Datensatz-Möglichkeit
Green On — Gelegenheit für Mobilitätstelemetrie-Datensatz
Moderater Mobilitätstelemetrie-Datensatz von Green On, nutzbar für vorausschauende Wartung und Anomalieerkennung.
Score
71.5
Der Score (0–100) kombiniert gewichtete Dimensionen – Datensatz-Seltenheit, Trainingswert, Käufernachfrage, Nachweisstärke und Recht zur Lizenzierung. 70+ ist deal-bereit. Die bewerteten Dimensionen unten zeigen die Aufschlüsselung.Vertrauen
49%
Aktion
Datenaustauschvereinbarung
Die empfohlene Deal-Struktur für diesen Datensatz: Erwerb (vollständiger Kauf), Lizenz (bezahlte Nutzungsrechte), Datenfreigabevereinbarung (kontrollierter Zugriff, keine Eigentumsübertragung), Partnerschaft (gemeinsame Entwicklung) oder Annotationsprogramm (Labeling). Ausgewählt basierend auf Datenbesitz, Lizenzkomplexität und Zugänglichkeit.Markt
Globaler Markt für vorausschauende Wartung von Fahrzeugen = 4,66 Milliarden USD im Jahr 2024, CAGR 17,5% (2025-2034)
Aktuelle datierte externe Fakten, die diese Möglichkeit ausgelöst haben – nachvollziehbare Herkunft.
- 📰press2026-06-03
Les électriques portent le marché allemand en mai 2026
journalauto.com ↗ - 📰press2026-06-03
Bot Auto names Brett Suma as president and COO to scale autonomous trucking
freightwaves.com ↗ - 📰press2026-06-03
VUL : Renault, Nissan et Mercedes-Benz dégainent leurs nouveaux CEE
journalauto.com ↗ - 📰press2026-06-02
B.C. Bill would make dashboard cameras mandatory on commercial vehicles
freightwaves.com ↗ - 📰press2026-06-02
L’électrique prend le pouvoir dans les flottes
journalauto.com ↗
Lineage
Wie dieser Lead abgeleitet wurde
Die Signal-First-Kette, Ende zu Ende: aktuelle externe Signale → qualifizierte Nische → aufgelöster Dateninhaber → Website-Verifizierung → bewertete Möglichkeit. Jeder Lead ist erklärbar.
Profile
Datensatzprofil
Typ
Mobilitätstelemetrie-Datensatz
Modalität
Zeitreihen
Sektor
Mobilität
Volumen
Moderat
Aktualität
Echtzeit
Seltenheit
Hoch (proprietär)
Zugänglichkeit
Eingeschränkt
Rechtliches
Im Besitz des Unternehmens — DSGVO-sensibel (PII-Überprüfung)
Käufer-Persona
Anbieter von industrieller KI und Wartungsoptimierung
Green On verfügt über einen umfangreichen Mobilitätstelemetrie-Datensatz, hauptsächlich in der Modalität Zeitreihen, bestehend aus Ereignisströmen, Geodaten und IoT-Daten. Diese granularen Daten, die Echtzeit-Betriebsparameter und Nutzungsmuster von Fahrzeugen erfassen, eignen sich hervorragend für Anwendungen der vorausschauenden Wartung, da sie die Vorhersage von Geräteausfällen und die Optimierung von Wartungsplänen ermöglichen.
Trotz der Komplexität, die sich aus Kundenverträgen und der Einbeziehung DSGVO-sensibler persönlicher Nutzungsdaten (Standort, Mietverlauf) ergibt, bleibt dieser Datensatz äußerst wertvoll. Der globale Markt für vorausschauende Wartung, ein Hauptziel für diese Daten, wurde 2024 auf 34,77 Milliarden USD geschätzt und soll bis 2035 449,6 Milliarden USD erreichen, mit einer robusten CAGR von 26,2% (2025-2035). Insbesondere der Markt für vorausschauende Wartung von Fahrzeugen allein wurde 2024 auf 4,66 Milliarden USD geschätzt und wird voraussichtlich mit einer CAGR von 17,5% (2025-2034) wachsen, was die erhebliche Nachfrage nach solch spezialisierten IoT-Daten im Mobilitätssektor unterstreicht. ⚠ Sorgfaltspflicht (wertvolle Daten, Zugang zur Verhandlung): Daten werden durch Kundenverträge (Unternehmen und lokale Behörden) generiert.; Daten enthalten persönliche Nutzungsdaten (Standort, Mietverlauf), die DSGVO-sensibel sind.; Daten sind wahrscheinlich an ihre Betriebs-Plattform und App gebunden. · Unternehmen: unabhängig.
Scoring
Bewertete Dimensionen
Erklärbare, evidenzbasierte Dimensionen (0–100). Das Radar zeigt die Investitionsachsen.
Diese Belege bestätigen gemeinsam den Besitz von Green On an einem umfangreichen, proprietären Zeitreihen-Datensatz, der aus dem Betrieb ihrer umfangreichen Elektrofahrrad-Flotte stammt. Diese Daten sind hochrelevant für industrielle KI- und Wartungsoptimierungsanbieter, die fortschrittliche Lösungen für die vorausschauende Wartung von Fahrzeugen entwickeln möchten, einem Markt, der bis 2024 voraussichtlich 4,66 Milliarden USD erreichen wird. Seine Seltenheit und direkte Anwendbarkeit auf reale Mobilitätstelemetrie machen ihn außergewöhnlich wertvoll, um neue Effizienzen zu erschließen und Betriebskosten in einem schnell wachsenden Sektor zu senken.
See dimension details ↓- Dataset Specificity90
dominante 'iot_data', Sektor Mobilität, 3 spezifische Typen
Wie präzise die Daten ein spezifisches, schwer zu ersetzendes Gebiet oder eine Aufgabe ansprechen. Nischen- und gut definierte Daten erzielen höhere Scores als generische. - Dataset Rarity82
proprietäre Domänendaten
Wie selten und proprietär die Daten sind. Einzigartige Domänendaten erzielen hohe Scores; offen verfügbare Daten senken diesen. - Dataset Volume52
3 Evidenztreffer
Offensichtlicher Umfang der Daten, abgeleitet aus der Anzahl der Nachweis-Treffer und expliziten Volumenangaben. - Dataset Freshness82
Echtzeit/Streaming
Wie aktuell die Daten bleiben – Echtzeit-/Streaming-Daten erzielen die höchsten Scores, periodische Dumps niedrigere. - Training Value84
Geeignet für vorausschauende Wartung
Wie nützlich die Daten für den Ziel-KI-Anwendungsfall sind – ihre Eignung für das Modelltraining oder Fine-Tuning. - Buyer Demand92
Der Markt für vorausschauende Wartung im Automobilbereich, der stark auf Mobilitätstelemetriedaten für KI/ML angewiesen ist, wird voraussichtlich bis 2030 über 130 Milliarden USD erreichen, mit einer beeindruckenden CAGR von 21% von 2024 bis 2030.
Wie stark KI-Entwickler und Unternehmen diese Daten wahrscheinlich wünschen, basierend auf Marktsignalen. - Legal Accessibility20
eingeschränkt/unbekannt
Wie rechtlich einfach die Daten zu erhalten und zu nutzen sind – offener/API-Zugriff erzielt hohe Scores; PII oder regulierte Daten niedrigere. - Acquisition Feasibility30
mittlerer Schwierigkeitsgrad, unabhängig
Wie realistisch es ist, die Daten tatsächlich zu erhalten, angesichts der Zugangsschwierigkeiten und der Unternehmensstruktur des Inhabers. - Evidence Strength62
3 Evidenztypen, 3 Treffer
Wie solide der Nachweis ist, dass das Unternehmen diese Daten besitzt – Vielfalt der Nachweistypen und Anzahl der Treffer. - Right to License62
Eigentum=eigen, Lizenzierung=DSGVO-sensibel
Ob das Unternehmen die Daten rechtlich lizenzieren kann – basierend auf Eigentum und Lizenzkomplexität. - Corporate Independence90
unabhängig
Ob der Inhaber alleine entscheiden kann – ein unabhängiges Unternehmen erzielt höhere Scores als eine Tochtergesellschaft einer großen Gruppe. - Data Orientation22
0 Datenbedarfs-Signale (0 Typen)
Wie aktiv das Unternehmen in Daten investiert, gemessen an seinen Datenhunger-Signalen (Einstellungen, Produkte, APIs…). - Dormant Data Surplus92
Überschuss=hoch, 5 aktuelle externe Signale — proprietäre Daten über das bereits monetarisierte hinaus
Volumen und Wert proprietärer Daten, die dieses Unternehmen über das hinaus besitzt, was es bereits monetarisiert – der ungenutzte Überschuss, den wir freischalten können. Ein Unternehmen kann einige Einblicke verkaufen UND trotzdem über einen weitaus größeren ungenutzten Vermögenswert verfügen. - ICP Audit100
✓ gutes Ziel — Green On (Frankreich) ist ein KMU, das Elektrofahrrad-Sharing-Dienste in ganz Frankreich betreibt und dabei wertvolle Mobilitätstelemetriedaten als Nebenprodukt seiner Operationen generiert. Es scheint diese Daten derzeit nicht zu verkaufen, was es zu einem starken Ziel für d-nvest macht. Probleme: Es existieren mehrere Unternehmen mit ähnlichen 'Green On'-Namen, was eine sorgfältige Unterscheidung basierend auf der bereitgestellten URL erfordert.; Obwohl die Operationen von Green On von Natur aus Telemetriedaten generieren, bewerben sie 'Tele' nicht explizit.
Evidence
Datensatz-Nachweis & Herkunft
Was die eingegebenen Nachweise belegen, die das Unternehmen besitzt – zur Klarheit neu formuliert und am Markt ausgerichtet.
IoT / sensor data
Diese Belege bestätigen die Erfassung von IoT-Telemetriedaten durch Green On aus ihrer operativen Elektrofahrrad-Flotte, die granulare Einblicke in die Fahrzeugleistung liefern, die für die prädiktive Analyse entscheidend sind.
Geospatial data
Dies weist auf die Erfassung von anonymisierten Standortdaten hin, die wertvollen Kontext für das Verständnis von Mobilitätsmustern und die Optimierung des Asset-Einsatzes bieten.
Event streams
Dies bestätigt die Erfassung von operativen Ereignisströmen, die die Dienstnutzung detaillieren, einschließlich Mietkennzahlen und Inter-Stations-Verkehr, wesentlich für die Nachfrageprognose und Serviceoptimierung.
Coverage
Scanned sources
Deliverable
Premium dataset report
Green On Mobility Telemetry — a Moderate mobility telemetry dataset (Time Series modality) in the mobility domain. Primary AI use-case: Predictive Maintenance. Market signal: Global Predictive Maintenance for Vehicles Market = $4.66 Billion in 2024, CAGR 17.5% (2025-2034). Investment score 71.5/100 (confidence 0.49). Recommended action: Data Sharing Agreement.