Cours de Pendle

Alors que le marché se concentrait sur le scandale @StreamDefi et la chute de xUSD, un événement beaucoup plus calme mais bien plus intéressant s'est déroulé dans l'écosystème de stablecoins @megaeth, en particulier avec @capmoney_. Et cela a créé une fenêtre d'opportunité pour ceux qui prêtaient attention sur @pendle_fi 👇

Le Leverage de Linn #893 est sorti : (Lien dans le tweet ci-dessous) @ether_fi @boros_fi @pendle_fi @aarnasays @maplefinance @Mantle_Official @GearboxProtocol @GammaSwapLabs Aimez/Partagez pour soutenir :

La plupart des analystes que je connais créent ces tableaux et tableaux de bord pour décrocher un emploi (moi aussi), mais la plupart du temps, c'est un peu du théâtre pour obtenir un entretien. Les produits de données réellement utiles nécessitent généralement une certaine spécificité pour traiter un cas d'utilisation, et ils peuvent être assez divers. Si vous arguez pour créer des tableaux de bord pour l'utilisateur de prêt moyen, alors l'interface utilisateur des protocoles est adéquate, pour être honnête. Si vous parvenez à trouver un petit cas d'utilisation pour aider l'utilisateur moyen, alors comme mentionné, c'est une petite niche. Très peu de visibilité, ou peut-être que ce n'est pas assez convaincant en tant que portfolio professionnel. Un bon exemple est celui des tableaux de bord de revenus d'AAVE. Si vous faites du yield farming, alors qui s'en soucie ? Les personnes qui s'en soucient sont probablement des modélisateurs financiers (qui ont ensuite besoin d'Excel pour créer leurs modèles, mais nous savons déjà que les exports CSV sont pénibles et coûteux. Encore une fois, un autre frein). Ensuite, il y a les gens d'AAVE eux-mêmes, qui ont probablement déjà fait cela et/ou l'ont utilisé en interne. Encore un autre frein pour faire un travail duplicable. C'est comme dire : "Qui êtes-vous en tant que freelance pour avoir possiblement les mêmes connaissances, définition de problème et ressources pour résoudre le problème de données de Facebook ?" Il y a de fortes chances que vous ne puissiez jamais vraiment le traiter parce que vous n'êtes pas dedans. Cela fait que le produit de données de l'analyste de données moyen se retrouve coincé dans une position étrange où il n'est consommé ni par les normies ni par les plus grands protocoles. Le seul alpha ici, comme je l'ai réalisé, est que vous devez vraiment creuser pour comprendre quels problèmes les protocoles rencontrent et vous voir comme en concurrence avec leurs analystes de données internes, travaillant sur des problèmes qu'ils connaissent mais n'ont pas la bande passante pour traiter. Mais la chance que cela se produise est faible, et c'est difficile parce que vous ne connaissez probablement pas assez bien leur labyrinthe d'idées. En tête de ma liste, le seul protocole où vous pouvez mettre en avant vos compétences analytiques est Pendle. TN a été remarquablement transparent en partageant ses peurs et préoccupations, donc vous pouvez avoir un projet de données qui y répond :3. Cela, couplé au fait que la plupart des créateurs de tableaux de bord utilisent des données hors chaîne (APIs) et des requêtes fermées, signifie que la vitesse de travail qui circule diminue également. Peut-être que j'ai tort et que je me plains, mais c'est juste l'état de l'espace maintenant. Je pense que les gens sont en général désabusés, et les protocoles internalisent les données pour eux-mêmes parce que l'espace mûrit.