web3
تم نشر هذه المقالة في الأصل على موقع Decentralised.co. سنقدم لك في GCR نماذج طويلة من اللامركزية مرتين كل شهر - كل يوم خميس بديل! تثق الإدارة في Decentralised.co في أكثر من 200 شركة للبقاء على اطلاع دائم بالاتجاهات والبيانات والرؤى المهمة. اشترك في النشرة الإخبارية أدناه - المزيد حول هذا التعاون لأعضائنا الأكثر نشاطًا على Discord.
اشترك في موقع Decentralised.co
مرحبًا بكم،
لقد كتبنا مؤشرًا مسبقًا لهذه المقالة في 18 يوليو إذا كنت ترغب في سياق يتجاوز ما هو مكتوب هنا.
تحتفظ جميع الكائنات الحية ببعض السجلات. تتعقب الحيوانات المواسم لفهم وقت الصيد. تقوم القوارض والطيور بتخزين الطعام في أماكن فريدة. يجب أن يتذكروا مكان تخزينها عند الوصول إليها للحصول على القوت بعد أشهر. تضع الذئاب علامات حول محيط أراضيها للإشارة إلى الحيوانات الأخرى للابتعاد. حتى الأشجار تتعقب الوقت. كل عام، يتم تشكيل حلقة في جذوع. يمكن للمرء تقدير عمر الشجرة بناءً على عدد الحلقات.
على الرغم من أن الأشجار والحيوانات تتعقب الوقت، إلا أنها لا تستطيع استعادة الماضي أو سرده. ليس لديهم إمكانية الوصول إلى الذاكرة. إنه ما يجعل حفظ السجلات البشرية مختلفًا. بفضل قدرات الاتصال لدينا، نعلم أن السومريين في بلاد ما بين النهرين (3400 قبل الميلاد) والمصريين القدماء (3200 قبل الميلاد) استخدموا الكتابة المسمارية والهيروغليفية لتسجيل المعلومات.
تطورت الإنسانية عندما كان من الممكن نقل المعرفة دون الحاجة إلى مشاركة المصدر جسديًا. نقرأ ونستمتع بأعمال أفلاطون أو سقراط لفترة طويلة بعد رحيلهم لأن لدينا الوسائل لتخزين تعاليمهم. كانت الكتابة هي منصة AR الأصلية.
كتابة من إيران لتتبع الحبوب. المصدر: رابط
عندما تركت الكتابة الأشياء للخيال، ساعدت البيانات في الحفاظ على موضوعية الأشياء. لقد قلل من متطلبات الأفراد لتخزين الأشياء في ذاكرتهم. وهذا جزئيًا هو السبب في أن بعض أقدم النصوص البشرية تتضمن سجلات الديون أو الدخل أو التجارة.
التحول الرقمي
في عصر ما بعد الصناعة، قامت الشركات ببناء خنادق تنافسية لتعزيز مكانتها في السوق من خلال التحول الرقمي مع سجلات مبيعاتها. أحد الأمثلة على ذلك هو شركة هندية تسمى Asian Paints. قد لا يكون الطلاء الخاص بهم هو الأفضل في السوق، لكنهم يسيطرون على حصة سوقية تزيد عن 50٪ من صناعة الطلاء الهندية التي تبلغ قيمتها 8 مليارات دولار.
لماذا؟ الإجابة السهلة هي أنها علامة تجارية منزلية، وتتمتع الشركة باقتصادات الحجم. لكن كيفية وصولهم إلى هناك لها جذور في البيانات. لقد استثمروا بكثافة في جمع البيانات ومعالجتها لتحسين سلسلة التوريد الخاصة بهم.
بالنسبة للسياق، حقق سهم Asian Paints معدل نمو سنوي مركب مذهل بلغ 25٪ على مدار الثلاثين عامًا الماضية. كان دعم هذا النمو استثمارًا في كمبيوتر مركزي في السبعينيات. كان الجهاز أقوى من الأجهزة المستخدمة في أفضل المؤسسات البحثية في الهند في ذلك الوقت. جمعت بيانات كل ساعة حول لون وكمية الطلاء المباع في جميع أنحاء الهند. سمح ذلك لشركة Asian Paints ببناء نموذج يتنبأ بالطلب على الطلاء في جميع أنحاء الهند بدقة 98٪.
سمحت هذه القوة التنبؤية لشركة Asian Paints بالحصول على أقصى قيمة، حيث يمكن أن تقلل بشكل كبير من وقت التجديد. في ذلك الوقت، كان المعيار لبيع السلع مثل الدهانات هو بيعها إلى تاجر الجملة، الذي أعطاها بعد ذلك إلى الموزع، الذي سيبيعها بدوره إلى تاجر. سيتفاعل الوكيل مباشرة مع المستهلك. كان السبب وراء سلسلة التوريد المعقدة هذه هو أن كل طرف يحتفظ بمخزون للأصول ويتحكم في البيانات المتعلقة بالعرض والطلب على الطلاء.
قام السيد تشوكسي - مؤسس شركة الدهانات الآسيوية، بإزالة تجار الجملة والموزعين من سلسلة التوريد من خلال دراسة أنماط استهلاك المستخدم النهائي وتقليل الاعتماد على الوسطاء. من خلال إزالة الوسطاء، استحوذت شركة Asian Paints على 97٪ من MRP (3٪ للتجار) مقارنة بـ 60٪ التي حصل عليها منافسوها.
ستكون قيمة التلغراف القابلة للاستخراج هي أشرطة المؤشرات الرائدة التي يتم ترحيلها عبر التلغراف.
لم يحدث الانتقال إلى الرقمية بين عشية وضحاها. كان جزء مما جعل جمع البيانات مثيرًا للاهتمام هو عالم التمويل ومدى ترابطه ببطء. على سبيل المثال، في أواخر القرن العشرين، تم نقل بيانات سوق الأسهم عبر التلغراف باستخدام أجهزة مثل تلك المذكورة أعلاه. في وقت مبكر من عام 1835، كان التجار يدربون الحمام على حمل قطع من الورق تحتوي على معلومات حول ما يحدث في أوروبا. عندما تأتي القوارب البخارية التي تحمل البضائع على بعد 50 ميلاً من الأرض، كان الحمام يطير إلى أماكن محددة بالمعلومات. اعتاد التجار على دفع ما يصل إلى 500 دولار لكل ساعة مقدمًا حتى يتمكنوا من الحصول على الأخبار.
بحلول عام 1867، بدأ التجار يتنافسون لتحسين سرعة نقل المعلومات عبر التلغراف. دفع موظف في Western Union يدعى E. A Calahan أكثر من 200 ألف دولار إلى بورصة نيويورك مقابل القدرة على إرسال الموظفين إلى قاعة التداول الخاصة بهم لنقل بيانات المؤشر إلى عملائه. كان أحد الأفراد الذين عملوا بجد على تحسين النظام هو عالم شاب يدعى توماس ألفا إديسون. بعد قرن من الزمان، ستعمل أدوات مثل محطة بلومبرج على توسيع وتيرة وكمية البيانات المالية التي يتم نقلها في أي يوم بشكل كبير.
صب البيانات الخام
يجب أن تخضع البيانات، مثل النفط الخام، لعدة خطوات من التكرير قبل استخدامها. إن التعرف على كيفية نمو Bloomberg يلقي الضوء على كيفية تطور مشهد البيانات بأكمله والعملية. لم تكن Bloomberg المحاولة الأولى لاستخدام التكنولوجيا لتحسين آليات التداول وإعداد التقارير. استخدمت NASDAQ محطات Bunker Ramo لنشر المعلومات ووضع أوامر العرض/الطلب. ومع ذلك، فإن الاعتماد على شبكات الاتصالات الهاتفية السابقة يعني أن توسيع نطاق هذا النموذج سيكون دائمًا تحديًا.
المصدر - NASDAQ - تطور التداول الآلي خارج البورصة
في عام 1981، تم فصل مايكل بلومبرج، الشريك في بنك الاستثمار سولومون براذرز، بمبلغ 10 ملايين دولار مقابل أسهمه عندما استحوذت شركة Phibro Corporation على البنك. لقد أدرك أن المستثمرين مستعدون للدفع مقابل المعلومات المالية المبسطة مع تزايد التحول الإلكتروني للأسواق المالية من نيويورك إلى اليابان. أسس شركة خدمات بيانات تسمى Innovative Market System، والتي أعيدت تسميتها إلى Bloomberg في عام 1986.
قبل انطلاق الإنترنت، تم الوصول إلى محطة بلومبرغ باستخدام The Chiclet. تم توصيل هذا بوحدة تحكم Bloomberg عبر كابل خاص متصل بالمحور المحلي عبر خطوط هاتف مخصصة. جمعت بلومبرج البيانات عبر شراكات البيانات ووكالات الأنباء والبيانات الصحفية والأساليب الاحتكارية مثل الإدخال اليدوي للبيانات وجمع البيانات عبر الهاتف.
مع الإنترنت، فتحت بوابات المعلومات. اليوم، تقوم Bloomberg بشراء ومعالجة وتقديم 200 مليار قطعة من المعلومات المالية في الوقت الفعلي تقريبًا. أي ما يقرب من 23 مليون نقطة بيانات في الثانية. بعض المعلومات المتاحة على Bloomberg عامة. يمكن العثور على نقاط البيانات مثل البيانات المالية للشركات وأسعار الأسهم والسندات في المنتديات العامة.
ولكن ماذا لو كنت محللًا للنفط والغاز وترغب في فهم حركة حاويات النفط الخام؟ من غير المحتمل أن تحصل على هذه المعلومات في الوقت الفعلي إذا لم تشترك في مصدر بيانات مثل Bloomberg. لا تتوفر جميع البيانات الموجودة على الإنترنت مجانًا.
عادةً ما يكون هناك قيدان للأفراد عندما يتعلق الأمر بالبيانات في Web2: الوصول المسموح به وعائق كبير لمعالجة كميات كبيرة من البيانات. على مر السنين، قام مقدمو الخدمات مثل Bloomberg ببناء تأثيرات شبكة قوية بما يكفي للحصول على البيانات من خلال الشركات التابعة لهم، وهو ما لا يستطيع المحللون أو المستثمرون القيام به.
من الأفضل دفع 20,000 دولار إلى Bloomberg مقابل اشتراك سنوي بدلاً من محاولة الحصول على البيانات من مزيج من منصات البيانات التي قد يكون لكل منها مستويات تسعير مختلفة. حتى إذا كنت تبذل جهدًا كافيًا للحصول على البيانات، فلا يمكنك معالجة التحليلات وتشغيلها في الوقت الفعلي دون إنفاق كبير على البنية التحتية. على صعيد البيع بالتجزئة، كانت العديد من المنصات التي تم توسيع نطاقها في النهاية - محركات مطابقة البيانات.
فكر في الأمر بهذه الطريقة: Google (محرك البحث) هي شركة بيانات تتيح للشركات الوصول إلى المستخدمين مقابل دولارات الإعلانات. عندما يرغب مطعم أو نشرة إخبارية (مثل مطعمنا) في استهداف المستخدمين الذين يبحثون عن معلومات على Google، فإنهم يقومون بمطابقة العرض والطلب على معلومات مماثلة. شخص ما يبحث عن معلومات حول رسالة إخبارية خاصة بـ Web3 يبحث عنا. ونحن نبحث عن هذا الشخص. (أقاوم الرغبة في توصيل برنامج الإحالة الخاص بنا هنا.)
قامت Google ببناء الاحتكار بسبب اقتصاد الحجم الذي تعمل فيه. يظل مخزونهم من المستخدمين وعدد الاستعلامات التي يجريها مستخدموهم كل يوم منقطع النظير. قامت Google ببناء هذا الموقف من خلال إطلاق محرك بحث لا يحتوي على إعلانات في وقت كانت فيه الإعلانات هي القاعدة، ثم من خلال الاستحواذ على YouTube و Android، وفي النهاية، من خلال الدفع لأقرانهم مثل Apple لجعل Google محرك البحث الافتراضي. بالنسبة لشركة Apple وحدها، تدفع Google 20 مليار دولار سنويًا لتبقى محرك البحث الافتراضي على Safari.
تدفع Google هذا القسط لأن عروضها، في جوهرها، هي محرك مطابق. يعمل محرك المطابقة على جعل المستخدمين المحتاجين على اتصال مع الشركات التي لديها عروض. معظم احتكارات الويب هي، في جوهرها، محركات مطابقة. تقوم أمازون بمطابقة بائعي المنتجات مع المشترين. يقوم Instagram بمطابقة الجمهور مع المبدعين. تعمل محركات المطابقة هذه لأن التفاعلات على هذه المنتجات تترك مسارات غنية يمكن من خلالها توجيه السياق.
كتب بن إيفانز الشهير في عام 2022 أنه لا يوجد شيء اسمه البيانات. إن معرفة المحتوى أو الطعام أو تفضيلات السفر الخاصة بي لا تستحق الكثير بالنسبة لطرف ثالث. تصبح ذات قيمة - للتجارة أو البحث - فقط عندما يتم تجميعها أو إثرائها بالسياق.
السياق بمعنى أن تفضيلاتي لتناول البرياني ليلة الجمعة يمكن استخدامها للإعلان عن توصيل البرياني لي على وجه التحديد عندما يكون احتمال شرائي له هو الأعلى. في المجمل، تساعد مقارنة احتمالية الشراء مع نظير في نفس المنطقة على استهداف المستخدمين بشكل أفضل.
تحتاج البيانات إما إلى مقياس (بأعداد كبيرة) أو سياق لتكون ذات قيمة. تختلف منتجات Web3 و Web2 تاريخيًا في المسارات التي تتركها. يعرف Amazon فقط عدد وحدات تحكم Xbox التي سيتم بيعها في أسبوع معين. ولكن يمكنك رؤية الأنماط التي يشتري بها المتداولون أو يبيعون NFTs على OpenSea في أي يوم. والسبب هو أن كل من هذه المعاملات تترك أثرًا عامًا.
تستخدم منتجات البيانات في Web3 هذه المسارات لبناء السياق.
تنتج سلاسل البلوكشين مثل إيثريوم وبيتكوين كتلًا كل ١٢ ثانية وحوالي ١٠ دقائق على التوالي. تحتوي كل كتلة على معاملات تغير حالة البلوكشين. تقوم مستكشفات الكتل مثل Etherscan بالتقاط البيانات المتعلقة بجميع المعاملات. على سبيل المثال، إذا ذهبت إلى Etherscan ورأيت كتلة، فإن الصورة أدناه هي ما قد تراه.
المعاملات على blockchain غنية بالسياق. منتجات مثل Arkham و Nansen هي محركات تفسير للباحثين لفهم ما يحدث عند حدوث المعاملة.
يمكنك عرض جميع الكتل منذ بدء Ethereum. ولكن ماذا يمكنك أن تفعل بهذه المعلومات؟ لا شيء تقريبًا. لذلك، تحتاج إلى طريقة لالتقاط هذه البيانات في عدة جداول. على سبيل المثال، عندما يتم استدعاء عقد NFT للسوق في كتلة، يجب إلحاق البيانات المتعلقة بهذه المعاملة بالجداول المتعلقة بـ NFT، أو عندما يتم استدعاء عقد Uniswap، يجب تخزين البيانات ذات الصلة في الجداول المتعلقة بـ DEX. (تقوم Dune بذلك كخدمة.)
لا يمكنك تحليل البيانات الأولية دون تكبد تكاليف بنية تحتية كبيرة. لذلك، على الرغم من أن البيانات متاحة مجانًا، إلا أنك تواجه نفس المشكلات. أنت تعتمد على البيانات الخارجية كمستثمر أو منشئ dApp. لكن وظيفتك الأساسية لا تتعلق بجمع البيانات وإدارتها. إن إنفاق الموارد على الأنشطة الأساسية ولكن غير الأساسية ليس ترفًا يمكن أن تتمتع به كل منظمة.
السياق يقود القيمة
بالنسبة لمنتجات البيانات، فإن السياق المحيط بالبيانات يجعل المنتج فريدًا. تطبق Bloomberg فهمها المالي وتحول البيانات إلى شكل يمكن للمخترعين والتجار استهلاكه بسهولة. تستخدم مواقع الويب مثل Similarweb أو المنشورات البحثية مثل Newzoo كفاءاتها الأساسية لتطبيق السياق الاجتماعي أو المرتبط بالألعاب على البيانات التي تتعقبها.
تميز منتجات البيانات الأصلية لـ Blockchain نفسها من خلال توفير سياق المستخدم من خلال الاستعلامات التي تجيب على الأسئلة ذات الصلة بمجموعات فرعية محددة من المستخدمين. على سبيل المثال، يحسب TokenTerminal الأساسيات الاقتصادية للبروتوكولات. تساعد نانسن المشاركين في السوق على تصنيف وفهم حركة الأصول. يستعلم Parsec عن بيانات السلسلة لمساعدة المتداولين على تحليل صفقات DeFi بشكل أفضل.
كل هذه المنتجات تخدم الصالح العام: البيانات على السلسلة. يكمن الاختلاف في كيفية تقديم هذه المنتجات لبياناتها، مما يجعلها جذابة لجماهير مختلفة.
يعتمد تقسيم فئة المنتج في صناعتنا على البيانات التي يتم إدخالها على السلسلة والمعلومات المستمدة من مصادر خارج السلسلة. (غالبًا ما يستخدم البعض كليهما.) يستخدم موفرو البيانات عوامل تصفية السياق الخاصة بهم لإنشاء المنتجات. تمامًا كما تتمتع بيانات Web2 بمنافذها، فقد قامت شركات بيانات Web3 ببناء أو بناء خنادق تدريجيًا باستخدام كفاءاتها الأساسية.
على هذا النحو، غالبًا ما تحدد خلفيات المؤسسين طبيعة المنتجات التي تم إصدارها. عندما يقضي الفريق الأساسي وقتًا طويلاً في أسواق رأس المال قبل العملات المشفرة، تميل منتجاته إلى تقليد بلومبرج، في حين تبدو المنتجات الأصلية للعملات المشفرة مثل نانسن. تلبي المنتجات المختلفة الاحتياجات المختلفة، حتى عند الاستعلام عن نفس البيانات.
على سبيل المثال، عادةً ما تتجاهل البورصات البيانات بعد فترات زمنية محددة. إنهم لا يعملون في مجال البيانات، ويتطلب تخزين البيانات القديمة خوادم وإدارة إضافية. يحتفظ بعض موفري البيانات، مثل Kaiko و Amberdata، ببيانات دفتر الطلبات التاريخية من البورصات. تسمح هذه البيانات للمتداولين والمستثمرين ببناء نماذج لاختبار فرضياتهم. ولكن إذا كنت ترغب في فهم عقود DeFi التي يتم التخلص منها بتدفق ETH أو العملات المستقرة أو تحليل السلوك على السلسلة لعناوين أو كيانات محددة، فستحتاج إلى منتج من Nansen أو Arkham.
لا تمثل خريطة السوق كل لاعب في كل فئة.
إحدى الطرق لفهم كيفية وضع المنتجات في الأسواق هي من خلال عدسة شخصيات المستهلكين في العملات المشفرة. يمكن تصنيف هذه الشخصيات في الفئات الرئيسية الأربع التالية.
المؤسسات المالية
تأتي معظم الدولارات المتدفقة من خلال منتجات البيانات المشفرة من المؤسسات المالية خلال السوق الهابطة. هؤلاء عملاء ذوو تذاكر كبيرة مع دورات مبيعات أطول ومتطلبات بيانات أكثر تعقيدًا بكثير. تتمثل إحدى الطرق لمعرفة ما إذا كان المنتج موجهًا نحو المؤسسات المالية في ما إذا كان يجب على العميل الخضوع لمكالمة مبيعات لتحديد تكلفة المنتج. في عالم Web2، لا يمكنك معرفة تكلفة PitchBook أو CB Insights. في مجال العملات المشفرة، لا تعرف تكلفة منتج مثل Chainalysis.
وبصرف النظر عن النكات، فإن جزءًا من سبب عملية البيع هذه هو الخدمة العملية ذات القفازات البيضاء التي تقدمها منتجات البيانات الموجهة نحو شريحة المستهلكين هذه. عادةً ما يختار هؤلاء المستخدمون البيانات الدقيقة والمتكررة للغاية. إنها تتطلب بيانات ليس فقط لقرارات ما قبل التجارة ولكن أيضًا لاستخدامات ما بعد التجارة للوفاء بمتطلبات الامتثال والضرائب.
على سبيل المثال، يحتاجون إلى منتجات تخبرهم بقيمة محفظتهم تاريخياً، وتساعدهم في حسابات الضرائب، وما إلى ذلك. وتقوم شركات مثل أمبيرداتا وكايكو وكوينميتريز وCryptoCompare، وإلى حد ما، نانسن، بخدمة هؤلاء العملاء.
من واقع خبرتي، لم يتمكن سوى المؤسسون الذين لديهم خلفيات يعملون في مؤسسات أو فرق ذات جولات تمويل كبيرة من فتح السوق المؤسسية للبيانات. حاجز الدخول مرتفع نسبيًا هنا، كما هو الحال مع أي منتج مؤسسي.
مركز المطورين
غالبًا ما نواجه ميزة قابلية التركيب في Web3، مما يعني أن تطبيقات Web3 يمكن أن تكون مترابطة. يمكن أن يطلبوا بيانات من بعضهم البعض. لذلك، يحتاجون باستمرار إلى قراءة البيانات من بعضهم البعض. على سبيل المثال، تحتاج منصة مثل Yearn Finance إلى قراءة البيانات من Aave و Compound، ويحتاج مجمع NFT مثل Tensor إلى قراءة البيانات من Magic Eden والأسواق الأخرى.
ولكن يتم تخزين هذه البيانات عبر الكتل على سلاسل مثل Ethereum و Solana. تقوم إيثريوم بإنشاء كتلة في ١٢ ثانية، ويقوم سولانا بذلك في ٤٠٠ مللي ثانية. يعد فرز بيانات blockchain في جداول وتخزينها للوصول السريع مهمة غير تافهة. هذا هو المكان الذي تظهر فيه المفهرسات مثل التساهمي، والرسم البياني، والشينلينك، وPowerloom في الصورة. فهي تضمن تخزين بيانات بلوكتشين الخام بالتنسيق المطلوب حتى يتمكن المطورون من جلبها عبر مكالمات API البسيطة.
يتضمن الجزء الناشئ في شخصية المستهلك هذه الأدوات المستخدمة لفهم سلوك المستخدم. على سبيل المثال، يسمح ArcX للمطورين بتخطيط البيانات خارج السلسلة (مثل سلوك المتصفح) باستخدام البيانات الموجودة على السلسلة (مثل عناوين المحفظة) لالتقاط المعلومات الديموغرافية للمستخدمين الذين يتفاعلون مع dApp. إنها في مجال صغير نسبيًا ولكنها ذات صلة لأنها تساعد المطورين على تحديد هوية مستخدميهم.
الباحثون والمنشورات
غالبًا ما يتم توزيع منتجات البيانات في العملات المشفرة من خلال التعاون مع الباحثين والمنشورات. على سبيل المثال، غالبًا ما يتم الاستشهاد بـ CCData على موقع Bloomberg. يتم تحفيز الباحثين على الاعتماد على منتجات البيانات لأنها تساعد في توفير الوقت والجهد عند جمع البيانات أو تنظيفها أو تنظيمها. لقد نجحت منتجات مثل Dune في بناء خندق من خلال بناء مجتمع من المحللين الذين يتنافسون مع بعضهم البعض للحصول على مرتبة أعلى في قائمتهم.
تعرض المنشورات مثل The Block و Delphi لوحات معلومات تم إنشاؤها باستخدام بيانات من موفري الطرف الثالث. هنا في Decentralised.co، نعتمد كليًا على مزودي البيانات الخارجيين حيث يساعدون في الحفاظ على رشاقة الفريق أثناء استخدام الموارد الخارجية عند جمع البيانات.
يتمثل التحدي في تلبية احتياجات شريحة المستهلكين هذه في أن الباحثين الصغار قد لا يمتلكون الميزانية المطلوبة لتبرير إنفاق موارد هائلة لعرض رؤى متخصصة قد تكون ذات صلة بشخص واحد فقط. على العكس من ذلك، يتم تحفيز الشركات جيدًا لإنفاق الجهد والموارد في الشراكة مع المنشورات المهمة مثل Financial Times لأنها تساعد في التوزيع.
مستثمرو التجزئة
عادةً ما تكون المنتجات الموجهة نحو مستثمري التجزئة أقل دقة وتواتر للبيانات. لكنها مجالات مربحة للغاية للبناء فيها لأنها ترى وفورات الحجم. عشرة آلاف مستخدم يدفعون 100 دولار لكل منهم هو عمل ARR بقيمة مليون دولار في عالم لا يوجد فيه اضطراب. إن قول ذلك أسهل من فعله، لكن هذه العوامل الاقتصادية تفسر سبب وجود العديد من منتجات البيانات المشفرة الموجهة نحو البيع بالتجزئة.
جزء كبير من المنتجات الموجهة للبيع بالتجزئة مجانية أو مدعومة بالإعلانات. على سبيل المثال، لن يخبرك مورد مجاني مثل DeVillama كيف يمكنك توجيه طلبك عبر بورصات مختلفة (CEXs و DEXs) لتجنب الانزلاق لأنه لا يأخذ لقطات دفتر الطلبات، ولكنه يعرض معلومات حول عمليات فتح الرموز أو عمليات فتح العائد.
يتمثل أحد التغييرات في قطاع المستهلكين هذا في كيفية قيام وسيلة التسليم بفتح فئة جديدة في السوق - على سبيل المثال، تقدم Cielo البيانات كإشعارات من خلال Telegram. تم توسيع نطاقه ليشمل أكثر من 40,000 مستخدم من خلال نقل المعلومات بطريقة سهلة الاستهلاك لقطاع المستهلكين الذي يفضل عدم التعامل مع واجهات سطح المكتب. عند القيام بذلك بشكل صحيح، حتى وسائط التوزيع يمكن أن تكون عوامل تمييز لمشاريع المرحلة المبكرة. حتى في البيانات.
على الرغم من عدم وضوح التصنيف في بعض النقاط، يمكن تقسيم شركات البيانات إلى توجهات B2B أو B2C.
تمتلك شركات مثل Amberdata و Kaiko منتجات تلبي احتياجات الممثلين الراقيين. هذه المنتجات أكثر دقة (التفاصيل التي تتوفر فيها البيانات) ومتكررة (على سبيل المثال. بيانات دفتر الطلبات في الوقت الفعلي)، وهي تلبي متطلبات مثل بناء النماذج واختبارها، وتحليل ما قبل التداول، وإعداد تقارير ما بعد التداول، والضرائب، والامتثال. يتم توفير البيانات في شكل يسمح للعملاء بإجراء تحليلات خاصة وبناء تصورات لأذواقهم. عادةً ما تقدم هذه الشركات منتجاتها خلف نظام حظر الاشتراك غير المدفوع.
تعتمد التكلفة بشكل عام على التفاصيل بسبب متطلبات البنية التحتية وطبيعة العملاء المعنيين وطول دورة المبيعات.
تحدد الصورة أعلاه منتجات مختلفة على محورين - العمق والتفصيل مقابل أسعار المنتجات. يرجى ملاحظة أن هذه المؤامرات ليست دقيقة. قد تكون بعض النقاط في غير محلها. الفكرة هي تطوير نموذج عقلي للتفكير في العديد من المنتجات ومكانتها في السوق.
تعرض المنتجات التي تركز على البيع بالتجزئة مثل Dune أو CoinGecko جميع البيانات تقريبًا مجانًا. يجب على العملاء الدفع للوصول إلى بعض البيانات أو إذا كانوا يريدون البيانات عبر واجهات برمجة التطبيقات لتشغيل تحليلاتهم. على سبيل المثال، يمكنك عرض جميع المخططات التي تم إنشاؤها بواسطة العديد من معالجات Dune، ولكنها تحدد عدد الصفوف التي يمكنك تنزيلها في نموذج CSV. يمكنك تنزيل ملفات CSV أكبر وعرض الاستعلامات الخاصة كلما دفعت أكثر.
تميل الشركات التي تركز على البيع بالتجزئة إلى تحقيق إيرادات منخفضة لكل عميل وعدد قليل من العملاء الذين يدفعون كنسبة مئوية من المستخدمين المجانيين. قارن هذا بمعدلات التحويل لنماذج freemium لشركات الإنترنت. عادةً ما يكون معدل التحويل هو 2%–5%. سيكون معدل التحويل بنسبة 10٪ أمرًا غريبًا. يتمثل دليل التشغيل الخاص بهم في الحصول على أكبر عدد ممكن من العملاء المجانيين بحيث يساهم معدل التحويل بنسبة 4٪ بشكل كبير في الإيرادات. هذا ما نسميه الجزء العلوي من القمع.
لذلك تحتاج شركات البيانات إلى أن يكون الجزء العلوي من المسار كبيرًا بما يكفي لتوليد إيرادات كافية للحفاظ على نفسها بمعدل تحويل أقل. يمكن للشركات أيضًا التفكير في تحقيق إيرادات من الإعلانات عندما يكون للموقع العديد من الزوار. تستخدم CoinGecko إيرادات الإعلانات كرافعة لمواصلة توفير معظم البيانات مجانًا.
على مر السنين، ملأت الشركات نقاطًا على طرفي طيف (B2B و B2C)، مما ترك بعض الفجوات بينهما. إذا أراد شخص ما أن يرى كيف تتغير دفاتر الطلبات عبر البورصات المركزية أو كيف تتغير نسب الشراء وIVs والانحرافات، فلا توجد العديد من المنتجات التي تساعد في التصورات. هناك مساحة لمنتج أكثر دقة من CoinGeckOS في العالم ولكنه أقل دقة من المنتجات التي تقدمها شركات B2B الخالصة.
على الخنادق
إن العثور على خنادق في الشركات التي تكون فيها المواد الخام مجانية ليس بالأمر السهل. بيانات بلوكتشين متاحة مجانًا. لا يوجد شيء خاص في البيانات التي يمكنك جمعها. لذا، فإن الخنادق في شركات البيانات لا تعتمد فقط على حصولك على بعض البيانات التي لا يمتلكها الآخرون. وبدلاً من ذلك، فإنها تستند إلى قدرة الفريق على تقديم البيانات بصيغة ثاقبة وقابلة للاستهلاك وفي الوقت المحدد وبدون أخطاء.
تدعي العديد من الشركات أن لديها نفس البيانات، ولكن تختلف جودة البيانات وطريقة عرضها. على سبيل المثال، تدعي العديد من الشركات أن لديها بيانات دفتر الطلبات خارج السلسلة. ومع ذلك، تختلف عوامل مثل عدد أوامر العرض/الطلب وطول السلسلة الزمنية وعدد التبادلات والأزواج المتاحة من مزود إلى مزود. تمتلك Amberdata و Kaiko بيانات دفتر الطلبات الأكثر شمولاً لأسواق العملات المشفرة.
لكن لماذا لا يستطيع سوى عدد قليل من مقدمي الخدمة تقديم هذا النوع من البيانات؟ يكمن شرح مكان ظهور الخنادق في بيانات Web3 هنا.
الموهبة - مع المخاطرة بتوضيح ما هو واضح، عندما تكون المادة الخام مجانية، فإن كيفية تشكيلها تحدد قيمة المنتج. يتطلب تحويل البيانات الأولية إلى معلومات مفيدة خبرة في المجال في العديد من المجالات داخل أسواق العملات المشفرة والأسواق المالية التقليدية. تتمتع فرق مثل Velo Data، ذات الخبرة في الأسواق التقليدية، بميزة على الآخرين الذين يحاولون بناء منتجات B2C مماثلة. من النادر العثور على مطورين موهوبين يفهمون هياكل بيانات بلوكتشين ولديهم خبرة ذات صلة في الأسواق المالية.
البنية التحتية - يتطلب جمع كميات كبيرة من البيانات وتقديمها بنية تحتية لا تأتي بسهولة. يتطلب هذا النوع من العمليات رأس المال والموهبة. لماذا تعتبر البنية التحتية خندقًا؟ فكر في بيانات تجمع الذاكرة. تحتوي الكتل على بيانات للمعاملات المؤكدة. ماذا عن المعاملات غير المؤكدة؟
ترى عُقد الشبكة المختلفة (على سبيل المثال، العقد المتصلة بنفس المجموعة) معاملات مختلفة غير مؤكدة. لن يؤدي تشغيل عقدة واحدة فقط إلى إعطاء رؤية عالمية للمعاملات المتنافسة. يؤدي الحفاظ على العقد المتعددة على العديد من سلاسل البلوكشين إلى زيادة تكاليف البنية التحتية. وكما هو الحال مع الذكاء الاصطناعي (وشبكات المحتوى في الماضي)، فإن القدرة على الحفاظ على انخفاض تكاليف الأجهزة أثناء التوسع ستحدد الفائزين والخاسرين في هذا القطاع بمرور الوقت.
تأثيرات الشبكة - يمكن للمرء أن يفترض أن تأثيرات الشبكة موجودة في العديد من منتجات بيانات التشفير. خذ تشينلينك كمثال. كانت واحدة من أوائل الأوراكل التي سمحت للتطبيقات بقراءة البيانات من التطبيقات أو السلاسل الأخرى. تمكنت من حشد دعم المجتمع ولديها واحدة من أقوى المجتمعات. مثال آخر هو نانسن. كانت شهرتها هي تسميات العناوين التي سمحت لها بإسناد حركة الأصول إلى كيانات حقيقية بدلاً من العناوين السداسية.
بعد ذلك، أطلقت ميزات مثل NFT Paradise و Token God Mode، مما يسمح للمستخدمين بتتبع NFTs والرموز بشكل أكثر فعالية. أطلقت Arkham منتجًا مشابهًا لملصقات Nansen، لكن الاستثمار في لوحات المعلومات والأبحاث سمح لـ Nansen بالمناورة تجاه عملاء المؤسسة وتقديم منتجات مصممة خصيصًا لهم. تجدر الإشارة إلى أن تأثيرات الشبكة غير ممكنة بدون النقطتين الأوليين (الموهبة والبنية التحتية).
مكان واحد يعمل فيه هذا هو المفهرسات. كلما زاد عدد السلاسل التي يدعمها المنتج، زادت احتمالية استخدام المطور للمنتج بدلاً من الاعتماد على مصادر متعددة. تتمتع فرق مثل Sizhalized بميزة هنا لأنها تعمل على تحسين اتساع السلاسل المدعومة لبعض الوقت. لكن تذكر أن العمق لا يقل أهمية عن الاتساع.
من السابق لأوانه تحديد ما إذا كان أي منتج له معنى في العملات المشفرة. لقد شهدنا مزايا الانتقال المبكر في المخطط الكبير للأشياء. ومع استمرار فئات مثل Web3 Social والتداخل بين الذكاء الاصطناعي والعملات المشفرة في التوسع، قد تنمو منتجات البيانات في الصناعة لتصبح الأبجدية التالية. لكن هذه ستكون قصة متعددة العقود. ما زلنا في سنواتها الأولى.
ما وراء المضاربة
تبحث العديد من حالات الاستخدام التي ذكرناها في هذه المقالة في المضاربة المالية بشكل أو بآخر. حتى المطورين الذين يستخدمون واجهات برمجة التطبيقات للاستعلام عن البيانات يقومون ببناء منتجات مالية. قد يبدو الأمر غريبًا، لكن سلاسل الكتل (كشبكة جديدة) تتبع نفس الاتجاه الذي اتبعته التلغراف والإنترنت.
يؤدي وصول وسيط جديد وظهور شبكة جديدة إلى تسريع حالات الاستخدام المالي. مع الإنترنت، استغرق الأمر حتى أوائل عام 2000 حتى يدرك الناس أنه يمكن استهداف المستخدمين بناءً على موقعهم. مع البلوكشين، ما زلنا نفكر في كيفية بناء نماذج الأعمال من مسارات البيانات المتاحة للجمهور.
لقد شهدنا تغييرًا رئيسيًا واحدًا في استخدامنا اليومي لهذه المنصات - Dune Analytics الذي يدمج الذكاء الاصطناعي في منتجه. يوفر Dune واجهة قائمة على SQL للمستخدمين للاستعلام عن البيانات من سلاسل الكتل مثل Ethereum و Solana. عادةً ما يقتصر سوق مثل هذا المنتج على المستخدمين الذين يفهمون كيفية كتابة استعلامات SQL. لقد بدأوا مؤخرًا في استخدام الذكاء الاصطناعي لمساعدة المحللين على إنشاء استعلامات دون أن يكونوا خبراء في SQL. إنها ليست وظيفية كما يأمل المرء أن تكون. لكنها لا تزال خطوة نحو المستقبل. قد لا يمر وقت طويل قبل أن نطلب من الذكاء الاصطناعي (مثل ChatGPT) الاستعلام عن البيانات من البلوكشين وتقديم تحليلها.
إحدى طرق التفكير في «البيانات» في سياق Web3 هي من خلال عدسة خرائط Google. كان نظام تحديد المواقع العالمي (GPS) موجودًا منذ الثمانينيات على الأقل. قامت Google بالعمل المطلوب لرسم خريطة للعالم. من خلال إتاحة تراكبات الخرائط لتطبيقات الطرف الثالث (باستخدام واجهات برمجة التطبيقات)، مكنت الشركة من إنشاء جيل جديد من التطبيقات. ازدهر كل شيء من التسليم إلى طلب النقل لأن لاعبًا واحدًا متخصصًا في البيانات تحمل هذا العبء من المطورين.
ستلعب منتجات البيانات في Web3 دورًا مشابهًا. لا نعرف حتى الآن الطبيعة الدقيقة للتطبيقات التي يمكن إنشاؤها فوق هذا المورد المتاح للجمهور، ولكن أصبح من الواضح أن هناك فرصة بحجم الأبجدية في مشهد البيانات.
إخلاء المسؤولية：
- تمت إعادة طباعة هذه المقالة من [GCR]. جميع حقوق التأليف والنشر تنتمي إلى المؤلف الأصلي [سوراب ديشباندي، سيدهارت، جويل]. إذا كانت هناك اعتراضات على إعادة الطبع هذه، فيرجى الاتصال بفريق Gate Learn ، وسيتعاملون معها على الفور.
- إخلاء المسؤولية: الآراء ووجهات النظر الواردة في هذه المقالة هي فقط آراء المؤلف ولا تشكل أي نصيحة استثمارية.
- يقوم فريق Gate Learn بترجمة المقالة إلى لغات أخرى. ما لم يُذكر، يُحظر نسخ المقالات المترجمة أو توزيعها أو سرقتها.
บทความที่เกี่ยวข้อง
ما هو Tronscan وكيف يمكنك استخدامه؟
كل ما تريد معرفته عن Blockchain
ما هي كوساما؟ كل ما تريد معرفته عن KSM
رسم خرائط مشهد بيانات Web3
تم نشر هذه المقالة في الأصل على موقع Decentralised.co. سنقدم لك في GCR نماذج طويلة من اللامركزية مرتين كل شهر - كل يوم خميس بديل! تثق الإدارة في Decentralised.co في أكثر من 200 شركة للبقاء على اطلاع دائم بالاتجاهات والبيانات والرؤى المهمة. اشترك في النشرة الإخبارية أدناه - المزيد حول هذا التعاون لأعضائنا الأكثر نشاطًا على Discord.
اشترك في موقع Decentralised.co
مرحبًا بكم،
لقد كتبنا مؤشرًا مسبقًا لهذه المقالة في 18 يوليو إذا كنت ترغب في سياق يتجاوز ما هو مكتوب هنا.
تحتفظ جميع الكائنات الحية ببعض السجلات. تتعقب الحيوانات المواسم لفهم وقت الصيد. تقوم القوارض والطيور بتخزين الطعام في أماكن فريدة. يجب أن يتذكروا مكان تخزينها عند الوصول إليها للحصول على القوت بعد أشهر. تضع الذئاب علامات حول محيط أراضيها للإشارة إلى الحيوانات الأخرى للابتعاد. حتى الأشجار تتعقب الوقت. كل عام، يتم تشكيل حلقة في جذوع. يمكن للمرء تقدير عمر الشجرة بناءً على عدد الحلقات.
على الرغم من أن الأشجار والحيوانات تتعقب الوقت، إلا أنها لا تستطيع استعادة الماضي أو سرده. ليس لديهم إمكانية الوصول إلى الذاكرة. إنه ما يجعل حفظ السجلات البشرية مختلفًا. بفضل قدرات الاتصال لدينا، نعلم أن السومريين في بلاد ما بين النهرين (3400 قبل الميلاد) والمصريين القدماء (3200 قبل الميلاد) استخدموا الكتابة المسمارية والهيروغليفية لتسجيل المعلومات.
تطورت الإنسانية عندما كان من الممكن نقل المعرفة دون الحاجة إلى مشاركة المصدر جسديًا. نقرأ ونستمتع بأعمال أفلاطون أو سقراط لفترة طويلة بعد رحيلهم لأن لدينا الوسائل لتخزين تعاليمهم. كانت الكتابة هي منصة AR الأصلية.
كتابة من إيران لتتبع الحبوب. المصدر: رابط
عندما تركت الكتابة الأشياء للخيال، ساعدت البيانات في الحفاظ على موضوعية الأشياء. لقد قلل من متطلبات الأفراد لتخزين الأشياء في ذاكرتهم. وهذا جزئيًا هو السبب في أن بعض أقدم النصوص البشرية تتضمن سجلات الديون أو الدخل أو التجارة.
التحول الرقمي
في عصر ما بعد الصناعة، قامت الشركات ببناء خنادق تنافسية لتعزيز مكانتها في السوق من خلال التحول الرقمي مع سجلات مبيعاتها. أحد الأمثلة على ذلك هو شركة هندية تسمى Asian Paints. قد لا يكون الطلاء الخاص بهم هو الأفضل في السوق، لكنهم يسيطرون على حصة سوقية تزيد عن 50٪ من صناعة الطلاء الهندية التي تبلغ قيمتها 8 مليارات دولار.
لماذا؟ الإجابة السهلة هي أنها علامة تجارية منزلية، وتتمتع الشركة باقتصادات الحجم. لكن كيفية وصولهم إلى هناك لها جذور في البيانات. لقد استثمروا بكثافة في جمع البيانات ومعالجتها لتحسين سلسلة التوريد الخاصة بهم.
بالنسبة للسياق، حقق سهم Asian Paints معدل نمو سنوي مركب مذهل بلغ 25٪ على مدار الثلاثين عامًا الماضية. كان دعم هذا النمو استثمارًا في كمبيوتر مركزي في السبعينيات. كان الجهاز أقوى من الأجهزة المستخدمة في أفضل المؤسسات البحثية في الهند في ذلك الوقت. جمعت بيانات كل ساعة حول لون وكمية الطلاء المباع في جميع أنحاء الهند. سمح ذلك لشركة Asian Paints ببناء نموذج يتنبأ بالطلب على الطلاء في جميع أنحاء الهند بدقة 98٪.
سمحت هذه القوة التنبؤية لشركة Asian Paints بالحصول على أقصى قيمة، حيث يمكن أن تقلل بشكل كبير من وقت التجديد. في ذلك الوقت، كان المعيار لبيع السلع مثل الدهانات هو بيعها إلى تاجر الجملة، الذي أعطاها بعد ذلك إلى الموزع، الذي سيبيعها بدوره إلى تاجر. سيتفاعل الوكيل مباشرة مع المستهلك. كان السبب وراء سلسلة التوريد المعقدة هذه هو أن كل طرف يحتفظ بمخزون للأصول ويتحكم في البيانات المتعلقة بالعرض والطلب على الطلاء.
قام السيد تشوكسي - مؤسس شركة الدهانات الآسيوية، بإزالة تجار الجملة والموزعين من سلسلة التوريد من خلال دراسة أنماط استهلاك المستخدم النهائي وتقليل الاعتماد على الوسطاء. من خلال إزالة الوسطاء، استحوذت شركة Asian Paints على 97٪ من MRP (3٪ للتجار) مقارنة بـ 60٪ التي حصل عليها منافسوها.
ستكون قيمة التلغراف القابلة للاستخراج هي أشرطة المؤشرات الرائدة التي يتم ترحيلها عبر التلغراف.
لم يحدث الانتقال إلى الرقمية بين عشية وضحاها. كان جزء مما جعل جمع البيانات مثيرًا للاهتمام هو عالم التمويل ومدى ترابطه ببطء. على سبيل المثال، في أواخر القرن العشرين، تم نقل بيانات سوق الأسهم عبر التلغراف باستخدام أجهزة مثل تلك المذكورة أعلاه. في وقت مبكر من عام 1835، كان التجار يدربون الحمام على حمل قطع من الورق تحتوي على معلومات حول ما يحدث في أوروبا. عندما تأتي القوارب البخارية التي تحمل البضائع على بعد 50 ميلاً من الأرض، كان الحمام يطير إلى أماكن محددة بالمعلومات. اعتاد التجار على دفع ما يصل إلى 500 دولار لكل ساعة مقدمًا حتى يتمكنوا من الحصول على الأخبار.
بحلول عام 1867، بدأ التجار يتنافسون لتحسين سرعة نقل المعلومات عبر التلغراف. دفع موظف في Western Union يدعى E. A Calahan أكثر من 200 ألف دولار إلى بورصة نيويورك مقابل القدرة على إرسال الموظفين إلى قاعة التداول الخاصة بهم لنقل بيانات المؤشر إلى عملائه. كان أحد الأفراد الذين عملوا بجد على تحسين النظام هو عالم شاب يدعى توماس ألفا إديسون. بعد قرن من الزمان، ستعمل أدوات مثل محطة بلومبرج على توسيع وتيرة وكمية البيانات المالية التي يتم نقلها في أي يوم بشكل كبير.
صب البيانات الخام
يجب أن تخضع البيانات، مثل النفط الخام، لعدة خطوات من التكرير قبل استخدامها. إن التعرف على كيفية نمو Bloomberg يلقي الضوء على كيفية تطور مشهد البيانات بأكمله والعملية. لم تكن Bloomberg المحاولة الأولى لاستخدام التكنولوجيا لتحسين آليات التداول وإعداد التقارير. استخدمت NASDAQ محطات Bunker Ramo لنشر المعلومات ووضع أوامر العرض/الطلب. ومع ذلك، فإن الاعتماد على شبكات الاتصالات الهاتفية السابقة يعني أن توسيع نطاق هذا النموذج سيكون دائمًا تحديًا.
المصدر - NASDAQ - تطور التداول الآلي خارج البورصة
في عام 1981، تم فصل مايكل بلومبرج، الشريك في بنك الاستثمار سولومون براذرز، بمبلغ 10 ملايين دولار مقابل أسهمه عندما استحوذت شركة Phibro Corporation على البنك. لقد أدرك أن المستثمرين مستعدون للدفع مقابل المعلومات المالية المبسطة مع تزايد التحول الإلكتروني للأسواق المالية من نيويورك إلى اليابان. أسس شركة خدمات بيانات تسمى Innovative Market System، والتي أعيدت تسميتها إلى Bloomberg في عام 1986.
قبل انطلاق الإنترنت، تم الوصول إلى محطة بلومبرغ باستخدام The Chiclet. تم توصيل هذا بوحدة تحكم Bloomberg عبر كابل خاص متصل بالمحور المحلي عبر خطوط هاتف مخصصة. جمعت بلومبرج البيانات عبر شراكات البيانات ووكالات الأنباء والبيانات الصحفية والأساليب الاحتكارية مثل الإدخال اليدوي للبيانات وجمع البيانات عبر الهاتف.
مع الإنترنت، فتحت بوابات المعلومات. اليوم، تقوم Bloomberg بشراء ومعالجة وتقديم 200 مليار قطعة من المعلومات المالية في الوقت الفعلي تقريبًا. أي ما يقرب من 23 مليون نقطة بيانات في الثانية. بعض المعلومات المتاحة على Bloomberg عامة. يمكن العثور على نقاط البيانات مثل البيانات المالية للشركات وأسعار الأسهم والسندات في المنتديات العامة.
ولكن ماذا لو كنت محللًا للنفط والغاز وترغب في فهم حركة حاويات النفط الخام؟ من غير المحتمل أن تحصل على هذه المعلومات في الوقت الفعلي إذا لم تشترك في مصدر بيانات مثل Bloomberg. لا تتوفر جميع البيانات الموجودة على الإنترنت مجانًا.
عادةً ما يكون هناك قيدان للأفراد عندما يتعلق الأمر بالبيانات في Web2: الوصول المسموح به وعائق كبير لمعالجة كميات كبيرة من البيانات. على مر السنين، قام مقدمو الخدمات مثل Bloomberg ببناء تأثيرات شبكة قوية بما يكفي للحصول على البيانات من خلال الشركات التابعة لهم، وهو ما لا يستطيع المحللون أو المستثمرون القيام به.
من الأفضل دفع 20,000 دولار إلى Bloomberg مقابل اشتراك سنوي بدلاً من محاولة الحصول على البيانات من مزيج من منصات البيانات التي قد يكون لكل منها مستويات تسعير مختلفة. حتى إذا كنت تبذل جهدًا كافيًا للحصول على البيانات، فلا يمكنك معالجة التحليلات وتشغيلها في الوقت الفعلي دون إنفاق كبير على البنية التحتية. على صعيد البيع بالتجزئة، كانت العديد من المنصات التي تم توسيع نطاقها في النهاية - محركات مطابقة البيانات.
فكر في الأمر بهذه الطريقة: Google (محرك البحث) هي شركة بيانات تتيح للشركات الوصول إلى المستخدمين مقابل دولارات الإعلانات. عندما يرغب مطعم أو نشرة إخبارية (مثل مطعمنا) في استهداف المستخدمين الذين يبحثون عن معلومات على Google، فإنهم يقومون بمطابقة العرض والطلب على معلومات مماثلة. شخص ما يبحث عن معلومات حول رسالة إخبارية خاصة بـ Web3 يبحث عنا. ونحن نبحث عن هذا الشخص. (أقاوم الرغبة في توصيل برنامج الإحالة الخاص بنا هنا.)
قامت Google ببناء الاحتكار بسبب اقتصاد الحجم الذي تعمل فيه. يظل مخزونهم من المستخدمين وعدد الاستعلامات التي يجريها مستخدموهم كل يوم منقطع النظير. قامت Google ببناء هذا الموقف من خلال إطلاق محرك بحث لا يحتوي على إعلانات في وقت كانت فيه الإعلانات هي القاعدة، ثم من خلال الاستحواذ على YouTube و Android، وفي النهاية، من خلال الدفع لأقرانهم مثل Apple لجعل Google محرك البحث الافتراضي. بالنسبة لشركة Apple وحدها، تدفع Google 20 مليار دولار سنويًا لتبقى محرك البحث الافتراضي على Safari.
تدفع Google هذا القسط لأن عروضها، في جوهرها، هي محرك مطابق. يعمل محرك المطابقة على جعل المستخدمين المحتاجين على اتصال مع الشركات التي لديها عروض. معظم احتكارات الويب هي، في جوهرها، محركات مطابقة. تقوم أمازون بمطابقة بائعي المنتجات مع المشترين. يقوم Instagram بمطابقة الجمهور مع المبدعين. تعمل محركات المطابقة هذه لأن التفاعلات على هذه المنتجات تترك مسارات غنية يمكن من خلالها توجيه السياق.
كتب بن إيفانز الشهير في عام 2022 أنه لا يوجد شيء اسمه البيانات. إن معرفة المحتوى أو الطعام أو تفضيلات السفر الخاصة بي لا تستحق الكثير بالنسبة لطرف ثالث. تصبح ذات قيمة - للتجارة أو البحث - فقط عندما يتم تجميعها أو إثرائها بالسياق.
السياق بمعنى أن تفضيلاتي لتناول البرياني ليلة الجمعة يمكن استخدامها للإعلان عن توصيل البرياني لي على وجه التحديد عندما يكون احتمال شرائي له هو الأعلى. في المجمل، تساعد مقارنة احتمالية الشراء مع نظير في نفس المنطقة على استهداف المستخدمين بشكل أفضل.
تحتاج البيانات إما إلى مقياس (بأعداد كبيرة) أو سياق لتكون ذات قيمة. تختلف منتجات Web3 و Web2 تاريخيًا في المسارات التي تتركها. يعرف Amazon فقط عدد وحدات تحكم Xbox التي سيتم بيعها في أسبوع معين. ولكن يمكنك رؤية الأنماط التي يشتري بها المتداولون أو يبيعون NFTs على OpenSea في أي يوم. والسبب هو أن كل من هذه المعاملات تترك أثرًا عامًا.
تستخدم منتجات البيانات في Web3 هذه المسارات لبناء السياق.
تنتج سلاسل البلوكشين مثل إيثريوم وبيتكوين كتلًا كل ١٢ ثانية وحوالي ١٠ دقائق على التوالي. تحتوي كل كتلة على معاملات تغير حالة البلوكشين. تقوم مستكشفات الكتل مثل Etherscan بالتقاط البيانات المتعلقة بجميع المعاملات. على سبيل المثال، إذا ذهبت إلى Etherscan ورأيت كتلة، فإن الصورة أدناه هي ما قد تراه.
المعاملات على blockchain غنية بالسياق. منتجات مثل Arkham و Nansen هي محركات تفسير للباحثين لفهم ما يحدث عند حدوث المعاملة.
يمكنك عرض جميع الكتل منذ بدء Ethereum. ولكن ماذا يمكنك أن تفعل بهذه المعلومات؟ لا شيء تقريبًا. لذلك، تحتاج إلى طريقة لالتقاط هذه البيانات في عدة جداول. على سبيل المثال، عندما يتم استدعاء عقد NFT للسوق في كتلة، يجب إلحاق البيانات المتعلقة بهذه المعاملة بالجداول المتعلقة بـ NFT، أو عندما يتم استدعاء عقد Uniswap، يجب تخزين البيانات ذات الصلة في الجداول المتعلقة بـ DEX. (تقوم Dune بذلك كخدمة.)
لا يمكنك تحليل البيانات الأولية دون تكبد تكاليف بنية تحتية كبيرة. لذلك، على الرغم من أن البيانات متاحة مجانًا، إلا أنك تواجه نفس المشكلات. أنت تعتمد على البيانات الخارجية كمستثمر أو منشئ dApp. لكن وظيفتك الأساسية لا تتعلق بجمع البيانات وإدارتها. إن إنفاق الموارد على الأنشطة الأساسية ولكن غير الأساسية ليس ترفًا يمكن أن تتمتع به كل منظمة.
السياق يقود القيمة
بالنسبة لمنتجات البيانات، فإن السياق المحيط بالبيانات يجعل المنتج فريدًا. تطبق Bloomberg فهمها المالي وتحول البيانات إلى شكل يمكن للمخترعين والتجار استهلاكه بسهولة. تستخدم مواقع الويب مثل Similarweb أو المنشورات البحثية مثل Newzoo كفاءاتها الأساسية لتطبيق السياق الاجتماعي أو المرتبط بالألعاب على البيانات التي تتعقبها.
تميز منتجات البيانات الأصلية لـ Blockchain نفسها من خلال توفير سياق المستخدم من خلال الاستعلامات التي تجيب على الأسئلة ذات الصلة بمجموعات فرعية محددة من المستخدمين. على سبيل المثال، يحسب TokenTerminal الأساسيات الاقتصادية للبروتوكولات. تساعد نانسن المشاركين في السوق على تصنيف وفهم حركة الأصول. يستعلم Parsec عن بيانات السلسلة لمساعدة المتداولين على تحليل صفقات DeFi بشكل أفضل.
كل هذه المنتجات تخدم الصالح العام: البيانات على السلسلة. يكمن الاختلاف في كيفية تقديم هذه المنتجات لبياناتها، مما يجعلها جذابة لجماهير مختلفة.
يعتمد تقسيم فئة المنتج في صناعتنا على البيانات التي يتم إدخالها على السلسلة والمعلومات المستمدة من مصادر خارج السلسلة. (غالبًا ما يستخدم البعض كليهما.) يستخدم موفرو البيانات عوامل تصفية السياق الخاصة بهم لإنشاء المنتجات. تمامًا كما تتمتع بيانات Web2 بمنافذها، فقد قامت شركات بيانات Web3 ببناء أو بناء خنادق تدريجيًا باستخدام كفاءاتها الأساسية.
على هذا النحو، غالبًا ما تحدد خلفيات المؤسسين طبيعة المنتجات التي تم إصدارها. عندما يقضي الفريق الأساسي وقتًا طويلاً في أسواق رأس المال قبل العملات المشفرة، تميل منتجاته إلى تقليد بلومبرج، في حين تبدو المنتجات الأصلية للعملات المشفرة مثل نانسن. تلبي المنتجات المختلفة الاحتياجات المختلفة، حتى عند الاستعلام عن نفس البيانات.
على سبيل المثال، عادةً ما تتجاهل البورصات البيانات بعد فترات زمنية محددة. إنهم لا يعملون في مجال البيانات، ويتطلب تخزين البيانات القديمة خوادم وإدارة إضافية. يحتفظ بعض موفري البيانات، مثل Kaiko و Amberdata، ببيانات دفتر الطلبات التاريخية من البورصات. تسمح هذه البيانات للمتداولين والمستثمرين ببناء نماذج لاختبار فرضياتهم. ولكن إذا كنت ترغب في فهم عقود DeFi التي يتم التخلص منها بتدفق ETH أو العملات المستقرة أو تحليل السلوك على السلسلة لعناوين أو كيانات محددة، فستحتاج إلى منتج من Nansen أو Arkham.
لا تمثل خريطة السوق كل لاعب في كل فئة.
إحدى الطرق لفهم كيفية وضع المنتجات في الأسواق هي من خلال عدسة شخصيات المستهلكين في العملات المشفرة. يمكن تصنيف هذه الشخصيات في الفئات الرئيسية الأربع التالية.
المؤسسات المالية
تأتي معظم الدولارات المتدفقة من خلال منتجات البيانات المشفرة من المؤسسات المالية خلال السوق الهابطة. هؤلاء عملاء ذوو تذاكر كبيرة مع دورات مبيعات أطول ومتطلبات بيانات أكثر تعقيدًا بكثير. تتمثل إحدى الطرق لمعرفة ما إذا كان المنتج موجهًا نحو المؤسسات المالية في ما إذا كان يجب على العميل الخضوع لمكالمة مبيعات لتحديد تكلفة المنتج. في عالم Web2، لا يمكنك معرفة تكلفة PitchBook أو CB Insights. في مجال العملات المشفرة، لا تعرف تكلفة منتج مثل Chainalysis.
وبصرف النظر عن النكات، فإن جزءًا من سبب عملية البيع هذه هو الخدمة العملية ذات القفازات البيضاء التي تقدمها منتجات البيانات الموجهة نحو شريحة المستهلكين هذه. عادةً ما يختار هؤلاء المستخدمون البيانات الدقيقة والمتكررة للغاية. إنها تتطلب بيانات ليس فقط لقرارات ما قبل التجارة ولكن أيضًا لاستخدامات ما بعد التجارة للوفاء بمتطلبات الامتثال والضرائب.
على سبيل المثال، يحتاجون إلى منتجات تخبرهم بقيمة محفظتهم تاريخياً، وتساعدهم في حسابات الضرائب، وما إلى ذلك. وتقوم شركات مثل أمبيرداتا وكايكو وكوينميتريز وCryptoCompare، وإلى حد ما، نانسن، بخدمة هؤلاء العملاء.
من واقع خبرتي، لم يتمكن سوى المؤسسون الذين لديهم خلفيات يعملون في مؤسسات أو فرق ذات جولات تمويل كبيرة من فتح السوق المؤسسية للبيانات. حاجز الدخول مرتفع نسبيًا هنا، كما هو الحال مع أي منتج مؤسسي.
مركز المطورين
غالبًا ما نواجه ميزة قابلية التركيب في Web3، مما يعني أن تطبيقات Web3 يمكن أن تكون مترابطة. يمكن أن يطلبوا بيانات من بعضهم البعض. لذلك، يحتاجون باستمرار إلى قراءة البيانات من بعضهم البعض. على سبيل المثال، تحتاج منصة مثل Yearn Finance إلى قراءة البيانات من Aave و Compound، ويحتاج مجمع NFT مثل Tensor إلى قراءة البيانات من Magic Eden والأسواق الأخرى.
ولكن يتم تخزين هذه البيانات عبر الكتل على سلاسل مثل Ethereum و Solana. تقوم إيثريوم بإنشاء كتلة في ١٢ ثانية، ويقوم سولانا بذلك في ٤٠٠ مللي ثانية. يعد فرز بيانات blockchain في جداول وتخزينها للوصول السريع مهمة غير تافهة. هذا هو المكان الذي تظهر فيه المفهرسات مثل التساهمي، والرسم البياني، والشينلينك، وPowerloom في الصورة. فهي تضمن تخزين بيانات بلوكتشين الخام بالتنسيق المطلوب حتى يتمكن المطورون من جلبها عبر مكالمات API البسيطة.
يتضمن الجزء الناشئ في شخصية المستهلك هذه الأدوات المستخدمة لفهم سلوك المستخدم. على سبيل المثال، يسمح ArcX للمطورين بتخطيط البيانات خارج السلسلة (مثل سلوك المتصفح) باستخدام البيانات الموجودة على السلسلة (مثل عناوين المحفظة) لالتقاط المعلومات الديموغرافية للمستخدمين الذين يتفاعلون مع dApp. إنها في مجال صغير نسبيًا ولكنها ذات صلة لأنها تساعد المطورين على تحديد هوية مستخدميهم.
الباحثون والمنشورات
غالبًا ما يتم توزيع منتجات البيانات في العملات المشفرة من خلال التعاون مع الباحثين والمنشورات. على سبيل المثال، غالبًا ما يتم الاستشهاد بـ CCData على موقع Bloomberg. يتم تحفيز الباحثين على الاعتماد على منتجات البيانات لأنها تساعد في توفير الوقت والجهد عند جمع البيانات أو تنظيفها أو تنظيمها. لقد نجحت منتجات مثل Dune في بناء خندق من خلال بناء مجتمع من المحللين الذين يتنافسون مع بعضهم البعض للحصول على مرتبة أعلى في قائمتهم.
تعرض المنشورات مثل The Block و Delphi لوحات معلومات تم إنشاؤها باستخدام بيانات من موفري الطرف الثالث. هنا في Decentralised.co، نعتمد كليًا على مزودي البيانات الخارجيين حيث يساعدون في الحفاظ على رشاقة الفريق أثناء استخدام الموارد الخارجية عند جمع البيانات.
يتمثل التحدي في تلبية احتياجات شريحة المستهلكين هذه في أن الباحثين الصغار قد لا يمتلكون الميزانية المطلوبة لتبرير إنفاق موارد هائلة لعرض رؤى متخصصة قد تكون ذات صلة بشخص واحد فقط. على العكس من ذلك، يتم تحفيز الشركات جيدًا لإنفاق الجهد والموارد في الشراكة مع المنشورات المهمة مثل Financial Times لأنها تساعد في التوزيع.
مستثمرو التجزئة
عادةً ما تكون المنتجات الموجهة نحو مستثمري التجزئة أقل دقة وتواتر للبيانات. لكنها مجالات مربحة للغاية للبناء فيها لأنها ترى وفورات الحجم. عشرة آلاف مستخدم يدفعون 100 دولار لكل منهم هو عمل ARR بقيمة مليون دولار في عالم لا يوجد فيه اضطراب. إن قول ذلك أسهل من فعله، لكن هذه العوامل الاقتصادية تفسر سبب وجود العديد من منتجات البيانات المشفرة الموجهة نحو البيع بالتجزئة.
جزء كبير من المنتجات الموجهة للبيع بالتجزئة مجانية أو مدعومة بالإعلانات. على سبيل المثال، لن يخبرك مورد مجاني مثل DeVillama كيف يمكنك توجيه طلبك عبر بورصات مختلفة (CEXs و DEXs) لتجنب الانزلاق لأنه لا يأخذ لقطات دفتر الطلبات، ولكنه يعرض معلومات حول عمليات فتح الرموز أو عمليات فتح العائد.
يتمثل أحد التغييرات في قطاع المستهلكين هذا في كيفية قيام وسيلة التسليم بفتح فئة جديدة في السوق - على سبيل المثال، تقدم Cielo البيانات كإشعارات من خلال Telegram. تم توسيع نطاقه ليشمل أكثر من 40,000 مستخدم من خلال نقل المعلومات بطريقة سهلة الاستهلاك لقطاع المستهلكين الذي يفضل عدم التعامل مع واجهات سطح المكتب. عند القيام بذلك بشكل صحيح، حتى وسائط التوزيع يمكن أن تكون عوامل تمييز لمشاريع المرحلة المبكرة. حتى في البيانات.
على الرغم من عدم وضوح التصنيف في بعض النقاط، يمكن تقسيم شركات البيانات إلى توجهات B2B أو B2C.
تمتلك شركات مثل Amberdata و Kaiko منتجات تلبي احتياجات الممثلين الراقيين. هذه المنتجات أكثر دقة (التفاصيل التي تتوفر فيها البيانات) ومتكررة (على سبيل المثال. بيانات دفتر الطلبات في الوقت الفعلي)، وهي تلبي متطلبات مثل بناء النماذج واختبارها، وتحليل ما قبل التداول، وإعداد تقارير ما بعد التداول، والضرائب، والامتثال. يتم توفير البيانات في شكل يسمح للعملاء بإجراء تحليلات خاصة وبناء تصورات لأذواقهم. عادةً ما تقدم هذه الشركات منتجاتها خلف نظام حظر الاشتراك غير المدفوع.
تعتمد التكلفة بشكل عام على التفاصيل بسبب متطلبات البنية التحتية وطبيعة العملاء المعنيين وطول دورة المبيعات.
تحدد الصورة أعلاه منتجات مختلفة على محورين - العمق والتفصيل مقابل أسعار المنتجات. يرجى ملاحظة أن هذه المؤامرات ليست دقيقة. قد تكون بعض النقاط في غير محلها. الفكرة هي تطوير نموذج عقلي للتفكير في العديد من المنتجات ومكانتها في السوق.
تعرض المنتجات التي تركز على البيع بالتجزئة مثل Dune أو CoinGecko جميع البيانات تقريبًا مجانًا. يجب على العملاء الدفع للوصول إلى بعض البيانات أو إذا كانوا يريدون البيانات عبر واجهات برمجة التطبيقات لتشغيل تحليلاتهم. على سبيل المثال، يمكنك عرض جميع المخططات التي تم إنشاؤها بواسطة العديد من معالجات Dune، ولكنها تحدد عدد الصفوف التي يمكنك تنزيلها في نموذج CSV. يمكنك تنزيل ملفات CSV أكبر وعرض الاستعلامات الخاصة كلما دفعت أكثر.
تميل الشركات التي تركز على البيع بالتجزئة إلى تحقيق إيرادات منخفضة لكل عميل وعدد قليل من العملاء الذين يدفعون كنسبة مئوية من المستخدمين المجانيين. قارن هذا بمعدلات التحويل لنماذج freemium لشركات الإنترنت. عادةً ما يكون معدل التحويل هو 2%–5%. سيكون معدل التحويل بنسبة 10٪ أمرًا غريبًا. يتمثل دليل التشغيل الخاص بهم في الحصول على أكبر عدد ممكن من العملاء المجانيين بحيث يساهم معدل التحويل بنسبة 4٪ بشكل كبير في الإيرادات. هذا ما نسميه الجزء العلوي من القمع.
لذلك تحتاج شركات البيانات إلى أن يكون الجزء العلوي من المسار كبيرًا بما يكفي لتوليد إيرادات كافية للحفاظ على نفسها بمعدل تحويل أقل. يمكن للشركات أيضًا التفكير في تحقيق إيرادات من الإعلانات عندما يكون للموقع العديد من الزوار. تستخدم CoinGecko إيرادات الإعلانات كرافعة لمواصلة توفير معظم البيانات مجانًا.
على مر السنين، ملأت الشركات نقاطًا على طرفي طيف (B2B و B2C)، مما ترك بعض الفجوات بينهما. إذا أراد شخص ما أن يرى كيف تتغير دفاتر الطلبات عبر البورصات المركزية أو كيف تتغير نسب الشراء وIVs والانحرافات، فلا توجد العديد من المنتجات التي تساعد في التصورات. هناك مساحة لمنتج أكثر دقة من CoinGeckOS في العالم ولكنه أقل دقة من المنتجات التي تقدمها شركات B2B الخالصة.
على الخنادق
إن العثور على خنادق في الشركات التي تكون فيها المواد الخام مجانية ليس بالأمر السهل. بيانات بلوكتشين متاحة مجانًا. لا يوجد شيء خاص في البيانات التي يمكنك جمعها. لذا، فإن الخنادق في شركات البيانات لا تعتمد فقط على حصولك على بعض البيانات التي لا يمتلكها الآخرون. وبدلاً من ذلك، فإنها تستند إلى قدرة الفريق على تقديم البيانات بصيغة ثاقبة وقابلة للاستهلاك وفي الوقت المحدد وبدون أخطاء.
تدعي العديد من الشركات أن لديها نفس البيانات، ولكن تختلف جودة البيانات وطريقة عرضها. على سبيل المثال، تدعي العديد من الشركات أن لديها بيانات دفتر الطلبات خارج السلسلة. ومع ذلك، تختلف عوامل مثل عدد أوامر العرض/الطلب وطول السلسلة الزمنية وعدد التبادلات والأزواج المتاحة من مزود إلى مزود. تمتلك Amberdata و Kaiko بيانات دفتر الطلبات الأكثر شمولاً لأسواق العملات المشفرة.
لكن لماذا لا يستطيع سوى عدد قليل من مقدمي الخدمة تقديم هذا النوع من البيانات؟ يكمن شرح مكان ظهور الخنادق في بيانات Web3 هنا.
الموهبة - مع المخاطرة بتوضيح ما هو واضح، عندما تكون المادة الخام مجانية، فإن كيفية تشكيلها تحدد قيمة المنتج. يتطلب تحويل البيانات الأولية إلى معلومات مفيدة خبرة في المجال في العديد من المجالات داخل أسواق العملات المشفرة والأسواق المالية التقليدية. تتمتع فرق مثل Velo Data، ذات الخبرة في الأسواق التقليدية، بميزة على الآخرين الذين يحاولون بناء منتجات B2C مماثلة. من النادر العثور على مطورين موهوبين يفهمون هياكل بيانات بلوكتشين ولديهم خبرة ذات صلة في الأسواق المالية.
البنية التحتية - يتطلب جمع كميات كبيرة من البيانات وتقديمها بنية تحتية لا تأتي بسهولة. يتطلب هذا النوع من العمليات رأس المال والموهبة. لماذا تعتبر البنية التحتية خندقًا؟ فكر في بيانات تجمع الذاكرة. تحتوي الكتل على بيانات للمعاملات المؤكدة. ماذا عن المعاملات غير المؤكدة؟
ترى عُقد الشبكة المختلفة (على سبيل المثال، العقد المتصلة بنفس المجموعة) معاملات مختلفة غير مؤكدة. لن يؤدي تشغيل عقدة واحدة فقط إلى إعطاء رؤية عالمية للمعاملات المتنافسة. يؤدي الحفاظ على العقد المتعددة على العديد من سلاسل البلوكشين إلى زيادة تكاليف البنية التحتية. وكما هو الحال مع الذكاء الاصطناعي (وشبكات المحتوى في الماضي)، فإن القدرة على الحفاظ على انخفاض تكاليف الأجهزة أثناء التوسع ستحدد الفائزين والخاسرين في هذا القطاع بمرور الوقت.
تأثيرات الشبكة - يمكن للمرء أن يفترض أن تأثيرات الشبكة موجودة في العديد من منتجات بيانات التشفير. خذ تشينلينك كمثال. كانت واحدة من أوائل الأوراكل التي سمحت للتطبيقات بقراءة البيانات من التطبيقات أو السلاسل الأخرى. تمكنت من حشد دعم المجتمع ولديها واحدة من أقوى المجتمعات. مثال آخر هو نانسن. كانت شهرتها هي تسميات العناوين التي سمحت لها بإسناد حركة الأصول إلى كيانات حقيقية بدلاً من العناوين السداسية.
بعد ذلك، أطلقت ميزات مثل NFT Paradise و Token God Mode، مما يسمح للمستخدمين بتتبع NFTs والرموز بشكل أكثر فعالية. أطلقت Arkham منتجًا مشابهًا لملصقات Nansen، لكن الاستثمار في لوحات المعلومات والأبحاث سمح لـ Nansen بالمناورة تجاه عملاء المؤسسة وتقديم منتجات مصممة خصيصًا لهم. تجدر الإشارة إلى أن تأثيرات الشبكة غير ممكنة بدون النقطتين الأوليين (الموهبة والبنية التحتية).
مكان واحد يعمل فيه هذا هو المفهرسات. كلما زاد عدد السلاسل التي يدعمها المنتج، زادت احتمالية استخدام المطور للمنتج بدلاً من الاعتماد على مصادر متعددة. تتمتع فرق مثل Sizhalized بميزة هنا لأنها تعمل على تحسين اتساع السلاسل المدعومة لبعض الوقت. لكن تذكر أن العمق لا يقل أهمية عن الاتساع.
من السابق لأوانه تحديد ما إذا كان أي منتج له معنى في العملات المشفرة. لقد شهدنا مزايا الانتقال المبكر في المخطط الكبير للأشياء. ومع استمرار فئات مثل Web3 Social والتداخل بين الذكاء الاصطناعي والعملات المشفرة في التوسع، قد تنمو منتجات البيانات في الصناعة لتصبح الأبجدية التالية. لكن هذه ستكون قصة متعددة العقود. ما زلنا في سنواتها الأولى.
ما وراء المضاربة
تبحث العديد من حالات الاستخدام التي ذكرناها في هذه المقالة في المضاربة المالية بشكل أو بآخر. حتى المطورين الذين يستخدمون واجهات برمجة التطبيقات للاستعلام عن البيانات يقومون ببناء منتجات مالية. قد يبدو الأمر غريبًا، لكن سلاسل الكتل (كشبكة جديدة) تتبع نفس الاتجاه الذي اتبعته التلغراف والإنترنت.
يؤدي وصول وسيط جديد وظهور شبكة جديدة إلى تسريع حالات الاستخدام المالي. مع الإنترنت، استغرق الأمر حتى أوائل عام 2000 حتى يدرك الناس أنه يمكن استهداف المستخدمين بناءً على موقعهم. مع البلوكشين، ما زلنا نفكر في كيفية بناء نماذج الأعمال من مسارات البيانات المتاحة للجمهور.
لقد شهدنا تغييرًا رئيسيًا واحدًا في استخدامنا اليومي لهذه المنصات - Dune Analytics الذي يدمج الذكاء الاصطناعي في منتجه. يوفر Dune واجهة قائمة على SQL للمستخدمين للاستعلام عن البيانات من سلاسل الكتل مثل Ethereum و Solana. عادةً ما يقتصر سوق مثل هذا المنتج على المستخدمين الذين يفهمون كيفية كتابة استعلامات SQL. لقد بدأوا مؤخرًا في استخدام الذكاء الاصطناعي لمساعدة المحللين على إنشاء استعلامات دون أن يكونوا خبراء في SQL. إنها ليست وظيفية كما يأمل المرء أن تكون. لكنها لا تزال خطوة نحو المستقبل. قد لا يمر وقت طويل قبل أن نطلب من الذكاء الاصطناعي (مثل ChatGPT) الاستعلام عن البيانات من البلوكشين وتقديم تحليلها.
إحدى طرق التفكير في «البيانات» في سياق Web3 هي من خلال عدسة خرائط Google. كان نظام تحديد المواقع العالمي (GPS) موجودًا منذ الثمانينيات على الأقل. قامت Google بالعمل المطلوب لرسم خريطة للعالم. من خلال إتاحة تراكبات الخرائط لتطبيقات الطرف الثالث (باستخدام واجهات برمجة التطبيقات)، مكنت الشركة من إنشاء جيل جديد من التطبيقات. ازدهر كل شيء من التسليم إلى طلب النقل لأن لاعبًا واحدًا متخصصًا في البيانات تحمل هذا العبء من المطورين.
ستلعب منتجات البيانات في Web3 دورًا مشابهًا. لا نعرف حتى الآن الطبيعة الدقيقة للتطبيقات التي يمكن إنشاؤها فوق هذا المورد المتاح للجمهور، ولكن أصبح من الواضح أن هناك فرصة بحجم الأبجدية في مشهد البيانات.
إخلاء المسؤولية：
- تمت إعادة طباعة هذه المقالة من [GCR]. جميع حقوق التأليف والنشر تنتمي إلى المؤلف الأصلي [سوراب ديشباندي، سيدهارت، جويل]. إذا كانت هناك اعتراضات على إعادة الطبع هذه، فيرجى الاتصال بفريق Gate Learn ، وسيتعاملون معها على الفور.
- إخلاء المسؤولية: الآراء ووجهات النظر الواردة في هذه المقالة هي فقط آراء المؤلف ولا تشكل أي نصيحة استثمارية.
- يقوم فريق Gate Learn بترجمة المقالة إلى لغات أخرى. ما لم يُذكر، يُحظر نسخ المقالات المترجمة أو توزيعها أو سرقتها.
บทความที่เกี่ยวข้อง
ما هو Tronscan وكيف يمكنك استخدامه؟
كل ما تريد معرفته عن Blockchain