Dataset opportunity
Eocharging — Mogelijkheden voor dataset met onderhoudslogboeken
Grote dataset met onderhoudslogboeken van Eocharging, bruikbaar voor voorspellend onderhoud en anomaliedetectie.
Score
37.5
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
74%
Action
Overeenkomst voor gegevensdeling
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)
Wereldwijde markt voor voorspellend onderhoud = $19,80 miljard in 2026, CAGR 31,1%.
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.
- 📣Press / announcement
50m+ laadsessies geleverd en gevolgd via EO Cloud
source ↗
Profile
Dataset profile
Type
Dataset met onderhoudslogboeken
Modality
Time Series
Sector
mobiliteit
Volume
Groot
Freshness
Real-time
Rarity
Hoog (propriëtair)
Accessibility
Gedeeltelijk
Legal
Gemengd eigendom — GDPR-gevoelig (PII-beoordeling)
Buyer persona
Leveranciers van industriële AI en onderhoudsoptimalisatie
Eocharging beheert een waardevolle Time Series dataset bestaande uit `maintenance_logs`, `event_streams` en `iot_data` van zijn netwerk van elektrische voertuiglaadstations. Deze gegevens bieden een gedetailleerde, real-world geschiedenis van hardwareoperaties, componentstress en storingsgebeurtenissen, waardoor deze uitzonderlijk geschikt is voor het trainen van Predictive Maintenance AI-modellen om uitval van laders te anticiperen en te voorkomen.
De wereldwijde markt voor Predictive Maintenance groeit snel, met een verwachte groei van $19,80 miljard in 2026 naar $226,50 miljard in 2035, wat een 31,1% CAGR vertegenwoordigt. Hoewel toegang vereist dat complexe toestemmingen met vlootklanten en GDPR-gevoeligheden worden beheerd, benadrukt dit de zeldzaamheid en strategische waarde van de gegevens. Het biedt een unieke kans om propriëtaire hardwaretelemetrie te verwerven die gekoppeld is aan de operaties van grote vloten zoals Amazon en DHL, een dataset die elders niet beschikbaar is. ⚠ Zorgvuldigheid (waardevolle gegevens, onderhandelbare toegang): Gegevens zijn deels eigendom van grote vlootklanten (Amazon, DHL, Tesco) die complexe toestemming vereisen voor secundair gebruik; Hoge GDPR-gevoeligheid met betrekking tot voertuiglocatie en laadstempels gekoppeld aan specifieke bestuurders; Propriëtaire hardwaretelemetrie is verschillend van klantgerichte sessiegegevens · corporate: onafhankelijk.
Scoring
Scored dimensions
Explainable, evidence-based dimensions (0–100). The radar shows the investment axes.
Bewijs bevestigt dat Eocharging een uitgebreid netwerk van meer dan 100.000 geïnstalleerde EV-laders exploiteert, wat een propriëtaire dataset genereert uit meer dan 50 miljoen laadsessies en gerelateerde onderhoudsgebeurtenissen. Deze tijdreeksgegevens zijn een kritieke troef voor leveranciers van industriële AI die voorspellende onderhoudsmodellen ontwikkelen om de uptime van activa te optimaliseren. In een wereldwijde markt voor voorspellend onderhoud die naar verwachting bijna $20 miljard zal bereiken tegen 2026, biedt deze dataset een zeldzame kans om algoritmen te trainen op real-world foutdetectie en operationele prestaties op schaal.
See dimension details ↓- Dataset Specificity100
dominant 'maintenance_logs', sector mobiliteit, 4 specifieke typen
How sharply the data targets a specific, hard-to-substitute domain or task. Niche, well-defined data scores higher than generic. - Dataset Rarity70
propriëtaire domeingegevens (open verlaagt zeldzaamheid)
How scarce and proprietary the data is. Unique domain data scores high; openly available data lowers it. - Dataset Volume82
8 bewijspunten
Apparent scale of the data, inferred from the number of evidence hits and any explicit volume mentions. - Dataset Freshness82
real-time/streaming
How current the data stays — real-time/streaming scores highest, periodic dumps lower. - Training Value94
geschikt voor voorspellend onderhoud
How useful the data is for the target AI use-case — its fit for model training or fine-tuning. - Buyer Demand92
AI-kopersvraag is uitzonderlijk hoog, gedreven door de snelle CAGR van 31,1% van de markt voor voorspellend onderhoud, wat een sterke en dringende behoefte creëert aan unieke, hoogwaardige trainingsgegevens om concurrerende oplossingen te bouwen.
How strongly AI builders and companies are likely to want this data, based on market signals. - Legal Accessibility48
open/API-toegang
How legally easy the data is to obtain and use — open/API access scores high; PII or regulated data scores low. - Acquisition Feasibility50
hoge moeilijkheidsgraad, onafhankelijk
How realistic it is to actually obtain the data, given access difficulty and the holder's corporate structure. - Evidence Strength100
6 bewijstypen, 8 hits
How solid the proof is that the company holds this data — diversity of evidence types and number of hits. - Right to License28
eigendom=gemengd, licentieverlening=gdpr_gevoelig
Whether the company can legally license the data out — based on ownership and licensing complexity. - Corporate Independence90
onafhankelijk
Whether the holder can decide alone — an independent company scores higher than a subsidiary of a large group. - Data Orientation39
1 databehoefte-signalen (1 typen)
How actively the company invests in data, measured by its data-appetite signals (hires, products, APIs…). - Dormant Data Surplus92
overschot=hoog — propriëtaire gegevens buiten wat al wordt gemonetiseerd
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 Audit25
⚠ beoordeling — Het bedrijf is in april 2026 onder curatele gesteld en vervolgens overgenomen, waardoor het een niet-bestaande entiteit is en dus een slecht doelwit. Problemen: EO Charging (handelend als Juuce Limited) is in april 2026 onder curatele gesteld.; Het bedrijf leed verlies en onderging aanzienlijke herstructurering, waaronder de verkoop van zijn hardwareafdeling eind 2025 en het ontslaan van de meeste medewerkers.; Delen van het bedrijf werden in mei 2026 overgenomen door Pod Point.; Het kernbedrijfsmodel omvatte de verkoop van hardware (laders) en een SaaS-platform (EO Cloud) voor vloot- en energiemanagement, wat de verkoop van intelligentie inhoudt
- Deep Qualification80
✓ geslaagd — EO Charging is een gegevenshouder wiens kernactiviteit bestaat uit het leveren van end-to-end EV-laadoplossingen voor vloten, niet uit het verkopen van gegevens. Een recente overname na curatele vormt een dwingende aanleiding, maar het eigendom van gegevens is gemengd met vlootklanten en de doorverkooprechten zijn onduidelijk, wat zorgvuldige onderhandelingen vereist.
Evidence
Dataset evidence & lineage
What the typed evidence proves the company holds — reframed for clarity and set against the market.
Downloads / exports
Het bedrijf verzamelt contactgegevens van klanten en prospects via downloads van marketingmateriaal, wat duidt op actieve commerciële betrokkenheid en een gedefinieerde klantenbasis.
Knowledge base / docs
De houder onderhoudt een kennisbank met technische en regelgevende documentatie voor de installatie van laders, wat een gestructureerd en conform operationeel kader achter hun activa-inzet bewijst.
IoT / sensor data
Het cloudplatform van het bedrijf heeft meer dan 50 miljoen laadsessies verwerkt van een netwerk van meer dan 100.000 geïnstalleerde IoT-apparaten, wat de grootschalige, real-world tijdreeksgegevens levert die nodig zijn voor het trainen van robuuste AI-modellen.
Maintenance logs
De dataset bevat onderhoudslogboeken gegenereerd door een geautomatiseerd foutdetectiesysteem, wat essentieel is voor het bouwen van voorspellende modellen die storingen kunnen anticiperen en de uptime van activa kunnen optimaliseren die de houder al bijhoudt.
Event streams
Het bedrijf genereert gebeurtenisstromen uit zijn energiemanagementoplossingen, waarbij gegevens over load balancing en kostenoptimalisatie worden vastgelegd, wat cruciale contextuele gegevens biedt voor het analyseren van de prestaties en belasting van laders.
Geospatial data
De houder beschikt over geospatiale gegevens die meer dan 1.700 laadlocaties in kaart brengen, wat locatiegebaseerde analyse mogelijk maakt en de ontwikkeling van modellen die rekening houden met milieu- of regionale operationele factoren.
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
Eocharging Maintenance Logs — a Large maintenance logs dataset (Time Series modality) in the mobility domain. Primary AI use-case: Predictive Maintenance. Market signal: Global Predictive Maintenance market = $19.80 billion in 2026, CAGR 31.1% (source: Market Research Future).. Investment score 37.5/100 (confidence 0.74). Recommended action: Data Sharing Agreement.
From the marketplace
Explore live data opportunities
Epuro — Gelegenheid voor dataset met onderhoudslogboeken
View opportunity →retailVaude — Mogelijkheid voor openbare aanbestedingsdataset
View opportunity →industrieelWmhughes — Gelegenheid voor dataset Industriële Operaties
View opportunity →Data Academy
Learn before you deal
- Hoeveel is een dataset waard?3 min read
- Hoe een datatransactie verloopt3 min read
- Wat u mag verkopen3 min read