作者：Saurabh Deshpande等，Decentralised.co研究員；翻譯：金色財經xiaozou

（Web3數據產品總覽）

所有生物都會留下一些記錄。動物通過追蹤季節來了解何時狩獵。啮齒動物和鳥類將食物儲存在獨特的地方。當他們在幾個月後訪問它以維持生計時，他們需要記住它們存儲在哪裏。狼在領地周圍留下標記，示意其他動物不要靠近。甚至樹木也會記錄時間。每年，樹幹上都會形成一個環。人們可以根據年輪的數量來估計一棵樹的年齡。

盡管樹木和動物能夠記錄時間，但它們無法檢索或講述過去。他們無權訪問內存。這就是人類記錄保存的不同之處。由於我們的溝通能力，我們知道美索不達米亞的蘇美爾人（公元前3400年）和古埃及人（公元前3200年）使用楔形文字和象形文字來記錄信息。

當知識可以在不需要來源實際參與的情況下傳遞時，人類就進化了。在柏拉圖或蘇格拉底去世很久之後，我們仍然閱讀並欣賞他們的作品，因爲我們有辦法存儲他們的教義。寫作是最初的 AR 平台。

（來自伊朗的信件記錄了谷物的情況。）

寫作可以讓事情充滿想象，數據幫助保持事情的客觀性。它減少了個人將事物存儲在記憶中的要求。這就是爲什么一些最古老的人類文本涉及債務、收入或貿易記錄的部分原因。

1、走向數字化

在後工業時代，企業通過將銷售記錄數字化來建立競爭護城河，以加強其市場地位。其中一個例子是一家名爲 Asian Paints 的印度公司。他們的塗料可能不是市場上最好的，但他們控制着印度80億美元塗料行業50%以上的市場份額。

爲什么？簡單的答案是，它是一個家喻戶曉的品牌，而且該公司具有規模經濟。但他們如何實現這一目標的？根源在於數據。他們在數據收集和處理方面投入巨資，以優化供應鏈。 

Asian Paints 股票在過去 30 年中的復合年增長率高達 25%。支持這一增長的是 20 世紀 70 年代對大型計算機的投資。他們的設備比當時印度最好的研究機構使用的設備更強大。它每小時收集有關印度各地銷售的油漆顏色和數量的數據。這使得Asian Paints 公司能夠建立一個模型，以 98% 的准確率預測整個印度的塗料需求。  

這種預測能力使Asian Paints 公司能夠獲得最大價值，因爲它可以大大減少補貨時間。當時，銷售油漆等商品的標准是將其出售給批發商，然後批發商將其交給經銷商，經銷商再將其出售給經銷商。經銷商將直接與消費者互動。供應鏈之所以如此復雜，是因爲各方都擁有資產庫存並控制着塗料供需數據。

Asian Paints創始人Choksey先生，通過研究最終用戶的消費模式並減少對中間商的依賴，將批發商和分銷商從供應鏈中剔除。通過消除中間商，Asian Paints獲得了 97% 的 MRP（經銷商獲得 3%）  ，而競爭對手則只能獲得 60%。

(電報可提取價值將是通過電報傳送的領先的行情顯示系統。)

向數字化的轉變並非一蹴而就。數據收集之所以變得有趣，部分原因在於金融的發展以及數據之間越來越緊密的相互聯系。例如，在20世紀後期，股票市場數據是借由像上面這樣的設備通過電報傳遞的。早在1835年，交易員們就已經訓練鴿子攜帶紙片傳遞信息了，紙上面描述了歐洲發生的事情。載着貨物的輪船駛離陸地不到50英裏時，鴿子就會帶着信息飛到指定的地點。交易員常常爲每提前一小時獲悉消息而付費高達500美元。

到1867年，交易員們开始競相優化電報的信息傳遞速度。一位名叫E. A . Calahan的西聯匯款員工向紐約證券交易所支付了20多萬美元，以獲得讓交易大廳的員工向其客戶傳遞股票行情信息的能力。年輕的科學家托馬斯·阿爾瓦·愛迪生(Thomas Alva Edison)就是努力優化這個系統的若幹人之一。一個世紀後，像Bloomberg terminal（彭博終端）這樣的工具可以指數級提升任何一天所傳遞的金融數據的速度和數量。

2、原始數據建模

數據就像原油一樣，必須經過若幹步驟的提煉才能被使用。了解Bloomberg是如何發展的，有助於了解整個數據領域是如何演變的，以及具體的發展過程。Bloomberg並不是第一個嘗試利用技術改善交易和報告機制的公司。納斯達克（NASDAQ）使用Bunker Ramo（邦克拉莫）終端發布信息並下達买賣指令。然而，依賴於以前的電話通信網絡意味着這種模式的擴展將始終具有挑战性。

（圖片來源：納斯達克——自動化場外交易的演變）

1981年，投資銀行所羅門兄弟(Solomon Brothers)的合夥人邁克爾•布隆伯格(Michael Bloomberg)在菲布羅公司(Phibro Corporation)收購該銀行時，其股票以1000萬美元的價格被收購。他意識到，隨着從紐約到日本的金融市場的日益電子化，投資者愿意爲簡化的金融信息付費。他創辦了一家名爲創新市場系統(Innovative Market System)的數據服務公司，該公司於1986年更名爲Bloomberg。

在互聯網普及之前，人們使用The Chiclet訪問彭博終端。具體是通過一根特殊電纜連接到Bloomberg控制器，該電纜通過專用電話线連接到本地集线器。Bluumberg通過數據合作夥伴、新聞機構和新聞稿、以及手動數據輸入和基於手機的數據收集等專有方法進行數據收集。

有了互聯網後，信息的閘門便打开了。如今，Bloomberg幾乎是實時地獲取、處理和傳遞2000億條金融信息。這大約相當於每秒2300萬個數據點。Bloomberg提供的信息有些是公开的。公司財務報表、股票和債券價格等數據在公共論壇上就可看到。

但是，如果你是一名石油和天然氣分析師，想要了解原油集裝箱的動態情況呢？如果你不訂閱Bloomberg這樣的數據源，你就不可能實時獲得這些信息。互聯網上的數據並非全部都是免費的。

當涉及到Web2數據時，個人通常會面臨兩個限制：訪問許可和處理大量數據的高門檻。多年來，像Bloomberg這樣的提供商已經建立了足夠強大的網絡效應，可以通過其分支機構獲取數據，這是分析師或投資者無法實現的。

向Bloomberg支付2萬美元的年訂閱費，要比嘗試從可能各有不同定價的各種數據平台獲取數據要好得多。即使你已經非常努力地去獲取數據，但如果沒有大量的基礎設施支出，你也無法實時地進行數據處理和分析。在零售端，那些最終得以發展壯大的平台，有很多都是數據匹配引擎。

可以這樣想：Google(搜索引擎)是一家數據公司，它爲企業提供用戶訪問權限，以換取廣告收入。當一家餐廳或一篇時事通訊希望以在谷歌上搜索信息的用戶爲目標用戶時，他們會匹配類似信息的供求關系。例如，搜索Web3時事通訊相關信息的人，尋找的正是我們，而我們也正在尋找那個人。

谷歌憑借其運作的規模經濟建立了壟斷地位。他們的用戶數量以及用戶每天的查詢數量仍然是無與倫比的。谷歌通過推出一個沒有廣告的搜索引擎建立了自己的地位，當時有廣告才是常態，然後通過收購YouTube和Android，最終通過向同等地位的蘋果等付費，使谷歌成爲默認搜索引擎。僅蘋果一家，谷歌每年就要支付200億美元，以維持其Safari默認搜索引擎的地位。

谷歌之所以支付這么高的溢價，是因爲從本質上講，它提供的是一個匹配引擎。匹配引擎將有需求的用戶與提供產品的企業聯系起來。大多數網絡壟斷的核心都是匹配引擎。亞馬遜將賣家和买家匹配起來。Instagram將觀衆與創作者匹配起來。這些匹配引擎之所以有效，是因爲基於這些產品的交互留下了豐富的线索，可以從中形成背景環境。

本·埃文斯(Ben Evans)在2022年寫過一句名言：沒有數據這回事。我的內容、食物或旅行偏好等信息對第三方來說沒有多大價值。只有當這些信息被聚合在一起，或融入背景環境時，才變得有價值——無論是對商業還是對研究來說，都如此。

所以，可以憑借我在周五晚上喫咖喱飯的偏好信息，在我購买咖喱飯的幾率最高的時候向我宣傳咖喱飯外賣。總的來說，將我的購买概率與同一地區的其他人進行比較，有助於更好地鎖定用戶。

數據要么需要大規模(大量)，要么需要背景環境才有價值。Web3和Web2產品在歷來的不同之處在於它們留下的痕跡。只有亞馬遜知道一周內Xbox遊戲機的銷量。但是你可以看到交易員任何一天在OpenSea上NFT的买賣模式，這就是因爲每一筆交易都會留下公开痕跡。

Web3數據產品使用這些軌跡來構建背景環境。

像以太坊和比特幣這樣的區塊鏈分別每12秒和大約10分鐘產生一個區塊。每個區塊都包含改變區塊鏈狀態的交易。像Etherscan這樣的區塊瀏覽器捕獲與所有交易相關的數據。例如，如果你打开Etherscan並看到一個區塊，你可能看到如下圖像。

（區塊鏈上的交易具有豐富的背景信息。像Arkham和Nansen這樣的產品是研究人員用來了解交易細節的解釋引擎。）

你可以查看自以太坊啓動以來的所有區塊。但是你能用這些信息做什么呢？幾乎沒什么用。因此，你需要一種在多個數據表中捕獲有用數據的方法。例如，每當在一個區塊中調用市場的NFT合約時，與該交易相關的數據應附加到NFT相關的數據表中，或者當調用Uniswap合約時，相關數據應存儲在DEX相關的數據表中。（Dune提供此項服務。）

如果不付出重大的基礎設施成本，你就無法分析原始數據。所以，盡管數據是免費的，你還是會遇到相同的問題。作爲投資者或dApp建設者，你將依賴外部數據。但是你的核心功能與收集和管理數據無關。將資源花費在必要但非核心的活動上並不是每個組織都能享受的奢侈。

3、背景驅動價值

對於數據產品來說，使產品獨一無二的是圍繞數據的背景環境。Bloomberg運用其對金融的理解，將數據轉換爲投資者和交易員可以輕松使用的形式。Similarweb等網站或Newzoo等研究公司利用自己的核心競爭力，將社交或遊戲相關背景應用到所追蹤的數據中。

區塊鏈原生數據產品的與衆不同之處在於，它們通過回答與特定用戶群體相關的問題的查詢提供用戶背景信息。例如：TokenTerminal計算協議的經濟基礎；Nansen幫助市場參與者標記和理解資產動態；Parsec查詢鏈上數據，以幫助交易員更好地分析DeFi頭寸。

所有這些產品都基於一種公共產品：鏈上數據。不同之處在於這些產品呈現數據的方式，不同的數據呈現方式會讓它們吸引不同的受衆。

在我們的行業中，產品類別基於哪些數據在鏈上，哪些信息來自鏈下來劃分的。（有些人經常兩者都用。）數據提供商使用它們的背景過濾器來創建產品。正如Web2數據有其生態位市場一樣，Web3數據公司已經或正在逐步利用其核心競爭力建立護城河。

因此，創始人的背景往往決定了所發布產品的性質。如果一個核心團隊在進入加密市場之前已經在資本市場上浸泡了大量時間，他們的產品往往會模仿Bloomberg，而加密原生產品則看起來像Nansen。不同的產品滿足不同的需求，即使對同一數據的查詢也是如此。

例如，交易所通常在固定間隔後刪掉數據。他們不從事數據業務，存儲舊數據需要額外的服務器和管理。一些數據提供商，如Kaiko和Amberdata，維護交易所的歷史訂單數據。這些數據使交易員和投資者能夠建立模型來檢驗自己的假設。但是，如果你想了解哪些DeFi合約有大量的ETH或穩定幣流入，或者你想分析具體地址或實體的鏈上行爲，那么你將需要用到Nansen或Arkham的產品。

（市場圖並不能代表所有類別的所有玩家。）

了解產品市場定位的一種方法是通過加密消費者維度。加密消費者角色可以分爲以下四大類。

（1）金融機構

在熊市期間，大多數通過加密數據產品流動的資金來自於金融機構。這些金融機構都是大客戶，銷售周期更長，數據需求更加復雜。了解產品定位是否面向金融機構的一種方法是，客戶是否必須經過銷售電話來確定成本。在Web2世界裏，你不知道PitchBook或CB Insights的成本。在加密世界，你不知道像Chainalysis這樣的產品要花多少錢。

這種銷售過程的部分原因是面向這一大型消費群體的數據產品爲客戶提供了親身經歷的高水平服務。這些客戶通常選擇高粒度和高度頻繁的數據。它們需要數據不僅用於交易前的決策，還用於交易後的使用，以滿足合規和稅收要求。

例如，他們需要產品能夠告訴他們投資組合的歷史價值，幫助他們進行稅收計算，等等。Amberdata、Kaiko、CoinMetrics、CryptoCompare等公司爲這些金融機構客戶提供服務，在某種程度上說，還有Nansen。

根據我的經驗，只有擁有大型融資機構或團隊工作背景的創始人，才能打开數據的機構市場。這裏的准入門檻相對較高，任何企業級產品都是如此。

（2）开發者

對Web3的可組合性特性，我們並不陌生。這意味着Web3應用程序可以相互依賴。它們可能需要彼此之間能夠提供數據。因此，它們需要不斷地從對方那裏讀取數據。例如，像Yearn Finance這樣的平台需要讀取來自Aave和Compound的數據，像Tensor這樣的NFT聚合器需要讀取來自Magic Eden和其他市場的數據。

但這些數據是存儲在以太坊和Solana等區塊鏈上的。以太坊每12秒創建一個區塊，而Solana每400毫秒就可以創建一個區塊。將區塊鏈數據排序到數據表中並存儲數據以供快速訪問是一項非常重要的工作。這就是Covalent、Graph、Chainlink和Powerloom等索引器的用武之處。它們確保原始區塊鏈數據以所需的格式存儲，以便开發人員通過簡單的API調用就可獲取數據。

該消費者角色中有一個新興部分涉及到理解用戶行爲的工具。例如，ARCx支持开發人員使用鏈上數據（如錢包地址）映射鏈下數據（如瀏覽器行爲），以捕獲與dApp交互的用戶信息。這是一個相對較小但高度相關的生態位市場，可以幫助开發者確定誰是他們的用戶。

（3）研究人員及出版物

加密數據產品通常通過與研究人員和出版物合作來分銷。例如，Bloomberg經常引用CCData的數據。研究人員被鼓勵使用數據產品，因爲它們有助於在收集、清理或整理數據方面節省時間和精力。像Dune這樣的產品已經通過建立一個分析師社區建立了護城河，這些分析師相互競爭，以獲取更高的排名。

The Block和Delphi等出版物展示了使用第三方提供商數據構建的儀表板。在Decentralised.co，我們完全依賴外部數據提供商，因爲使用外部資源收集數據，可以幫助團隊高效運作。

迎合這一消費群體的挑战在於，不具規模的研究人員可能缺少所需的預算來證實：花費大量資源來獲得可能只與一小撮人相關的見解是合理的。相反，公司也很有動力花費精力和資源與《金融時報》等重要出版物合作，因爲這樣的合作有助於分銷。

（4）散戶投資者

面向散戶投資者的產品通常具有較低的數據粒度和頻率。但它們卻是高利潤的生態位市場，因爲這些產品具有規模經濟。在一個不存在用戶流失的世界裏，1萬名用戶每人支付100美元就相當於100萬美元的ARR業務。說起來容易做起來難，但這些經濟特性解釋了爲什么會有這么多面向散戶的加密數據產品。

大量面向散戶的產品都是免費的，或有廣告支持。例如，像DefiLlama這樣的免費資源不會告訴你如何通過不同的交易所（CEX和DEX）路由訂單以避免滑點，因爲它沒有訂單簿快照，但它卻展示了有關代幣解鎖或收益解鎖的信息。

這部分消費者的一個變化是傳遞媒介打开新市場類別的方式——例如，Cielo通過Telegram以通知的形式傳遞數據。通過以一種易於使用的方式爲不愿處理桌面界面的消費者群體傳遞信息，它已經發展爲超過40,000名用戶。如果做法得當，即使是分銷媒介也可以成爲早期創業公司的差異化因素。甚至在數據方面。

雖然在某些點上分類比較模糊，但數據公司可以分爲B2B或B2C方向。

像Amberdata和Kaiko這樣的公司都有迎合高水平參與者的產品。這些產品粒度更細（可用的數據細節）、頻繁更高（例如，tick-by-tick及實時訂單簿數據），它們滿足諸如構建和測試模型、交易前分析、交易後報告、稅收和合規等需求。數據以支持客戶進行專有分析並根據自己的需求構建可視化的方式提供。這些公司的產品通常都是付費產品。

由於基礎設施需求、所涉及的客戶性質和銷售周期的長度，成本通常和粒度相關。

上圖在兩個軸向上顯示了不同的產品——深度和粒度與產品價格。請注意，這些顯示並不絕對精確。有些點可能有誤。但中心想法是建立一個思維模型，來思考一些產品及其在市場上的地位。

面向散戶的產品，如Dune或CoinGecko，幾乎可以免費顯示所有數據。但客戶必須付費才能訪問某些數據，或者通過API來運行分析。例如，你可以查看多個Dune wizard創建的所有圖表，但卻限制你以CSV格式下載的數據行數。你可以付費下載更大的CSV文件，查看私有查詢。

專注於散戶的公司來自單個用戶的收益較低，付費用戶相比免費用戶比例也很低。將此與互聯網公司的免費增值模式的轉化率進行比較的話，一般來說，轉化率是2%-5%。10%的轉化率已經是一個異常值了。他們的策略是擁有盡可能多的免費用戶，這樣4%的轉化率就能帶來顯著的收益提高。這就是我們所說的漏鬥的頂部。

因此，數據公司需要漏鬥頂部足夠大，才能產生足夠的收入，以在較低轉化率水平上維持自己的運營。當網站有很多訪問者時，公司也可以考慮廣告收入。CoinGecko利用廣告收入作爲槓杆，繼續免費提供大部分數據。

多年來，公司已經填補了（B2B和B2C）兩端，但在兩者之間留下了一些空白。如果有人想看看中心化交易所的訂單簿是如何變動的，或者put call ratio、IV和skew曲线是如何變化的，沒有多少產品可以幫助實現可視化。介於CoinGeckos和單純的B2B產品之間的產品是有發展空間的。

4、關於護城河

在免費的企業中找到護城河並不容易。區塊鏈數據是免費的。你收集的數據沒有什么特別的。所以，數據業務的護城河並不僅僅基於你擁有別人沒有的數據，而是基於團隊以有洞見的、可使用的格式，按時、無誤地提供數據的能力。

許多公司聲稱擁有相同的數據，但數據質量和表示方式有所不同。例如，許多公司聲稱擁有鏈下訂單簿數據。然而，像买賣訂單數量、時間序列長度以及可用交易和交易對的數量等因素因供應商而異。Amberdata和Kaiko擁有加密市場最全面的訂單簿數據。

然而，爲什么只有少數供應商能夠提供這種數據呢？Web3數據中護城河的出現具體解釋如下。

人才——恕我直言，當原材料是免費的時候，你如何用它決定了產品的價值。將原始數據轉化爲有用的信息需要用到加密領域和傳統金融市場中許多利基領域的專業知識。像Velo Data這樣擁有傳統市場經驗的團隊比其他試圖構建類似B2C產品的團隊更有優勢。理解區塊鏈數據結構並具有金融市場相關經驗的开發人才是很難得的。

基礎設施——收集和交付大量數據需要基礎設施，這並不容易實現。基礎設施需要資金和人才。爲什么基礎設施是護城河？想想內存池數據。區塊包含已確認交易的數據。那些未確認的交易呢？

不同的網絡節點（例如，連接到同一個池的節點）看到不同的未確認交易。僅運行一個節點是無法看到競爭交易的全局的。在幾個區塊鏈上維護多個節點會增加基礎設施成本。就像人工智能（以及過去的內容網絡）一樣，隨着時間的推移，保持低硬件成本的能力將決定在該領域誰輸誰贏。

網絡效應——人們可以假設網絡效應存在於很多加密數據產品中。以Chainlink爲例。它是最早支持應用程序從其他應用程序或鏈讀取數據的oracle之一。它成功獲得了社區的支持，並擁有最強大的社區之一。另一個例子是Nansen。它的成功之處是地址標籤，讓它將資產移動掛鉤真實的實體，而不是十六進制的地址。

隨後，它推出了NFT Paradise和 Token God Mode等功能，讓用戶可以更高效地跟蹤NFT和代幣。Arkham推出了一款類似於Nansen標籤的產品，但在儀表板和研究方面的投資使Nansen向企業客戶傾斜，並爲他們提供定制化產品。值得一提的是，網絡效應離不开前兩點（人才和基礎設施）。

索引器體現的網絡效用比較明顯。一個產品支持的鏈數量越多，开發人員使用該產品而不依賴多個來源的可能性就越高。像Covalent這樣的團隊在這方面具有優勢，因爲他們在相當長一段時間內一直在優化支持鏈的廣度（數量）。但一定要記住，深度和廣度同樣重要。

現在要說一個產品在加密領域是否具有護城河還爲時過早。我們已經看到了這一宏圖中的先發優勢。隨着Web3社交等類別的出現以及人工智能和加密貨幣之間的重疊越來越大，加密數據產品可能會成爲下一個Alphabet。但這將是一個長達幾十年的故事；我們還處於故事的开端。

5、投機之外

我們在本文中提到的許多用例都以某種形式關注了金融投機。甚至使用API查詢數據的开發人員也在構建金融產品。這可能看起來很奇怪，但區塊鏈（作爲一種新型網絡）遵循了與電報和互聯網相同的趨勢。

新媒介的到來和新網絡的出現加速了金融用例的發展。就互聯網而言，直到21世紀初人們才意識到用戶可以根據他們的位置區分定位。對於區塊鏈來說，我們仍在研究如何根據公开的數據軌跡構建商業模式。

在對這些平台的日常使用中，我們看到了一個關鍵變化——Dune Analytics在其產品中嵌入了人工智能。Dune爲用戶提供了一個基於SQL的界面，用於查詢以太坊和Solana等區塊鏈數據。此類產品市場通常僅限於那些懂得如何編寫SQL查詢的用戶。這些產品最近开始使用人工智能來幫助分析師生成查詢，而無需分析師成爲SQL專家，但並不像人們希望的那樣具有功能性。無論怎樣，這仍然是邁向未來的一步。也許用不了多久，我們就可以讓人工智能（比如ChatGPT）從區塊鏈上查詢數據並提供分析。

在Web3背景下，思考“數據”的一種方式是通過谷歌Maps的角度。GPS至少在20世紀80年代就已出現了。谷歌投入精力繪制世界地圖。在爲第三方應用程序（使用API）提供地圖覆蓋的過程中，谷歌使新一代應用程序得以建立。從快遞到叫車服務，一切都在蓬勃發展，因爲一家專注於數據的公司從开發者手中接過了這個包袱。

Web3數據產品也將扮演類似角色。我們還不清楚這個公共可用資源之上可構建的應用程序的確切性質，但很明顯，數據領域潛藏着無盡的可能。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。