
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
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02