Analyse de l'empreinte

Par le passé, ce type de données nécessitait beaucoup de ressources de développement pour être indexé et organisé. Bien que nous sachions que les données de la blockchain sont transparentes, cela ne signifie pas que vous pouvez facilement et correctement obtenir des données on-chain et les comprendre.

Mais alors que la majeure partie des données critiques, telles que les transactions, les portefeuilles et les prix, sont transparentes, elles ont à peine un sens pour la plupart des gens. Les chaînes de chiffres et de lettres sur la blockchain doivent être indexées pour être compréhensibles, et des dizaines de plates-formes existent pour aider le grand public à comprendre ce qui se passe dans le web3.

Mais d'où ces plateformes obtiennent-elles leurs données ?

Qu'en est-il des entreprises et des organisations qui ont besoin de données très particulières pour un usage interne, comme les VC et les projets GameFi ?

Jusqu'à récemment, la plupart des développeurs construisaient leurs SDK pour l'ETL de données, une stratégie coûteuse et difficile à maintenir. Maintenant, il existe plusieurs sociétés DaaS (Database-as-a-Service) qui rendent les choses plus faciles. Alors que Footprint Analytics est une telle plateforme, elle va au-delà de ce que les autres offrent en termes de portée et d'options de personnalisation.

En fournissant l'accès à des données historiques provenant de 24 chaînes, y compris des chaînes de jeux (beaucoup plus que tout autre fournisseur), 17 places de marché NFT et près de 2 000 protocoles GameFi ainsi que leurs actifs de jeu, l'API de données Footprint est une API unifiée pour les développeurs de blockchain de tous horizons, à travers l'industrie.

Maintenant, il ne faut que quelques minutes pour réaliser une analyse de données multi-secteurs de la blockchain.

Cet article expliquera comment suivre le flux de trésorerie en utilisant la fonctionnalité d'analyse de l'empreinte en prenant la pièce stable comme exemple.

Monde de la cryptographie vs monde réel

Dans le monde réel, divers types de fournitures monétaires sont généralement classés comme M0, M1, M2, M3. Dans le monde de la cryptographie, une fois que vous échangez de l'argent fiat via OTC ou autre chose, toutes ces crypto-monnaies sont presque traçables lorsqu'elles interagissent avec un certain type de portefeuille ou un certain protocole. Les gouvernements émettent généralement la monnaie par le biais de leurs banques centrales, tandis que ces contrats intelligents émettent des crypto-monnaies soit par le biais de contrats intelligents, soit par un mécanisme de récompense.

Certains marchés secondaires vous permettront d'échanger votre actif en échange, c'est similaire pour les crypto-monnaies mais ce qui est plus, une partie du volume provient des DEX.

Donc, tous ces scénarios que nous avons mentionnés ci-dessus, nous examinerons ce qui s'est passé en utilisant la plateforme d'analyse de données on-chain.

・Émission de jetons et destruction et transfert

Tout d'abord, parlons de la distribution de stable coin ces derniers temps, vous pouvez suivre ces informations viace graphiqueComme vous pouvez le constater, USDT & USDC ont occupé une grande partie de la part de marché de manière assez stable l'année dernière.

Que se passera-t-il lorsque le jeton sera créé et brûlé, vous pourrez suivre à partir de celaquery(mint)et cecirequête(gravure)

Il existe des scénarios intéressants pour la combustion de jetons,

• Un est un comportement de brûlure normal :

  sélectionner * à partir de
  transferts de jetons Ethereum
  où 1=1
  et to_address = ‘0x0000000000000000000000000000000000000000’
  et transaction_hash = ‘0x2953d30a67abf584f673561abe6879ef0ffde33af4577dd1eee043adac93a9da’ — burn
  et block_timestamp >= date(‘2023-01-03’) et block_timestamp <= date(‘2023-01-06’)
  limite 100

• Une autre transaction est en train de se construire à travers différents blockchains :

sélectionner * à partir de
transferts de jetons ethereum
où 1=1
et to_address = ‘0x0000000000000000000000000000000000000000’
et transaction_hash = ‘0x3e76dd4c4c2ca3e4662964ad936e90c5dc82fad8956cfcbd6f1d5191a013e1a1’ —bridge
et block_timestamp >= date(‘2023-01-03’) et block_timestamp <= date(‘2023-01-06’)
limite 100

• Que vous pourriez suivre cela suretherscan

• Le transfert de jetons est le cas le plus courant, je ne vais donc pas expliquer en détail, gardez à l'esprit que notre or suit la pièce stable, nous utiliserons cette information clé : l'adresse du jeton pour filtrer la pièce stable

Et en général, nous aurons des frais de transaction, donc qui reçoit ces frais en récompense, vous pouvez suivre cela sur cette [requête](https://www.footprint.network/chart/miner-fee-fp-35761):

sélectionner * de "blocs ethereum"
où 1=1
et hash = '0x6579fc0e9adf0cb4eb8db8dcb49558357f9830bcca3d0e8f1a37f034fc98a8fb'
et timestamp >= date(‘2023-01-03’) et timestamp <= date(‘2023-01-06’)

・Suivi de la trésorerie des CEX et des stablecoins

Après avoir compris le transfert de base, et dans ce scénario, nous devons :

• avoir des tags sur le portefeuille pour filtrer le portefeuille CEX

• Connaissez l'adresse du jeton stable
  Heureusement, ceci est fait par la communauté et l'équipe d'analyse de l'empreinte. Vous pourriez trouver ces balises dans le tableau des balises d'entité et l'adresse du jeton de stable coin dans ici

Une fois que ce matériau est prêt, nous devons le décomposer en plusieurs étapes :

• La première étape consiste à trouver un transfert de stablecoin vers ou depuis CEX.ici. Étant donné que l'ensemble du processus est un peu complexe, nous avons utilisé la fonction d'analyse des empreintes digitales de lamodèletable, en tant que table temporaire pour stocker les données afin que nous puissions interroger plus tard à partir d'une autre requête.
  Pour rendre vos données plus intuitives pour vos équipes, vous pouvez demander un question, soit dans le constructeur de requêteou leÉditeur SQL, pour créer des tables dérivées dans Metabase, appelées modèlesqui peut rassembler des données provenant de différentes tables. Vous pouvez ajouter des colonnes personnalisées et calculées, et annoter toutes les colonnes avec des métadonnées afin que les utilisateurs puissent manipuler les données dans le générateur de requêtes comme point de départ.

• Deuxième étape : interrogez le prix de l'ethereum en utilisant cette requête :

avec prix_eth comme (
SÉLECTIONNER
DATE_FORMAT("timestamp", '%Y-%m-%d %H') AS ts_hr ,
avg("price") AS "avg_price"
DE "token_price_5min"
OÙ ("chaîne" = 'Ethereum'
ET "token_symbol" = 'ETH'
ET "horodatage" >= date(date_add('jour',-90,now()))
ET que « timestamp » < maintenant())
REGROUPER PAR 1
TRIER PAR 1 ASC
)

• Troisièmement : combinaison de ces éléments pour vérifier la corrélation entre la somme mobile des flux nets et le prix de l'ETH

• Ce résultat contient un flux net et une somme mobile du flux net en 4 ticks (par heure) , les astuces dans la boîte rouge du graphique suivant utilisent la fonctionnalité Footprint Analytics : tableau de modèle

• Quatrièmement : vérifiez le graphique pour voir si vous pouvez trouver une relation entre l'afflux net et le mouvement des prix

  Une chose intéressante est : jetez un œil à quand le prix chute beaucoup suite à l'effondrement de FTX autour du 8 novembre 2022, beaucoup de flux nets sont transférés vers les CEX pour essayer d'acheter la baisse

• Enfin, si vous n'avez pas trouvé de motif entre ces mouvements de prix et les flux nets, il est normal que le trading ne soit pas si facile, car il comporte de nombreux facteurs. Cependant, je suggère que si vous voulez creuser davantage, vous pourriez télécharger les données, utiliser Python pour calculer les détails, ajuster également différents ensembles de paramètres SQL, télécharger différents ensembles de paramètres et utiliser Python pour calculer la corrélation.
  Après tout, cela nécessite beaucoup de travail mathématique, mais au moins l'empreinte vous aide beaucoup à faire le travail sale correspondant.

Vous pourriez dupliquer mon tableau de bordiciet ajuster ou refaire tout cela à partir de zéro.

Suivre les flux d'entrée et de sortie des CEX ne représente qu'une partie du travail. Vous faites probablement plus, comme suivre comment l'argent interagit avec le protocole DEX et d'autres protocoles. Vous pourriez vérifier les détails de ces quelques requêtes.Interaction DEXet Interaction de prêt.

Une fois que vous avez trouvé le schéma dont vous avez besoin, vous pouvez utiliser la fonction d'alerte d'analyse des empreintes pour les fluctuations significatives de vos métriques. Vous pouvez même utiliser notre API REST et notre API SQL pour construire votre propre application.

• API

  Footprint Analytics possède l'entrepôt le plus complet de données indexées on-chain, couvrant 23 chaînes, 14 places de marché NFT, plus de 1 900 projets GameFi et plus de 100 000 collections NFT.

Il permet aux développeurs de passer des appels depuis une base de données contenant des données structurées pour tous ces protocoles avec une seule requête, ou de personnaliser facilement l'API de données lorsque cela est nécessaire. Comme l'API est inter-domaines, les utilisateurs peuvent accéder aux données NFT, GameFi et d'adresse grâce à un seul outil. Les filtres anti-lavage permettent aux utilisateurs de filtrer les données insignifiantes et frauduleuses.