Misc
Q: 传统（Tech）数据科学家与区块链数据科学家
🛠️ 核心技能对比
维度
传统数据科学家
区块链数据科学家
基础技能
Python/R、SQL、统计学、机器学习、可视化、云计算、大数据
同上 + 区块链原理（链结构、共识、交易、gas）、智能合约了解
专业能力
数据清洗、模型训练、特征工程、报告呈现、业务分析
链上数据解析（区块、交易、钱包）、链数据建模、异常检测、链上行为分析
开发工具
Pandas、NumPy、sklearn、TensorFlow/PyTorch、Tableau、Spark、AWS/GCP
Web3.py/ethers.js、区块链节点/API、Dune、Chainalysis、Nansen
安全与隐私
模型法律遵守、数据隐私、访问控制
私钥管理、链上追溯、链上隐私机制（ZK、混币）、防欺诈分析
自动化程度
数据流水线、批量处理
信任基准
基于样本校验与业务逻辑
基于链上“代码 + 共识 + 密码学”完整可验
更高要求
业务沟通、可视化、部署能力
智能合约理解、安全意识（合约漏洞识别、攻击行为识别）
Q: 传统金融审计与区块链审计之间主要差异
维度
传统金融审计
区块链审计（含资产 & 智能合约）
对象
财务报表、账簿、凭证、银行对账单等
区块链上公链资产、钱包、交易记录；智能合约代码
信任机制
中介信任 + 第三方（审计机构）担保
代码 + 密码学保障 + 去中心化共识
审计流程
核查凭证、询证函、抽样、函证、盘点等
验证钱包私钥控制、链上余额、交易逻辑、合约漏洞
自动化程度
低（人工主导）
高（链上可实时访问 + 工具自动分析）
错误与欺诈检测
需抽样，有限覆盖范围
全链透明，可全量检查，无抽样遗漏
审计速度
数周至数月周期
可实时或几小时完成
安全弱点
内控缺陷、刷单、伪造票据等
私钥被盗、合约缺陷、节点信任问题等
标准规范
GAAP/ISA/PCAOB 标准成熟
区块链审计多样化，缺乏统一标准；资产审计规则也在演进中
Last updated