如何用抽象的思维来对链上数据进行业务解读
如果一个行业的数据市场最终会占到这个行业总规模的 8%，那么当前 1 trillion 市值的加密行业大约可以容纳 80 billion。作者：0x解码
TL;DR
行业发展 14 年,从最初的炒作逐渐转为实际应用。区块链数据分析可以从链上宏观、项目协议、地址三个层面进行。链上宏观可以比较不同链的指标。项目协议需要深入理解业务逻辑。地址分析可以进行多维度的标签标注。未来值得关注的几个方向是比特币 Layer 2扩容方案、以太坊质押数据和账户抽象多签地址。总体来说，区块链数据市场发展空间巨大。
简介
如果把 Bitcoin 的正式部署作为行业诞生的元年，随着区块链行业长达 14 年的发展历程，从最初单纯的炒作和投机买卖，逐渐演变为具有实际应用场景的技术理念，特别是 Decentralized finance (DeFi) 理念被用户所认可和接受之后，使得价值回归到链上，链上的数据因此也逐渐成为投资者和开发者关注的焦点。
《泰晤士报》2009 年 1 月 3 日的头版文章标题 - 财政大臣站在第二轮救助银行的边缘
尽管与当前互联网中的大数据体量相比，区块链的数据规模还比较有限，从原始数据上看也较为单一，但是在实际分析和解读过程中，由于数据输入端相对自由且包含大量不易理解的字节码，许多分析师和开发者往往需要花费大量时间去解析和使用。从工作经验来看，笔者认为可以从业务层面对区块链数据进行分类，以便更好地理解：
- 链上宏观
- 项目协议
- 地址分析
区块链网络从宏观到微观可以分为三个层面，网络层面由多个协议组成，每个协议又由多个地址的活动构成。目前针对消费者的区块链数据分析产品，大多深耕在这三个层面的某一具体场景。接下来笔者将就每个层面所对应的业务逻辑和应用形态进行阐述。
链上宏观
从网络层级来看，可以进一步细分为：
- Bitcoin (UTXO 模型)
- Ethereum 为主的 Ethereum Virtual Machine (EVM)
- 其他非 EVM 架构的公有链(例如以 Rust 语言开发的 Solana、模块化公链 Cosmos 生态、继承 Libra 的 Move 语言体系等)。
通常作为对比，我们可以考察用户数、交易数、交易价值和交易费用这四个指标，并在此基础上进行二次分析，举几个简单的例子：
- 根据部署合约的用户数和交易数，评估开发者在该网络上的活跃程度；
- 通过交易的时间间隔计算出每秒交易数 (TPS)，以判断网络处理交易的性能；
- 计算交易金额和交易数的比值，得到平均每笔交易的金额，过多低价值交易实际上是对网络的负担；
- 观察一段时间内的交易费用总额，评估网络的火爆程度，与交易数不同，交易费用的低谷代表用户交易的急迫性较低。
对数据使用者来说，网络层面的数据可以在众多公链中进行选择时提供辅助，根据自身情况选择更合适的公链进行开发或使用，并抓住最佳时机参与其中。
项目协议
对项目协议的分类就非常广泛，包含 DeFi、Game、Non-Fungible Token (NFT)、Decentralized Identity (DID) 等等，新的类别也在不断出现，所以在这里不具体展开某一类，而是谈谈分析项目协议数据过程中的几点经验：
- 通常一个完整的协议会由多个业务合约组成，大部分需要深入阅读文档(文档清晰并及时更新很重要)并且结合自己的使用才能更好地理解项目。
- 同一领域的产品业务逻辑会趋同，比如所有 DEX 的业务核心都是交易和流动性，理解头部产品后再解析整个领域的其他项目会相对容易。或从项目方自身考虑，他们对自己的数据比较熟悉，但总希望了解更多竞争对手和行业现状，这时垂直领域的数据就很有价值。
- 当前大多项目包含许多链下数据，如团队和融资信息、社交媒体数据、用户网站操作数据、内部订单信息等，有的是公开的，有的是非公开的，这在分析项目时会有局限。但随着行业发展，更多业务数据会逐步上链，因为用户使用区块链的目的之一就是更加公开透明。
一个典型例子是在 DeFi Summer 中，SushiSwap 向 UniSwap 发起挑战，两者的链上交易额和交易数曾一度相近，但深入分析可以发现，UniSwap 的独立用户数远高于SushiSwap，即 SushiSwap 的大部分交易和流动性来自较少的用户，这里的原因是 Sushi Token 的发行机制刺激了资金流入，但后续因为经济模型无法持续，资金又回流到了 Uniswap。类似情况当前也反映在 OpenSea 和 Blur 的数据上，前者散户交易居多，后者专业用户交易居多。（注意！这里没有对项目进行价值判断，而是说明从数据中可以反映出用户行为差异。）
地址分析
从较为流行的 EVM 架构公链来看，地址目前分为两种类型，Externally Owned Accounts (EOA) 和 Contact Account (CA)。针对地址的数据产品现有的业务形态，笔者认为主要有：
- 资产看板(多用于钱包展示资产情况)
- 交易记录(多用于显示徽章和奖励证明，如空投或 DID)
- 标签系统(多维度标签进行推荐或风控)
这里主要谈谈标签这个维度。当前在消费端数据产品中标签非常关键，例如对用户来说，0xd8dA6BF26964aF9D7eEd9e03E53415D37aA96045 一看无法理解其含义，但显示为 vitalik.eth (Ethereum 创始人) 则可以立即识别。当然这只是众多标签维度中的一个。笔者归纳了地址标签的几个维度：
- 实体标签(表示何人)
- 行为标签(做过什么)
- 状态标签(当前或过去状态)
- 预测标签(未来可能做什么)
- 其他标签(用户定义及难分类标签)
目前多数数据产品只是简单展示实体标签，然后通过行为和状态标签显示资金流向，深度挖掘还不够，比如交易发起时显示对手方地址年龄、资产和交易对象数，提示用户注意风险；或者根据用户过往交易行为推荐类似的项目，比如参与多个 NFT 的铸造的地址可以向其推荐今天最多地址正在铸造什么 NFT，这样可以节省用户搜索时间。丰富的数据支持能为产品提供更强大的算法服务。
个人观点
最后，笔者想谈谈未来 1-2 年内，在业务数据方面个人比较关注的三个方向：
- Bitcoin Layer 2 (包括其他扩容方案产生的数据)
- Ethereum Staking (Beacon Chain 数据)
- Account Abstraction (基于 ERC-4337 提案的账户抽象和多签地址数据)
比特币二层 (Bitcoin Layer 2)
对于 Ordinals 这种为 Bitcoin 网络最小单位“sat”编配编号的方案， Bitcoin 社区观点不一，但其火热为 Bitcoin 生态增加了想象空间和矿工收入(交易费用)。从区块空间和交易数量来看，Ordinals一度使交易费超过了区块收入，但 Bitcoin 网络显然无法承载更多用户完成资产交易。即使 Bitcoin 的点对点支付故事已被数字黄金共识所取代，随着区块奖励减半， Bitcoin 网络算力也将面临巨大挑战。收入减少且竞争加剧必然会淘汰一部分算力。当区块奖励几乎可以忽略时，交易费将成为矿工的主要收入来源。如果网络交易量和费用没有稳步增长，投射到现实就是矿工收入不稳，这会影响网络的多样性和鲁棒性。在这种情况下，未来的可信扩容就显得尤为重要，目前得到社区比较多共识认可的是 Lightning Network 闪电网络的方案。
以太坊质押 (Ethereum Staking)
作为整个 Ethereum 生态最底层的价值存储，Beacon Chain 的数据可谓是承载了最多资金的数据业务之一，但由于共识层和执行层结构不同，现有数据平台尚未很好呈现两者的资金流动关系，当前 Ethereum 的质押率在 20% 左右，这在 POS 共识机制中是一个相对较低的比率，特别是自从上海升级开放质押提款之后，质押的净流入量是在缓步提升的，所以笔者认为这部分的市场有望长期吸纳沉淀资金，且发展空间巨大。
账户抽象 (Account Abstraction)
在当前数据分析视角下，大多数项目协议只把 EOA 地址作为用户账户，但随着资产安全和使用门槛，可编程账户被提出进行抽象，从业务角度来看，CA 作为用户账户后分析的逻辑产生了一些变化，CA 在 EVM 中无法主动发起交易，那么就需要有一个 EOA 作为发起地址调用 CA 再去调用别的 CA，这个 EOA 可以是不同的地址，也可以不是 CA 的多签地址之一，对于这些交易，分析的逻辑就会发生变化。当然目前 ERC-4337 还在草稿之中，所以大部分开发者仅仅是在文章中和会议中听过，并没有真正开始使用它，在链上数据业务中这也是一个颇为早期的垂直赛道。
最后，我想打一个不是很严谨的比喻，如果一个行业的数据市场最终会占到这个行业总规模的 8%，那么当前 1 trillion 市值（我们在 2020 年年初到 2021 年年末两年整的时间经历了从低谷 200 billion 到 2 trillion 的 10 倍增幅）的加密行业大约可以容纳 80 billion，这在未来还有非常大的用户和资金增长空间，数据赛道目前仅完成了数据存储的去中心化，数据计算和数据验证还有数据处理等等很多阶段需要更多的创意。
