Web3データランドスケープのマッピング

中級12/28/2023, 2:32:07 AM
本稿では、ITの進化の歴史、データのビジネスモデル、Web3時代におけるさまざまな役割の関係について詳しく説明します。

この記事は Decentralised.co に掲載されたものです。 GCRでは、毎月2回、隔週木曜日にDecentralisedの長いフォームをお届けします。 Decentralised.co は、200社以上の企業の経営陣から信頼を得ており、重要なトレンド、データ、インサイトを常に把握しています。 以下のニュースレターにサインアップしてください—Discordで最もアクティブなメンバーのためのこのコラボレーションの詳細。

Decentralised.co を購読する


ねえ

この記事の先駆けは 7月18日に 書いていますが、ここに書かれている以上の文脈をご希望の場合はご覧ください。

生きとし生けるものはすべて何らかの記録を残しています。 動物は季節を追跡して、いつ狩りをするかを理解します。 げっ歯類や鳥は、ユニークな場所に食べ物を蓄えます。 彼らは、数か月後に栄養のためにアクセスするときに、それをどこに保管したかを覚えておく必要があります。 オオカミは縄張りの周囲にマークを作り、他の動物に近づかないように合図します。 木でさえ時間を追跡します。 毎年、幹に輪が形成されます。 年輪の数に基づいて木の年齢を推定できます。

樹木や動物は時間を追跡しますが、過去を取り戻したり、語りたりすることはできません。 メモリにアクセスできません。 それが人間の記録管理の違いです。 メソポタミア(紀元前3400年)のシュメール人や古代エジプト人(紀元前3200年)は、楔形文字や象形文字を使って情報を記録していたことがわかっています。

人類は、情報源が物理的に関与することなく知識を伝えることができるときに進化しました。 プラトンやソクラテスの作品がなくなった後もずっと読んで楽しんでいるのは、彼らの教えを保存する手段があるからです。 文章を書くことは、ARプラットフォームの元祖でした。

イランから穀物を追跡して書いています。 出典: リンク

書くことは想像力に任せていましたが、データは物事を客観的に保つのに役立ちました。 これにより、個人が記憶に物を保存する必要性が減りました。 これが、最古の人間のテキストのいくつかが借金、収入、または貿易記録を含む理由の一部です。

デジタル化

脱工業化の時代には、企業は競争力のある堀を築き、販売記録をデジタル化することで市場での地位を強化しました。 その一例が、Asian Paintsというインドの会社です。 彼らの塗料は市場で最高ではないかもしれませんが、インドの80億ドルの塗料産業の50%+市場シェアを制御しています。

なぜでしょうか。簡単な答えは、それが家庭用ブランドであり、会社には規模の経済があるということです。 しかし、そこに至るまでの経緯はデータにあります。 彼らは、サプライチェーンを最適化するために、データ収集と処理に多額の投資を行いました。

ちなみに、Asian Paintsの在庫は、過去30年間で25%という驚異的なCAGRを記録しています。 その成長を支えたのは、1970年代のメインフレームコンピュータへの投資でした。 この装置は、当時のインドの最高の研究機関で使用されていたものよりも強力でした。 インド全土で販売された塗料の色と量に関するデータを1時間ごとに収集しました。 これにより、Asian Paints社は、インド全土の塗料需要を98%の精度で予測するモデルを構築することができました。

この予測能力により、Asian Paintsは補充時間を大幅に短縮することができ、最大の価値を獲得することができました。 当時は、絵の具などを売るのが当たり前で、問屋に売って、卸がそれを流通業者に渡し、流通業者が販売店に売るというものでした。 ディーラーは消費者と直接対話します。 このような複雑なサプライチェーンの理由は、各当事者が資産の目録を保持し、塗料の需給に関するデータを管理していたためです。

Asian Paintsの創業者であるChoksey氏は、エンドユーザーの消費パターンを研究し、中間業者への依存を減らすことで、卸売業者や流通業者をサプライチェーンから排除しました。中間業者を排除することで、Asian PaintsはMRPの97%(ディーラーに3%)を獲得したのに対し、競合他社は60%を獲得しました。


電信の抽出可能な価値は、電信で中継されるティッカーテープのフロントランニングになります。

デジタルへの移行は一夜にして実現したわけではありません。 データ収集を面白くした理由の一つは、金融の世界と、それが徐々に相互に結びついてきたことです。 たとえば、20世紀後半には、株式市場のデータは 、上記のようなデバイスを使用して電信を介して中継されました。 早くも1835年には、商人たちはヨーロッパで何が起こっているかについての情報が書かれた紙切れを運ぶように鳩を訓練しました。 物資を運ぶ蒸気船が陸地から50マイル以内に近づくと、鳩は情報を持って指定された場所に飛んでいきました。 トレーダーは、ニュースを事前に入手するために、1時間ごとに 最大500ドル を支払っていました。

1867年までに、貿易業者は電信を通じて情報が中継される速度を最適化するために競争し始めました。 ウエスタンユニオンの従業員、 Eさん。カラハンはNYSEに20万ドル以上を支払い 、トレーディングフロアに従業員を派遣して顧客にティッカーデータを中継する能力を提供しました。 システムの最適化に熱心に取り組んでいた人物の一人が、トーマス・アルバ・エジソンという若い科学者でした。 100年後、ブルームバーグ端末のようなツールは、特定の日に中継される金融データのペースと量を指数関数的に拡大しました。

生データの成形

データは、原油と同様に、使用する前にいくつかのステップを踏む必要があります。 ブルームバーグがどのように成長したかを学ぶことで、データランドスケープ全体がどのように進化し、どのようなプロセスになったかが明らかになります。 ブルームバーグは、取引と報告のメカニズムを改善するためにテクノロジーを使用する最初の試みではありませんでした。 NASDAQは、 バンカーラモ 端末を使用して情報を広め、ビッド/アスク注文を出しました。 しかし、かつての電話通信ネットワークに依存していたため、このモデルの拡張は常に困難でした。


出典 – NASDAQ – The Evolution of Automated OTC Trading

1981年、投資銀行ソロモン・ブラザーズのパートナーであるマイケル・ブルームバーグは、フィブロ・コーポレーションが銀行を買収した際に 、1000万ドルの株式を解雇 された。 彼は、ニューヨークから日本への金融市場の電子化が進む中、投資家は合理化された金融情報にお金を払う準備ができていることに気づきました。 1986年にブルームバーグに改名されたイノベーティブ・マーケット・システム(Innovative Market System)というデータサービス会社を立ち上げました。

インターネットが普及する前は、ブルームバーグターミナルには チクレットを使用してアクセスしていました。 これは、専用の電話回線を介してローカルハブに接続された特別なケーブルを介してブルームバーグコントローラーに接続されました。 ブルームバーグは、データパートナーシップ、通信社、プレスリリース、手動データ入力や電話ベースのデータ収集などの独自の方法を通じてデータを収集しました。

インターネットによって、情報の水門が開かれました。 現在、ブルームバーグは2,000億件の財務情報をほぼリアルタイムで調達、処理、配信しています。 これは、毎秒約 2,300 万のデータ ポイントに相当します。 ブルームバーグで入手可能な情報の一部は公開されています。 企業の財務諸表や株価、債券価格などのデータポイントは、公開フォーラムで見つけることができます。

しかし、あなたが石油・ガスのアナリストで、原油コンテナの動きを理解したい場合はどうでしょうか? Bloombergのようなデータソースを購読していない場合、この情報をリアルタイムで取得する可能性は低いです。 インターネット上のすべてのデータが自由に利用できるわけではありません。

Web2 のデータに関しては、通常、個人には、許可されたアクセスと、大量のデータを処理するための高い障壁という 2 つの制約があります。 長年にわたり、ブルームバーグのようなプロバイダーは、アナリストや投資家が行う余裕のない、関連会社を通じてデータを調達するのに十分な強力なネットワーク効果を構築してきました。

ブルームバーグに20,000ドルを支払って年間購読料を支払う方が、それぞれ価格帯の異なるデータプラットフォームを組み合わせてデータを調達しようとするよりも良いでしょう。 たとえ一生懸命データを手に入れたとしても、多額のインフラ費用をかけなければ、リアルタイムで分析を処理して実行することはできません。 小売業側では、最終的に拡張された多くのプラットフォームがデータマッチングエンジンでした。

Google(検索エンジン)は、広告費と引き換えに企業にユーザーへのアクセスを提供するデータ会社です。 レストランやニュースレター(私たちのような)がGoogleで情報を検索しているユーザーをターゲットにしたい場合、同様の情報の需要と供給を一致させます。 Web3に特化したニュースレターで情報を探している人が、私たちを探しています。 そして、私たちはその人を探しています。 (私はここで紹介プログラムを差し込みたいという衝動に抵抗しています。

グーグルが独占を築いたのは、それが機能する規模の経済によるものだった。 ユーザーのインベントリとユーザーが毎日行うクエリの数は、他の追随を許しません。 Googleは、広告が当たり前だった時代に広告のない検索エンジンを立ち上げ、 YouTubeAndroidを買収し、最終的にはAppleのような同業者にお金を払ってGoogleをデフォルトの検索エンジンにすることで、その地位を築き上げました。 Appleだけでも、GoogleはSafariのデフォルトの検索エンジンであり続けるために 年間200億ドルを支払っ ている。

Googleがそのプレミアムを支払うのは、その中核となるサービスがマッチングエンジンだからです。 マッチングエンジンにより、ニーズのあるユーザーは、サービスを提供している企業と連絡を取り合うことができます。 ウェブの独占企業のほとんどは、その中核をなすマッチングエンジンです。 Amazonは、商品の出品者と購入者をマッチングします。 Instagramは、オーディエンスとクリエイターをマッチングします。 これらのマッチングエンジンが機能するのは、これらの製品に対するインタラクションが、コンテキストを駆動できる豊富な証跡を残すためです。

ベン・エバンスが2022年に「 データなど存在しない」と書いたのは有名です。 私のコンテンツ、食べ物、旅行の好みを知ることは、第三者にとってあまり価値がありません。 商取引や研究において、文脈が集約されたり、充実したりして初めて価値が生まれます。

金曜日の夜にビリヤニを食べたいという私の好みは、私がビリヤニを買う可能性が最も高いときに、ビリヤニの配達を宣伝するために使われる可能性があるという意味での文脈です。 全体として、購入の確率を同じ地域の同業他社と比較することで、より的確なターゲットユーザーを絞り込むことができます。

データの価値を高めるには、規模 (大量) またはコンテキストが必要です。 Web3 と Web2 製品が歴史的に異なっているのは、それらが残した痕跡にあります。 特定の週に何台のXboxコントローラーが売れるかを知っているのはAmazonだけです。 しかし、トレーダーがOpenSeaでNFTを売買するパターンは、いつでも見ることができます。 その理由は、これらの各トランザクションが公的な証跡を残すためです。

Web3 のデータ製品は、これらの証跡を使用してコンテキストを構築します。

イーサリアムやビットコインなどのブロックチェーンは、それぞれ12秒ごと~10分ごとにブロックを生成します。 すべてのブロックには、ブロックチェーンの状態を変更するトランザクションが含まれています。 Etherscanのようなブロックエクスプローラーは、すべてのトランザクションに関連するデータをキャプチャします。 たとえば、Etherscanに移動してブロックを表示すると、次の画像が表示されます。

ブロックチェーン上のトランザクションは、コンテキストが豊富です。 Arkham や Nansen などの製品は、トランザクションが発生したときに何が起こっているのかを研究者が理解するための解釈エンジンです。

イーサリアムが起動してからのすべてのブロックを表示できます。 しかし、この情報で何ができるでしょうか? ほとんど何もありません。 そのため、このデータを複数のテーブルに取り込む方法が必要です。 例えば、マーケットプレイスのNFTコントラクトがブロックで呼び出されるたびに、そのトランザクションに関連するデータをNFT関連のテーブルに追加したり、Uniswapコントラクトが呼び出されたときに関連データをDEX関連のテーブルに格納したりする必要があります。 (Duneはこれをサービスとして行います。

多額のインフラストラクチャ コストを発生させずに生データを分析することはできません。 そのため、データは自由に利用できますが、同じ問題が発生します。 あなたは投資家やdAppビルダーとして外部データに依存しています。 しかし、コア機能はデータの収集と管理とは関係ありません。 必要不可欠ではあるが中核的ではない活動にリソースを費やすことは、すべての組織が享受できる贅沢ではありません。

コンテキストが価値を生む

データ製品の場合、データに関するコンテキストによって製品が一意になります。 ブルームバーグは、財務上の理解を応用し、発明者やトレーダーが簡単に利用できる形式にデータを変換します。 シミラーウェブのようなウェブサイトや、Newzooのような研究出版物は、そのコアコンピタンスを利用して、ソーシャルやゲーム関連のコンテキストをトラッキングするデータに適用しています。

ブロックチェーン・ネイティブ・データ製品は、特定のユーザー・サブセットに関連する質問に答えるクエリを通じてユーザー・コンテキストを提供することで、差別化を図ります。 たとえば、TokenTerminalはプロトコルの経済的ファンダメンタルズを計算します。 Nansen は、市場参加者が資産の動きにラベルを付け、理解するのを支援します。 Parsecはオンチェーンデータを照会して、トレーダーがDeFiのポジションをより適切に分析できるようにします。

これらの製品はすべて、オンチェーンデータという公共財から成り立っています。 違いは、これらの製品がデータをどのように提示するかであり、さまざまなオーディエンスにアピールします。

私たちの業界における製品カテゴリーの分割は、どのデータがオンチェーンで、どの情報がオフチェーンのソースから得られるかに基づいています。 (両方を使用することが多い人もいます。 データプロバイダーは、コンテキストフィルターを使用して製品を作成します。 Web2データにニッチがあるように、Web3データ企業はコアコンピタンスを活かして堀を築いてきたか、徐々に構築しつつあります。

そのため、創業者の経歴によって、リリースされる製品の性質が決まることがよくあります。 コアチームが仮想通貨以前に資本市場でかなりの時間を費やしてきた場合、その製品はブルームバーグを模倣する傾向がありますが、クリプトネイティブの製品はナンセンのように見えます。 製品が異なれば、同じデータをクエリする場合でも、ニーズが異なります。

たとえば、取引所は通常、一定の間隔でデータを破棄します。 彼らはデータビジネスをしていないため、古いデータを保存するには追加のサーバーと管理が必要です。 Kaiko や Amberdata などの一部のデータ プロバイダーは、取引所からの過去のオーダーブック データを保持しています。 このようなデータにより、トレーダーや投資家は仮説を検証するためのモデルを構築することができます。 しかし、どのDeFiコントラクトがETHやステーブルコインの流入で流されているかを理解したり、特定のアドレスやエンティティのオンチェーン動作を分析したりするには、NansenまたはArkhamの製品が必要になります。

マーケットマップは、すべてのカテゴリーのすべてのプレーヤーを代表するものではありません。

製品が市場でどのように位置付けられているかを理解する1つの方法は、暗号資産における消費者ペルソナのレンズを通してです。 これらのペルソナは、次の 4 つの主要なカテゴリに分類できます。

金融機関

暗号データ商品を通じて流れるほとんどのドルは、弱気相場中に金融機関から来ています。 これらは、販売サイクルが長く、データ要件がはるかに複雑である高額な顧客です。 商品が金融機関向けかどうかを知る方法の 1 つは、顧客が販売電話を受けて費用を決定する必要があるかどうかです。 Web2の世界では、PitchBookやCB Insightsの費用はわかりません。 暗号では、Chainalysisのような製品にいくらかかるかはわかりません。

冗談はさておき、このような販売プロセスの理由の一部は、この消費者セグメント向けのデータ製品が提供する実践的できめ細かなサービスにあります。 これらのユーザーは、通常、非常に詳細で頻繁なデータを選択します。 取引前の意思決定だけでなく、コンプライアンスや課税の要件を満たすために取引後の使用にもデータが必要です。

たとえば、ポートフォリオの価値が過去にあったことを教えてくれたり、税金の計算に役立てたりする製品が必要です。 Amberdata、Kaiko、CoinMetrics、CryptoCompare、そしてある程度Nansenなどの企業がこれらの顧客にサービスを提供しています。

私の経験では、機関投資家や大規模な資金調達ラウンドを持つチームで働いていたバックグラウンドを持つ創業者だけが、機関投資家向けのデータ市場を切り開くことができました。 ここでは、他のエンタープライズ製品と同様に、参入障壁が比較的高くなっています。

開発者

Web3のコンポーザビリティ機能は、Web3アプリケーションが相互依存していることを意味します。 これらは、互いからのデータを必要とする可能性があります。 そのため、常に相互にデータを読み取る必要があります。 たとえば、Yearn FinanceのようなプラットフォームはAaveやCompoundからデータを読み取る必要があり、TensorのようなNFTアグリゲーターはMagic Edenやその他のマーケットプレイスからデータを読み取る必要があります。

しかし、このデータはイーサリアムやソラナなどのチェーン上のブロックにまたがって保存されています。 イーサリアムは12秒でブロックを作成し、ソラナは400ミリ秒でブロックを作成します。 ブロックチェーンのデータをテーブルに分類し、すばやくアクセスできるように保存することは、簡単な作業ではありません。 そこで登場するのが、Covalent、Graph、Chainlink、Powerloomなどのインデクサーです。 ブロックチェーンの生データが目的の形式で保存されるため、開発者は簡単なAPI呼び出しでデータを取得できます。

この消費者ペルソナの新たなセグメントには、ユーザーの行動を理解するために使用されるツールが含まれます。 例えば、 ARCx を使用すると、開発者はオフチェーンデータ(ブラウザの行動など)とオンチェーンデータ(ウォレットアドレスなど)をマッピングして、dAppを操作するユーザーの人口統計学的情報を取得することができます。 これらは比較的小さいですが、開発者がユーザーが誰であるかを特定するのに役立つため、関連性のあるニッチです。

研究者・論文

暗号資産のデータ製品は、研究者や出版物とのコラボレーションによって配布されることがよくあります。 例えば、CCDataはブルームバーグでよく引用されています。 研究者は、データの収集、クリーニング、キュレーションの時間と労力を節約するのに役立つデータ製品に頼るインセンティブがあります。 Duneのような製品は、リストの上位にランクインするために互いに競い合うアナリストのコミュニティを構築することで、堀を築いてきました。

The BlockやDelphiなどの出版物では、サードパーティプロバイダーのデータを使用して構築されたダッシュボードを紹介しています。 Decentralised.co では、データ収集時に外部リソースを使用しながら、チームの無駄を省くことができるため、外部のデータプロバイダーに完全に依存しています。

この消費者セグメントに対応する際の課題は、小規模な研究者が、一人の人間にしか関係のないニッチな洞察を明らかにするために膨大なリソースを費やすことを正当化するために必要な予算を持っていない可能性があることです。 逆に、金融機関は、フィナンシャル・タイムズのような重要な出版物との提携に労力とリソースを費やすインセンティブが十分にあります。

個人投資家

個人投資家向けの商品は、通常、データの粒度と頻度が低くなります。 しかし、規模の経済を見れば、非常に収益性の高いニッチ市場です。 10,000人のユーザーがそれぞれ100ドルを支払うことは、解約が存在しない世界では100万ドルのARRビジネスです。 言うは易く行うは難しですが、これらの経済性は、なぜこれほど多くの小売指向の暗号データ製品があるのかを説明しています。

小売向けの商品の大部分は無料であるか、広告でサポートされています。 例えば、DefiLlamaのような無料リソースは、オーダーブックのスナップショットを取らないため、スリッページを回避するために異なる取引所(CEXとDEX)を介して注文をルーティングする方法は教えてくれませんが、トークンのロック解除や利回りのロック解除に関する情報を紹介します。

この消費者セグメントにおける変化の1つは、配信メディアが新しい市場カテゴリーを開拓する方法であり、例えば 、Cielo はTelegramを通じてデータを通知として配信しています。 デスクトップインターフェイスを扱いたくない消費者セグメント向けに、使いやすい方法で情報を中継することで、40,000人以上のユーザーに拡大しました。 正しく行えば、流通媒体でさえ、初期段階のベンチャーの差別化要因になり得ます。 データでも。

分類は曖昧な部分で曖昧になりますが、データ企業はB2BとB2Cに分けることができます。

Amberdata や Kaiko などの企業は、洗練されたアクターに対応する製品を提供しています。 これらの製品は、より詳細(データが利用可能な詳細)で、頻繁(例: ティック・バイ・ティックおよびリアルタイムのオーダーブック・データ)を備え、モデルの構築とテスト、取引前の分析、取引後のレポート、税務、コンプライアンスなどの要求を満たします。 データは、お客様が独自の分析を実行し、好みに合わせて視覚化を構築できる形式で提供されます。 これらの企業は通常、ペイウォールの背後で製品を提供しています。

コストは一般に、インフラストラクチャの要件、関係する顧客の性質、および販売サイクルの長さによる粒度の関数です。

上の画像は、さまざまな製品を 2 つの軸 (深さと粒度 vs. 製品の価格) でマッピングしています。 これらのプロットは正確ではないことに注意してください。 いくつかのポイントが間違っている可能性があります。 アイデアは、いくつかの製品と市場での地位について考えるためのメンタルモデルを開発することです。

DuneやCoinGeckoなどの小売りに焦点を当てた製品は、ほぼすべてのデータを無料で表示します。 顧客は、一部のデータにアクセスする場合、または分析を実行するためにAPIを介してデータが必要な場合は、料金を支払う必要があります。 たとえば、複数の Dune ウィザードで作成されたすべてのチャートを表示できますが、CSV 形式でダウンロードできる行数が制限されます。 より大きなCSVファイルをダウンロードし、追加料金を支払うとプライベートクエリを表示できます。

小売業に重点を置いた企業は、顧客あたりの収益が低く、無料ユーザーの割合として有料顧客が少ない傾向があります。 これをインターネット企業のフリーミアムモデルのコンバージョン率と比較してください。 通常、コンバージョン率は 2%–5%です。 コンバージョン率が10%であれば、異常値となります。 彼らの戦略は、4%のコンバージョン率が収益に大きく貢献するように、できるだけ多くの無料顧客を獲得することです。 これは、ファネルの上部と呼ばれるものです。

そのため、データ企業は、ファネルの上部が、より低いコンバージョン率で維持するのに十分な収益を生み出すのに十分な大きさである必要があります。 企業は、サイトに多くの訪問者がいる場合に、広告から収益を生み出すことも検討できます。 CoinGeckoは、広告収入をレバレッジとして使用して、ほとんどのデータを無料で提供し続けます。

何年にもわたって、企業は(B2BとB2C)スペクトルの両端のスポットを埋め、その間にいくつかのギャップを残してきました。 中央集権的な取引所でオーダーブックがどのように変化しているか、プットコール比率、IV、スキューがどのように変化しているかを確認したい場合、視覚化に役立つ商品は多くありません。 世界のCoinGeckoよりも粒度の細かい製品のためのスペースがありますが、純粋なB2Bプレーヤーによる製品よりも粒度は低くなります。

堀の上

原材料が無料のビジネスで堀を見つけるのは簡単ではありません。 ブロックチェーンデータは自由に利用できます。 収集できるデータに独自のものはありません。 つまり、データビジネスにおける堀は、他の人が持っていないデータを持っていることだけに基づいているわけではありません。 代わりに、洞察力に富んだ使いやすい形式で、時間どおりに、エラーなくデータを提供するチームの能力に基づいています。

多くの企業が同じデータを持っていると主張していますが、データの品質とその表示方法は異なります。 例えば、多くの企業はオフチェーンのオーダーブックデータを持っていると主張しています。 ただし、買/売注文の数、時系列の長さ、利用可能な取引所とペアの数などの要因は、プロバイダーごとに異なります。 AmberdataKaikoは 、暗号市場に関する最も包括的なオーダーブックデータを持っています。

しかし、なぜこのようなデータを提供できるプロバイダーはごくわずかなのでしょうか? Web3データのどこに堀が現れるかについての説明はここにあります。

才能 - 明白なことを述べるリスクを冒して、原材料が無料である場合、それをどのように成形するかによって製品の価値が決まります。 生データを有用な情報に変えるには、暗号資産や従来の金融市場の多くのニッチな分野の専門知識が必要です。 従来の市場での経験を持つ Velo Dataのようなチームは、同様のB2C製品を構築しようとする他のチームよりも優位に立っています。 ブロックチェーンのデータ構造を理解し、金融市場で関連する経験を持つ有能な開発者を見つけることはまれです。

インフラストラクチャ – 大量のデータを収集して配信するには、簡単には実現できないインフラストラクチャが必要です。 この種の事業には、資本と人材が必要です。 なぜインフラは堀なのか? メモリー・ プール・データについて考えてみましょう。 ブロックには、確認済トランザクションのデータが含まれます。 未確認の取引についてはどうですか?

異なるネットワーク・ノード (例えば、同じプールに接続されているノード) は、異なる未承認トランザクションを参照します。 ノードを 1 つだけ実行しても、競合するトランザクションのグローバル ビューは得られません。 複数のブロックチェーンで複数のノードを維持すると、インフラストラクチャのコストが増加します。 AI(および過去のコンテンツネットワーク)と同様に、ハードウェアのコストを低く抑えながらスケーリングできるかどうかが、時間の経過とともにこの分野の勝者と敗者を決定します。

ネットワーク効果 –ネットワーク効果は多くの暗号データ製品に存在するという仮説を立てることができます。 Chainlinkを例にとってみましょう。 これは、アプリケーションが他のアプリケーションやチェーンからデータを読み取ることを可能にした最初のオラクルの1つでした。 コミュニティの支持を集めることができ、最強のコミュニティの1つを持っています。 もう一つの例はナンセンです。 その名声は、資産の動きを六進数の住所ではなく実際のエンティティに帰属させることを可能にする住所ラベルでした。

その後、NFTパラダイスやトークンゴッドモードなどの機能を開始し、ユーザーがNFTやトークンをより効果的に追跡できるようにしました。 Arkham は Nansen のラベルに似た製品を発売しましたが、ダッシュボードと調査への投資により、Nansen は企業顧客向けに操作し、顧客に合わせた製品を提供することができました。 特筆すべきは、ネットワーク効果は最初の2点(人材とインフラ)がなければあり得ないということです。

これが機能する場所の 1 つは、インデクサーです。 製品がサポートするチェーンの数が多いほど、開発者が複数のソースに依存するのではなく、製品を使用する可能性が高くなります。 Covalentのようなチームは、かなり長い間、サポートされているチェーンの幅を最適化してきたため、ここで優位に立っています。 しかし、深さは幅と同じくらい重要であることを忘れないでください。

暗号資産に意味のある堀があるかどうかを言うのは時期尚早です。 私たちは、物事の壮大な計画の中で、先行者の利点を目の当たりにしてきました。 Web3ソーシャルやAIと暗号資産の重複などのカテゴリーが拡大し続ける中、業界のデータ製品は次のアルファベットに成長するかもしれません。 しかし、それは何十年にもわたる話です。私たちはまだ初期段階にあります。

投機を超えて

この記事で紹介したユースケースの多くは、何らかの形で金融投機に注目しています。 APIを使用してデータを照会する開発者でさえ、金融商品を構築しています。 奇妙に思えるかもしれませんが、ブロックチェーン(新しいネットワーク)は、テレグラフやインターネットと同じ傾向をたどっています。

新しいメディアの登場と新しいネットワークの出現により、金融のユースケースが加速しています。 インターネットが普及したことで、2000年代初頭まで、ユーザーが位置情報に基づいて標的にされる可能性があることに人々が気づくまでには時間がかかりました。 ブロックチェーンでは、公開されているデータの痕跡からビジネスモデルを構築する方法を模索しているところです。

これらのプラットフォームを日常的に使用する中で、Dune Analyticsが製品にAIを埋め込んだという重要な変化が見られました。 Duneは、ユーザーがイーサリアムやソラナなどのブロックチェーンからデータを照会するためのSQLベースのインターフェイスを提供します。 このような製品の市場は、通常、SQLクエリの記述方法を理解しているユーザーに限定されています。 最近では、アナリストがSQLの専門家でなくてもクエリを生成できるようにAIを使い始めました。 それは人が望むほど機能的ではありません。 しかし、それはまだ未来への一歩です。 AI(ChatGPTなど)にブロックチェーンからデータを照会し、その分析を提供するように依頼する日もそう遠くないかもしれません。

Web3 の文脈で「データ」を考える方法の 1 つは、Google マップのレンズを通してです。 GPSは少なくとも1980年代から存在しています。 グーグルは、世界を地図化するために必要な作業を行いました。 マップのオーバーレイをサードパーティのアプリで (API を使用して) 利用できるようにすることで、同社は新世代のアプリケーションの構築を可能にしました。 配達から配車サービスまで、あらゆるものが活況を呈したのは、データを専門とする単一のプレーヤーが開発者の負担を引き受けたからです。

Web3 のデータ製品も同様の役割を果たします。 この公開されているリソース上に構築できるアプリケーションの正確な性質はまだわかりませんが、データランドスケープ内にアルファベット規模の機会があることが明らかになりつつあります。

免責事項:

  1. この記事は[GCR]からの転載です。 すべての著作権は原作者[Saurabh Deshpande、Siddharth、Joel]に帰属します。 この転載に異議がある場合は、 Gate Learn チームに連絡していただければ、迅速に対応いたします。
  2. 免責事項:この記事で表明された見解や意見は、著者のものであり、投資アドバイスを構成するものではありません。
  3. 記事の他言語への翻訳は、Gate Learnチームによって行われます。 特に明記されていない限り、翻訳された記事を複製、配布、盗用することは禁止されています。

Web3データランドスケープのマッピング

中級12/28/2023, 2:32:07 AM
本稿では、ITの進化の歴史、データのビジネスモデル、Web3時代におけるさまざまな役割の関係について詳しく説明します。

この記事は Decentralised.co に掲載されたものです。 GCRでは、毎月2回、隔週木曜日にDecentralisedの長いフォームをお届けします。 Decentralised.co は、200社以上の企業の経営陣から信頼を得ており、重要なトレンド、データ、インサイトを常に把握しています。 以下のニュースレターにサインアップしてください—Discordで最もアクティブなメンバーのためのこのコラボレーションの詳細。

Decentralised.co を購読する


ねえ

この記事の先駆けは 7月18日に 書いていますが、ここに書かれている以上の文脈をご希望の場合はご覧ください。

生きとし生けるものはすべて何らかの記録を残しています。 動物は季節を追跡して、いつ狩りをするかを理解します。 げっ歯類や鳥は、ユニークな場所に食べ物を蓄えます。 彼らは、数か月後に栄養のためにアクセスするときに、それをどこに保管したかを覚えておく必要があります。 オオカミは縄張りの周囲にマークを作り、他の動物に近づかないように合図します。 木でさえ時間を追跡します。 毎年、幹に輪が形成されます。 年輪の数に基づいて木の年齢を推定できます。

樹木や動物は時間を追跡しますが、過去を取り戻したり、語りたりすることはできません。 メモリにアクセスできません。 それが人間の記録管理の違いです。 メソポタミア(紀元前3400年)のシュメール人や古代エジプト人(紀元前3200年)は、楔形文字や象形文字を使って情報を記録していたことがわかっています。

人類は、情報源が物理的に関与することなく知識を伝えることができるときに進化しました。 プラトンやソクラテスの作品がなくなった後もずっと読んで楽しんでいるのは、彼らの教えを保存する手段があるからです。 文章を書くことは、ARプラットフォームの元祖でした。

イランから穀物を追跡して書いています。 出典: リンク

書くことは想像力に任せていましたが、データは物事を客観的に保つのに役立ちました。 これにより、個人が記憶に物を保存する必要性が減りました。 これが、最古の人間のテキストのいくつかが借金、収入、または貿易記録を含む理由の一部です。

デジタル化

脱工業化の時代には、企業は競争力のある堀を築き、販売記録をデジタル化することで市場での地位を強化しました。 その一例が、Asian Paintsというインドの会社です。 彼らの塗料は市場で最高ではないかもしれませんが、インドの80億ドルの塗料産業の50%+市場シェアを制御しています。

なぜでしょうか。簡単な答えは、それが家庭用ブランドであり、会社には規模の経済があるということです。 しかし、そこに至るまでの経緯はデータにあります。 彼らは、サプライチェーンを最適化するために、データ収集と処理に多額の投資を行いました。

ちなみに、Asian Paintsの在庫は、過去30年間で25%という驚異的なCAGRを記録しています。 その成長を支えたのは、1970年代のメインフレームコンピュータへの投資でした。 この装置は、当時のインドの最高の研究機関で使用されていたものよりも強力でした。 インド全土で販売された塗料の色と量に関するデータを1時間ごとに収集しました。 これにより、Asian Paints社は、インド全土の塗料需要を98%の精度で予測するモデルを構築することができました。

この予測能力により、Asian Paintsは補充時間を大幅に短縮することができ、最大の価値を獲得することができました。 当時は、絵の具などを売るのが当たり前で、問屋に売って、卸がそれを流通業者に渡し、流通業者が販売店に売るというものでした。 ディーラーは消費者と直接対話します。 このような複雑なサプライチェーンの理由は、各当事者が資産の目録を保持し、塗料の需給に関するデータを管理していたためです。

Asian Paintsの創業者であるChoksey氏は、エンドユーザーの消費パターンを研究し、中間業者への依存を減らすことで、卸売業者や流通業者をサプライチェーンから排除しました。中間業者を排除することで、Asian PaintsはMRPの97%(ディーラーに3%)を獲得したのに対し、競合他社は60%を獲得しました。


電信の抽出可能な価値は、電信で中継されるティッカーテープのフロントランニングになります。

デジタルへの移行は一夜にして実現したわけではありません。 データ収集を面白くした理由の一つは、金融の世界と、それが徐々に相互に結びついてきたことです。 たとえば、20世紀後半には、株式市場のデータは 、上記のようなデバイスを使用して電信を介して中継されました。 早くも1835年には、商人たちはヨーロッパで何が起こっているかについての情報が書かれた紙切れを運ぶように鳩を訓練しました。 物資を運ぶ蒸気船が陸地から50マイル以内に近づくと、鳩は情報を持って指定された場所に飛んでいきました。 トレーダーは、ニュースを事前に入手するために、1時間ごとに 最大500ドル を支払っていました。

1867年までに、貿易業者は電信を通じて情報が中継される速度を最適化するために競争し始めました。 ウエスタンユニオンの従業員、 Eさん。カラハンはNYSEに20万ドル以上を支払い 、トレーディングフロアに従業員を派遣して顧客にティッカーデータを中継する能力を提供しました。 システムの最適化に熱心に取り組んでいた人物の一人が、トーマス・アルバ・エジソンという若い科学者でした。 100年後、ブルームバーグ端末のようなツールは、特定の日に中継される金融データのペースと量を指数関数的に拡大しました。

生データの成形

データは、原油と同様に、使用する前にいくつかのステップを踏む必要があります。 ブルームバーグがどのように成長したかを学ぶことで、データランドスケープ全体がどのように進化し、どのようなプロセスになったかが明らかになります。 ブルームバーグは、取引と報告のメカニズムを改善するためにテクノロジーを使用する最初の試みではありませんでした。 NASDAQは、 バンカーラモ 端末を使用して情報を広め、ビッド/アスク注文を出しました。 しかし、かつての電話通信ネットワークに依存していたため、このモデルの拡張は常に困難でした。


出典 – NASDAQ – The Evolution of Automated OTC Trading

1981年、投資銀行ソロモン・ブラザーズのパートナーであるマイケル・ブルームバーグは、フィブロ・コーポレーションが銀行を買収した際に 、1000万ドルの株式を解雇 された。 彼は、ニューヨークから日本への金融市場の電子化が進む中、投資家は合理化された金融情報にお金を払う準備ができていることに気づきました。 1986年にブルームバーグに改名されたイノベーティブ・マーケット・システム(Innovative Market System)というデータサービス会社を立ち上げました。

インターネットが普及する前は、ブルームバーグターミナルには チクレットを使用してアクセスしていました。 これは、専用の電話回線を介してローカルハブに接続された特別なケーブルを介してブルームバーグコントローラーに接続されました。 ブルームバーグは、データパートナーシップ、通信社、プレスリリース、手動データ入力や電話ベースのデータ収集などの独自の方法を通じてデータを収集しました。

インターネットによって、情報の水門が開かれました。 現在、ブルームバーグは2,000億件の財務情報をほぼリアルタイムで調達、処理、配信しています。 これは、毎秒約 2,300 万のデータ ポイントに相当します。 ブルームバーグで入手可能な情報の一部は公開されています。 企業の財務諸表や株価、債券価格などのデータポイントは、公開フォーラムで見つけることができます。

しかし、あなたが石油・ガスのアナリストで、原油コンテナの動きを理解したい場合はどうでしょうか? Bloombergのようなデータソースを購読していない場合、この情報をリアルタイムで取得する可能性は低いです。 インターネット上のすべてのデータが自由に利用できるわけではありません。

Web2 のデータに関しては、通常、個人には、許可されたアクセスと、大量のデータを処理するための高い障壁という 2 つの制約があります。 長年にわたり、ブルームバーグのようなプロバイダーは、アナリストや投資家が行う余裕のない、関連会社を通じてデータを調達するのに十分な強力なネットワーク効果を構築してきました。

ブルームバーグに20,000ドルを支払って年間購読料を支払う方が、それぞれ価格帯の異なるデータプラットフォームを組み合わせてデータを調達しようとするよりも良いでしょう。 たとえ一生懸命データを手に入れたとしても、多額のインフラ費用をかけなければ、リアルタイムで分析を処理して実行することはできません。 小売業側では、最終的に拡張された多くのプラットフォームがデータマッチングエンジンでした。

Google(検索エンジン)は、広告費と引き換えに企業にユーザーへのアクセスを提供するデータ会社です。 レストランやニュースレター(私たちのような)がGoogleで情報を検索しているユーザーをターゲットにしたい場合、同様の情報の需要と供給を一致させます。 Web3に特化したニュースレターで情報を探している人が、私たちを探しています。 そして、私たちはその人を探しています。 (私はここで紹介プログラムを差し込みたいという衝動に抵抗しています。

グーグルが独占を築いたのは、それが機能する規模の経済によるものだった。 ユーザーのインベントリとユーザーが毎日行うクエリの数は、他の追随を許しません。 Googleは、広告が当たり前だった時代に広告のない検索エンジンを立ち上げ、 YouTubeAndroidを買収し、最終的にはAppleのような同業者にお金を払ってGoogleをデフォルトの検索エンジンにすることで、その地位を築き上げました。 Appleだけでも、GoogleはSafariのデフォルトの検索エンジンであり続けるために 年間200億ドルを支払っ ている。

Googleがそのプレミアムを支払うのは、その中核となるサービスがマッチングエンジンだからです。 マッチングエンジンにより、ニーズのあるユーザーは、サービスを提供している企業と連絡を取り合うことができます。 ウェブの独占企業のほとんどは、その中核をなすマッチングエンジンです。 Amazonは、商品の出品者と購入者をマッチングします。 Instagramは、オーディエンスとクリエイターをマッチングします。 これらのマッチングエンジンが機能するのは、これらの製品に対するインタラクションが、コンテキストを駆動できる豊富な証跡を残すためです。

ベン・エバンスが2022年に「 データなど存在しない」と書いたのは有名です。 私のコンテンツ、食べ物、旅行の好みを知ることは、第三者にとってあまり価値がありません。 商取引や研究において、文脈が集約されたり、充実したりして初めて価値が生まれます。

金曜日の夜にビリヤニを食べたいという私の好みは、私がビリヤニを買う可能性が最も高いときに、ビリヤニの配達を宣伝するために使われる可能性があるという意味での文脈です。 全体として、購入の確率を同じ地域の同業他社と比較することで、より的確なターゲットユーザーを絞り込むことができます。

データの価値を高めるには、規模 (大量) またはコンテキストが必要です。 Web3 と Web2 製品が歴史的に異なっているのは、それらが残した痕跡にあります。 特定の週に何台のXboxコントローラーが売れるかを知っているのはAmazonだけです。 しかし、トレーダーがOpenSeaでNFTを売買するパターンは、いつでも見ることができます。 その理由は、これらの各トランザクションが公的な証跡を残すためです。

Web3 のデータ製品は、これらの証跡を使用してコンテキストを構築します。

イーサリアムやビットコインなどのブロックチェーンは、それぞれ12秒ごと~10分ごとにブロックを生成します。 すべてのブロックには、ブロックチェーンの状態を変更するトランザクションが含まれています。 Etherscanのようなブロックエクスプローラーは、すべてのトランザクションに関連するデータをキャプチャします。 たとえば、Etherscanに移動してブロックを表示すると、次の画像が表示されます。

ブロックチェーン上のトランザクションは、コンテキストが豊富です。 Arkham や Nansen などの製品は、トランザクションが発生したときに何が起こっているのかを研究者が理解するための解釈エンジンです。

イーサリアムが起動してからのすべてのブロックを表示できます。 しかし、この情報で何ができるでしょうか? ほとんど何もありません。 そのため、このデータを複数のテーブルに取り込む方法が必要です。 例えば、マーケットプレイスのNFTコントラクトがブロックで呼び出されるたびに、そのトランザクションに関連するデータをNFT関連のテーブルに追加したり、Uniswapコントラクトが呼び出されたときに関連データをDEX関連のテーブルに格納したりする必要があります。 (Duneはこれをサービスとして行います。

多額のインフラストラクチャ コストを発生させずに生データを分析することはできません。 そのため、データは自由に利用できますが、同じ問題が発生します。 あなたは投資家やdAppビルダーとして外部データに依存しています。 しかし、コア機能はデータの収集と管理とは関係ありません。 必要不可欠ではあるが中核的ではない活動にリソースを費やすことは、すべての組織が享受できる贅沢ではありません。

コンテキストが価値を生む

データ製品の場合、データに関するコンテキストによって製品が一意になります。 ブルームバーグは、財務上の理解を応用し、発明者やトレーダーが簡単に利用できる形式にデータを変換します。 シミラーウェブのようなウェブサイトや、Newzooのような研究出版物は、そのコアコンピタンスを利用して、ソーシャルやゲーム関連のコンテキストをトラッキングするデータに適用しています。

ブロックチェーン・ネイティブ・データ製品は、特定のユーザー・サブセットに関連する質問に答えるクエリを通じてユーザー・コンテキストを提供することで、差別化を図ります。 たとえば、TokenTerminalはプロトコルの経済的ファンダメンタルズを計算します。 Nansen は、市場参加者が資産の動きにラベルを付け、理解するのを支援します。 Parsecはオンチェーンデータを照会して、トレーダーがDeFiのポジションをより適切に分析できるようにします。

これらの製品はすべて、オンチェーンデータという公共財から成り立っています。 違いは、これらの製品がデータをどのように提示するかであり、さまざまなオーディエンスにアピールします。

私たちの業界における製品カテゴリーの分割は、どのデータがオンチェーンで、どの情報がオフチェーンのソースから得られるかに基づいています。 (両方を使用することが多い人もいます。 データプロバイダーは、コンテキストフィルターを使用して製品を作成します。 Web2データにニッチがあるように、Web3データ企業はコアコンピタンスを活かして堀を築いてきたか、徐々に構築しつつあります。

そのため、創業者の経歴によって、リリースされる製品の性質が決まることがよくあります。 コアチームが仮想通貨以前に資本市場でかなりの時間を費やしてきた場合、その製品はブルームバーグを模倣する傾向がありますが、クリプトネイティブの製品はナンセンのように見えます。 製品が異なれば、同じデータをクエリする場合でも、ニーズが異なります。

たとえば、取引所は通常、一定の間隔でデータを破棄します。 彼らはデータビジネスをしていないため、古いデータを保存するには追加のサーバーと管理が必要です。 Kaiko や Amberdata などの一部のデータ プロバイダーは、取引所からの過去のオーダーブック データを保持しています。 このようなデータにより、トレーダーや投資家は仮説を検証するためのモデルを構築することができます。 しかし、どのDeFiコントラクトがETHやステーブルコインの流入で流されているかを理解したり、特定のアドレスやエンティティのオンチェーン動作を分析したりするには、NansenまたはArkhamの製品が必要になります。

マーケットマップは、すべてのカテゴリーのすべてのプレーヤーを代表するものではありません。

製品が市場でどのように位置付けられているかを理解する1つの方法は、暗号資産における消費者ペルソナのレンズを通してです。 これらのペルソナは、次の 4 つの主要なカテゴリに分類できます。

金融機関

暗号データ商品を通じて流れるほとんどのドルは、弱気相場中に金融機関から来ています。 これらは、販売サイクルが長く、データ要件がはるかに複雑である高額な顧客です。 商品が金融機関向けかどうかを知る方法の 1 つは、顧客が販売電話を受けて費用を決定する必要があるかどうかです。 Web2の世界では、PitchBookやCB Insightsの費用はわかりません。 暗号では、Chainalysisのような製品にいくらかかるかはわかりません。

冗談はさておき、このような販売プロセスの理由の一部は、この消費者セグメント向けのデータ製品が提供する実践的できめ細かなサービスにあります。 これらのユーザーは、通常、非常に詳細で頻繁なデータを選択します。 取引前の意思決定だけでなく、コンプライアンスや課税の要件を満たすために取引後の使用にもデータが必要です。

たとえば、ポートフォリオの価値が過去にあったことを教えてくれたり、税金の計算に役立てたりする製品が必要です。 Amberdata、Kaiko、CoinMetrics、CryptoCompare、そしてある程度Nansenなどの企業がこれらの顧客にサービスを提供しています。

私の経験では、機関投資家や大規模な資金調達ラウンドを持つチームで働いていたバックグラウンドを持つ創業者だけが、機関投資家向けのデータ市場を切り開くことができました。 ここでは、他のエンタープライズ製品と同様に、参入障壁が比較的高くなっています。

開発者

Web3のコンポーザビリティ機能は、Web3アプリケーションが相互依存していることを意味します。 これらは、互いからのデータを必要とする可能性があります。 そのため、常に相互にデータを読み取る必要があります。 たとえば、Yearn FinanceのようなプラットフォームはAaveやCompoundからデータを読み取る必要があり、TensorのようなNFTアグリゲーターはMagic Edenやその他のマーケットプレイスからデータを読み取る必要があります。

しかし、このデータはイーサリアムやソラナなどのチェーン上のブロックにまたがって保存されています。 イーサリアムは12秒でブロックを作成し、ソラナは400ミリ秒でブロックを作成します。 ブロックチェーンのデータをテーブルに分類し、すばやくアクセスできるように保存することは、簡単な作業ではありません。 そこで登場するのが、Covalent、Graph、Chainlink、Powerloomなどのインデクサーです。 ブロックチェーンの生データが目的の形式で保存されるため、開発者は簡単なAPI呼び出しでデータを取得できます。

この消費者ペルソナの新たなセグメントには、ユーザーの行動を理解するために使用されるツールが含まれます。 例えば、 ARCx を使用すると、開発者はオフチェーンデータ(ブラウザの行動など)とオンチェーンデータ(ウォレットアドレスなど)をマッピングして、dAppを操作するユーザーの人口統計学的情報を取得することができます。 これらは比較的小さいですが、開発者がユーザーが誰であるかを特定するのに役立つため、関連性のあるニッチです。

研究者・論文

暗号資産のデータ製品は、研究者や出版物とのコラボレーションによって配布されることがよくあります。 例えば、CCDataはブルームバーグでよく引用されています。 研究者は、データの収集、クリーニング、キュレーションの時間と労力を節約するのに役立つデータ製品に頼るインセンティブがあります。 Duneのような製品は、リストの上位にランクインするために互いに競い合うアナリストのコミュニティを構築することで、堀を築いてきました。

The BlockやDelphiなどの出版物では、サードパーティプロバイダーのデータを使用して構築されたダッシュボードを紹介しています。 Decentralised.co では、データ収集時に外部リソースを使用しながら、チームの無駄を省くことができるため、外部のデータプロバイダーに完全に依存しています。

この消費者セグメントに対応する際の課題は、小規模な研究者が、一人の人間にしか関係のないニッチな洞察を明らかにするために膨大なリソースを費やすことを正当化するために必要な予算を持っていない可能性があることです。 逆に、金融機関は、フィナンシャル・タイムズのような重要な出版物との提携に労力とリソースを費やすインセンティブが十分にあります。

個人投資家

個人投資家向けの商品は、通常、データの粒度と頻度が低くなります。 しかし、規模の経済を見れば、非常に収益性の高いニッチ市場です。 10,000人のユーザーがそれぞれ100ドルを支払うことは、解約が存在しない世界では100万ドルのARRビジネスです。 言うは易く行うは難しですが、これらの経済性は、なぜこれほど多くの小売指向の暗号データ製品があるのかを説明しています。

小売向けの商品の大部分は無料であるか、広告でサポートされています。 例えば、DefiLlamaのような無料リソースは、オーダーブックのスナップショットを取らないため、スリッページを回避するために異なる取引所(CEXとDEX)を介して注文をルーティングする方法は教えてくれませんが、トークンのロック解除や利回りのロック解除に関する情報を紹介します。

この消費者セグメントにおける変化の1つは、配信メディアが新しい市場カテゴリーを開拓する方法であり、例えば 、Cielo はTelegramを通じてデータを通知として配信しています。 デスクトップインターフェイスを扱いたくない消費者セグメント向けに、使いやすい方法で情報を中継することで、40,000人以上のユーザーに拡大しました。 正しく行えば、流通媒体でさえ、初期段階のベンチャーの差別化要因になり得ます。 データでも。

分類は曖昧な部分で曖昧になりますが、データ企業はB2BとB2Cに分けることができます。

Amberdata や Kaiko などの企業は、洗練されたアクターに対応する製品を提供しています。 これらの製品は、より詳細(データが利用可能な詳細)で、頻繁(例: ティック・バイ・ティックおよびリアルタイムのオーダーブック・データ)を備え、モデルの構築とテスト、取引前の分析、取引後のレポート、税務、コンプライアンスなどの要求を満たします。 データは、お客様が独自の分析を実行し、好みに合わせて視覚化を構築できる形式で提供されます。 これらの企業は通常、ペイウォールの背後で製品を提供しています。

コストは一般に、インフラストラクチャの要件、関係する顧客の性質、および販売サイクルの長さによる粒度の関数です。

上の画像は、さまざまな製品を 2 つの軸 (深さと粒度 vs. 製品の価格) でマッピングしています。 これらのプロットは正確ではないことに注意してください。 いくつかのポイントが間違っている可能性があります。 アイデアは、いくつかの製品と市場での地位について考えるためのメンタルモデルを開発することです。

DuneやCoinGeckoなどの小売りに焦点を当てた製品は、ほぼすべてのデータを無料で表示します。 顧客は、一部のデータにアクセスする場合、または分析を実行するためにAPIを介してデータが必要な場合は、料金を支払う必要があります。 たとえば、複数の Dune ウィザードで作成されたすべてのチャートを表示できますが、CSV 形式でダウンロードできる行数が制限されます。 より大きなCSVファイルをダウンロードし、追加料金を支払うとプライベートクエリを表示できます。

小売業に重点を置いた企業は、顧客あたりの収益が低く、無料ユーザーの割合として有料顧客が少ない傾向があります。 これをインターネット企業のフリーミアムモデルのコンバージョン率と比較してください。 通常、コンバージョン率は 2%–5%です。 コンバージョン率が10%であれば、異常値となります。 彼らの戦略は、4%のコンバージョン率が収益に大きく貢献するように、できるだけ多くの無料顧客を獲得することです。 これは、ファネルの上部と呼ばれるものです。

そのため、データ企業は、ファネルの上部が、より低いコンバージョン率で維持するのに十分な収益を生み出すのに十分な大きさである必要があります。 企業は、サイトに多くの訪問者がいる場合に、広告から収益を生み出すことも検討できます。 CoinGeckoは、広告収入をレバレッジとして使用して、ほとんどのデータを無料で提供し続けます。

何年にもわたって、企業は(B2BとB2C)スペクトルの両端のスポットを埋め、その間にいくつかのギャップを残してきました。 中央集権的な取引所でオーダーブックがどのように変化しているか、プットコール比率、IV、スキューがどのように変化しているかを確認したい場合、視覚化に役立つ商品は多くありません。 世界のCoinGeckoよりも粒度の細かい製品のためのスペースがありますが、純粋なB2Bプレーヤーによる製品よりも粒度は低くなります。

堀の上

原材料が無料のビジネスで堀を見つけるのは簡単ではありません。 ブロックチェーンデータは自由に利用できます。 収集できるデータに独自のものはありません。 つまり、データビジネスにおける堀は、他の人が持っていないデータを持っていることだけに基づいているわけではありません。 代わりに、洞察力に富んだ使いやすい形式で、時間どおりに、エラーなくデータを提供するチームの能力に基づいています。

多くの企業が同じデータを持っていると主張していますが、データの品質とその表示方法は異なります。 例えば、多くの企業はオフチェーンのオーダーブックデータを持っていると主張しています。 ただし、買/売注文の数、時系列の長さ、利用可能な取引所とペアの数などの要因は、プロバイダーごとに異なります。 AmberdataKaikoは 、暗号市場に関する最も包括的なオーダーブックデータを持っています。

しかし、なぜこのようなデータを提供できるプロバイダーはごくわずかなのでしょうか? Web3データのどこに堀が現れるかについての説明はここにあります。

才能 - 明白なことを述べるリスクを冒して、原材料が無料である場合、それをどのように成形するかによって製品の価値が決まります。 生データを有用な情報に変えるには、暗号資産や従来の金融市場の多くのニッチな分野の専門知識が必要です。 従来の市場での経験を持つ Velo Dataのようなチームは、同様のB2C製品を構築しようとする他のチームよりも優位に立っています。 ブロックチェーンのデータ構造を理解し、金融市場で関連する経験を持つ有能な開発者を見つけることはまれです。

インフラストラクチャ – 大量のデータを収集して配信するには、簡単には実現できないインフラストラクチャが必要です。 この種の事業には、資本と人材が必要です。 なぜインフラは堀なのか? メモリー・ プール・データについて考えてみましょう。 ブロックには、確認済トランザクションのデータが含まれます。 未確認の取引についてはどうですか?

異なるネットワーク・ノード (例えば、同じプールに接続されているノード) は、異なる未承認トランザクションを参照します。 ノードを 1 つだけ実行しても、競合するトランザクションのグローバル ビューは得られません。 複数のブロックチェーンで複数のノードを維持すると、インフラストラクチャのコストが増加します。 AI(および過去のコンテンツネットワーク)と同様に、ハードウェアのコストを低く抑えながらスケーリングできるかどうかが、時間の経過とともにこの分野の勝者と敗者を決定します。

ネットワーク効果 –ネットワーク効果は多くの暗号データ製品に存在するという仮説を立てることができます。 Chainlinkを例にとってみましょう。 これは、アプリケーションが他のアプリケーションやチェーンからデータを読み取ることを可能にした最初のオラクルの1つでした。 コミュニティの支持を集めることができ、最強のコミュニティの1つを持っています。 もう一つの例はナンセンです。 その名声は、資産の動きを六進数の住所ではなく実際のエンティティに帰属させることを可能にする住所ラベルでした。

その後、NFTパラダイスやトークンゴッドモードなどの機能を開始し、ユーザーがNFTやトークンをより効果的に追跡できるようにしました。 Arkham は Nansen のラベルに似た製品を発売しましたが、ダッシュボードと調査への投資により、Nansen は企業顧客向けに操作し、顧客に合わせた製品を提供することができました。 特筆すべきは、ネットワーク効果は最初の2点(人材とインフラ)がなければあり得ないということです。

これが機能する場所の 1 つは、インデクサーです。 製品がサポートするチェーンの数が多いほど、開発者が複数のソースに依存するのではなく、製品を使用する可能性が高くなります。 Covalentのようなチームは、かなり長い間、サポートされているチェーンの幅を最適化してきたため、ここで優位に立っています。 しかし、深さは幅と同じくらい重要であることを忘れないでください。

暗号資産に意味のある堀があるかどうかを言うのは時期尚早です。 私たちは、物事の壮大な計画の中で、先行者の利点を目の当たりにしてきました。 Web3ソーシャルやAIと暗号資産の重複などのカテゴリーが拡大し続ける中、業界のデータ製品は次のアルファベットに成長するかもしれません。 しかし、それは何十年にもわたる話です。私たちはまだ初期段階にあります。

投機を超えて

この記事で紹介したユースケースの多くは、何らかの形で金融投機に注目しています。 APIを使用してデータを照会する開発者でさえ、金融商品を構築しています。 奇妙に思えるかもしれませんが、ブロックチェーン(新しいネットワーク)は、テレグラフやインターネットと同じ傾向をたどっています。

新しいメディアの登場と新しいネットワークの出現により、金融のユースケースが加速しています。 インターネットが普及したことで、2000年代初頭まで、ユーザーが位置情報に基づいて標的にされる可能性があることに人々が気づくまでには時間がかかりました。 ブロックチェーンでは、公開されているデータの痕跡からビジネスモデルを構築する方法を模索しているところです。

これらのプラットフォームを日常的に使用する中で、Dune Analyticsが製品にAIを埋め込んだという重要な変化が見られました。 Duneは、ユーザーがイーサリアムやソラナなどのブロックチェーンからデータを照会するためのSQLベースのインターフェイスを提供します。 このような製品の市場は、通常、SQLクエリの記述方法を理解しているユーザーに限定されています。 最近では、アナリストがSQLの専門家でなくてもクエリを生成できるようにAIを使い始めました。 それは人が望むほど機能的ではありません。 しかし、それはまだ未来への一歩です。 AI(ChatGPTなど)にブロックチェーンからデータを照会し、その分析を提供するように依頼する日もそう遠くないかもしれません。

Web3 の文脈で「データ」を考える方法の 1 つは、Google マップのレンズを通してです。 GPSは少なくとも1980年代から存在しています。 グーグルは、世界を地図化するために必要な作業を行いました。 マップのオーバーレイをサードパーティのアプリで (API を使用して) 利用できるようにすることで、同社は新世代のアプリケーションの構築を可能にしました。 配達から配車サービスまで、あらゆるものが活況を呈したのは、データを専門とする単一のプレーヤーが開発者の負担を引き受けたからです。

Web3 のデータ製品も同様の役割を果たします。 この公開されているリソース上に構築できるアプリケーションの正確な性質はまだわかりませんが、データランドスケープ内にアルファベット規模の機会があることが明らかになりつつあります。

免責事項:

  1. この記事は[GCR]からの転載です。 すべての著作権は原作者[Saurabh Deshpande、Siddharth、Joel]に帰属します。 この転載に異議がある場合は、 Gate Learn チームに連絡していただければ、迅速に対応いたします。
  2. 免責事項:この記事で表明された見解や意見は、著者のものであり、投資アドバイスを構成するものではありません。
  3. 記事の他言語への翻訳は、Gate Learnチームによって行われます。 特に明記されていない限り、翻訳された記事を複製、配布、盗用することは禁止されています。
今すぐ始める
登録して、
$100
のボーナスを獲得しよう!
It seems that you are attempting to access our services from a Restricted Location where Gate.io is unable to provide services. We apologize for any inconvenience this may cause. Currently, the Restricted Locations include but not limited to: the United States of America, Canada, Cambodia, Cuba, Iran, North Korea and so on. For more information regarding the Restricted Locations, please refer to the User Agreement. Should you have any other questions, please contact our Customer Support Team.