Dataset opportunity
Igs Intermodal — Opportunité de jeu de données de journaux de maintenance
Jeu de données de journaux de maintenance modéré détenu par Igs Intermodal, utilisable pour la maintenance prédictive et la détection d'anomalies.
Score
77.4
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
56%
Action
Partenariat (niveau groupe)
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)
Le marché mondial de la maintenance prédictive était évalué à 13,4 milliards de dollars en 2025, avec un TCAM projeté de 23,2 % (2026-2035).
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.
Profile
Dataset profile
Type
Jeu de données de journaux de maintenance
Modality
Séries temporelles
Sector
mobilité
Volume
Modéré
Freshness
Temps réel
Rarity
Élevée (propriétaire)
Accessibility
Partielle
Legal
Détenu par l'entreprise — propre à la licence
Buyer persona
Vendeurs d'IA industrielle et d'optimisation de la maintenance
Igs Intermodal détient un jeu de données complet de journaux de maintenance structuré sous forme de séries temporelles. Ce jeu de données intègre de manière unique des `données_géographiques`, des `données_industrielles` et des données_iot en temps réel provenant de ses actifs de transport intermodal, fournissant un historique granulaire et basé sur les événements des performances et des réparations des équipements. Sa nature détaillée et multimodale le rend exceptionnellement bien adapté à la formation d'un modèle d'IA de maintenance prédictive robuste pour prévoir les défaillances de composants et optimiser les calendriers de maintenance.
Ces données sont extrêmement précieuses, ciblant le marché mondial de la maintenance prédictive, qui était évalué à 13,4 milliards de dollars en 2025 et devrait croître à un TCAM de 23,2 %. [1] Bien que l'accès nécessite de naviguer dans la propriété partagée avec IGS Logistics Group, d'anonymiser les informations sur le fret de tiers et de coordonner avec la direction basée à Hambourg, la rareté et la profondeur opérationnelle de ce jeu de données offrent un avantage concurrentiel distinct à tout acheteur d'IA dans le secteur de la mobilité. ⚠ Diligence (données précieuses, accès à négocier) : La propriété des données peut être partagée avec la société mère IGS Logistics Group ; les données opérationnelles impliquent du fret de tiers qui peut nécessiter une anonymisation ; l'accès nécessite une coordination avec l'équipe de direction basée à Hambourg · entreprise : filiale de IGS Logistics Group.
Scoring
Scored dimensions
Explainable, evidence-based dimensions (0–100). The radar shows the investment axes.
Ces preuves prouvent collectivement qu'Igs Intermodal possède et exploite une flotte importante d'actifs intermodaux, générant des journaux de maintenance propriétaires et des données opérationnelles. Ce jeu de données de haute rareté correspond directement aux fournisseurs d'IA industriels cherchant à construire et à affiner des algorithmes de maintenance prédictive pour le secteur de la mobilité. Sur un marché dont la croissance est projetée à plus de 23 % par an, ces données fournissent la vérité terrain sur les défaillances de composants et les cycles de réparation réels, offrant un avantage concurrentiel distinct pour l'optimisation des actifs industriels et la réduction des temps d'arrêt.
See dimension details ↓- Dataset Specificity100
dominant 'maintenance_logs', secteur mobilité, 4 types spécifiques
How sharply the data targets a specific, hard-to-substitute domain or task. Niche, well-defined data scores higher than generic. - Dataset Rarity94
données propriétaires du domaine
How scarce and proprietary the data is. Unique domain data scores high; openly available data lowers it. - Dataset Volume58
4 correspondances de 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 Value94
adapté à la maintenance prédictive
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 exceptionnellement élevée, stimulée par l'expansion rapide du marché des solutions de maintenance prédictive, ce qui est confirmé par un solide TCAM de 23,2 %. [1]
How strongly AI builders and companies are likely to want this data, based on market signals. - Legal Accessibility50
restreint/inconnu
How legally easy the data is to obtain and use — open/API access scores high; PII or regulated data scores low. - Acquisition Feasibility15
difficulté moyenne, filiale de IGS Logistics Group
How realistic it is to actually obtain the data, given access difficulty and the holder's corporate structure. - Evidence Strength74
4 types de preuves, 4 correspondances
How solid the proof is that the company holds this data — diversity of evidence types and number of hits. - Right to License92
propriété=détenu par l'entreprise, licence=propre
Whether the company can legally license the data out — based on ownership and licensing complexity. - Corporate Independence50
filiale de IGS Logistics Group
Whether the holder can decide alone — an independent company scores higher than a subsidiary of a large group. - Data Orientation22
0 signal d'appétit pour les données (0 type)
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 — Il s'agit d'une cible solide ; c'est une PME opérationnelle dans la logistique intermodale qui génère d'énormes quantités de données propriétaires (flotte, maintenance, réparation) en sous-produit et ne montre aucun signe de vente de données ou d'analyses comme produit principal. Problèmes : L'entreprise fait partie du groupe IGS Logistics plus large, mais opère en tant que filiale de taille moyenne, gérée par le propriétaire. [4, 6]
- Deep Qualification80
✓ réussite — La cible est un prestataire de services logistiques, ce qui en fait un détenteur de données très plausible pour les journaux de maintenance et opérationnels de ses actifs de transport ; cependant, la propriété des données est mixte et les droits de licence pour la revente ne sont pas déterminés.
Evidence
Dataset evidence & lineage
What the typed evidence proves the company holds — reframed for clarity and set against the market.
IoT / sensor data
Il s'agit de données de séries temporelles provenant de châssis de conteneurs équipés de GPS et d'une flotte moderne de wagons, cruciales pour corréler la localisation et le mouvement des actifs avec les événements de maintenance.
Industrial data
Il s'agit de données opérationnelles provenant des dépôts de conteneurs et des terminaux de l'entreprise, fournissant un contexte sur la manutention et les conditions de stockage des actifs qui influencent l'usure.
Maintenance logs
C'est le jeu de données principal de séries temporelles, documentant l'historique de réparation et de nettoyage de la flotte de conteneurs de l'entreprise, essentiel pour former des modèles de maintenance prédictive.
Geospatial data
Ces données tabulaires décrivent le réseau ferroviaire et les itinéraires de l'entreprise, permettant aux modèles de prendre en compte la distance parcourue et les contraintes spécifiques aux itinéraires sur les équipements.
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
Igs Intermodal Maintenance Logs — a Moderate maintenance logs dataset (Time Series modality) in the mobility domain. Primary AI use-case: Predictive Maintenance. Market signal: Global Predictive Maintenance Market was valued at $13.4 billion in 2025, with a projected CAGR of 23.2% (2026-2035) (source: Market.us). [1]. Investment score 77.4/100 (confidence 0.56). Recommended action: Partnership (group-level).
From the marketplace
Explore live data opportunities
Svanteinc — Opportunité de jeu de données de capteurs industriels
View opportunity →industrielSme — Opportunité de jeu de données sur les opérations industrielles
View opportunity →autrePocketliving — Opportunité de jeu de données sur les opérations industrielles
View opportunity →Data Academy
Learn before you deal
- Acheter de la donnée rare, en conformité3 min read
- Les places de marché de données, expliquées4 min read
- Licence de données, terme par terme4 min read
News & Insights
Latest from the briefing
- Comment fonctionne une transaction de données B2B ? Le processus de vente en 8 étapes
- Comment valoriser un jeu de données : 4 méthodes éprouvées pour la monétisation des données
- Votre entreprise est-elle un courtier en données ? Risques de conformité et définitions