比特幣半年翻三倍后動蕩不止，大數據告訴你何時“上車”_區塊鏈

我們不必知道現象背后的因果，我們只想讓數據自己發聲。那么，在區塊鏈時代，如何讓端對端加密的數據發聲？

原創|阿常

在大數據時代，我們不必知道現象背后的原因，我們只要讓數據自己發聲。

維克托·邁爾-舍恩伯格《大數據時代》移動互聯網、大數據技術的發展讓我們享受著數據帶來的紅利，購物、打車、理財等等應用或者服務采集用戶的信息，提供精準化、個性化的服務，給人們的生活帶來了極大便利。

而這些便利背后，卻是數據分析方放棄追求數據“結果”，選擇追求一種“聯系”，尋找數據之間的關聯性，洞察我們的需求進而提供出更具針對性的服務。

而在區塊鏈的網絡中，數據呈現出端對端加密的特質，遠比互聯網數據更加嚴密，尋找這些數據背后的“結果”更是難上加難；但是對于從業者而言，找到這些數據之間的關聯，提供“定制化服務”并研判發展趨勢同樣重要。

賓夕法尼亞大學沃頓商學院接受比特幣和以太坊支付學費:10月28日消息，美國賓夕法尼亞大學沃頓商學院正在推出一項區塊鏈高管教育計劃，并且接受學生用加密貨幣支付費用。沃頓商學院將依靠 Coinbase Commerce 來處理付款。Coinbase向商家收取 1% 的費用以使用該服務，但學校并未將費用轉嫁給學生。據 Coinbase 發言人稱，可以使用任何鏈上錢包進行支付。（Decrypt）[2021/10/28 6:17:28]

市場剛需，加密數據如何利用

大數據分析精髓在于挖掘數據與真實信息的關系。通過海量數據分析甚至某一特殊事件的數據解讀，不再熱衷于追求數據分析的精確度。單純令數據發聲，提供行動指南。

數據：比特幣全網算力為 145.3EH/s，較上一低點上漲 137.4%:9月20日消息，Glassnode 數據顯示，比特幣全網算力兩個半月來持續收復跌幅，截至 9 月 19 日為 145.3EH/s，相比 6 月 27 日 61.2EH/s 的兩年內最低值，已上漲 137.4%。[2021/9/20 23:38:36]

而區塊鏈數據由于其本身的匿名性特征，很多時候并不能輕易找到關聯關系，但是通過過去某種現象背后數據的全面分析，就能為之后類似事件提供前瞻性建議或者預警。

區塊鏈大數據技術已經廣泛應用在交易所、錢包、安全機構的業務場景中，通過對交易信息特征的分析，可以得到交易與潛在風險的關聯關系，規避掉黑客盜幣、洗錢等等違法犯罪行為，并能夠幫助用戶挽回受損資產。

比特幣市值超過美國銀行 排在PayPal之后:比特幣的當前市值略高于2260億美元，在過去24小時內上漲了3.2％。然而，美國銀行的市值日內下跌超過2％，至2244億美元。這意味著比特幣市值已超過美國銀行。分析機構按市值將BTC列為的第25大最有價值資產，僅次于PayPal（2300億美元）。（cointelegraph）[2020/8/18]

Chaindigg創始人葉茂舉例稱，一些黑客在盜取數字貨幣后，有時會設定遠高于市價標準的手續費，令礦工率先確認其交易，以便快速實現資金轉移的目的。那么在面對一些不合常理的手續費時，交易所可以對這類地址進行區分處理，降低風險。

區塊鏈大數據，可以說是目前市場的剛需，可誕生于互聯網的大數據技術仍需要做出一些改變，適應區塊鏈數據的特征。

孫宇晨：比特幣什么時候買都是對的:孫宇晨今天在推特表示，比特幣，又漲了。什么時候買都是對的。[2020/7/28]

相比較互聯網中的數據構成，區塊鏈數據更具備規律性。所有信息都是按照區塊組織排列，每個區塊中包含著的交易數據都按照該公鏈所設定的邏輯排列，且大部分區塊在時間中存在先后次序，那么在挖掘數據、查找數據的過程中能夠精確規定到某一個時間節點；而互聯網大數據則往往由于沒有一致的標準和時序，產生諸多異構性數據，通過統一加工后方才能夠分析。

區塊鏈數據維度比互聯網數據相對簡單。區塊鏈大數據能夠劃分的維度相對較少，一般分為交易發起方、交易接收方、交易時間、交易金額、交易頻次等維度，簡單的特征將有助于更好地對數據進行歸類分析。

處理區塊鏈大數據，了解數據特征只是基礎，更重要的是需要保證兩個關鍵因素：準確率、召回率。

如何保證數據分析精度？

區塊鏈大數據不光要考慮數據的特征，同時也要考慮數據的準確性，以及在相關維度中信息的關聯——其核心難度在于準確性、召回率的提升。

準確性又可以理解為真實性，即數據真偽。以比特幣網絡為例，在可抓取到的幾億條地址當中，存在一些洗錢地址、詐騙地址等，那么如果能夠在分析數據時發現這些數據，無疑能夠提高安全性，降低風險，只有準確率足夠高時才能夠發揮數據的真正作用。

但僅僅保證高準確性并不足夠，召回率同樣重要。在巨量的準確數據中仍只有一部分數據能夠被分析出來，而某些特征不清晰的數據則無法被解讀。以比特幣網絡為例，某些地址交易記錄頻繁，有時間、數量、交易費等特征可以分析，這部分數據無疑更方便解讀；但同時也有一些地址，可以分析的特征維度較少，甚至只有一筆或者沒有交易記錄，這部分“難啃的骨頭”啃不掉，數據召回率同樣無法提高，也就難以利用區塊鏈大數據。

Chaindigg創始人葉茂在接受鏈得得采訪時就指出，準確性、召回率雖然劃分維度不同，但是同樣重要，只有兩者齊備才能夠真正進行區塊鏈大數據分析，單一一項很難起到決定作用。

理論上而言，提高了準確性、召回率，就能夠提高區塊鏈大數據的使用能力，但是區塊鏈大數據仍面臨諸多困難。

相比較互聯網數據，同一公鏈中內容更加規范，但是目前主流數字貨幣基數較多，存在一些公鏈產生的數字貨幣具有較強的特殊性；此外，聯盟鏈中數據則具備更強的商業價值，甚至涉及商業機密，起著指導企業后續規劃等作用，這也給數據分析的普適性提出更高要求。

換而言之，想要進行區塊鏈數據分析，就必須研制出能處理這些差異的普適性技術。以比特幣與以太坊網絡為例，后者較前者增加了智能合約的功能，那么在進行數據采集分析過程中就要考慮到智能合約地址的特征，提高數據分析的準確率和召回率。

互聯網語境中大數據分析常用的多項技術和策略，例如機器學習、數據標注、模型分析、交叉驗證等等，將其嫁接到區塊鏈語境中同樣事半功倍。

區塊鏈大數據，或許可以理解為大數據技術在區塊鏈領域的延伸，盡管區塊鏈數據經過了層層加密，但是仍需要從中尋找到向前發展的指引。

Tags：區塊鏈比特幣COINCOI區塊鏈域名如何注冊比特幣走勢圖日k線TopCoinFXBZLcoin

火幣交易所