作者：Yuxing, SevenX Ventures
本文仅供交流和学习，不构成任何投资建议。
云数据仓库(如 Snowflake 等)正在快速增长，主要关注 SQL 用户和商业智能用户场景。其他技术的使用也在加速，数据湖(如 Databricks）客户增长率前所未有，数据技术栈中的异质性将共存。
来源：a16z
随着数据生态的快速发展，出现了“数据平台”概念。从行业的角度来看，平台的定义特征是有影响力的平台提供商和大量的第三方开发商可以在技术和经济上相互依存。从平台的角度来看，数据技术栈分为“前端”和“后端”。
“前端”工程师利用这种单点集成构建一系列新的应用程序。它们依赖于数据仓库/湖泊仓库的清洁和集成，而不用担心它们是如何生成的底层细节。单个客户可以在核心数据系统上构建和购买许多应用程序。 我们甚至开始看到，传统的企业体系，如财务或产品分析，正在利用仓库的原始结构进行重构。
然而，这些技术栈的形成是以大公司为主导的数据利用模式形成的。随着社会对数据理解的加深，人们认为数据与土地、劳动力、资本和技术相同， 都是可市场化配置的生产要素 。数据作为五大生产要素之一，反映了数据的资产价值。
受 a16z 数据基础设施架构(2.0)的统一灵感，集成 Web3 我们提出了以下对基础设施结构的理解 Web3 混合数据基础设施架构。
传统的数据基础设施架构是根据企业业务发展演变而来的。a16z 总结为两个系统（分析系统和业务系统）和三个场景（现代商业智能、多模型数据处理、人工智能和机器学习）。这是从企业的角度来看的——数据服务于企业的发展——总结。
当数据开始定义产权、移动交易、收入分配和治理时，它们的系统和场景不仅是为了使企业自身的决策和业务发展。这些系统和场景要么需要区块链技术，要么强烈依赖**监管。
在 Web3 在背景下，数据使用的新范式包括市场系统和管理公共数据要素的公共系统。它们涵盖了三个新的数据业务场景：产权数据开发集成、初始数据层和公共数据挖掘的组合。
数据经济市场是配置数据要素的关键，包括产品数据的开发和集成以及可组合的初始数据层市场。在高效合规的数据经济市场中， 以下几点非常重要 ：
以上原则是监管机构考虑数据经济的基本原则。在产权数据开发与集成、初始数据层与公共数据挖掘相结合的情况下，可以根据这些原则进行思考。我们需要什么样的基础设施作为支持？这些基础设施在什么阶段可以获得什么价值？
注：橙色是 Web2 与 Web3 交叉的单元
个人数据要求数据处理者按照个人授权范围收集、持有、托管和使用数据。利用创新技术手段，促进个人信息匿名处理，确保使用个人信息数据时的信息安全和个人隐私。探索受托人代表个人利益，监督市场实体收集、处理和使用个人信息数据的机制。有关单位可以依法授权使用涉及国家安全的特殊个人信息数据。
注：橙色是 Web2 与 Web3 交叉的单元
构建在这些数据模式管理工具上的是可组合的初始数据层，通常称为“data layer”，如 Cyberconnect、KNN3 等。
可组合的初始数据是新时代创新的关键场景，也是数据霸权和数据垄断结束的重要标志。它 能够解决 初创企业在数据方面的冷启动问题，结合成熟的数据集和新的数据集，使初创企业能够更快地建立数据竞争优势。同时，让初创企业专注于增量数据的价值和新鲜度，从而为自己的创新理念赢得持续的竞争力。这样，大量的数据就不会成为大公司的护城河。
注：橙色是一种多类交叉单元
传统的公共数据包括党政机关、企事业单位依法履行职责或者提供公共服务所产生的公共数据。在保护个人隐私和确保公共安全的前提下，监管机构鼓励监管机构按照“原始数据不出域，数据不可用”以模型、验证等产品和服务的形式向社会提供此类数据。它们使用传统的技术栈(蓝色和部分橙色，橙色代表多种类型的技术栈交叉，下同)。
除了交易，去中心化存储上的大部分数据都是除了交易 Web3 目前，应用数据主要存储在文件和对象中，相应的技术堆栈仍不成熟（绿色和部分橙色）。这些公共数据的生产、挖掘和利用存储的常见问题包括冷热存储、索引、状态同步、权限管理和计算等。
案例：数据交易所
Ocean Protocol (2亿市值)是一项开源协议，旨在让企业和个人交换和实现基于数据的数据和服务。该协议基于以太坊区块链“数据代币”（datatokens）控制对数据集的访问。数据代币是一种特殊的代币 ERC20 代币可以代表数据集或数据服务的所有权或使用权。用户可以通过购买或赚取数据通证来获取所需的信息。
来源：Ocean Protocol
来源：Ocean Protocol
开源、灵活、可扩展的协议有助于组织和个人建立自己独特的数据生态系统。
开放、透明、公平的数据市场可以连接全球供应商和消费者，并在各种类型和领域提供数据认证。
来源：Ocean Protocol
案例：数据模型市场
关于数据模型，一个简单的例子是，在分散的社交网络中，数据模型可以简化为 4 参数分别为：
那么数据模型是怎样的呢？ Ceramic 为了实现跨应用程序数据的互操作，创建、共享和重用？
所有添加到注册表中的数据模型都将自动发布到 @datamodels 的 npm 下面是插件包。任何开发人员都可以使用 @datamodels/model-name 安装一个或多个数据模型，使这些模型在运行过程中使用任何数据模型 IDX 存储或检索客户端的数据，包括 DID DataStore 或 Self.ID。
案例：去中心化数据仓库
Space and Time 由验证器层和数据仓库组成的两层网络。SxT 该平台的成功取决于验证器与数据仓库之间的无缝交互，以促进链上和链下数据的简单和安全查询。
Validator 对这些集群提供的服务进行监控、命令和验证，然后安排最终用户与数据仓库集群之间的数据流和查询。Validator 为数据进入系统(如区块链索引)和数据退出系统(如智能合同)提供了一种手段。
Space and Time 作为世界上第一个分散的数据结构的平台，它开启了一个强大但服务不足的市场：数据共享。在 Space and Time 在平台上，公司可以自由共享数据，并使用智能合约交易共享数据。此外，SQL还可以使用数据集 在不让消费者访问原始数据的情况下，证明货币化是聚合的。数据消费者可以相信聚合是准确的，而不需要看到数据本身，所以数据提供者不再需要是数据消费者。正是因为这个原因，SQL 由于任何人都能为数据集的摄取、转换和服务做出贡献，因此证明与数据结构架构的结合可能会使数据操作民主化。
目前，Web3 数据基础设施架构缺乏实用高效的数据管理架构。然而，实用高效的数据管理基础设施对于配置参与者相关权益的数据要素至关重要。
目前 Web3 单一的数据治理能力通常只能通过控制私钥来控制资产和数据(包括 Ceramic），几乎没有分级分类配置的能力。最近，Tableland、FEVM 以及 Greenfield 在一定程度上，创新机制可以实现数据的去信任化治理。传统的数据处理工具，如数据处理工具 Collibra 一般来说，它只能用于企业内部，只有平台级的信任。同时，非分散技术也使其无法防止个人作恶和单点故障。通过 Tableland 数据处理工具可以保证数据流通过程所需的安全技术、标准和方案。
案例：Tableland
Tableland 它提供了一种新的方法 dapp 可以存储关系数据 web3-native 这些权衡不需要在网络中进行。
使用 Tableland，可以更改元数据(如有必要，使用访问控制)、查询(使用熟悉的 SQL）和可组合(和 Tableland 上表的其他表)——所有这些都以完全分散的方式进行。
只有具有适当链上权限的人才能写入具体表格。但是，表读取不一定是链操作，可以使用 Tableland 网关；因此，阅读查询是免费的，可以来自简单的前端请求，甚至来自其他非 EVM 区块链。现在，为了使用 Tableland，必须先创建一个表(即，作为表) ERC721 在链条上铸造)。部署地址最初设置为表所有者，所有者可以为任何其他尝试与表交互的用户设置权限。例如，所有者可以设置规则，谁可以更新/插入/删除值，他们可以更改哪些数据，甚至决定他们是否愿意转让对方的所有权表。此外，更复杂的查询可以连接多个表（拥有或非拥有）的数据，以创建一个完全动态和可组合的关系数据层。
以下是整体信息流：
2. dapp 调用 Tableland 注册智能合同来运行这个合同 SQL 语句和合同检查 dapp 智能合同包括定义新用户权限的自定义 ACL。需要注意的几点：
3. Tableland 智能合同获取用户的智能合同 SQL 句子和权限，并将这些事件合并到发出的事件中，这些事件是基于 SQL 的操作。
5. dapp 能够通过网关反映 Tableland 网络上发生的任何更新。
不同的单元在整个数据基础设施架构中起着不可替代的作用。价值捕获主要体现在市场价值/估值和估值收益上。可得出以下结论：
总之，在整个结构图左侧的公司/项目中，其价值捕获倾向于更大。
根据不完整的统计分析，对行业集中度有以下判断：
数据源、分析和输出行业集中度较低。初步判断是，不同的业务场景导致垂直场景的领导者出现在每个业务场景中，如数据库 Oracle、第三方服务 Stripe、企业服务的 Salesforce、仪表盘分析 Tableau 以及嵌入式分析 Sisense 等等。
行业集中度最高的数据存储和数据查询处理模块的初步判断是，由于业务场景单一、技术含量高、启动成本高、后续切换成本高，公司/项目具有较强的先发优势和网络效应。
从成立时间和上市来看，
分析输出项目是创业项目在任何时期的机会。然而，它也在不断迭代创新，基于新场景做新事物。它出现在2010年之前 Tableau 占据桌面仪表盘分析工具的大部分江山，随后出现新场景更专业。 DS/ML 工具、更全面的数据工作站和更多 SaaS 导向嵌入式分析等。
但 Web3 不是 Web2 也不完全是翻版 Web2 进化。Web3 有一个非常原始的使命和场景，从而产生了与以前完全不同的商业场景(前三个场景都是目前可以做出来的抽象)。
本文的部分内容来自网络，仅供参考。如有侵权行为，请联系删除。
