
市场乱象纷纷 区块链何去何从
随着区块链从高冷晦涩的专业术语变身为全民热议的“爆红”风口,众多嗅觉敏锐的商家正在想方设法抢占先机,以各种花式“蹭热点”借机吸金。然而,在区块链一片“繁荣”之下,也隐藏着各种信任危机。各种加密货币利用区块链的投机行为,大肆圈钱,整个市场泡沫化严重。不少公司打着区块链的旗号,行坑蒙拐骗之实。那在这样的市场乱象下,区块链应该“何去何从”?
虚拟货币乱象多 监管加强
区块链的监管在去年迎来了第一个大动作:2017年9月4日,央行等七部委发布了《关于防范代币发行融资风险的公告》。公告指出,国内通过发行代币形式包括首次代币发行(ICO)进行融资的活动大量涌现,投机炒作盛行,涉嫌从事非法金融活动,严重扰乱了经济金融秩序。《公告》要求各类代币发行融资活动应当立即停止,并做出清退等安排。有关部门将依法严肃查处拒不停止的代币发行融资活动以及已完成的代币发行融资项目中的违法违规行为。
今年3月28日,人民银行召开2018年全国货币金银工作电视电话会议,也表示将开展对各类虚拟货币的整顿清理。
ICO风险高 不适合百姓投资
曾一度火热的ICO,到底存在哪些风险?
“有人说ICO与IPO相似,其实它更像是众筹模式,风险非常高。”中国社会科学院金融研究所法与金融研究室副主任尹振涛认为,ICO和IPO之间存在较大差别,IPO需要经过重重审核,而ICO还存在监管空白。与IPO的流程相比,ICO只有一个白皮书就能融资,没有律师审核和券商辅导,白皮书也是项目方自己写就,风险非常高。
尹振涛称,白皮书中虽然写明了应用场景,但当投资者投了钱后,项目方到底怎么使用,就说不准了。“ICO无考核、无监督,缺乏对消费者保护,不适合普通老百姓投资。”
白皮书提示区块链应用风险
4月10日,由工信部下属中国信通院云计算和大数据所与京东金融在京联合发布的《区块链金融应用白皮书》,对区块链应用的风险进行了重要提示,包括相关技术不成熟限制了应用范围、监管体系不完善导致行业乱象丛生、区块链被过度消费导致的泡沫等。这些风险应该引起行业和监管部门的高度重视。
对于如何推进区块链的下一步应用,白皮书建议,一是在急用先行、大胆试错的思路指引下,加快行业标准化的推行;二是优先考虑痛点明显、增量显著、发展迅速的精品业务落地,试点成功后再逐步扩大;三是组织并扩大产业联盟,促进产业成熟。
区块链技术有哪些不足?
“区块链技术是把双刃剑。”天网防火墙前主工程师、重庆用维通信技术有限公司CTO刘大林自2013年开始接触比特币并研究相关代码,在区块链底层构架和性能优化方面有很深的研究。在他看来,区块链使用的IPFS协议是一个基于区块链的点对点超媒体协议,但存在不易监管等问题。另外,在数字货币方面新一代的数字货币交易隐藏深、追踪难,让监管更加困难。
如何防范区块链应用乱象?
五花八门的区块链应用、天价区块链培训、披区块链的皮行坑蒙拐骗的项目……区块链应用乱象的源头究竟在哪儿?
尹振涛认为,ICO乱象归根结底是创业者急于获取资金启动项目。按照以前的流程,创业者获得融资的时间很长,但用ICO获取融资速度却很快。“或许可以在资金上给予创业者更多的帮助。”
WorkFace中国创业者社群创始人潘剑峰表示,如果不是创业市场渴求资金,得不到金融市场的支持,何来那么多创业者如此积极地扑进ICO市场呢?潘剑峰建议,帮助正规的创业者找到合法的资金渠道,让资金成本更合理,更高效地支持创业者,或许能抑制ICO乱象。
区块链未来如何发展?
对于区块链技术的发展,潘剑峰说:“未来的生意都会基于数据,基于数据的所有生意都会从现在基于互联网的技术结构向基于区块链的技术结构转移。”
“其实不管哪个领域,培训的投资都是最小的,而赚钱是最快的。”荣格财经发起人、总编辑赵洪伟认为,区块链覆盖力很强,如果在细分领域抢占先机,可能会很容易吸引到这个行业里传统企业的大佬,然后再与他们进行合作,就能赚到区块链培训的黄金。同时,随着区块链技术应用的蓬勃发展,必然导致大量传统企业的涌入,造成人才的大量短缺。此时如果有外包服务公司提供技术或理念服务,则将大大降低企业进入新行业的试错成本。此外,区块链时代还有很多可以赚钱的黄金点未被发掘,值得企业去探索。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23