Dataset opportunity
Kodama — Oportunidad de Conjunto de Datos de Sensores Industriales
Conjunto de datos moderado de sensores industriales en posesión de Kodama, utilizable para Mantenimiento Predictivo y Detección de Anomalías.
Score
47.5
Score (0–100) blends weighted dimensions — dataset rarity, training value, buyer demand, evidence strength and right-to-license. 70+ is deal-ready. See the scored dimensions below for the breakdown.Confidence
49%
Action
Adquirir
The recommended deal structure for this dataset: Acquire (full buyout), License (paid usage rights), Data Sharing Agreement (controlled access, no transfer of ownership), Partnership (co-development) or Annotation Program (labeling). Chosen from data ownership, licensing complexity and accessibility.Market size (indicative estimate)
Mercado global de Mantenimiento Predictivo = $13.65B en 2025, CAGR 24.30%.
Recent dated external facts that triggered this opportunity — auditable provenance.
- 📰press2026-10-19
Kodama raises $7M to bring robotics to forestry
therobotreport.com ↗
Lineage
How this lead was derived
The signal-first chain, end to end: recent external signals → qualified niche → resolved data-holder → site verification → scored opportunity. Every lead is explainable.
Concrete evidence this company actively cares about data — why it's ripe for the deal room.
- ✨Signal
Descripción general de la tecnología de los 'robo-skidders' RS1 y operación remota
source ↗
Profile
Dataset profile
Type
Conjunto de Datos de Sensores Industriales
Modality
Series Temporales
Sector
industrial
Volume
Moderado
Freshness
Tiempo real
Rarity
Alta (propietario)
Accessibility
Parcial
Legal
Propiedad de la empresa — limpio para licenciar
Buyer persona
Proveedores de IA Industrial y optimización de mantenimiento
Kodama posee un conjunto de datos Series Temporales propietario generado a partir de sus kits de autonomía RS1 desplegados en skidders físicos en entornos forestales remotos. Los datos consisten en flujos de LiDAR y cámara procesados en el borde, complementados con `industrial_data` e `iot_data`, lo que lo convierte en una fuente rica y directa para desarrollar modelos de Mantenimiento Predictivo de alta fidelidad para maquinaria industrial pesada.
El mercado global de Mantenimiento Predictivo es un sector significativo y en rápida expansión, valorado en 13.65 mil millones de dólares en 2025 con una CAGR proyectada del 24.30%. Si bien el acceso está sujeto a negociación debido a la naturaleza propietaria de los datos y la dependencia de Starlink para la conectividad desde sitios remotos, su rareza y aplicabilidad directa a este mercado de alto crecimiento lo convierten en un activo de valor único para los compradores de IA. ⚠ Diligencia (datos valiosos, acceso a negociar): Los datos se generan a través de kits de autonomía RS1 propietarios en skidders físicos; los datos primarios incluyen flujos de LiDAR y cámara procesados en el borde desde entornos forestales remotos; la conectividad depende de Starlink, lo que sugiere que los datos pueden ser agrupados o almacenados localmente en las máquinas · corporativo: independiente.
Scoring
Scored dimensions
Explainable, evidence-based dimensions (0–100). The radar shows the investment axes.
Esta evidencia demuestra colectivamente que Kodama posee datos propietarios de series temporales generados por sus vehículos de tala autónomos, 'robo-skidders', que operan en sitios de trabajo activos. Este conjunto de datos único es un activo crítico para los proveedores de IA industrial que desarrollan modelos de mantenimiento predictivo, un mercado proyectado para alcanzar los $13.65 mil millones para 2025. Los datos capturan el rendimiento del robótica industrial en el mundo real, ofreciendo una oportunidad única para entrenar algoritmos en condiciones operativas y de falla únicas que no están disponibles en entornos simulados.
See dimension details ↓- Dataset Specificity90
dominante 'iot_data', sector industrial, 3 tipos específicos
How sharply the data targets a specific, hard-to-substitute domain or task. Niche, well-defined data scores higher than generic. - Dataset Rarity82
datos de dominio propietario
How scarce and proprietary the data is. Unique domain data scores high; openly available data lowers it. - Dataset Volume52
3 aciertos de evidencia
Apparent scale of the data, inferred from the number of evidence hits and any explicit volume mentions. - Dataset Freshness82
tiempo real/streaming
How current the data stays — real-time/streaming scores highest, periodic dumps lower. - Training Value84
adecuado para Mantenimiento Predictivo
How useful the data is for the target AI use-case — its fit for model training or fine-tuning. - Buyer Demand95
la demanda de compradores de IA es excepcionalmente alta, impulsada por el rápido crecimiento del mercado de Mantenimiento Predictivo, que se expande a una CAGR del 24.30%.
How strongly AI builders and companies are likely to want this data, based on market signals. - Legal Accessibility50
restringido/desconocido
How legally easy the data is to obtain and use — open/API access scores high; PII or regulated data scores low. - Acquisition Feasibility30
dificultad media, independiente
How realistic it is to actually obtain the data, given access difficulty and the holder's corporate structure. - Evidence Strength62
3 tipos de evidencia, 3 aciertos
How solid the proof is that the company holds this data — diversity of evidence types and number of hits. - Right to License92
propiedad=propiedad_de_la_empresa, licencia=limpia
Whether the company can legally license the data out — based on ownership and licensing complexity. - Corporate Independence90
independiente
Whether the holder can decide alone — an independent company scores higher than a subsidiary of a large group. - Data Orientation39
1 señal de apetito de datos (1 tipos)
How actively the company invests in data, measured by its data-appetite signals (hires, products, APIs…). - Dormant Data Surplus92
excedente=alto, 1 señal externa reciente — datos propietarios más allá de lo ya monetizado
Volume and value of proprietary data this company holds BEYOND what it already monetises — the dormant surplus we can unlock. A company can sell some insights AND still sit on a far larger dormant asset. - ICP Audit58
⚠ revisión — el negocio principal de Kodama es la venta de software habilitado por IA y servicios de robótica para equipos forestales pesados, lo que la convierte en un proveedor de tecnología, no en un poseedor de datos inactivos. Problemas: El producto principal de la empresa es software de IA y sistemas de control remoto para equipos de tala, lo que es una forma de vender inteligencia.; El modelo de negocio es vender 'servicios de arrastre' y tecnología a empresas madereras, no realizar la tala en sí y generar datos como subproducto.; La empresa vende explícitamente tecnología y capacidades de IA, lo que es un criterio de exclusión.; Los datos que recopilan se utilizan para mejorar su propio producto de IA, no un activo inactivo de un negocio operativo separado.
- Deep Qualification80
✓ pasar — Kodama es un data_holder, que genera datos de sensores propietarios como subproducto de su negocio principal: proporcionar equipos de tala remotos y autónomos como servicio. Si bien los datos son coherentes con la oportunidad, los derechos de licencia para la reventa no están determinados ya que no hay acuerdos de clientes públicos.
Evidence
Dataset evidence & lineage
What the typed evidence proves the company holds — reframed for clarity and set against the market.
IoT / sensor data
Esta evidencia indica la recopilación de datos de sensores de series temporales de los 'robo-skidders' propietarios de la empresa, proporcionando un flujo directo de métricas operativas de robótica industrial en el campo.
Geospatial data
Esta evidencia apunta a datos ambientales tabulares capturados por lidar y cámaras, que pueden usarse para correlacionar el rendimiento de la máquina con condiciones de terreno y operativas específicas.
Industrial data
Esta evidencia confirma que el conjunto de datos se genera durante operaciones comerciales en vivo en sitios de trabajo activos, asegurando que los datos reflejen el desgaste industrial auténtico para construir modelos robustos de mantenimiento predictivo.
Marketplace
Dataset details
Detailed schema & sample available on access request.
Want this data?
Request access — we broker a secure deal room. Operator-reviewed, no automatic sharing.
This listing was generated automatically from public signals. It is not verified, and we are not affiliated with this company.
Coverage
Scanned sources
Deliverable
Premium dataset report
Kodama Industrial Sensor — a Moderate industrial sensor dataset (Time Series modality) in the industrial domain. Primary AI use-case: Predictive Maintenance. Market signal: Global Predictive Maintenance market = $13.65B in 2025, CAGR 24.30% (source: Fortune Business Insights). Investment score 47.5/100 (confidence 0.49). Recommended action: Acquire.
From the marketplace
Explore live data opportunities
Oportunidad de Conjunto de Datos de Operaciones Industriales — Proximafusion
View opportunity →industrialAmpacimon — Oportunidad de Conjunto de Datos de Operaciones Industriales
View opportunity →saludFilab — Oportunidad de Conjunto de Datos de Operaciones Industriales
View opportunity →