Có lẽ như nhiều người trong số các bạn cũng đang nắm giữ XRP, tôi thường xuyên tìm kiếm thông tin về nó và Ripple.

Tôi đang trên Twitter, nơi tôi theo dõi một vài người làm việc tại Ripple, và cố gắng theo kịp các thông báo khác nhau của công ty và một số các tweet và trao đổi thú vị. Tôi xem video YouTube về các bài thuyết trình của Ripple tại các hội nghị hoặc phỏng vấn, và để giải trí, tôi cũng xem qua một vài kênh của những người đam mê crypto, những người có tính hài hước. Tôi thú nhận rằng, trong một môi trường đầy rẫy những người cuồng tín chưa trưởng thành, FUDsters, và những người khác không có tính thuyết phục, tôi thích những người không quá nghiêm túc. Tôi đang dùng Quora, nơi tôi cố gắng trả lời các câu hỏi liên quan đến XRP và Ripple, trên dùng XRPChat, và tất nhiên, tôi đang dùng blog XRP Community, và tôi thấy nó khá hữu ích trong việc nâng cao kiến thức của tôi về một loạt các thứ về XRP . ‘ Đối với điều này, tôi muốn cảm ơn những người đóng góp khác.

Một lần nữa, như bạn, tôi cũng đã truy cập trang web của Ripple nhiều lần. Tôi đọc Ripple Insights và tôi cố gắng tìm hiểu về xCurrent, xRapid, xVia, thanh khoản, xử lý thanh toán, phân cấp và xác thực. Tôi cũng xem xét trang Nghề nghiệp của họ, cố gắng suy luận điều gì đó hữu ích về hướng đi của công ty từ các bài đăng cụ thể – số lượng, để làm gì, vị trí và thời gian.

Tất nhiên, tôi cũng nghiên cứu dữ liệu. Một trong những trang thu hút tôi ban đầu trên trang web của Ripple là XRPCharts.

Biểu đồ XRP: tổng quan 30.000 ft

Nhiều người ở đây có lẽ khá quen thuộc với trang web đang được đề cập đến. Đối với những người có thể không biết, đây là một bản tóm tắt của cấu trúc phân cấp của trang web, điều có thể chưa rõ ràng.

Khi bạn truy cập trang XRPCharts, bạn có thể thấy bốn tab chính: Thị trường, Mạng, Tài khoản và Giao dịch. Điểm cao nhất là:

XRPCharts_topXRPCharts – điểm cao nhất.

  • Tại tab Giao dịch, bạn sẽ thấy thông tin dữ liệu thời gian thực về – đúng rồi đấy – các giao dịch. Bạn cũng có thể nhập băm giao dịch và nhận thông tin bổ sung.
  • Trong tab Tài khoản, bạn sử dụng Trình khám phá tài khoản. Điều này cho phép bạn chọn một địa chỉ, và bạn sẽ có được một hình ảnh cho thấy đường tin cậy, cùng với thông tin về số dư và lịch sử giao dịch.
  • Trong tab Thị trường, trọng tâm là thông tin giá XRP thời gian thực, một cái nhìn của một số thị trường ở Mỹ và ở nước ngoài (bằng các loại tiền tệ khác nhau), khối lượng giao dịch, v.v.
  • Cuối cùng, chúng ta đến tab Mạng, với tôi đây là thứ thú vị nhất. Dưới đây là các tab phụ của nó:

XRPCharts_NetworkTab

XRPCharts – Tab Mạng.

Dưới tab phụ cho Xu hướng giá trị, chúng tôi tìm thấy biểu đồ cho khối lượng thanh toán, khối lượng giao dịch và vốn hóa, tất cả được liên kết với một số nền tảng giao dịch và sàn giao dịch và cũng có thể phân loại theo đơn vị tiền tệ. Tab phụ Khối lượng Lịch sử hiển thị cả khối lượng giao dịch và thanh toán, có thể chọn lại theo khung thời gian, tiền tệ, v.v.

Tôi thấy mình dành thời gian cho các Tab phụ Mạng cụ thể – Số liệu, Cấu trúc liên kết và Trình xác thực. Cấu trúc liên kết cung cấp cho bạn chế độ xem tổng thể của các nút, được cân nhắc theo thời gian hoạt động hoặc kết nối. Người ta có thể thấy số lượng kết nối trung bình (cả trong và ngoài), phiên bản ‘rippled’ đang được sử dụng và thời gian (trong ngày) có kết nối dài nhất. Tab phụ Validators hiển thị địa chỉ IP, tên miền của họ và việc xác nhận hợp lệ các ledger cá nhân của họ đồng ý chặt chẽ như thế nào với sự đồng thuận.

Dưới Metrics, chúng ta sẽ thấy Giao dịch, Ledgers, Ledger Close Interval, Thanh toán, Sàn giao dịch, Phí mạng (trung bình và tổng số), Giao dịch theo Loại, và Giao dịch theo Kết quả – loại thứ hai cho thấy thành công hoặc một số loại / lý do thất bại hoặc không hoàn thành. Tab con Metrics trong tab Mạng là đây:

XRPChartsMetricsSubtab-1

XRPCharts – tab phụ Metrics (trong tab Mạng).

Một số biểu đồ có các mức ‘cấu hình’ khác nhau được tích hợp sẵn và một số có các truyền thuyết liên quan đến mức độ phỏng đoán, vì ảnh chụp màn hình Giao dịch theo Kết quả cho thấy:

TransbyRes3

Giao dịch theo Kết quả – ảnh chụp màn hình.

Điều này không có nghĩa là một lời chỉ trích, mà là như một minh họa.

Những dữ liệu này được thu thập và đưa ra bởi Ripple. Tuyên bố từ chối trách nhiệm ở cuối mỗi trang:

Biểu đồ XRP cung cấp thông tin dựa trên dữ liệu công khai.

Thông tin được cung cấp “nguyên trạng” và chỉ dành cho mục đích thông tin. Biểu đồ XRP không phải là cố vấn giao dịch. Ripple không xác nhận, đề nghị, hoặc thực hiện bất kỳ hình thức đại diện nào đối với các cổng và sàn giao dịch xuất hiện trên biểu đồ XRP. Dữ liệu có thể bị trì hoãn hoặc không chính xác. Ripple bảo lưu quyền không bao gồm các giao dịch trong Biểu đồ XRP mà nó cho là không thật, ví dụ: rửa bán hàng mà không có thay đổi về quyền sở hữu có lợi.

Khi bạn xem tất cả điều này, bạn có bị nhầm lẫn hay bạn thấy nó trực quan và dễ theo dõi? VIệc sao chép và trùng lặp có tồn tại giữa các biểu đồ? Quan trọng nhất, khi xem các biểu đồ này, một bức tranh rõ ràng có xuất hiện cho bạn, người thuộc bên liên quan trong XRP, về sức khỏe hiện tại của tài sản số (DA) và triển vọng của nó? Hay là bạn vẫn còn phụ thuộc vào các báo cáo hàng quý bằng văn bản cho một giải thích tập trung vào kinh doanh của các dữ liệu này trong tổng hợp?

doubt.jpg

Bốn V của dữ liệu lớn

Không nghi ngờ rằng dữ liệu thanh toán, đặc biệt là trên quy mô toàn cầu, đủ điều kiện là dữ liệu lớn. Dữ liệu lớn là thuật ngữ được sử dụng để biểu thị lượng dữ liệu khổng lồ mà các tổ chức thu thập, lưu trữ và phân tích để đưa ra quyết định kinh doanh.

Dữ liệu lớn thường được đặc trưng bởi những gì được gọi là ‘bốn V’ (# 1-4 dưới đây), và, ngày càng đến gần ‘năm V’ (# 5 dưới đây),:

  1. Khối lượng (Volume): lượng dữ liệu được thu thập – 1 zettabyte = 1000 exabytes = 1.000.000 petabyte = 1.000.000.000 terabyte = 1.000.000.000.000 gigabyte. Dự báo khác nhau của lưu lượng truy cập Internet hàng năm đặt nó vào khoảng 2 zettabyte cho năm 2019.
  2. Đa dạng (Variety): loại dữ liệu và nguồn (có cấu trúc, không có cấu trúc, đa phương tiện, v.v.)
  3. Tốc độ (Velocity): tốc độ thay đổi dữ liệu và thời gian đáp ứng là bao nhiêu
  4. Sự chính xác (Veracity): mức độ không chắc chắn của dữ liệu được thu thập (do độ trễ, lừa dối, mơ hồ, không hoàn chỉnh, xấp xỉ trong các mô hình v.v.)
  5. Giá trị (Value): cách dữ liệu và việc sử dụng thông minh của nó có thể tác động đến các quyết định, lợi nhuận, v.v.

Các danh mục này có thể áp dụng như thế nào dữ liệu đằng sau XRPCharts?

Từ dữ liệu thô đến phân tích đến thông tin đến thông tin chi tiết

Tôi đã đăng bài trước đó về chất lượng, khuyết điểm và quy trình. 2 Tốt hay xấu như thế nào, và được công nhận như vậy hay không, các quy trình luôn đi đôi với dữ liệu.

Các quy trình tốt mang lại dữ liệu hữu ích, tức là dữ liệu có thể được sử dụng để ra quyết định. Dữ liệu tốt cho phép người ta thiết kế lại quy trình một cách chính xác và hành động dựa trên chúng với hy vọng thành công. Đó là một vòng tròn của các yếu tố tăng cường và tương tác lẫn nhau. Mặt khác, dữ liệu xấu là vô dụng, mặc dù nhiều quyết định ngày nay vẫn dựa trên dữ liệu kém. Các quá trình xấu phản ánh nhiều vấn đề, bao gồm cả sự thờ ơ của công ty, lối suy nghĩ hỏng, không thay đổi, và thiếu hiểu biết chung về một doanh nghiệp. Dữ liệu xấu và các quá trình xấu có xu hướng đi cùng nhau.

Để đạt được giai đoạn mà người ta có thể phát triển những hiểu biết có ý nghĩa đòi hỏi phải thu thập dữ liệu thô (từ các quy trình đáng tin cậy), điều khiển chúng thành dữ liệu hữu ích, và từ đó nhờ phân tích đưa ra thông tin tổng hợp mà doanh nghiệp có thể sử dụng để hành động và phát triển.

Khi tôi nhìn vào tất cả các đồ thị trên XRPCharts, tôi tự hỏi về dữ liệu đằng sau chúng, và điều này có thể có ý nghĩa gì đối với các biểu đồ. Làm thế nào 4 – 5 chiều của dữ liệu lớn áp dụng ở đây? Việc xem dữ liệu dưới ống kính này có thể mang lại bất kỳ điều gì vào sự hiểu biết của chúng ta không?

Đánh giá 4V 

Trên trang web mà chúng ta có dữ liệu giá hiện tại và lịch sử, dữ liệu giao dịch, dữ liệu sức khỏe mạng và dữ liệu khách hàng / ví. Khối lượng của chúng cao và chắc chắn sẽ tăng lên, ở mức mà không thể dễ dàng dự đoán một khi mạng tăng từ vài trăm đến hàng nghìn và hàng chục nghìn nút, cùng với đó là khối lượng giao dịch tương ứng. Tốc độ cao đối với một số dữ liệu (giá), có lẽ ít hơn cho các dữ liệu khác (kết nối mạng và thời gian hoạt động của nút).

Tính chính xác của dữ liệu là thú vị. Bỏ qua disclaimer, thông tin chính xác và đáng tin cậy như thế nào, đầy đủ và rõ ràng như thế nào, có khả năng chống lại các yếu tố xấu như thế nào, và mức độ hiệu quả của các nguồn đó như thế nào? Nếu, quả thật đây là những ‘dữ liệu công khai’ được gắn thẻ với một số cảnh báo và vòng loại, thì dữ liệu tốt hơn có tồn tại ở đâu đó không? Liệu có thú vị khi phân loại dữ liệu đến là có độ tin cậy cao / thấp thông qua máy tính học hỏi và sử dụng chúng trong lập kế hoạch chiến lược?

Về đa dạng, có thể có nhiều dữ liệu ra khỏi đó mà chỉ đơn giản là chưa được thu thập. Tất cả các dữ liệu cảm xúc, có thể phát sinh từ Twitter, Reddit và các nền tảng truyền thông xã hội khác thì sao? Điều gì đang bị bỏ qua có thể hữu ích cho chiến lược? Và việc học hỏi của máy tính đang được sử dụng để hiển thị dữ liệu, phân đoạn không giám sát và tìm các mẫu có thể làm cho phân tích cấp cao hơn mạnh mẽ hơn và có tính thích ứng cao?

Từ về trình xác thực và thống kê cơ bản

Loại phân tích thống kê nào đang được thực hiện trên dữ liệu này? Ví dụ: có sự khác biệt lớn nào thống kê giữa các trình xác thực chưa được xác minh và đã xác minh/Ripple với tỷ lệ phần trăm tương ứng của các ledger đã được xác thực hoặc bị từ chối mà cuối cùng đã vượt qua hoặc không vượt qua sự đồng thuận không? Chưa được xác minh có nghĩa hoặc ngụ ý là gì? Tất cả các trình xác thực chưa được xác minh có được xác minh không? Nếu có thì làm thế nào? Vị trí địa lý của người xác nhận có phải là nhân tố trong mức độ thỏa thuận của họ không? Thuật toán phân cụm có tìm thấy thứ gì đó khác với các danh mục chưa được xác minh / đã xác minh để phân loại các trình duyệt tính hợp lệ không? Liệu có thể dự đoán các trình xác thực mới có thể hoạt động như thế nào dựa trên kiến thức về các trình duyệt hiện tại không? Điều này có vẻ hữu ích để tìm ra cho các nút nói chung, bởi tăng trưởng mạng là quan trọng để tồn tại. Còn gì nữa? Với sự tập trung của Ripple vào phân cấp, làm cách nào để lập kế hoạch bổ sung trình xác thực mà trong tương lai, sẽ tối ưu hóa cả trong việc giảm thiểu thời gian để đạt được một số đích trong khi cũng không làm suy yếu sự đồng thuận mạnh mẽ?

Các con số trung bình được đề cập (thời gian hoạt động, vv) Độ lệch từ chúng thì sao? Liệu một sự hiểu biết về những điều này có thể mang lại cái nhìn sâu sắc bổ sung? Chắc chắn, tất cả đều có thể rút ra từ dữ liệu thô. Nếu vậy, nó có đang được sử dụng không? Thời gian hoạt động của nút trung bình thấp hơn với độ lệch hẹp hơn có thể ‘tốt hơn’ so với thời gian hoạt động cao hơn một chút với độ lệch lớn hơn nhiều, chỉ ra quy trình chưa được hiểu rõ hoặc nằm dưới sự kiểm soát thống kê. Cái nhìn sâu sắc nào có thể được rút ra từ điều này?

Toàn cảnh của vấn đề

Dữ liệu được kết hợp với sự hiểu biết về các quy trình hiện tại như thế nào để có được bức tranh hoàn chỉnh về những gì đang diễn ra, điều cũng sẽ làm cho những thay đổi trong tương lai bền vững? Quản trị dữ liệu có đang giám sát tất cả điều này không và phân loại chất lượng và tiện ích của các luồng dữ liệu và quy trình khác nhau để tích hợp dữ liệu từ nhiều nguồn khác nhau và trích xuất giá trị tối đa từ chúng?

Lý do thu thập dữ liệu

Một điểm khác cần lưu ý là: tại sao lại thu thập dữ liệu? Có vẻ là một câu hỏi đơn giản, nhưng không phải ai cũng có thể trả lời rõ ràng. Có lẽ, đó là vì sự kết hợp các lý do, liên quan đến kiểm toán và tuân thủ, phát triển một hồ sơ lịch sử như là một phần của giá trị nội tại của một tổ chức, và rõ ràng là dựa vào đó để cải tiến quy trình và đưa ra quyết định. Ra quyết định dựa trên chúng cũng có nghĩa là biết dữ liệu nào cần thu thập, tần suất và địa điểm để thu thập chúng và với mức độ chi tiết nào.

Tôi đã ở trong tình huống mà khách hàng đã tự tin và với chi phí lớn đã thu thập một lượng lớn dữ liệu trong nhiều năm, lưu trữ chúng mà không suy nghĩ nhiều về những gì chúng sẽ được sử dụng cho. Như vậy, dữ liệu nhất định chỉ được thu thập và đóng dấu thời gian ở mức ngày, từ đó ngăn chặn phân tích lịch sử dữ liệu hữu ích và hiểu biết về trình tự hoặc thứ tự các sự kiện ở cấp độ giờ hoặc phút. Đôi khi một nỗ lực lớn có thể khắc phục được loại vấn đề đó, nhưng không phải lúc nào cũng được. Điều quan trọng khác là biết những gì không nên thu thập, và tập trung nỗ lực phân tích của một người vào đâu, đặc biệt khi các nguồn lực thường bị hạn chế. Trong cả hai trường hợp, hiểu biết về mục đích mà dữ liệu được quan tâm là cần thiết và không thể được xem xét riêng biệt với các khía cạnh quy trình.

Phần kết luận

Đây là một số câu hỏi mà tôi nghĩ đến khi tôi xem trang web XRPCharts, mặc dù tôi thừa nhận tôi thường có vẻ suy nghĩ rõ ràng hơn khi tôi đi dạo trong tự nhiên và tôi có thể nghĩ đến mọi thứ từ một góc độ khác.

A-different-perspective

Là người nắm giữ XRP và một người đang cố gắng hiểu được những gì tôi đang thấy, tôi muốn có quyền truy cập thông tin tốt nhất có sẵn, từ quan điểm kinh doanh, sẽ cho phép tôi đạt được các quyết định thông minh về đầu tư của mình. Tôi so sánh tương phản một số thông tin được tìm thấy ở đây – hoặc không được tìm thấy ở đây – với thông tin thường được tập hợp lại theo dạng thẻ điểm cân bằng. Tôi hy vọng sẽ giải quyết vấn đề này chi tiết hơn trong bài đăng sắp tới.

Từ quan điểm của XRPCharts như là một cánh cửa cho thấy những gì Ripple đang thu thập và đăng tải, tôi tự hỏi tính đại diện của những dữ liệu này với những gì được sử dụng trong nội bộ công ty. Tất cả dữ liệu đều là ‘công khai’, ‘nguyên trạng’, và đi kèm với sự cẩn trọng, và rõ ràng chúng vẫn gần với một loạt dữ liệu giao dịch chuỗi thời gian thô hơn so với dữ liệu có nguồn gốc hoặc thông tin phân tích, được xử lý nhiều. Không rõ khán giả mục tiêu là gì, mặc dù có nỗ lực có ý tốt và mục đích đã nêu. Nhưng thông tin có ý nghĩa khác nhau đối với những người khác nhau, nhiều tính năng hơn không nhất thiết là rõ ràng hơn, và những gì có thể được coi là ‘thông tin’ phụ thuộc vào người xem và mức độ dữ liệu thô được xử lý và cách chúng được trình bày cho một cụ thể mục đích. Theo nghĩa đó, tôi tin rằng vẫn còn nhiều việc để làm, và tôi hy vọng một số nhận xét này hữu ích trong việc thu hút sự chú ý đến chủ đề này.

Tôi sẽ bắt đầu nhận xét cuối cùng của tôi bằng cách nói rằng tôi không cố gắng nhảy tới những kết luận không chính đáng. Với thông tin trên, và các lĩnh vực tập trung của các đợt tuyển người của Ripple đến nay, tôi tự hỏi liệu dữ liệu và quy trình có được quản lý nội bộ từ POV rằng chúng cần được xem là mang tính bổ sung để có lợi ích tối đa, quản trị dữ liệu và các phân tích hiện đang có vai trò nào vào thời điểm này và những công nghệ như học hỏi máy móc có thể phát triển như thế nào.

Nguồn:

    1. https://xrpcharts.ripple.com/#/
    2. https://xrpcommunity.blog/from-change-for-one-comes-opportunity-for-another-or-both/