Inter-Chain Analytics

(Abschnitt: Ökosystem und Netzwerk)

1) Was ist Inter-Chain Analytics und warum wird es benötigt?

• Einheitliche Erfassung von Wert und Aktivität: Volumen, Liquidität, Provisionen, Retention.
• Beobachtbarkeit von Brücken und P2P-Verbindungen: Finalisierung, Lags, Reorg/Challenge-Events.
• Attribution von Traffic und Conversions: cheyn→cheyn, kanal→produkt.
• Risiko und Compliance: AML, Sanktionen, Verhaltensmissbrauch, Identifizierung von Entitäten.
• Entscheidungsfindung: OKR/Budgets, Limits, Aktualisierungs- und Liquiditätsvorschriften.

2) Datenquellen und Ereignisse (kanonische Liste)

1. Ketten/Register: Blöcke, Transaktionen, Ereignisprotokolle, Smart Contract Status.
2. Brücken: Anträge, Belege, Nachweise (light/optimistic/ZK), Abschlussstände.
3. Zahlungsanbieter/KUS: bestandene Prüfungen, Limits, Auszahlungsstatus.
4. Produktevents: Onboarding, Einzahlungen/Wetten/Schlussfolgerungen, Spiel- und Verhaltensmetriken.
5. P2P-Transport: Pub/Sub-Quittungen, RPC-Erfolg, Latenz.
6. Verzeichnisse: Netzwerke, Assets, Decimals, chainId, Vertragsadressen, SDK-Versionen.

3) Datenarchitektur (Streams und Speicher)

Ingest (Streaming): Konnektoren zu Knoten/Indexern, Brücken-Webhooks, CDC aus operativen DBs.
Rohschichten (Bronze/Raw): Unveränderliche Partitionen mit dem Label 'observed _ at' und den Metadaten der Quelle.
Bereinigung/Normalisierung (Silber): Dedup, semantische Anreicherung, Timezon-Ausrichtung, Asset-Mapping.
Kernel-Modelle (Gold/Core): einheitliche Fakten 'transfers', 'bridges', 'onchain _ events', 'kyc _ status', 'payouts'.
Schaufenster (Marts): Finanzen (GTV/TVL/Take Rate), Produkt (Retention/Trichter), Risiko (Scoring), Operational (SLO).
Cache/Serve: OLAP/HTAP für Dashboards und APIs und separate Suche nach Adressen/tx.

Transport: Kafka/Pulsar (exactly-once semantics over idempotence), Objektspeicher für Rohstoffe, Parkett-/Säulenformate für Analysen.

4) Finalisierung, Rengs und Idempotenz

Status der Ereignisse: 'observed' → 'confirmed (k)' → 'finalized' → 'invalidated (reorg)'.
Bestätigungsregel (K-Bestätigungen): Konfiguriert nach Netzwerk/Asset-Typ.
Optimistic/Challenge-Fenster: Unterstützung des „umkämpften“ Status für Brücken.
Idempotenz: 'idempotency _ key = chainId' block 'tx' logIndex' topic'(oder Nutzlast-Hash).
Re-Playing (replay): Geplanter Backfill und Recovery bei Indexwechsel.

5) Modell der Identitäten und Entitäten (Entitätsauflösung)

Adresse → Akteur: Adressen, Schlüssel, Wallets ↔ Konto/Organisation/Anbieter.
Cross-Chain-Graph: Adressverknüpfungen durch einen Eigentümer (Heuristiken, Signaturen, Onboarding-Daten).
Vertrauensstufen: Hard-Link (KYC, On-Chain-Signatur), Soft-Link (Verhaltenskorrelationen).
Pseudonymisierung: Speichern Sie stabile IDs (PIDs) anstelle von PIIs in der Analytik.

6) Einheitliches Ereignisschema (vereinfacht)

yaml event:
id: string # global UUID observed_at: timestamp # when they saw chain_id: string # 'eth-mainnet', 'solana-mainnet',...
block_height: long tx_hash: string log_index: int event_type: string    # transfer    bridge. lock    bridge. mint    kyc. pass    payout. done...
status: string      # observed    confirmed    finalized    invalid actor_src: string # address/peer-id/source organization actor_dst: string # address/peer-id/destination organization asset: string # canonical symbol (e. g., USDC), + decimals amount: decimal usd_value: decimal # rate normalization at the observed_at bridge_ref: string # link with the application/receipt of the metadata bridge: object # network/contract/version/gac/fee, etc.
idempotency_key: string

7) Normalisierung von Vermögenswerten und Preisen

Canonical Asset Directory: Symbol, Decimals, Chain Mapping, Vertragsadressen.
FX-Normalisierung: historische Kurse und Vermögenspreise nach Zeitstempel 'observed _ at'.
Multi-aktive Bundles: Gruppieren Sie „Wrapped“ und native Assets.

8) Schlüsselmetriken und Schaufenster

8. 1 Finanzen und Liquidität

GTV (Gross Transaction Volume) über Netzwerke/Assets/Brücken.
TVL und Net Flow über Brücken und Pools.
Take Rate/Provision pro Volumen; Cost-to-Serve zum Transfer.
Payout SLA Hit Rate, Finality p50/p95, Pending Backlog.

8. 2 Produkt und Benutzer

Cross-chain MAU/DAU (dedup по PID),

Retention D1/D7/D30 unter Berücksichtigung der Multi-Chain-Aktivität,

Funnel: Eingangsnetzwerk → Brücke → Zielprodukt → Aktion.
QoT (Traffic Quality): Traffic Valide nach Anti-Betrug.

8. 3 Risiko und Compliance

Fraud/Dispute Rate, High-Risk Score%, Sanctions Hit%.
Anomalierate nach Übersetzungsmustern, Velocity-Check, Clustering.
KYB/KYC Pass% und Timings.

8. 4 Betrieb und SLO

Bridge Success-Rate, p95 Finality, Relay Availability,

Reorg/Challenge events, Error budget burn.

9) Beispiele für SQL/Pseudo-Abfragen

GTV nach Kettenpaaren

sql
SELECT src. chain_id AS src_chain,
dst. chain_id AS dst_chain,
date_trunc('day', e. observed_at) AS d,
SUM(e. usd_value) AS gtv_usd
FROM events e
JOIN bridges b ON e. bridge_ref = b. id
JOIN networks src ON b. src_chain_id = src. id
JOIN networks dst ON b. dst_chain_id = dst. id
WHERE e. status = 'finalized' AND e. event_type IN ('bridge. lock','bridge. mint','transfer')
GROUP BY 1,2,3;

Cross-chain retention D7

sql
WITH first_touch AS (
SELECT pid, MIN(observed_at) AS t0
FROM product_events
WHERE event IN ('signup','first_deposit')
GROUP BY pid
),
week_activity AS (
SELECT DISTINCT pid
FROM product_events pe
JOIN first_touch ft USING(pid)
WHERE pe. observed_at BETWEEN ft.t0 + INTERVAL '1 day'
AND ft.t0 + INTERVAL '7 day'
)
SELECT 100. 0 COUNT() / (SELECT COUNT() FROM first_touch) AS d7_retention_pct
FROM week_activity;

Schaufenster für SLO-Brücke

sql
SELECT date_trunc('hour', observed_at) AS h,
100. 0 SUM(CASE WHEN status='finalized' THEN 1 END)/COUNT() AS success_rate,
percentile_cont(0. 95) WITHIN GROUP (ORDER BY (finalized_at - observed_at)) AS p95_finality_min,
SUM(CASE WHEN challenge_event THEN 1 END) AS challenges
FROM bridge_events
WHERE observed_at >= now() - INTERVAL '7 days'
GROUP BY 1;

10) Attribution und Multi-Channel-Pfad

Last-Touch/Position-basiertes Modell mit Gewichten für Netzwerkquelle, Brücke und Produkt.
UTM→On -chain: Verknüpfen Sie Klicks/Empfehlungen mit der Onchain-Adresse beim Onboarding (mit Zustimmung).
Assoziative Modelle: Shapley/Markov für komplexe „set→most→produkt“ -Pfade.

11) Anti-Betrug und Verhaltenssignale

Graphische Merkmale: gemeinsame Kontrahenten, zirkuläre Transfers, schneller Umsatz.
Velocity-Grenzen und Anomalien: Ausbrüche, „Fragmentierung“ von Summen, nächtliche Cluster.
Betrugsmuster auf Brücken: Wiedervorlage, KYC-Umgehungsversuche, Sandwich-Muster mit Liquidität.
Modelle: Gradient Boosting/Graph-Embeddings; Lernen Sie, Vorfälle zu markieren.

12) Datenschutz und Compliance (Privacy-by-Design)

PII-Minimierung: PID statt direkter IDs, Tokenisierung.
Datenresidenz: Partitionierung nach Regionen, Verschlüsselung „in Ruhe/unterwegs“.
Recht auf Löschung: tombstone/redaction-events mit Nachweisbarkeit.
Zugriff und Prüfung: rollenbasierte ACLs, Leseprotokolle, signierte Berichte für Prüfungen.

13) SLI/SLO für analytische Payplines

• Freshness (die mediane Verzögerung von 'observed _ at' bis zum Erscheinen in Gold),
• Completeness (% der Ereignisse ohne Löcher nach Erwartungen der K-Bestätigungen),
• Correctness (% der Ereignisse, die die Validierung der Schemata/Regeln bestanden haben),
• Reorg-Handling-Erfolg (% korrekt Behinderte/Wiederholungen),
• Serve latency (p95 Anfragen an Vitrinen/Dashboards).

• Freshness p95 ≤ 3 min (Streaming), ≤ 15 min (Batch).
• Completeness ≥ 99. 7%, Correctness ≥ 99. 9%.
• Reorg handling success ≥ 99. 9%.
• Serve p95 ≤ 500 ms (Hauptvitrinen).

14) Datenbeobachtbarkeit und Lineage

Data Lineage: vom Dashboard zum rohen Event (column-level).
Qualitätssignale: completeness, uniqueness, referential integrity, schema drift.
Alertas: „stille Abstürze“ (keine neuen Daten), Verteilungssprünge, Wachstum der „unbekannten“ Felder.

15) Dashboards (Vorlagen)

• Success-Rate, p95 Finality, Relay Availability, Challenge/Reorg, backlog, error budget burn.

• TVL, Net Flow per chain, Cost-per-Transfer, Utilization, Versicherungsfonds.

• MAU/DAU (dedup), Kettenretention, Kanaltrichter, QoT.

• Betrugs-/Disputationsrate, Sanktionshits, hochriskante Aktie, Verfahrensgeschwindigkeit.

16) Betriebsvorschriften und Playbook

Vorfall: Frische lag> SLO

Überprüfen Sie die Konnektoren/Indexer, wechseln Sie auf Reserve, aktivieren Sie den Degradationsmodus (Vitrinen zeigen „zuletzt finalisiert“), eskalate an den Besitzer der Quelle.

Vorfall: reorg/challenge surge

Erhöhen Sie K-Bestätigungen/Streitfenster, aktivieren Sie „verzögerte Finalisierung“ für große Beträge, benachrichtigen Sie die Brücke/Betreiber.

Vorfall: Divergenz der Währungen/Vermögenswerte

Betroffene Paare einfrieren, Referenz zurückrollen, USD-Normalisierung neu berechnen, Bericht veröffentlichen.

Vorfall: Fraud/Dispute Jump

Grenzen/Scoring verschärfen, manuelle High-Risk-Revue einschalten, Modell auf frischem Muster ausstatten.

17) Beispielkonfigurationen (Pseudo-YAML)

Finalisierungsfenster über Netzwerke

yaml finality:
eth-mainnet: 12  # блоков polygon: 256 solana: "optimistic: 32 slots"
optimistic-bridge: { challenge_minutes: 20 }
zk-bridge: { proof_time_sla: 180 }

Idempotenz- und Deduplizierungsregeln

yaml dedup:
key_template: "${chain_id}    ${block_height}    ${tx_hash}    ${log_index}    ${event_type}"
ttl_hours: 48

Pipeline-SLOs

yaml pipelines:
ingest_stream:
freshness_p95_min: 3 completeness_min_pct: 99. 7 gold_build:
correctness_min_pct: 99. 9 reorg_success_min_pct: 99. 9

18) Checkliste Umsetzung

1. Erfassen Sie Quellen, Schemata, Finalisierungsfenster und Eigentümer.
2. Aktivieren Sie Idempotenz und Reorg-Handling (Staaten + Wiederholung).
3. Erstellen Sie einen Modellkern (transfers/bridges/onchain_events/kyc/payouts).
4. Richten Sie Asset-Verzeichnisse und FX-Normalisierung ein.
5. Definieren Sie SLI/SLO von Pipelines und Dashboards.
6. Implementieren Sie Entity Resolution und Privacy-by-Design.
7. Schließen Sie Anti-Betrug-Scoring und Incident Regulation ein.
8. Führen Sie Backfill und Tests an historischen Reorg-/Challenge-Fällen durch.
9. Überprüfen Sie regelmäßig die Diagramme, die Gewichtung der Metriken und die Quellen.

19) Glossar

Finalität - Irreversibilität des Zustands/Ereignisses.
Reorg - Neumontage der Kette, was zur Annullierung eines Teils der Blöcke führt.
Challenge period ist ein Herausforderungsfenster in optimistischen Modellen.
Entity resolution - Zuordnung von Adressen/Konten einer einzelnen Entität.
GTV/TVL - Transaktionsvolumen/blockierter Wert.
Completeness/Freshness/Correctness sind grundlegende Metriken für die Datenqualität.

Fazit: Inter-Chain Analytics ist nicht nur eine Zusammenfassung von Metriken, sondern eine überschaubare Disziplin: ein einheitliches Veranstaltungsschema, korrekte Finalisierung, nachhaltige Piplines, Privatsphäre, Anti-Betrug und verständliche Schaufenster. Diesem Rahmen folgend erhält das Ökosystem einen wirklich „End-to-End“ -Blick auf Wert, Risiken und Wachstum - vom rohen Block bis zur Geschäftslösung.