งานชิ้นนี้เผยแพร่ครั้งแรกบน Decentralized.co พวกเราที่ GCR จะนำเสนอรูปแบบยาวจากการกระจายอำนาจให้คุณสองครั้งทุกเดือน - ทุกวันพฤหัสบดีสลับกัน! Decentralised.co ได้รับความไว้วางใจจากฝ่ายบริหารของบริษัทมากกว่า 200 แห่งให้คอยติดตามแนวโน้ม ข้อมูล และข้อมูลเชิงลึกที่สำคัญ ลงทะเบียนเพื่อรับจดหมายข่าวด้านล่าง—ข้อมูลเพิ่มเติมเกี่ยวกับความร่วมมือนี้สำหรับสมาชิกที่กระตือรือร้นที่สุดของเราบน Discord

สมัครสมาชิก Decentralised.co

สวัสดี,

เราได้เขียนพรีเคอร์เซอร์สำหรับ งานชิ้นนี้เมื่อวันที่ 18 กรกฎาคม หากคุณต้องการบริบทที่นอกเหนือไปจากที่เขียนไว้ที่นี่

สิ่งมีชีวิตทุกชนิดเก็บบันทึกบางอย่างไว้ สัตว์ต่างๆ ติดตามฤดูกาลเพื่อทำความเข้าใจว่าเมื่อใดควรล่าสัตว์ สัตว์ฟันแทะและนกเก็บอาหารไว้ในสถานที่ที่ไม่เหมือนใคร พวกเขาต้องจำไว้ว่าพวกเขาเก็บไว้ที่ไหนเมื่อเข้าถึงเพื่อยังชีพในอีกหลายเดือนต่อมา หมาป่าสร้างเครื่องหมายรอบๆ อาณาเขตของพวกมันเพื่อส่งสัญญาณให้สัตว์อื่นๆ ระวังไม่ให้ออกไป แม้แต่ต้นไม้ก็ยังคอยติดตามเวลา ทุกปีจะมีวงแหวนเกิดขึ้นที่ลำต้น เราสามารถประมาณอายุของต้นไม้โดยพิจารณาจากจำนวนวงแหวน

แม้ว่าต้นไม้และสัตว์จะคอยติดตามเวลา แต่ก็ไม่สามารถเรียกคืนหรือเล่าถึงอดีตได้ พวกเขาไม่สามารถเข้าถึงหน่วยความจำ นี่คือสิ่งที่ทำให้การบันทึกข้อมูลของมนุษย์แตกต่างออกไป ด้วยความสามารถในการสื่อสารของเรา เรารู้ว่าชาวสุเมเรียนในเมโสโปเตเมีย (3,400 ปีก่อนคริสตศักราช) และชาวอียิปต์โบราณ (3,200 ปีก่อนคริสตศักราช) ใช้การเขียนอักษรคูนิฟอร์มและอักษรอียิปต์โบราณในการบันทึกข้อมูล

มนุษยชาติวิวัฒนาการมาเมื่อความรู้สามารถถ่ายทอดได้โดยไม่ต้องให้แหล่งที่มาเข้ามาเกี่ยวข้อง เราอ่านและเพลิดเพลินกับผลงานของเพลโตหรือโสกราตีสเป็นเวลานานหลังจากที่พวกเขาจากไปแล้ว เพราะเรามีหนทางที่จะเก็บคำสอนของพวกเขาไว้ การเขียนเป็นแพลตฟอร์ม AR ดั้งเดิม

เขียนจากอิหร่านติดตามเมล็ดพืช ที่มา: ลิงค์

เมื่อการเขียนปล่อยให้สิ่งต่างๆ อยู่ในจินตนาการ ข้อมูลก็ช่วยให้สิ่งต่าง ๆ เป็นกลาง ลดข้อกำหนดสำหรับบุคคลในการจัดเก็บสิ่งต่าง ๆ ไว้ในความทรงจำ นี่เป็นสาเหตุส่วนหนึ่งว่าทำไมข้อความที่เก่าแก่ที่สุดบางฉบับของมนุษย์จึงเกี่ยวข้องกับหนี้ รายได้ หรือบันทึกการค้า

ก้าวสู่ดิจิทัล

ในยุคหลังอุตสาหกรรม บริษัทต่างๆ ได้สร้างคูเมืองที่มีการแข่งขันสูงเพื่อเสริมความแข็งแกร่งให้กับตำแหน่งทางการตลาดของตนโดยการนำสถิติยอดขายของตนไปสู่ดิจิทัล ตัวอย่างหนึ่งคือบริษัทอินเดียชื่อ Asian Paints สีของพวกเขาอาจไม่ดีที่สุดในตลาด แต่พวกเขาควบคุมส่วนแบ่งการตลาดมากกว่า 50% ของอุตสาหกรรมสีที่มีมูลค่า 8 พันล้านดอลลาร์ของอินเดีย

ทำไม คำตอบง่ายๆ ก็คือ เป็นแบรนด์ในครัวเรือน และบริษัทมีการประหยัดต่อขนาด แต่วิธีที่พวกเขาไปถึงที่นั่นนั้นมีรากฐานมาจากข้อมูล พวกเขาลงทุนมหาศาลในการรวบรวมและประมวลผลข้อมูลเพื่อเพิ่มประสิทธิภาพห่วงโซ่อุปทานของตน

สำหรับบริบท หุ้น Asian Paints มี CAGR ที่น่าทึ่งถึง 25% ในช่วง 30 ปีที่ผ่านมา การสนับสนุนการเติบโตดังกล่าวคือการลงทุนในคอมพิวเตอร์เมนเฟรมในช่วงทศวรรษ 1970 อุปกรณ์ดังกล่าวมีประสิทธิภาพมากกว่าอุปกรณ์ที่ใช้ในองค์กรวิจัยที่ดีที่สุดในอินเดียในขณะนั้น โดยรวบรวมข้อมูลรายชั่วโมงเกี่ยวกับสีและปริมาณสีที่ขายทั่วอินเดีย สิ่งนี้ทำให้ Asian Paints สามารถสร้างแบบจำลองที่คาดการณ์ความต้องการสีทั่วทั้งอินเดียด้วยความแม่นยำ 98%

พลังในการคาดการณ์นี้ทำให้ Asian Paints สามารถเก็บมูลค่าสูงสุดได้ เนื่องจากสามารถลดเวลาการเติมลงได้อย่างมาก ในเวลานั้น บรรทัดฐานในการขายสินค้า เช่น สี ก็คือการขายให้กับผู้ค้าส่ง จากนั้นจึงมอบให้กับผู้จัดจำหน่าย และจะขายให้กับตัวแทนจำหน่ายตามลำดับ ตัวแทนจำหน่ายจะมีปฏิสัมพันธ์โดยตรงกับผู้บริโภค สาเหตุของห่วงโซ่อุปทานที่ซับซ้อนดังกล่าวก็คือแต่ละฝ่ายจัดทำรายการสินทรัพย์และควบคุมข้อมูลเกี่ยวกับอุปสงค์และอุปทานสำหรับสี

Mr Choksey ผู้ก่อตั้งสีทาเอเชีย ถอดผู้ค้าส่งและผู้จัดจำหน่ายออกจากห่วงโซ่อุปทานโดยศึกษารูปแบบการบริโภคของผู้ใช้ปลายทาง และลดการพึ่งพาพ่อค้าคนกลาง ด้วยการถอดพ่อค้าคนกลางออกไป Asian Paints ยึดครอง MRP ได้ 97% (3% ให้กับตัวแทนจำหน่าย) เทียบกับ 60% ที่คู่แข่งยึดได้

ค่าที่สามารถแยกได้ของโทรเลขจะเป็นเทปสัญลักษณ์ส่วนหน้าที่ถ่ายทอดผ่านโทรเลข

การเปลี่ยนผ่านสู่ดิจิทัลไม่ได้เกิดขึ้นเพียงชั่วข้ามคืน ส่วนหนึ่งของสิ่งที่ทำให้การรวบรวมข้อมูลน่าสนใจคือโลกแห่งการเงินและความเชื่อมโยงระหว่างกันค่อยๆ เกิดขึ้น ตัวอย่างเช่น ในช่วงปลายศตวรรษที่ 20 ข้อมูลตลาดหุ้นถูกส่งผ่านโทรเลขโดยใช้อุปกรณ์เหมือนกับที่ กล่าวมาข้างต้น ในช่วงต้นปี 1835 พ่อค้าจะฝึกนกพิราบให้ถือกระดาษที่มีข้อมูลเกี่ยวกับสิ่งที่เกิดขึ้นในยุโรป เมื่อเรือกลไฟบรรทุกสินค้าเข้ามาภายในรัศมี 50 ไมล์ นกพิราบจะบินไปยังจุดที่กำหนดพร้อมข้อมูล ผู้ค้าเคยจ่ายเงิน สูงถึง $500 ต่อชั่วโมงล่วงหน้าที่พวกเขาสามารถรับข่าวสารได้

ภายในปี 1867 เทรดเดอร์เริ่มแข่งขันกันเพื่อปรับความรวดเร็วในการส่งข้อมูลทางโทรเลข พนักงานของ Western Union ชื่อ E. A Calahan จ่ายเงินมากกว่า 200,000 ดอลลาร์ให้กับ NYSE สำหรับความสามารถในการส่งพนักงานในพื้นที่การซื้อขายเพื่อถ่ายทอดข้อมูลหุ้นให้กับลูกค้าของเขา หนึ่งในบุคคลที่ทำงานอย่างขยันขันแข็งในการเพิ่มประสิทธิภาพระบบคือนักวิทยาศาสตร์หนุ่มชื่อโธมัส อัลวา เอดิสัน หนึ่งศตวรรษต่อมา เครื่องมืออย่าง Bloomberg Terminal จะขยายขนาดการก้าวและปริมาณข้อมูลทางการเงินแบบทวีคูณที่ส่งต่อในแต่ละวัน

การปั้นข้อมูลดิบ

ข้อมูล เช่น น้ำมันดิบ จะต้องผ่านการปรับแต่งหลายขั้นตอนก่อนจึงจะสามารถนำมาใช้ได้ การเรียนรู้ว่า Bloomberg เติบโตได้อย่างไรช่วยให้เกิดความกระจ่างว่าภูมิทัศน์ข้อมูลทั้งหมดมีการพัฒนาอย่างไรและกระบวนการใด Bloomberg ไม่ใช่ความพยายามครั้งแรกที่จะใช้เทคโนโลยีเพื่อปรับปรุงกลไกการซื้อขายและการรายงาน NASDAQ ใช้เทอร์มินัล Bunker Ramo เพื่อเผยแพร่ข้อมูลและทำการประมูล/สอบถามคำสั่งซื้อ อย่างไรก็ตาม การพึ่งพาเครือข่ายการสื่อสารทางโทรศัพท์ในอดีตทำให้การขยายโมเดลนี้เป็นเรื่องที่ท้าทายเสมอ

ที่มา – NASDAQ – วิวัฒนาการของการซื้อขาย OTC อัตโนมัติ

ในปี 1981 Michael Bloomberg ซึ่งเป็นหุ้นส่วนของธนาคารเพื่อการลงทุน Solomon Brothers ถูก ไล่ออกด้วยเงิน 10 ล้านดอลลาร์ สำหรับการซื้อหุ้นของเขาเมื่อ Phibro Corporation เข้าซื้อธนาคาร เขาตระหนักดีว่านักลงทุนพร้อมที่จะจ่ายเงินเพื่อซื้อข้อมูลทางการเงินที่มีประสิทธิภาพมากขึ้นพร้อมกับการเติบโตของตลาดการเงินทางอิเล็กทรอนิกส์ตั้งแต่นิวยอร์กไปจนถึงญี่ปุ่น เขาก่อตั้งบริษัทที่ให้บริการข้อมูลชื่อ Innovative Market System ซึ่งเปลี่ยนชื่อใหม่เป็น Bloomberg ในปี 1986

ก่อนที่อินเทอร์เน็ตจะเริ่มต้นขึ้น Bloomberg Terminal ก็ถูกเข้าถึงโดยใช้ The Chiclet ซึ่งเชื่อมต่อกับตัวควบคุม Bloomberg ผ่านสายเคเบิลพิเศษที่เชื่อมต่อกับฮับท้องถิ่นผ่านสายโทรศัพท์เฉพาะ Bloomberg รวบรวมข้อมูลผ่านความร่วมมือด้านข้อมูล สำนักข่าว และข่าวประชาสัมพันธ์ วิธีการที่เป็นกรรมสิทธิ์ เช่น การป้อนข้อมูลด้วยตนเอง และการรวบรวมข้อมูลทางโทรศัพท์

ด้วยอินเทอร์เน็ต ประตูระบายน้ำข้อมูลก็เปิดออก ปัจจุบัน Bloomberg จัดหา ประมวลผล และส่งมอบข้อมูลทางการเงินจำนวน 2 แสนล้านชิ้นในแบบเรียลไทม์ นั่นคือประมาณ 23 ล้านจุดข้อมูลต่อวินาที ข้อมูลบางส่วนที่มีอยู่ใน Bloomberg เป็นแบบสาธารณะ จุดข้อมูล เช่น งบการเงินของบริษัท ราคาหุ้นและพันธบัตร สามารถพบได้ในฟอรัมสาธารณะ

แต่ถ้าคุณเป็นนักวิเคราะห์น้ำมันและก๊าซ และต้องการทำความเข้าใจความเคลื่อนไหวของภาชนะบรรจุน้ำมันดิบล่ะ คุณไม่น่าจะได้รับข้อมูลนี้แบบเรียลไทม์หากคุณไม่ได้สมัครรับแหล่งข้อมูลเช่น Bloomberg ข้อมูลบนอินเทอร์เน็ตทั้งหมดนั้นไม่สามารถหาได้ฟรี

โดยทั่วไปมีข้อจำกัดสองประการสำหรับแต่ละบุคคลเมื่อพูดถึงข้อมูลใน Web2: การเข้าถึงที่ได้รับอนุญาต และอุปสรรคสูงในการประมวลผลข้อมูลจำนวนมาก ในช่วงหลายปีที่ผ่านมา ผู้ให้บริการอย่าง Bloomberg ได้สร้างเอฟเฟกต์เครือข่ายที่แข็งแกร่งเพียงพอที่จะรวบรวมข้อมูลผ่านบริษัทในเครือ ซึ่งนักวิเคราะห์หรือนักลงทุนไม่สามารถทำได้

เป็นการดีกว่าที่จะจ่ายเงิน 20,000 ดอลลาร์ให้กับ Bloomberg สำหรับการสมัครสมาชิกรายปี แทนที่จะพยายามหาข้อมูลจากแพลตฟอร์มข้อมูลต่างๆ ที่แต่ละแพลตฟอร์มอาจมีระดับราคาที่แตกต่างกัน แม้ว่าคุณจะฝึกฝนอย่างหนักพอที่จะเข้าถึงข้อมูลได้ คุณจะไม่สามารถประมวลผลและเรียกใช้การวิเคราะห์แบบเรียลไทม์ได้โดยไม่ต้องใช้โครงสร้างพื้นฐานจำนวนมาก ในส่วนของร้านค้าปลีก หลายแพลตฟอร์มที่ปรับขนาดได้ในที่สุด ล้วนแต่เป็นกลไกจับคู่ข้อมูล

ลองคิดดู: Google (เครื่องมือค้นหา) คือบริษัทข้อมูลที่เสนอให้ธุรกิจต่างๆ เข้าถึงผู้ใช้เพื่อแลกกับเงินโฆษณา เมื่อร้านอาหารหรือจดหมายข่าว (เช่นของเรา) ต้องการกำหนดเป้าหมายผู้ใช้ที่ค้นหาข้อมูลบน Google พวกเขาจะจับคู่อุปสงค์และอุปทานสำหรับข้อมูลที่คล้ายกัน มีคนค้นหาข้อมูลเกี่ยวกับจดหมายข่าวเฉพาะสำหรับ Web3 กำลังตามหาเรา และเรากำลังมองหาบุคคลนั้น (ฉันต่อต้านการกระตุ้นให้เสียบโปรแกรมการอ้างอิงของเราที่นี่)

Google สร้างการผูกขาดเนื่องจากการประหยัดจากขนาดที่ Google ทำหน้าที่อยู่ รายการผู้ใช้และจำนวนข้อความค้นหาที่ผู้ใช้ทำในแต่ละวันยังคงไม่มีใครเทียบได้ Google สร้างจุดยืนนั้นด้วยการเปิดตัวเครื่องมือค้นหาที่ไม่มีโฆษณาในช่วงเวลาที่โฆษณาเป็นเรื่องปกติ จากนั้นจึงซื้อ YouTube และ Android และสุดท้ายผ่านการจ่ายเงินให้บริษัทอื่นๆ เช่น Apple เพื่อทำให้ Google เป็นเครื่องมือค้นหาเริ่มต้น สำหรับ Apple เพียงอย่างเดียว Google จ่ายเงิน 2 หมื่นล้านดอลลาร์ต่อปี เพื่อยังคงเป็นเครื่องมือค้นหาเริ่มต้นบน Safari

Google จ่ายเบี้ยประกันภัยนั้นเพราะโดยแก่นแท้แล้ว ข้อเสนอคือเครื่องมือที่เข้าคู่กัน เอ็นจิ้นการจับคู่ทำให้ผู้ใช้มีความต้องการในการติดต่อกับธุรกิจที่มีข้อเสนอ การผูกขาดของเว็บส่วนใหญ่อยู่ที่กลไกหลักที่ตรงกัน Amazon จับคู่ผู้ขายผลิตภัณฑ์กับผู้ซื้อ Instagram จับคู่ผู้ชมกับครีเอเตอร์ เอ็นจิ้นการจับคู่เหล่านี้ทำงานเนื่องจากการโต้ตอบกับผลิตภัณฑ์เหล่านี้ทิ้งร่องรอยไว้มากมายซึ่งสามารถขับเคลื่อนบริบทได้

Ben Evans เขียนไว้อย่างโด่งดังในปี 2022 ว่าไม่มี สิ่งใดเป็นข้อมูล การทราบเนื้อหา อาหาร หรือการตั้งค่าการเดินทางของฉันไม่คุ้มกับบุคคลที่สามมากนัก มันจะมีคุณค่า - สำหรับการค้าหรือการวิจัย - เฉพาะเมื่อมีการรวบรวมหรือเสริมด้วยบริบทเท่านั้น

บริบทในแง่ที่ว่าความชอบของฉันในการกินข้าวหมกบริยานีในคืนวันศุกร์สามารถใช้เพื่อโฆษณาข้าวหมกบริยานีแบบเดลิเวอรี่ให้ฉันได้อย่างแม่นยำ เมื่อความน่าจะเป็นที่จะซื้อข้าวหมกบริยานีนั้นสูงที่สุด โดยรวมแล้ว การเปรียบเทียบความน่าจะเป็นในการซื้อของฉันกับคู่แข่งในภูมิภาคเดียวกันจะช่วยให้กำหนดเป้าหมายผู้ใช้ได้ดีขึ้น

ข้อมูลจำเป็นต้องมีขนาด (จำนวนมาก) หรือบริบทเพื่อให้มีคุณค่า ในกรณีที่ผลิตภัณฑ์ Web3 และ Web2 มีความแตกต่างในอดีตอยู่ที่เส้นทางที่พวกเขาทิ้งไว้ มีเพียง Amazon เท่านั้นที่รู้ว่าจะขายคอนโทรลเลอร์ Xbox ได้กี่เครื่องในสัปดาห์ที่กำหนด แต่คุณสามารถดูรูปแบบที่เทรดเดอร์ซื้อหรือขาย NFT บน OpenSea ได้ทุกวัน เหตุผลก็คือแต่ละธุรกรรมเหล่านั้นออกจากเส้นทางสาธารณะ

ผลิตภัณฑ์ข้อมูลใน Web3 ใช้เส้นทางเหล่านั้นเพื่อสร้างบริบท

บล็อกเชน เช่น Ethereum และ Bitcoin จะสร้างบล็อกทุกๆ 12 วินาที และ ~10 นาที ตามลำดับ ทุกบล็อกประกอบด้วยธุรกรรมที่เปลี่ยนสถานะของบล็อกเชน บล็อกนักสำรวจเช่น Etherscan เก็บข้อมูลที่เกี่ยวข้องกับธุรกรรมทั้งหมด ตัวอย่างเช่น หากคุณไปที่ Etherscan และเห็นบล็อก รูปภาพด้านล่างคือสิ่งที่คุณอาจเห็น

ธุรกรรมบนบล็อกเชนมีบริบทมากมาย ผลิตภัณฑ์เช่น Arkham และ Nansen เป็นเครื่องมือการตีความสำหรับนักวิจัยเพื่อทำความเข้าใจว่าเกิดอะไรขึ้นเมื่อมีธุรกรรมเกิดขึ้น

คุณสามารถดูบล็อกทั้งหมดตั้งแต่เริ่ม Ethereum แต่คุณสามารถทำอะไรกับข้อมูลนี้ได้บ้าง? แทบไม่มีอะไรเลย ดังนั้น คุณต้องมีวิธีในการรวบรวมข้อมูลนี้ในหลายตาราง ตัวอย่างเช่น เมื่อใดก็ตามที่สัญญา NFT ของตลาดกลางถูกเรียกในบล็อก ข้อมูลที่เกี่ยวข้องกับธุรกรรมนั้นควรถูกผนวกเข้ากับตารางที่เกี่ยวข้องกับ NFT หรือเมื่อมีการเรียกสัญญา Uniswap ข้อมูลที่เกี่ยวข้องควรถูกเก็บไว้ในตารางที่เกี่ยวข้องกับ DEX . (Dune ทำสิ่งนี้เป็นบริการ)

คุณไม่สามารถวิเคราะห์ข้อมูลดิบได้โดยไม่ทำให้เกิดต้นทุนโครงสร้างพื้นฐานที่สำคัญ ดังนั้นแม้ว่าข้อมูลจะสามารถใช้ได้อย่างอิสระ แต่คุณก็ประสบปัญหาเดียวกัน คุณพึ่งพาข้อมูลภายนอกในฐานะนักลงทุนหรือผู้สร้าง dApp แต่ฟังก์ชันหลักของคุณไม่เกี่ยวข้องกับการรวบรวมและการจัดการข้อมูล การใช้ทรัพยากรไปกับกิจกรรมที่จำเป็นแต่ไม่ใช่กิจกรรมหลักไม่ใช่เรื่องหรูหราที่ทุกองค์กรสามารถทำได้

บริบทขับเคลื่อนคุณค่า

สำหรับผลิตภัณฑ์ข้อมูล บริบทรอบข้อมูลทำให้ผลิตภัณฑ์มีเอกลักษณ์เฉพาะตัว Bloomberg ใช้ความเข้าใจทางการเงินและแปลงข้อมูลให้อยู่ในรูปแบบที่นักประดิษฐ์และผู้ค้าสามารถนำไปใช้ได้อย่างง่ายดาย เว็บไซต์เช่น Sameweb หรือสิ่งพิมพ์วิจัยเช่น Newzoo ใช้ความสามารถหลักของตนเพื่อนำบริบททางสังคมหรือเกมมาใช้กับข้อมูลที่พวกเขาติดตาม

ผลิตภัณฑ์ข้อมูลดั้งเดิมของ Blockchain สร้างความแตกต่างด้วยการให้บริบทผู้ใช้ผ่านการสืบค้นที่ตอบคำถามที่เกี่ยวข้องกับชุดย่อยของผู้ใช้เฉพาะ ตัวอย่างเช่น TokenTerminal คำนวณพื้นฐานทางเศรษฐกิจของโปรโตคอล Nansen ช่วยให้ผู้เข้าร่วมตลาดติดป้ายกำกับและเข้าใจความเคลื่อนไหวของสินทรัพย์ Parsec ค้นหาข้อมูลออนไลน์เพื่อช่วยให้ผู้ค้าวิเคราะห์สถานะ DeFi ได้ดีขึ้น

ผลิตภัณฑ์ทั้งหมดเหล่านี้หมดประโยชน์สาธารณะ: ข้อมูลออนไลน์ ความแตกต่างอยู่ที่วิธีที่ผลิตภัณฑ์เหล่านี้นำเสนอข้อมูล ซึ่งทำให้ผลิตภัณฑ์เหล่านี้ดึงดูดผู้ชมที่แตกต่างกัน

การแบ่งหมวดหมู่ผลิตภัณฑ์ในอุตสาหกรรมของเรานั้นขึ้นอยู่กับว่าข้อมูลใดอยู่ในเครือข่ายและข้อมูลใดที่ได้มาจากแหล่งที่มานอกเครือข่าย (บางคนมักใช้ทั้งสองอย่าง) ผู้ให้บริการข้อมูลใช้ตัวกรองบริบทเพื่อสร้างผลิตภัณฑ์ เช่นเดียวกับที่ข้อมูล Web2 มีช่องเฉพาะ บริษัทข้อมูล Web3 ได้สร้างหรือค่อยๆ สร้างคูน้ำโดยใช้ความสามารถหลักของตน

ด้วยเหตุนี้ ภูมิหลังของผู้ก่อตั้งจึงมักเป็นตัวกำหนดลักษณะของผลิตภัณฑ์ที่วางจำหน่าย เมื่อทีมงานหลักใช้เวลาสำคัญในตลาดทุนก่อนการเข้ารหัสลับ ผลิตภัณฑ์ของพวกเขามีแนวโน้มที่จะเลียนแบบ Bloomberg ในขณะที่ผลิตภัณฑ์พื้นเมืองของการเข้ารหัสลับมีลักษณะคล้ายกับ Nansen ผลิตภัณฑ์ที่แตกต่างกันตอบสนองความต้องการที่แตกต่างกัน แม้ว่าจะทำการสืบค้นข้อมูลเดียวกันก็ตาม

ตัวอย่างเช่น โดยทั่วไปการแลกเปลี่ยนจะละทิ้งข้อมูลหลังจากช่วงเวลาที่กำหนดไว้ พวกเขาไม่ได้อยู่ในธุรกิจข้อมูล และการจัดเก็บข้อมูลเก่าจำเป็นต้องมีเซิร์ฟเวอร์และการจัดการเพิ่มเติม ผู้ให้บริการข้อมูลบางราย เช่น Kaiko และ Amberdata จะรักษาข้อมูลประวัติการสั่งซื้อจากการแลกเปลี่ยน ข้อมูลดังกล่าวช่วยให้เทรดเดอร์และนักลงทุนสามารถสร้างแบบจำลองเพื่อทดสอบสมมติฐานของตนได้ แต่ถ้าคุณต้องการทำความเข้าใจว่าสัญญา DeFi ใดที่กำลังไหลเข้ามาของ ETH หรือเหรียญ stablecoin หรือวิเคราะห์พฤติกรรมออนไลน์ของที่อยู่หรือหน่วยงานเฉพาะ คุณจะต้องมีผลิตภัณฑ์จาก Nansen หรือ Arkham

แผนที่ตลาดไม่ได้เป็นตัวแทนของผู้เล่นทุกคนในทุกหมวดหมู่

วิธีหนึ่งที่จะทำความเข้าใจว่าผลิตภัณฑ์มีการวางตำแหน่งในตลาดอย่างไรคือผ่านเลนส์ของผู้บริโภคในสกุลเงินดิจิทัล บุคคลเหล่านี้สามารถจำแนกได้เป็นสี่ประเภทหลักดังต่อไปนี้

สถาบันการเงิน

ดอลลาร์ส่วนใหญ่ที่ไหลผ่านผลิตภัณฑ์ข้อมูลเข้ารหัสนั้นมาจากสถาบันการเงินในช่วงตลาดหมี ลูกค้าเหล่านี้เป็นลูกค้ารายใหญ่ซึ่งมีวงจรการขายที่ยาวนานขึ้นและความต้องการข้อมูลที่ซับซ้อนมากขึ้น วิธีหนึ่งที่จะทราบว่าผลิตภัณฑ์มุ่งเน้นไปที่สถาบันการเงินหรือไม่คือลูกค้าต้องได้รับการติดต่อฝ่ายขายเพื่อพิจารณาว่ามีราคาเท่าใด ในโลกของ Web2 คุณไม่สามารถค้นหาได้ว่า PitchBook หรือ CB Insights มีราคาเท่าใด ในสกุลเงินดิจิทัล คุณไม่รู้ว่าผลิตภัณฑ์อย่าง Chainalysis จะมีราคาเท่าใด

นอกเหนือจากเรื่องตลกแล้ว เหตุผลส่วนหนึ่งสำหรับกระบวนการขายดังกล่าวก็คือบริการแบบลงมือปฏิบัติจริงที่นำเสนอโดยผลิตภัณฑ์ข้อมูลที่มุ่งเน้นไปที่กลุ่มผู้บริโภคกลุ่มนี้ ผู้ใช้เหล่านี้มักจะเลือกใช้ข้อมูลที่ละเอียดและบ่อยครั้ง พวกเขาต้องการข้อมูลไม่เพียงแต่สำหรับการตัดสินใจก่อนการซื้อขายเท่านั้น แต่ยังรวมถึงการใช้งานหลังการซื้อขายเพื่อให้เป็นไปตามข้อกำหนดด้านการปฏิบัติตามกฎระเบียบและภาษีอีกด้วย

ตัวอย่างเช่น พวกเขาต้องการผลิตภัณฑ์ที่บอกมูลค่าพอร์ตโฟลิโอของพวกเขาในอดีต ช่วยพวกเขาในการคำนวณภาษี และอื่นๆ บริษัทอย่าง Amberdata, Kaiko, CoinMetrics, CryptoCompare และ Nansen บางส่วนก็ให้บริการลูกค้าเหล่านี้

จากประสบการณ์ของผม มีเพียงผู้ก่อตั้งที่มีพื้นฐานการทำงานในสถาบันหรือทีมที่มีเงินทุนจำนวนมากเท่านั้นที่สามารถเจาะตลาดสถาบันสำหรับข้อมูลได้ อุปสรรคในการเข้าสู่ตลาดค่อนข้างสูง เช่นเดียวกับผลิตภัณฑ์ระดับองค์กรใดๆ

เดเวลอปเปอร์

เรามักจะเจอคุณสมบัติการเขียนของ Web3 ซึ่งหมายความว่าแอปพลิเคชัน Web3 สามารถพึ่งพาซึ่งกันและกันได้ พวกเขาต้องการข้อมูลจากกันและกัน ดังนั้นพวกเขาจึงต้องอ่านข้อมูลจากกันและกันอยู่ตลอดเวลา ตัวอย่างเช่น แพลตฟอร์มอย่าง Yearn Finance จำเป็นต้องอ่านข้อมูลจาก Aave และ Compound และผู้รวบรวม NFT เช่น Tensor จำเป็นต้องอ่านข้อมูลจาก Magic Eden และตลาดอื่นๆ

แต่ข้อมูลนี้จะถูกจัดเก็บข้ามบล็อกบนเครือข่ายเช่น Ethereum และ Solana Ethereum สร้างบล็อกใน 12 วินาที และ Solana สร้างบล็อกใน 400 มิลลิวินาที การจัดเรียงข้อมูลบล็อกเชนลงในตารางและจัดเก็บไว้เพื่อการเข้าถึงที่รวดเร็วถือเป็นงานที่ไม่สำคัญ นี่คือจุดที่ตัวสร้างดัชนีเช่น Covalent, Graph, Chainlink และ Powerloom เข้ามาในภาพ พวกเขาตรวจสอบให้แน่ใจว่าข้อมูลบล็อกเชนดิบถูกจัดเก็บในรูปแบบที่ต้องการ เพื่อให้นักพัฒนาสามารถดึงข้อมูลได้ผ่านการเรียก API แบบง่ายๆ

ส่วนที่เกิดขึ้นใหม่ในตัวตนของผู้บริโภคนี้เกี่ยวข้องกับเครื่องมือที่ใช้ในการทำความเข้าใจพฤติกรรมของผู้ใช้ ตัวอย่างเช่น ARCx ช่วยให้นักพัฒนาสามารถแมปข้อมูลนอกเครือข่าย (เช่น พฤติกรรมของเบราว์เซอร์) ด้วยข้อมูลบนเครือข่าย (เช่น ที่อยู่กระเป๋าเงิน) เพื่อบันทึกข้อมูลประชากรของผู้ใช้ที่โต้ตอบกับ dApp พวกเขาอยู่ในกลุ่มที่ค่อนข้างเล็กแต่มีความเกี่ยวข้อง เนื่องจากช่วยให้นักพัฒนาระบุได้ว่าผู้ใช้ของพวกเขาคือใคร

นักวิจัยและสิ่งพิมพ์

ผลิตภัณฑ์ข้อมูลใน crypto มักจะพบการจำหน่ายโดยร่วมมือกับนักวิจัยและสิ่งพิมพ์ ตัวอย่างเช่น CCData มักถูกอ้างถึงใน Bloomberg นักวิจัยได้รับแรงจูงใจให้พึ่งพาผลิตภัณฑ์ข้อมูลเนื่องจากช่วยประหยัดเวลาและความพยายามในการรวบรวม ทำความสะอาด หรือดูแลจัดการข้อมูล ผลิตภัณฑ์อย่าง Dune ได้สร้างคูเมืองโดยการสร้างชุมชนนักวิเคราะห์ที่แข่งขันกันเองเพื่อจัดอันดับให้สูงขึ้นในรายการของพวกเขา

สิ่งพิมพ์เช่น The Block และ Delphi จัดแสดงแดชบอร์ดที่สร้างขึ้นโดยใช้ข้อมูลจากผู้ให้บริการบุคคลที่สาม ที่ Decentralised.co เราพึ่งพาผู้ให้บริการข้อมูลภายนอกทั้งหมด เนื่องจากช่วยให้ทีมมีประสิทธิภาพน้อยลงในขณะที่ใช้ทรัพยากรภายนอกในการรวบรวมข้อมูล

ความท้าทายในการให้บริการแก่กลุ่มผู้บริโภคนี้คือนักวิจัยรายย่อยอาจไม่มีงบประมาณที่จำเป็นในการปรับใช้ทรัพยากรจำนวนมหาศาลเพื่อแสดงข้อมูลเชิงลึกเฉพาะกลุ่มที่อาจเกี่ยวข้องกับบุคคลเพียงคนเดียวเท่านั้น ในทางกลับกัน บริษัทต่างๆ จะได้รับแรงจูงใจที่ดีในการใช้ความพยายามและทรัพยากรในการร่วมมือกับสื่อสิ่งพิมพ์สำคัญๆ เช่น Financial Times เพื่อช่วยในการเผยแพร่

นักลงทุนรายย่อย

ผลิตภัณฑ์ที่มุ่งเน้นไปที่นักลงทุนรายย่อยมักจะมีรายละเอียดและความถี่ของข้อมูลต่ำกว่า แต่พวกเขาเป็นช่องทางที่ทำกำไรได้สูงเมื่อพิจารณาถึงการประหยัดต่อขนาด ผู้ใช้หนึ่งหมื่นรายที่จ่ายเงิน 100 ดอลลาร์ต่อคนถือเป็นธุรกิจ ARR มูลค่า 1 ล้านดอลลาร์ในโลกที่ไม่มีการเลิกใช้งาน พูดง่ายกว่าทำ แต่เศรษฐศาสตร์เหล่านั้นอธิบายว่าทำไมเราจึงมีผลิตภัณฑ์ข้อมูลเข้ารหัสลับที่เน้นการค้าปลีกจำนวนมาก

ผลิตภัณฑ์ที่มุ่งเน้นการค้าปลีกจำนวนมากนั้นฟรีหรือมีโฆษณาสนับสนุน ตัวอย่างเช่น แหล่งข้อมูลฟรีอย่าง DefiLlama จะไม่บอกคุณว่าคุณสามารถกำหนดเส้นทางคำสั่งซื้อของคุณผ่านการแลกเปลี่ยนต่างๆ (CEX และ DEX) ได้อย่างไรเพื่อหลีกเลี่ยงการเลื่อนหลุด เนื่องจากไม่ได้ใช้ภาพรวมของคำสั่งซื้อขาย แต่จะนำเสนอข้อมูลเกี่ยวกับการปลดล็อคโทเค็นหรือการปลดล็อคผลตอบแทน

การเปลี่ยนแปลงอย่างหนึ่งในกลุ่มผู้บริโภคนี้คือวิธีที่สื่อในการจัดส่งเปิดหมวดหมู่ตลาดใหม่ ตัวอย่างเช่น Cielo ส่งข้อมูลเป็นการแจ้งเตือนผ่าน Telegram ได้ขยายขนาดเป็นผู้ใช้มากกว่า 40,000 รายโดยการถ่ายทอดข้อมูลในรูปแบบที่ง่ายต่อการบริโภคสำหรับกลุ่มผู้บริโภคที่ไม่ต้องการจัดการกับอินเทอร์เฟซบนเดสก์ท็อป เมื่อทำอย่างถูกต้อง แม้กระทั่งสื่อในการกระจายสินค้าก็สามารถสร้างความแตกต่างให้กับการลงทุนในระยะเริ่มต้นได้ แม้แต่ในข้อมูล

แม้ว่าการจำแนกประเภทจะเบลอ ณ จุดต่างๆ แต่บริษัทข้อมูลสามารถแบ่งออกเป็นการวางแนว B2B หรือ B2C

บริษัทอย่าง Amberdata และ Kaiko มีผลิตภัณฑ์ที่ตอบสนองนักแสดงที่มีความซับซ้อน ผลิตภัณฑ์เหล่านี้มีรายละเอียดมากขึ้น (รายละเอียดซึ่งมีข้อมูล) และบ่อยครั้ง (เช่น ข้อมูลคำสั่งซื้อแบบติ๊กต่อติ๊กและแบบเรียลไทม์) และตอบสนองความต้องการต่างๆ เช่น โมเดลการสร้างและการทดสอบ การวิเคราะห์ก่อนการซื้อขาย การรายงานหลังการซื้อขาย การเก็บภาษี และการปฏิบัติตามข้อกำหนด ข้อมูลมีให้ในรูปแบบที่ช่วยให้ลูกค้าดำเนินการวิเคราะห์ที่เป็นกรรมสิทธิ์และสร้างการแสดงภาพตามรสนิยมของตนเองได้ โดยทั่วไปบริษัทเหล่านี้นำเสนอผลิตภัณฑ์ของตนหลังเพย์วอลล์

โดยทั่วไปต้นทุนจะเป็นหน้าที่ของรายละเอียดเนื่องจากข้อกำหนดด้านโครงสร้างพื้นฐาน ลักษณะของลูกค้าที่เกี่ยวข้อง และความยาวของวงจรการขาย

รูปภาพด้านบนจับคู่ผลิตภัณฑ์ต่างๆ ในสองแกน ได้แก่ ความลึกและรายละเอียดเทียบกับราคาของผลิตภัณฑ์ โปรดทราบว่าแปลงเหล่านี้ไม่แน่นอน อาจมีการวางผิดจุดบ้าง แนวคิดคือการพัฒนาแบบจำลองทางจิตเพื่อพิจารณาผลิตภัณฑ์ต่างๆ และจุดยืนในตลาด

ผลิตภัณฑ์ที่เน้นการค้าปลีกเช่น Dune หรือ CoinGecko จะแสดงข้อมูลเกือบทั้งหมดได้ฟรี ลูกค้าต้องจ่ายเงินเพื่อเข้าถึงข้อมูลบางอย่างหรือหากต้องการข้อมูลผ่าน API เพื่อดำเนินการวิเคราะห์ ตัวอย่างเช่น คุณสามารถดูแผนภูมิทั้งหมดที่สร้างโดยตัวช่วยสร้าง Dune หลายๆ ตัวได้ แต่จะจำกัดจำนวนแถวที่คุณสามารถดาวน์โหลดในรูปแบบ CSV คุณสามารถดาวน์โหลดไฟล์ CSV ที่ใหญ่กว่าและดูคำค้นหาส่วนตัวได้เมื่อคุณจ่ายเพิ่ม

บริษัทที่เน้นการค้าปลีกมีแนวโน้มที่จะมีรายได้ต่อลูกค้าต่ำและมีลูกค้าที่จ่ายเงินเพียงไม่กี่รายเมื่อคิดเป็นเปอร์เซ็นต์ของผู้ใช้ฟรี เปรียบเทียบกับอัตราการแปลงสำหรับโมเดล freemium ของบริษัทอินเทอร์เน็ต โดยทั่วไป อัตราการแปลงคือ 2%–5% อัตราการแปลง 10% จะเป็นค่าผิดปกติ Playbook ของพวกเขาคือการมีลูกค้าฟรีให้ได้มากที่สุดเท่าที่จะเป็นไปได้ เพื่อให้อัตรา Conversion 4% มีส่วนช่วยสร้างรายได้อย่างมาก นี่คือสิ่งที่เราเรียกว่าด้านบนของช่องทาง

ดังนั้นบริษัทข้อมูลจึงจำเป็นต้องมีช่องทางด้านบนที่ใหญ่พอที่จะสร้างรายได้เพียงพอเพื่อรักษาตัวเองไว้ด้วยอัตราคอนเวอร์ชั่นที่ต่ำลง บริษัทต่างๆ ยังสามารถพิจารณาสร้างรายได้จากโฆษณาเมื่อไซต์มีผู้เข้าชมจำนวนมาก CoinGecko ใช้รายได้จากโฆษณาเป็นช่องทางในการให้ข้อมูลส่วนใหญ่ฟรี

ในช่วงหลายปีที่ผ่านมา บริษัทต่างๆ ได้เข้ามาเติมเต็มจุดทั้งสองของสเปกตรัม (B2B และ B2C) ทำให้เกิดช่องว่างระหว่างนั้น หากใครต้องการดูว่าคำสั่งซื้อมีการเปลี่ยนแปลงอย่างไรใน Exchange แบบรวมศูนย์ หรืออัตราส่วนการโทร, IV และ Skews เปลี่ยนแปลงไปอย่างไร มีผลิตภัณฑ์ไม่มากนักที่ช่วยเรื่องการแสดงภาพได้ มีพื้นที่สำหรับผลิตภัณฑ์ที่ละเอียดกว่า CoinGeckos ของโลก แต่มีความละเอียดน้อยกว่าผลิตภัณฑ์ของผู้เล่น B2B ล้วนๆ

บนคูเมือง

การค้นหาคูเมืองในธุรกิจที่ไม่มีวัตถุดิบไม่ใช่เรื่องง่าย ข้อมูล Blockchain สามารถใช้ได้อย่างอิสระ ไม่มีกรรมสิทธิ์ใดๆ ในข้อมูลที่คุณสามารถรวบรวมได้ ดังนั้น อุปสรรคในธุรกิจข้อมูลไม่ได้ขึ้นอยู่กับว่าคุณมีข้อมูลบางอย่างที่คนอื่นไม่มีเท่านั้น แต่จะขึ้นอยู่กับความสามารถของทีมในการจัดหาข้อมูลในรูปแบบที่ชาญฉลาดและบริโภคได้ ตรงเวลา และไม่มีข้อผิดพลาด

บริษัทหลายแห่งอ้างว่ามีข้อมูลเดียวกัน แต่คุณภาพของข้อมูลและการนำเสนอแตกต่างกัน ตัวอย่างเช่น หลายบริษัทอ้างว่ามีข้อมูลการจองคำสั่งซื้อนอกเครือข่าย อย่างไรก็ตาม ปัจจัยต่างๆ เช่น จำนวนคำสั่ง Bid/Ask ความยาวอนุกรมเวลา และจำนวนการแลกเปลี่ยนและคู่ที่มีอยู่จะแตกต่างกันไปในแต่ละผู้ให้บริการ Amberdata และ Kaiko มีข้อมูลคำสั่งซื้อขายที่ครอบคลุมมากที่สุดสำหรับตลาด crypto

เหตุใดผู้ให้บริการเพียงไม่กี่รายจึงสามารถให้ข้อมูลประเภทนี้ได้ คำอธิบายว่าคูน้ำปรากฏที่ใดในข้อมูล Web3 อยู่ที่นี่

ผู้มีความสามารถพิเศษ – ความเสี่ยงในการระบุอย่างชัดเจนว่าเมื่อวัตถุดิบเป็นอิสระ วิธีที่คุณปั้นวัตถุดิบจะกำหนดมูลค่าของผลิตภัณฑ์ การเปลี่ยนข้อมูลดิบให้เป็นข้อมูลที่เป็นประโยชน์ต้องอาศัยความเชี่ยวชาญในด้านต่างๆ ภายในสกุลเงินดิจิทัลและตลาดการเงินแบบดั้งเดิม ทีมอย่าง Velo Data ซึ่งมีประสบการณ์ในตลาดแบบดั้งเดิม มีความได้เปรียบเหนือทีมอื่นๆ ที่พยายามสร้างผลิตภัณฑ์ B2C ที่คล้ายกัน การค้นหานักพัฒนาที่มีความสามารถที่เข้าใจโครงสร้างข้อมูลบล็อกเชนและมีประสบการณ์ที่เกี่ยวข้องในตลาดการเงินนั้นหาได้ยาก

โครงสร้างพื้นฐาน – การรวบรวมและส่งมอบข้อมูลจำนวนมากต้องใช้โครงสร้างพื้นฐานที่ไม่ได้มาง่ายๆ การดำเนินการประเภทนี้ต้องใช้เงินทุนและความสามารถ เหตุใดโครงสร้างพื้นฐานจึงเป็นคูน้ำ? คิดถึง ข้อมูลพูลหน่วยความจำ บล็อกประกอบด้วยข้อมูลสำหรับธุรกรรมที่ได้รับการยืนยัน แล้วธุรกรรมที่ไม่ได้รับการยืนยันล่ะ?

โหนดเครือข่ายที่แตกต่างกัน (เช่น โหนดที่เชื่อมต่อกับกลุ่มเดียวกัน) จะเห็นธุรกรรมที่ไม่ได้รับการยืนยันที่แตกต่างกัน การรันเพียงโหนดเดียวจะไม่ให้มุมมองทั่วโลกของธุรกรรมที่แข่งขันกัน การบำรุงรักษาหลายโหนดบนบล็อกเชนหลายอันจะเพิ่มต้นทุนโครงสร้างพื้นฐาน เช่นเดียวกับ AI (และเครือข่ายเนื้อหาในอดีต) ความสามารถในการรักษาต้นทุนฮาร์ดแวร์ให้ต่ำในขณะที่การปรับขนาดจะกำหนดผู้ชนะและผู้แพ้ในภาคส่วนนี้เมื่อเวลาผ่านไป

ผลกระทบต่อเครือข่าย – เราสามารถตั้งสมมติฐานได้ว่าผลกระทบต่อเครือข่ายมีอยู่ในผลิตภัณฑ์ข้อมูล crypto จำนวนมาก ดู Chainlink เป็นตัวอย่าง เป็นหนึ่งในออราเคิลแรกๆ ที่อนุญาตให้แอปพลิเคชันอ่านข้อมูลจากแอปพลิเคชันหรือเครือข่ายอื่น สามารถรวบรวมการสนับสนุนจากชุมชนและมีชุมชนที่เข้มแข็งที่สุดแห่งหนึ่ง อีกตัวอย่างหนึ่งคือนันเซ็น การกล่าวอ้างชื่อเสียงคือป้ายกำกับที่อยู่ที่อนุญาตให้ระบุความเคลื่อนไหวของสินทรัพย์ว่าเป็นของจริง แทนที่จะเป็นที่อยู่แบบเลขฐานสิบหก

ต่อมาได้เปิดตัวฟีเจอร์ต่างๆ เช่น NFT Paradise และ Token God Mode ช่วยให้ผู้ใช้สามารถติดตาม NFT และโทเค็นได้อย่างมีประสิทธิภาพมากขึ้น Arkham เปิดตัวผลิตภัณฑ์ที่คล้ายกับฉลากของ Nansen แต่การลงทุนในแดชบอร์ดและการวิจัยทำให้ Nansen สามารถจัดการลูกค้าระดับองค์กรและนำเสนอผลิตภัณฑ์ที่ปรับให้เหมาะกับพวกเขาได้ เป็นที่น่าสังเกตว่าเอฟเฟกต์เครือข่ายเป็นไปไม่ได้หากไม่มีสองประเด็นแรก (ความสามารถและโครงสร้างพื้นฐาน)

ที่เดียวที่ใช้งานได้คือมีตัวสร้างดัชนี ยิ่งจำนวนเชนที่ผลิตภัณฑ์รองรับมากเท่าไร ความน่าจะเป็นที่นักพัฒนาจะใช้ผลิตภัณฑ์แทนการพึ่งพาหลายแหล่งก็จะยิ่งสูงขึ้นเท่านั้น ทีมอย่าง Covalent มีความได้เปรียบที่นี่ เนื่องจากพวกเขาได้ปรับความกว้างของ chain ที่รองรับมาระยะหนึ่งแล้ว แต่อย่าลืมว่าความลึกมีความสำคัญพอๆ กับความกว้าง

ยังเร็วเกินไปที่จะบอกว่าผลิตภัณฑ์ใด ๆ มีคูเมืองที่มีความหมายในสกุลเงินดิจิทัลหรือไม่ เราได้เห็นข้อได้เปรียบของผู้เสนอญัตติตั้งแต่เนิ่นๆ ในโครงการใหญ่ๆ ของสิ่งต่างๆ เนื่องจากหมวดหมู่ต่างๆ เช่น โซเชียล Web3 และการทับซ้อนกันระหว่าง AI และ crypto ยังคงปรับขนาด ผลิตภัณฑ์ข้อมูลในอุตสาหกรรมอาจเติบโตเป็นตัวอักษรตัวต่อไป แต่นั่นจะเป็นเรื่องราวที่ยาวนานหลายทศวรรษ เรายังอยู่ในช่วงปีแรก ๆ

เกินกว่าการเก็งกำไร

กรณีการใช้งานหลายกรณีที่เรากล่าวถึงในบทความนี้จะเน้นไปที่การเก็งกำไรทางการเงินในรูปแบบใดรูปแบบหนึ่ง แม้แต่นักพัฒนาที่ใช้ API เพื่อสืบค้นข้อมูลก็ยังสร้างผลิตภัณฑ์ทางการเงิน อาจดูแปลก แต่บล็อกเชน (ในฐานะเครือข่ายใหม่) เป็นไปตามแนวโน้มเดียวกันกับที่ Telegraph และอินเทอร์เน็ตทำ

การมาถึงของสื่อใหม่และการเกิดขึ้นของเครือข่ายใหม่ช่วยเร่งกรณีการใช้งานทางการเงิน เมื่อใช้อินเทอร์เน็ต ผู้คนต้องใช้เวลาจนถึงต้นทศวรรษ 2000 กว่าที่ผู้ใช้จะรู้ว่าสามารถกำหนดเป้าหมายผู้ใช้ตามสถานที่ตั้งของตนได้ ด้วยบล็อกเชน เรายังคงหาวิธีสร้างโมเดลธุรกิจจากเส้นทางข้อมูลที่เปิดเผยต่อสาธารณะ

เราได้เห็นการเปลี่ยนแปลงที่สำคัญอย่างหนึ่งในการใช้งานแพลตฟอร์มเหล่านี้ในแต่ละวัน – Dune Analytics ได้ฝัง AI ไว้ในผลิตภัณฑ์ของพวกเขา Dune จัดเตรียมอินเทอร์เฟซที่ใช้ SQL สำหรับผู้ใช้ในการสืบค้นข้อมูลจากบล็อกเชน เช่น Ethereum และ Solana ตลาดของผลิตภัณฑ์ดังกล่าวมักจะจำกัดเฉพาะผู้ใช้ที่เข้าใจวิธีเขียนคำสั่ง SQL เท่านั้น พวกเขาเพิ่งเริ่มใช้ AI เพื่อช่วยนักวิเคราะห์สร้างแบบสอบถามโดยไม่ต้องเป็นผู้เชี่ยวชาญด้าน SQL มันไม่ได้ใช้งานได้อย่างที่ใครๆ ก็หวังให้เป็น แต่มันก็ยังคงเป็นก้าวไปสู่อนาคต อาจใช้เวลาไม่นานก่อนที่เราจะขอให้ AI (เช่น ChatGPT) ค้นหาข้อมูลจากบล็อกเชนและนำเสนอการวิเคราะห์

วิธีหนึ่งในการคิดถึง "ข้อมูล" ในบริบทของ Web3 คือผ่านเลนส์ของ Google Maps GPS มีมาตั้งแต่ปี 1980 เป็นอย่างน้อย Google ทุ่มเททำงานที่จำเป็นในการทำแผนที่โลก ในการทำให้การซ้อนทับสำหรับแผนที่พร้อมใช้งานสำหรับแอปของบุคคลที่สาม (โดยใช้ API) บริษัทได้เปิดใช้งานแอปพลิเคชันเจเนอเรชั่นใหม่ที่จะถูกสร้างขึ้น ทุกอย่างตั้งแต่การจัดส่งไปจนถึงการเรียกรถได้รับความนิยมอย่างรวดเร็วเนื่องจากผู้เล่นรายเดียวที่เชี่ยวชาญด้านข้อมูลรับภาระดังกล่าวจากนักพัฒนา

ผลิตภัณฑ์ข้อมูลใน Web3 มีบทบาทคล้ายกัน เรายังไม่ทราบลักษณะที่แน่นอนของแอปพลิเคชันที่สามารถสร้างขึ้นบนทรัพยากรที่เปิดเผยต่อสาธารณะได้ แต่ก็เห็นได้ชัดว่ามีโอกาสในขนาดตัวอักษรภายในภูมิทัศน์ข้อมูล

ข้อสงวนสิทธิ์：

1. บทความนี้พิมพ์ซ้ำจาก [GCR] ลิขสิทธิ์ทั้งหมดเป็นของผู้แต่งต้นฉบับ [Saurabh Deshpande、 Siddharth、 Joel] หากมีการคัดค้านการพิมพ์ซ้ำนี้ โปรดติดต่อทีมงาน Gate Learn แล้วพวกเขาจะจัดการโดยเร็วที่สุด
2. การปฏิเสธความรับผิด: มุมมองและความคิดเห็นที่แสดงในบทความนี้เป็นเพียงของผู้เขียนเท่านั้น และไม่ถือเป็นคำแนะนำในการลงทุนใดๆ
3. การแปลบทความเป็นภาษาอื่นดำเนินการโดยทีมงาน Gate Learn เว้นแต่จะกล่าวถึง ห้ามคัดลอก แจกจ่าย หรือลอกเลียนแบบบทความที่แปลแล้ว