比特幣半年翻三倍後動蕩不止，大數據告訴你何時「上車」

我們不必知道現象背後的因果，我們只想讓數據自己發聲。那麼，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後的原因，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採集用戶的信息，提供精準化、個性化的服務，給人們的生活帶來了極大便利。

而這些便利背後，卻是數據分析方放棄追求數據「結果」，選擇追求一種「聯繫」，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。

而在區塊鏈的網路中，數據呈現出端對端加密的特質，遠比互聯網數據更加嚴密，尋找這些數據背後的「結果」更是難上加難；但是對於從業者而言，找到這些數據之間的關聯，提供「定製化服務」並研判發展趨勢同樣重要。

 市場剛需，加密數據如何利用

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

而區塊鏈數據由於其本身的匿名性特徵，很多時候並不能輕易找到關聯關係，但是通過過去某種現象背後數據的全面分析，就能為之後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，通過對交易信息特徵的分析，可以得到交易與潛在風險的關聯關係，規避掉黑客盜幣、洗錢等等違法犯罪行為，並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後，有時會設定遠高於市價標準的手續費，令礦工率先確認其交易，以便快速實現資金轉移的目的。那麼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，可誕生於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徵。

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後次序，那麼在挖掘數據、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於沒有一致的標準和時序，產生諸多異構性數據，通過統一加工後方才能夠分析。

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，簡單的特徵將有助於更好地對數據進行歸類分析。

處理區塊鏈大數據，了解數據特徵只是基礎，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徵，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——其核心難度在於準確性、召回率的提升。

準確性又可以理解為真實性，即數據真偽。以比特幣網路為例，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，那麼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並不足夠，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，而某些特徵不清晰的數據則無法被解讀。以比特幣網路為例，某些地址交易記錄頻繁，有時間、數量、交易費等特徵可以分析，這部分數據無疑更方便解讀；但同時也有一些地址，可以分析的特徵維度較少，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採訪時就指出，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範，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，起著指導企業後續規劃等作用，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，就必須研製出能處理這些差異的普適性技術。以比特幣與以太坊網路為例，後者較前者增加了智能合約的功能，那麼在進行數據採集分析過程中就要考慮到智能合約地址的特徵，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、數據標註、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，儘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。