比特幣半年翻三倍后動蕩不止，大數據告訴你何時“上車”_數字貨幣

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。

CME比特幣期貨7月合約收報30235美元:金色財經報道，成交量最高的CME比特幣期貨2023年7月合約今日收跌1690美元，收報30235美元。2023年8月、9月及2023年10月合約分別收報30565美元、30850美元和31065美元。[2023/7/17 10:58:41]

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。

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。

比特幣兌法幣交易美元占比為72.74%:Coinhills數據顯示，當前比特幣兌法幣交易占比中美元占比為72.74%，仍排名第一；排名第二為日元，占比為19.04%；歐元排名第三，占比為3.11%；排名四五位的分別為韓元（1.88%）、土耳其里拉（1.17%）。[2020/9/27]

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。

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。

行情 | 比特幣全網實時算力65.5 EH/s:據Tokenview數據顯示，截至今日十點，比特幣全網實時算力為65.5 EH/s，較昨日下降16.2%；以太坊全網算力為172.63 TH/s，較昨日下降0.34%；萊特幣全網算力為444.09 TH/s，較昨日上漲1.86%。當前比特幣全網待確認交易筆數8554筆，交易費中位數0.7327美元。[2019/8/2]

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。

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。

連續創業者 Elad Gil：比特幣網絡效應極強 成為其“護城河”:比特幣現在的走勢很瘋狂，但是這并不代表它未來沒有隱患。比特幣的分叉、政府監管、網絡退化等都有可能造成比特幣的失敗。此外還有一些有可能會威脅到比特幣作為價值儲存手段的統治地位的替代方案。不過，連續創業者Elad Gil認為，比特幣擁有的極強網絡效應可以成為其溝塹很深的護城河。[2017/12/21]

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：區塊鏈比特幣數字貨幣AIN區塊鏈dapp游戲比特幣美元換算數字貨幣被騙過程老人BerylTrioChain

幣贏