Introducción

En medio del rápido desarrollo de la criptomoneda y la tecnología blockchain, las herramientas de análisis de datos en cadena se han vuelto indispensables en el mercado de activos digitales. Estas herramientas revelan flujos de transacciones, asignaciones de activos y sentimiento del mercado, y ayudan a los participantes del mercado al proporcionar a inversores, investigadores e instituciones regulatorias un soporte de datos en tiempo real, transparente y preciso, promoviendo así una operación de mercado más eficiente y justa.

Fuente: FinTechFrontiers

Según el informe de 2024 “Digital Currencies and On-Chain Financial Infrastructure” publicado por el Banco de Pagos Internacionales (BIS), la capitalización de mercado global total de activos de cripto superó los $4.2 billones en el primer trimestre de 2024, con el volumen de transacciones on-chain representando el 67% - casi el triple del 23% registrado en 2020. Detrás de este aumento en flujos de datos, ha surgido un mercado de análisis de datos on-chain, que crece a una tasa de crecimiento anual compuesta (CAGR) del 28.3% (fuente de datos: MarketResearchFuture, MRFR, 2024).

Fuente: Oficial

Basándose en lo anterior, el proceso de comercialización de herramientas de análisis de datos on-chain también está entrando gradualmente en una nueva etapa. En particular, con el lanzamiento de su plataforma de comercio al contado, Arkham, el modelo de negocio de las herramientas de datos on-chain ha experimentado una transformación significativa, desplazándose hacia plataformas financieras impulsadas por datos. Este artículo analizará el desarrollo actual de las herramientas de datos on-chain y explorará la evolución de los modelos de negocio futuros.

El panorama del mercado de herramientas de datos on-chain

Definición y papel del análisis de datos en cadena

El análisis de datos en cadena implica aprovechar métodos automatizados y visualizados entre plataformas para llevar a cabo un análisis profundo de transacciones blockchain, ejecuciones de contratos inteligentes y comportamiento de usuarios. Sirve como un “rayos X digital” del mercado de criptomonedas, permitiendo el seguimiento en tiempo real de flujos de fondos, actividades comerciales y tendencias del mercado en la cadena de bloques, al tiempo que revela los patrones de comportamiento de los traders e inversores institucionales.

El valor de las herramientas de datos en cadena radica en su capacidad para proporcionar datos de mercado descentralizados y transparentes, lo que contrasta notablemente con la opacidad de los mercados financieros tradicionales. Como resultado, los datos en cadena ayudan a los inversores minoristas a obtener señales de mercado precisas y asisten a las instituciones y organismos reguladores en la supervisión del mercado y el control de riesgos.

Visión general de las principales herramientas de datos en cadena

Actualmente, existen múltiples plataformas de datos en cadena conocidas, que ofrecen varios servicios adaptados a diferentes necesidades de los usuarios. Si bien estas plataformas difieren en funcionalidad y modelos de negocio, en conjunto impulsan la adopción y aplicación de datos en cadena.

Evolución de la tecnología de análisis de datos en cadena

Primera Generación (2016-2019): Representada por Etherscan, estos primeros exploradores de blockchain proporcionaron funcionalidades básicas de consulta de transacciones.

Segunda Generación (2020-2022): Liderada por Dune Analytics, esta era introdujo consultas personalizadas basadas en SQL, lo que permite a los usuarios crear paneles personalizados.

Tercera Generación (2023–Presente): Caracterizada por plataformas de análisis inteligente impulsadas por IA, ejemplificadas por el motor Arkham Ultra y la red oráculo de Nansen 2.0.

Según el informe "Curva de madurez tecnológica de herramientas de análisis de datos en cadena" publicado por el Centro de Investigación de Blockchain de la Universidad de Stanford en junio de 2024, la cuarta generación marca la entrada de la industria en una fase en la que la "automatización inteligente" y la "integración comercial" evolucionan en paralelo. El informe encuestó a 312 usuarios institucionales, con un 89% indicando que la "generación de señales de comercio en tiempo real" es el factor principal en la elección de una herramienta de análisis.

Herramientas líderes de datos en cadena

Dune Analytics: Conocido por sus potentes capacidades de consulta y visualización, Dune permite a los usuarios personalizar consultas libremente y presentar resultados de análisis a través de gráficos intuitivos. Su apertura y flexibilidad lo convierten en la plataforma preferida para científicos de datos y desarrolladores.

Fuente: Cryptonary

Footprint Analytics: Footprint se centra en proporcionar a los usuarios paneles de datos interactivos fáciles de usar. Al simplificar los procesos y ofrecer una interfaz amigable, permite a los usuarios comprender fácilmente los datos on-chain, lo que lo hace especialmente adecuado para inversores sin conocimientos técnicos.

Fuente: Oficial

Nansen: Nansen se especializa en analizar el comportamiento en cadena relacionado con contratos inteligentes e inversores 'ballena'. Su función de seguimiento de 'Smart Money' proporciona a los usuarios información sobre flujos de fondos institucionales y estrategias comerciales, lo que ayuda a los inversores a identificar posibles tendencias del mercado.

Origen: Oficial

Estas plataformas juegan un papel crucial en el análisis de datos en cadena, pero sus modelos de negocio difieren. Por ejemplo, Dune y Footprint operan con un modelo basado en suscripción, mientras que Nansen se basa más en informes de datos personalizados, ofreciendo soluciones a medida para clientes institucionales.

Posicionamiento de mercado de Arkham

Arkham es una de las pocas plataformas innovadoras en el mercado que integra el análisis de datos on-chain con el comercio financiero. A diferencia de plataformas tradicionales como Dune, Footprint y Etherscan, Arkham no se posiciona meramente como un proveedor de datos. El lanzamiento de su plataforma de comercio al contado ha roto las barreras tradicionales entre las herramientas de datos y el comercio financiero. Los usuarios pueden utilizar los datos de la plataforma para rastrear las direcciones de “dinero inteligente” y tomar decisiones de inversión directamente basadas en esta información. En el futuro, los datos y el comercio estarán conectados de forma transparente, lo que permitirá operaciones de mercado más eficientes.

Exploración de los modelos de negocio de las herramientas de datos en cadena

Arkham lanza una plataforma de comercio al contado: un hito en la innovación del modelo de negocio

El lanzamiento de la plataforma de comercio al contado de Arkham marca una innovación significativa en su modelo de negocio. Como una de las principales plataformas en análisis de datos en cadena, Arkham ya no depende únicamente de suscripciones de datos o ingresos del mercado de trading. En su lugar, ha integrado herramientas de datos con una plataforma de trading, formando un modelo de negocio de circuito cerrado. Al ofrecer funciones de seguimiento de "dinero inteligente", la plataforma permite a los usuarios acceder a datos de flujo de fondos en tiempo real de inversores de alto patrimonio neto y ejecutar operaciones directamente en la plataforma. Este modelo integrado de "datos + trading" brinda una conveniencia sin precedentes al mercado.

Aprovechando una estrategia de "promoción por tiempo limitado sin comisión", Arkham experimentó un aumento en el crecimiento de usuarios en la segunda mitad de 2024. Sin embargo, su ARPU (Ingreso Promedio Por Usuario) sigue siendo solo un tercio del de Nansen, reflejando la débil voluntad relativa de los inversores minoristas de pagar por tales servicios (fuente de datos: Informe Anual de la Industria Cripto 2025 de ARK Invest).

La persona en la figura-Raoul Pal (Fuente: RealVision)

Sin embargo, el renombrado experto en inversiones en criptomonedas Raoul Pal se mantiene optimista, declarando en su canal de YouTube: "En el futuro, los datos no solo serán una herramienta analítica, sino que darán forma directa a las decisiones de inversión. La iniciativa de Arkham está, sin duda, a la vanguardia de la industria." Este comentario refuerza la tendencia de integración entre plataformas de datos on-chain y los mercados financieros. En el futuro, es posible que más plataformas sigan el camino de Arkham, fusionando gradualmente el análisis de datos con el comercio financiero.

El impacto del modelo de suscripción en los ingresos

Uno de los modelos de negocio más comunes para las herramientas de datos en cadena es el modelo de suscripción. Muchas plataformas, como Nansen y Glassnode, dependen de los ingresos basados en suscripciones, donde los usuarios pagan una tarifa mensual o anual para acceder a datos premium e informes de análisis.

Este modelo tiene la ventaja de garantizar ingresos estables a la plataforma pero también enfrenta desafíos derivados del aumento de la competencia en el mercado y de las cambiantes demandas de los usuarios. Para los usuarios institucionales, los servicios basados en suscripción a menudo requieren una mayor personalización, lo que obliga a las plataformas a proporcionar servicios y soporte adicionales, lo que aumenta los costos de desarrollo.

Aunque el modelo de suscripción se ha vuelto dominante en el mercado, la estructura de ingresos diversificada de Arkham mejora significativamente su resistencia al riesgo en comparación con plataformas tradicionales como Nansen, donde las suscripciones representan el 92% de los ingresos totales. Sin embargo, una preocupación clave es que el negocio de trading de Arkham depende de subvenciones de creadores de mercado.

Según el informe de monitorización de liquidez de Kaiko, el par de comercio BTC/USDT en Arkham experimenta un diferencial de oferta y demanda de hasta un 0.8% durante períodos no promocionales, significativamente más alto que el 0.1% de Coinbase.

La Integración de Plataformas de Datos con Plataformas de Trading

A medida que la demanda de herramientas de análisis de datos continúa creciendo, un número cada vez mayor de plataformas de datos en cadena están explorando la integración del análisis de datos con plataformas de trading financiero, especialmente en el sector de las criptomonedas. La funcionalidad de comercio al contado de Arkham es un claro reflejo de esta tendencia. A través de este modelo, Arkham integra profundamente las necesidades de trading de los usuarios con el análisis de datos en cadena, satisfaciendo las demandas de trading de los inversores al mismo tiempo que proporciona perspectivas basadas en datos. Este enfoque mejora la participación y retención de los usuarios, fortaleciendo la competitividad general de la plataforma.

La persona en la figura es Andreas Antonopoulosl (Fuente: Decrypt)

Este modelo de negocio puede ayudar a las plataformas a expandir sus flujos de ingresos y aumentar su cuota de mercado. El experto en Bitcoin, Andreas Antonopoulos, también ha declarado públicamente: "La integración de datos y comercio será una tendencia inevitable en el desarrollo de la industria criptográfica, y plataformas como Arkham están abriendo el camino para esta tendencia."

Servicios de Datos Personalizados

Las plataformas de datos en cadena a menudo necesitan proporcionar servicios de análisis de datos personalizados para grandes clientes institucionales. Estos servicios suelen implicar el monitoreo en tiempo real de operaciones de alta frecuencia, grandes transacciones y optimización de asignación de activos. Nansen es un ejemplo destacado, atendiendo a inversores institucionales ofreciendo productos de datos a medida.

Según Cointelegraph, el gasto institucional en herramientas de datos on-chain ha estado aumentando anualmente, con una demanda especialmente fuerte de análisis de datos en tiempo real, gestión de riesgos y monitoreo de liquidez. A diferencia de los inversores minoristas, los clientes institucionales requieren servicios de datos más detallados y sofisticados para obtener una ventaja competitiva en el mercado.

Por ejemplo, en noviembre de 2024, se reveló que el fondo de cobertura más grande del mundo, Bridgewater, había firmado un contrato de servicio personalizado con Arkham, que incluía:

• Tarifa anual: $2.4 millones
• Servicios proporcionados: Indicadores de riesgo en cadena propios, incluidas alertas de anomalías de TVL y seguimiento de la velocidad de flujo de stablecoin
• Términos adicionales: la latencia de los datos no debe exceder los 50 ms

Fuente: Oficial

Esta competencia por clientes de alta gama está impulsando las herramientas de datos en cadena hacia un modelo de “infraestructura de baja latencia”. En respuesta a este cambio, Bloomberg Terminal adquirió el proveedor de datos en tiempo real Covalent en enero de 2025 para fortalecer su posición en el mercado.

Riesgos y Desafíos

Aunque los servicios de datos personalizados aportan clientes de alto valor y ingresos a largo plazo a las plataformas de datos en cadena, este sector todavía enfrenta numerosos desafíos:

3.5.1 Intensificación de la Competencia Homogeneizada Entre Plataformas

A medida que más plataformas de análisis de datos ingresan al mercado, la diferenciación entre proveedores se está reduciendo gradualmente. Plataformas líderes como Nansen, Arkham y Glassnode ofrecen análisis de datos personalizados, lo que lleva a una competencia creciente en el mercado.

Además, los gigantes tradicionales de la tecnología financiera (por ejemplo, Bloomberg Terminal) se están expandiendo rápidamente al sector de datos en cadena, aprovechando adquisiciones e integraciones para fortalecer su ventaja competitiva. La adquisición Bloomberg-Covalent de 2025 mencionada anteriormente es un claro ejemplo de esta tendencia, con el objetivo de mejorar las capacidades de datos de baja latencia en el mercado de criptomonedas. Para los proveedores de servicios de datos más pequeños, el desafío clave es cómo mantener la singularidad y la rentabilidad en medio de este paisaje altamente competitivo.

Violaciones de privacidad y el riesgo de perder la confianza del usuario

El núcleo de los servicios de datos en cadena radica en analizar la información transaccional, pero las preocupaciones de privacidad siguen siendo una prioridad principal tanto para usuarios institucionales como minoristas. Algunas plataformas de datos han enfrentado controversias por el manejo inadecuado de los datos de usuario, lo que ha llevado a riesgos relacionados con la privacidad.

Por ejemplo, a mediados de 2024, se expuso a una plataforma de datos en cadena bien conocida por filtrar direcciones de trading institucionales y tenencias de cartera. Esta brecha resultó en ataques maliciosos de arbitraje contra fondos de cobertura afectados, lo que provocó pérdidas financieras significativas en un corto período de tiempo.

Dichos incidentes perjudican a las instituciones afectadas y socavan la confianza en toda la industria. En el futuro, las plataformas de datos deben asegurarse de ofrecer análisis en cadena de alta precisión mientras se adhieren estrictamente a los estándares de cumplimiento de privacidad de datos para prevenir la pérdida de usuarios debido a preocupaciones de seguridad.

Evolución de herramientas de datos on-chain

Integración de IA y Big Data

Con los avances en inteligencia artificial (IA) y big data, la IA puede procesar y analizar grandes cantidades de datos en cadena, ayudando a los inversores a descubrir posibles oportunidades de mercado.

Por ejemplo, Arkham emplea algoritmos de aprendizaje automático para identificar patrones clave de datos dentro de las redes blockchain, lo que permite a los usuarios anticipar posibles tendencias del mercado. Esta integración tecnológica va más allá del análisis tradicional de gráficos, permitiendo recomendaciones de inversión inteligentes y automatizadas basadas en el aprendizaje profundo.

Sin embargo, la efectividad de tales enfoques no siempre es ideal. El Motor Ultra de Arkham ha cometido múltiples errores de juicio, en parte debido a la falta de transparencia en cuanto a los conjuntos de datos de entrenamiento y los detalles del algoritmo. Un caso notable ocurrió en agosto de 2024 cuando el sistema identificó incorrectamente la dirección de donación caritativa de Vitalik Buterin como una "señal de venta", desencadenando una caída repentina en los precios de ETH.

Estos incidentes ponen de manifiesto la necesidad de la Inteligencia Artificial Explicable (XAI) en el análisis en cadena. Superar tales desafíos es esencial para la evolución continua de las herramientas de datos en cadena.

Computación Preservadora de la Privacidad y Seguridad de Datos

La privacidad y la seguridad de los datos son preocupaciones cruciales para las herramientas de datos en cadena. El desafío radica en mantener la transparencia de los datos mientras se garantiza la confidencialidad del usuario. Al emplear técnicas de encriptación y anonimización, las plataformas pueden analizar los datos de la cadena de bloques sin exponer información sensible del usuario. Esto les permite proporcionar perspectivas valiosas al tiempo que mantienen los estándares de privacidad.

Sin embargo, a pesar de las afirmaciones de Arkham de utilizar la tecnología de prueba de conocimiento cero (ZKP) para proteger la privacidad del usuario, su informe de vulnerabilidad de marzo de 2025 destacó riesgos significativos. El informe encontró que el 87% de las direcciones anonimizadas podrían ser desanonimizadas a través del análisis de secuencias de transacciones. Además, la precisión de vincular a los usuarios del servicio de mezcla de Tornado Cash con identidades reales seguía siendo tan alta como el 43%. Estos hallazgos destacan los riesgos continuos para la privacidad en el análisis de datos en cadena y la necesidad de medidas más avanzadas para preservar la privacidad.

Desafíos Regulatorios

Tendencias regulatorias

A medida que el mercado de criptomonedas se expande, las herramientas de datos en cadena enfrentan un mayor escrutinio regulatorio. Las políticas regulatorias para activos criptográficos y datos en cadena varían según las jurisdicciones, lo que crea desafíos significativos para las plataformas de datos globales.

Según el Plan de Trabajo 2025 del Consejo de Estabilidad Financiera (FSB), en el futuro se requerirá integrar herramientas analíticas on-chain que permitan: comercio al contado

• Módulos de escaneo contra el lavado de dinero (AML) en tiempo real, garantizando el cumplimiento de la Regla de Viaje del GAFI
• Generadores de informes regulatorios interjurisdiccionales
• Matrices de evaluación de riesgos de protocolos DeFi

Fuente: PYMNTS

Arkham ha asignado el 23% de su presupuesto de I+D para este fin. Sin embargo, su CEO ha admitido que "los costos de cumplimiento pueden erosionar los dividendos de la innovación".

Perspectivas futuras y desafíos

El Futuro Financiero Impulsado por Datos

Con los avances tecnológicos y la evolución de las demandas del mercado, el modelo de negocio de las herramientas de datos en cadena continuará transformándose. Desde su papel inicial como herramientas simples de consulta de datos hasta las plataformas multifuncionales de hoy en día que integran el comercio y análisis personalizados, estas herramientas están destinadas a desempeñar un papel cada vez más vital en los futuros mercados financieros.

En el futuro, a medida que las políticas regulatorias se vuelvan más refinadas y las innovaciones tecnológicas avancen, las herramientas de datos en cadena pueden surgir como una parte esencial de la infraestructura del mercado de activos digitales. Proporcionarán a los inversores, instituciones y organismos reguladores servicios en tiempo real, transparentes y eficientes, reforzando la confianza y la eficiencia en el ecosistema.

Innovación y competencia en curso

Si bien Arkham ha sido pionero en la integración de datos y comercio, otras plataformas están buscando activamente avances para mantenerse competitivas. Jugadores de la industria como Nansen, Glassnode y Dune Analytics están explorando continuamente nuevas estrategias de comercialización. En el futuro, podrían introducir características y servicios innovadores para desafiar la posición en el mercado de Arkham y expandir su base de usuarios.

Conclusión

En general, el modelo de negocio de las herramientas de datos en cadena está transformándose profundamente. A medida que el progreso tecnológico se acelera, las demandas del mercado cambian y los marcos regulatorios se solidifican, estas herramientas asumirán un papel cada vez más significativo en el mercado de activos digitales, dando forma a la próxima fase de innovación financiera.