Hvordan TokenData vil frigøre kraften i verdens kryptodata?

Født i 2017 TokenData er resultatet af en dybdegående refleksion og langtidsarbejde. Her er vores historie.

Da vi i 2015 begyndte at høre om Brooklyn-projektet, var det som alt, hvad vi vidste, kollapset - vi grave os ind i Blockchain-emnet og følte, at en ny verden åbnede sine døre for os. Vi opdagede også Ethereum-projektet og begyndte at følge & støtte alle de ekstraordinære programmer, der skete i 2016.

Siden da er vi et engageret team dedikeret til at indsamle, behandle og analysere alle de data, vi kan finde på Blockchain-økosystemet til at opbygge en beslutningstager-platform, takket være kraften i Machine Learning.

Et milliard dollar problem

I løbet af de sidste to år har finansiering gennem Blockchain udviklet sig på en hidtil uset måde, og dette fænomen har spillet sin rolle i at gøre Blockchain-økosystemet til den dybeste fond i verden - blockchain-markedet har formået at rejse næsten 7,6 milliarder US $ i 2017, mens venturekapitalfonde har finansieret projekter i tidlig fase for kun 3,6 milliarder dollars i samme periode.

Mens denne sektor tilbyder de bedste muligheder, er investorer og deltagere udsat for en betydelig risiko for at miste deres investering i dette økosystem - næsten halvdelen af ​​de virksomheder, der ønskede at gennemføre en ICO i 2017, har sat deres planer i bero eller forladt det; og nogle af de symboler, der blev udvekslet med betydelige mængder på kryptobørser, var tilfældigvis svig.

Det betyder, at et betydeligt antal investorer har mistet deres penge. Det potentielt høje niveau af tab, som investorer lider, stammer i det væsentlige af manglen på synlighed for de grundlæggende projekter og fraværet af modmagt eller endda forhandlingsstyrke for investorer, når iværksættere ikke lever op til deres løfter.

Så længe de værktøjer, som investorer har til rådighed til at skelne lovende projekter fra andre, ikke lader dem foretage en grundig analyse af de grundlæggende elementer, vil risikoen forblive høj. Af alle disse grunde er det vigtigt at give investorer værktøjer, der bringer mere klarhed mellem virkelig lovende og uværdige projekter.

Token Data's løsning: kraften i maskinlæring

Dette er grunden til, at vi kom med TokenData; vi sigter mod at give beslutningstageren alle de værktøjer, de har brug for for at få den rigtige følelse af et projekt, et firma eller et marked, og blockchain-økosystemet syntes den bedste måde at demonstrere vores evner til at forbedre deres effektivitet på.

TokenData er en kombination af offentligt kendte data, økonomiske og alternative data. Udarbejdelsen af ​​alle disse data tillader konstruktion af en hidtil uset DataLake, som ville muliggøre oprettelse af nye beslutningsmodeller, der matcher den stadigt skiftende verden. Lær mere om alle de tilgængelige data i vores løsning på vores websted.

For at du kan forstå omfanget af vores løsning, er vi nødt til hurtigt at forklare ind og outs i Big Data & Machine Learning.

Vi lever i en verden, hvor dataproduktion og -lagring er permanent. Selv om disse data oprindeligt var begrænset til rå økonomiske og økonomiske data, er de nu beriget med såkaldte alternative data, spredt gennem demokratisering af Internettet, tilsluttede objekter og højhastighedsforbindelser, hvilket producerer stadig flere data til opbevaring i realtid. Vi er dog stadig kun i begyndelsen af ​​at forstå den strategiske indvirkning af disse data. Større organisation er begyndt at integrere den strategiske virkning af disse data (PwC har anslået, at indtægterne fra markedsføring af data kan nå op på 300 milliarder dollars i 2019).

Data er dog kun værdifulde, hvis de præsenteres korrekt. Med andre ord er det vigtigt at være i stand til at konsolidere dataene i delmængder for at sikre, at data er brugbare af brugerne.

Derfor er den største udfordring for dataleverandører som os selv at sikre, at verificeringen, rengøringen og bestillingen af ​​dataene er afsluttet.

I denne sammenhæng arbejder vi på automatisering af rengøring af de indsamlede data i vores DataLake. Det er her Machine Learning først kommer ind i spillet. Forberedelse udføres normalt i to trin ved hjælp af Machine Learning algoritmer:

  • En såkaldt behandlings- og konverteringsfase; for eksempel vektorisering og ekstraktion af nøgledata fra et tonedæk for at omdanne dem til et brugbart datasæt;
  • En såkaldt rengørings- og verificeringsfase; når data for eksempel forekommer "unormale" og kobles fra de samme data, der er indsamlet fra andre kilder og observationer af den samme variabel, kan vi sortere dem eller rette dem. Vi kan derefter verificere den samlede konsistens af et datasæt.

Derefter bruger vi andre Machine Learning-teknikker for at skabe alternative indikatorer tilgængelige for vores brugere.

For eksempel arbejder vi i øjeblikket på to forskellige indekser om blockchain-virksomheder:

  • Et fidusindeks, der tillader at forudsige, så tidligt som offentliggørelsen af ​​ICOs hvidbog, sandsynligheden for, at ICO er en svig. Lær mere om dette fidusindeks i vores WP.
  • Et risikoindeks, der hjælper med at definere den spekulative risiko, der er forbundet med et token. Takket være vores ratingsystem er vi i stand til at kommunikere til vores brugere, hvor høj risikoen for standard, der er forbundet med et token, er. Dette indeks er tæt knyttet til det underliggende af token: jo stærkere det underliggende, jo lavere er risikoen forbundet med at købe token (og vice versa). Dette indeks opdateres regelmæssigt og tager højde for kriterier såsom udførelse af køreplanen i henhold til den foruddefinerede planlægning, samfundets følelser med hensyn til virksomheden på de sociale netværk, de udvekslede mængder på de forskellige udvekslinger, ankomster og afgange af projektbidragere (ansatte og entreprenører).

Brug sag

Den finansielle industri vil pr. Definition sandsynligvis betale meget betydelige beløb for at erhverve de største mængder relevante data. Jo mere relevante data der er tilgængelige for investoren, desto mere sandsynligt vil han kunne forbedre sin investeringsstrategi. En simpel justering af hans investeringsbeslutningsmodel gennem input af nye data kan føre til meget vigtige økonomiske fordele.

Og hvad der er forbløffende ved vores løsning, er, at vi tilbyder investorer denne nye alfakilde til datakilder, så de kan forbedre deres analyseprocesser og koncentrere deres indsats på at forbedre effektiviteten af ​​deres modeller (i stedet for at bruge tid på at indsamle og strukturere datas) .

Token Data's Dream Team

Vores team er sammensat af en verdensomspændende gruppe af iværksættere, tech-eksperter og juridiske rådgivere, der alle deler den samme vision om at skabe nye beslutningsmodeller baseret på data og ikke på den før-biais menneskelige hypotese. Hvert af vores heltids dedikerede medlemmer bringer sin egen ekspertise og personlighed såvel som sit unikke sæt færdigheder til at udføre Token Datas mission

  • Alexis Berthoud - administrerende direktør
  • Agathe Jambu Merlin - Chief Operating Officer
  • Steed Monteiro - teknisk chef
  • Ethan Sebban - Chief Data Officer
  • Yann Pringault - Full-Stack-udvikler
  • Max Huang - Legendary Senior Data Scientist
  • Michal Monselise - Akademisk Senior Data Scientist
  • Partha Sen - Crypto Senior Data Scientist
  • Yijing Li - Genius Junior Data Scientist
  • Sophie Gervais - Marketing specialist
  • Jonathan Nabais - Marketing specialist

Juridisk rådgivende team:

  • Sophie Vermeille - ICO Structuring Specialist
  • Émilie de Vaucresson - IT og intellektuel ejendom
  • Nicolas Rouiller - FINMA Specialist
  • Isabelle Chauvet - juridisk finanspecialist

Hvis du vil være med til vores eventyr, har vi stadig nogle stillinger åbnet på AngelList.

Vi er også meget glade for at meddele her for første gang et unikt partnerskab med et forskerteam fra et top-amerikansk universitet, der vil hjælpe os med at ændre verden.

Vi er i øjeblikket i begyndelsen af ​​vores eventyr, benyt muligheden for at opdage vores websted og vores hvidbog, som indeholder vores køreplan og flere detaljer om vores løsning.

Vi kan til enhver tid nås på Telegram for at besvare alle de spørgsmål, du måtte have.

Følg os på

  • Facebook
  • Medium
  • Telegram-meddelelser
  • Telegram Chat
  • LinkedIn
  • Youtube
  • Twitter
  • Reddit
  • Discord