Dataset opportunity
Fcstpauli — Opportunité de jeu de données de transactions
Jeu de données de transactions modéré détenu par Fcstpauli, utilisable pour les modèles de recommandation et la détection de fraude.
Score
68.4
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
Accord de partage de données
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)
Marché mondial des moteurs de recommandation = 5,39 milliards de dollars en 2024, TCAC de 36,33 % (source : Precedence Research)
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.
Profile
Dataset profile
Type
Jeu de données de transactions
Modality
Tabulaire
Sector
autre
Volume
Modéré
Freshness
Temps réel
Rarity
Élevée (propriétaire)
Accessibility
Restreint
Legal
Détenu par l'entreprise — Sensible au GDPR (examen des PII)
Buyer persona
Équipes IA E-commerce & personnalisation
Le FC St. Pauli détient un riche Ensemble de Données de Transactions au format Tabulaire, compilé à partir de flux d'événements, de journaux de recherche et de données de transactions directes. Cela offre une vue granulaire et longitudinale du comportement individuel des fans, incluant les achats de produits dérivés, les ventes de billets et l'engagement de contenu, ce qui le rend exceptionnellement adapté au développement et à l'entraînement de Modèles de Recommandation sophistiqués pour personnaliser l'expérience des fans.
Le marché mondial des Moteurs de Recommandation, l'application directe de ces données, était évalué à 5,39 milliards de dollars en 2024 et devrait croître à un TCAC de 36,33 %, démontrant une immense valeur commerciale. Bien que l'accès soit sujet à négociation en raison d'une sensibilité GDPR élevée, d'une structure juridique complexe et des fortes valeurs éthiques du club, la rareté et la profondeur de cet ensemble de données centré sur les fans en font un atout de premier ordre pour les acheteurs de ce secteur en forte croissance. ⚠ Diligence (données précieuses, accès à négocier) : Sensibilité GDPR élevée en raison de volumes importants de données personnelles identifiables (PII) des fans (noms, e-mails, informations de paiement) ; Structure juridique complexe : les données peuvent être réparties entre l'association à but non lucratif (e.V.) et l'entité commerciale de football professionnel (KGaA) ; Les valeurs éthiques et sociales fortes du club peuvent restreindre les types de données ou les cas d'utilisation autorisés par les acheteurs. · corporate : indépendant.
Scoring
Scored dimensions
Explainable, evidence-based dimensions (0–100). The radar shows the investment axes.
Des preuves publiques confirment que le FC St. Pauli possède un ensemble de données de transaction significatif et propriétaire, souligné par un excédent de produits dérivés de 16,7 millions d'euros. Ces données commerciales, enrichies par les flux d'événements de billetterie et les journaux de recherche médiatique, offrent une vue complète du comportement d'achat et d'engagement des fans. Pour les équipes d'IA qui construisent des modèles de recommandation, cet ensemble de données représente une opportunité rare d'accéder à une base de consommateurs hautement engagée au sein d'un marché mondial des moteurs de recommandation dont la croissance est projetée à plus de 36 % par an. Il s'agit d'une source unique de données de première partie pour la personnalisation avancée.
See dimension details ↓- Dataset Specificity74
dominant 'données de transaction', secteur autre, 3 types spécifiques
How sharply the data targets a specific, hard-to-substitute domain or task. Niche, well-defined data scores higher than generic. - Dataset Rarity82
données de domaine propriétaire
How scarce and proprietary the data is. Unique domain data scores high; openly available data lowers it. - Dataset Volume52
3 preuves
Apparent scale of the data, inferred from the number of evidence hits and any explicit volume mentions. - Dataset Freshness82
temps réel/streaming
How current the data stays — real-time/streaming scores highest, periodic dumps lower. - Training Value84
adapté aux modèles de recommandation
How useful the data is for the target AI use-case — its fit for model training or fine-tuning. - Buyer Demand90
la demande des acheteurs d'IA est tirée par le marché en forte croissance des moteurs de recommandation (TCAC de 36,33 %), pour lequel ces données de transaction granulaires des fans sont un atout de premier plan.
How strongly AI builders and companies are likely to want this data, based on market signals. - Legal Accessibility0
PII/réglementé
How legally easy the data is to obtain and use — open/API access scores high; PII or regulated data scores low. - Acquisition Feasibility0
haute difficulté, indépendant
How realistic it is to actually obtain the data, given access difficulty and the holder's corporate structure. - Evidence Strength62
3 types de preuves, 3 occurrences
How solid the proof is that the company holds this data — diversity of evidence types and number of hits. - Right to License62
propriété=détenu par l'entreprise, licence=sensible au GDPR
Whether the company can legally license the data out — based on ownership and licensing complexity. - Corporate Independence90
indépendant
Whether the holder can decide alone — an independent company scores higher than a subsidiary of a large group. - Data Orientation56
2 signaux d'appétit pour les données (2 types)
How actively the company invests in data, measured by its data-appetite signals (hires, products, APIs…). - Dormant Data Surplus92
excédent=élevé — données propriétaires au-delà de ce qui est déjà monétisé
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 Audit92
✓ bonne cible — le FC St. Pauli est une bonne cible car c'est une entreprise opérationnelle, non axée sur les données, avec une marque forte qui génère des données de transaction et de fans précieuses et de niche en tant que sous-produit, qu'elle ne semble pas monétiser en tant que produit principal. Problèmes : Le club a récemment transitionné vers une structure juridique coopérative ('eG') pour lever des fonds auprès des fans, ce qui pourrait compliquer les accords de partage de données commerciales ; L'identité socio-politique forte du club et son modèle centré sur les fans pourraient créer une résistance à la monétisation des données des fans en raison d'un retour de bâton médiatique potentiel ; Bien qu'il ne s'agisse pas d'un 'géant', c'est un grand club avec plus de 55 000 membres et des revenus importants, potentiellement supérieurs au profil idéal de 'PME' selon le détail exact de d
- Deep Qualification80
⚠ à examiner — le FC St. Pauli est un club de football professionnel dont les activités commerciales (billetterie, produits dérivés) génèrent un ensemble de données de transaction cohérent. Cependant, les données sont réparties entre différentes entités juridiques (e.V., KGaA, Museum e.V.), et les valeurs explicites du club centrées sur les fans et les politiques de confidentialité interdisent fortement la commercialisation des données, rendant l'accès pour la formation de modèles tiers très improbable. [licence restreinte]
Evidence
Dataset evidence & lineage
What the typed evidence proves the company holds — reframed for clarity and set against the market.
Transaction data
L'excédent de produits dérivés déclaré par le club, s'élevant à 16,7 millions d'euros, confirme un ensemble de données transactionnelles à haut volume, essentiel pour l'entraînement de modèles de recommandation sur le comportement d'achat réel.
Event streams
Les informations sur les ventes de billets pour des matchs spécifiques indiquent un ensemble de données séries temporelles continues sur la participation des fans et les événements, précieux pour comprendre la fidélisation de la clientèle et l'engagement répété.
Search / query logs
L'exploitation d'un service vidéo par abonnement génère des journaux de recherche et de visionnage basés sur du texte, qui révèlent l'intention de l'utilisateur et les préférences de contenu pour une personnalisation ciblée.
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
Fcstpauli Transaction — a Moderate transaction dataset (Tabular modality) in the other domain. Primary AI use-case: Recommendation Models. Market signal: Global Recommendation Engine market = $5.39 billion in 2024, CAGR 36.33% (source: Precedence Research). Investment score 68.4/100 (confidence 0.49). Recommended action: Data Sharing Agreement.
From the marketplace
Explore live data opportunities
Kahmen Transcargo — Opportunité de jeu de données des journaux de maintenance
View opportunity →mobilitéOpportunité de jeu de données de base de connaissances Aacb
View opportunity →industrielB Automated — Opportunité de jeu de données de capteurs industriels
View opportunity →Data Academy
Learn before you deal
- 5 erreurs qui font fuir les acheteurs3 min read
- Où acheter de la donnée externe ?3 min read
- Acheter de la donnée sans se tromper3 min read
News & Insights
Latest from the briefing
- Comment déterminer si votre entreprise est considérée comme un collecteur de données réglementé
- Le véritable coût opérationnel de la mise à l'échelle d'une activité de monétisation de données
- La licence de données aux modèles d'IA cannibalise-t-elle le trafic de référence ?