数据集机会
d-nvest — 知识库数据集机会
d-nvest 持有的海量知识库数据集，适用于文档智能和 RAG。
评分
65.6
评分（0-100）融合了加权维度 — 数据集稀有度、训练价值、买家需求、证据强度和许可权。70分以上表示交易就绪。请参阅下方评分维度了解详情。置信度
59%
行动
收购
此数据集的推荐交易结构：收购（完全买断）、许可（付费使用权）、数据共享协议（受控访问，不转移所有权）、合作（共同开发）或标注计划（标签）。根据数据所有权、许可复杂性和可访问性选择。市场
全球食品真实性检测市场规模在 2025 年达到 87 亿美元，预计到 2034 年将达到 144 亿美元（复合年增长率为 5.50%）。[15]
Lineage
此线索的来源
信号优先链，端到端：近期外部信号 → 合格利基 → 已解析的数据持有者 → 网站验证 → 评分机会。每个线索都可解释。
该公司积极关注数据的具体证据 — 这就是它适合进入交易室的原因。
- ✨Signal
用于食品真实性追踪的专有移动应用程序
来源 ↗
Profile
数据集概况
类型
知识库数据集
模态
文本
行业
其他
体量
海量
新鲜度
定期
稀有度
高（专有）
可访问性
受限
法律
混合所有权 — 需明确许可权
买家画像
文档人工智能/IDP 供应商
d-nvest 持有一个独特的知识库数据集，该数据集源自其物理实验室运营，包括科学检测报告、`检查记录`和`地理数据`。这些原始数据富含文本模态中的同位素和化学特征，目前处于休眠状态，但非常适合文档智能用例，能够从复杂、非结构化文档中提取和分析关键的食品真实性和安全信息。
全球食品真实性检测市场在 2025 年的估值为87 亿美元，预计到 2034 年将以5.50% 的复合年增长率增长，这得益于食品欺诈的增加和消费者对透明度的需求。[15] 尽管存在访问复杂性，例如需要对客户特定结果进行`匿名化`，但该科学数据的稀有性和深度使其成为一项宝贵资产。对于寻求在高增长、受监管的市场中训练强大人工智能模型的买家来说，协商访问权限是值得的。⚠ 尽职调查（有价值的数据，可协商的访问权限）：作为一家实体实验室运营，意味着数据是科学检测的副产品；已通过“知识库分析”产品化部分见解，但原始同位素和化学特征数据集仍基本处于休眠状态；客户特定的测试结果可能需要匿名化或特定同意才能二次使用。· 公司：独立。
Scoring
评分维度
可解释的、基于证据的维度（0-100）。雷达图显示了投资轴。
这些证据共同证明了持有者拥有一份专有的知识库，其中包含全球食品安全情报和预测性见解。该数据集对于寻求在复杂的食品真实性和供应链风险语言上训练模型的文档人工智能供应商来说是一项高价值资产。在一个预计将达到 144 亿美元的食品真实性检测市场中，这些数据提供了构建强大文档智能解决方案并占领市场份额所需的专业内容。
See dimension details ↓- Dataset Specificity62
主导的‘知识库’，行业其他，2 种特定类型
数据针对特定、难以替代的领域或任务的精确程度。利基、明确定义的数据得分高于通用数据。 - Dataset Rarity70
专有领域数据
数据的稀缺性和专有性。独特领域数据得分高；公开可用数据会降低得分。 - Dataset Volume82
8 个证据命中
数据的表观规模，根据证据命中次数和任何明确的体量提及推断。 - Dataset Freshness46
定期
数据的时效性 — 实时/流式数据得分最高，定期转储数据得分较低。 - Training Value64
适用于文档智能
数据对目标AI用例的有用程度 — 其是否适合模型训练或微调。 - Buyer Demand95
需求异常高，由人工智能驱动的知识管理系统市场驱动，该市场预计从 2025 年到 2034 年将以惊人的 43.7% 的复合年增长率增长。
基于市场信号，AI开发者和公司对该数据的需求强度。 - Legal Accessibility28
受限/未知
数据在法律上获取和使用的难易程度 — 开放/API访问得分高；PII或受监管数据得分低。 - Acquisition Feasibility30
中等难度，独立
考虑到获取难度和持有者的公司结构，实际获取数据的可行性。 - Evidence Strength77
3 种证据类型，8 个命中
公司持有此数据的证据强度 — 证据类型的多样性和命中次数。 - Right to License36
所有权=混合，许可=权利不明确
公司是否可以合法地许可数据 — 基于所有权和许可复杂性。 - Corporate Independence90
独立
持有者是否可以独立决策 — 独立公司得分高于大型集团的子公司。 - Data Orientation39
1 个数据需求信号（1 种类型）
公司投资数据的积极程度，通过其数据需求信号（招聘、产品、API等）衡量。 - Dormant Data Surplus92
盈余=高 — 专有数据超出已货币化的部分
该公司持有的专有数据量和价值，超出其已实现货币化的部分 — 我们可以解锁的休眠盈余。一家公司可以出售部分洞察，同时仍拥有更大的休眠资产。 - ICP Audit67
⚠ 审查 — 该公司的核心业务是销售从数据中获得的见解和情报，这使其成为目标市场的参与者，因此不适合。问题：该公司主要产品包括‘知识库’技术平台、‘SafeGuard+’情报计划和‘托管服务’仪表板，这些都是；其业务模式围绕为客户提供‘可操作的见解’、‘风险画像’和‘地平线扫描情报’，这是一种销售形式；食品 F
Evidence
数据集证据与溯源
类型化证据证明公司持有的内容 — 为清晰起见重新表述并与市场对比。
Knowledge base / docs
持有者运营一个会员专享的在线知识库，这是一个包含全球食品安全最新情报和预测性见解的数据库，非常适合训练专业的文档智能模型。
Inspection reports
该数据集包含检查记录的证据，详细说明了化学、微生物和真实性检测，为训练人工智能处理食品分析报告提供了真实的文档模板。
Geospatial data
持有者拥有针对众多食品类别的原产地验证的表格数据，这是评估食品真实性和供应链完整性的人工智能模型的关键输入。
Deal room
Deal Room — Foodforensics — Knowledge Base Dataset Opportunity
Knowledge Base Dataset (Text, other). Best AI use-case: Document Intelligence. Target buyers: Document-AI / IDP vendors. Market: Global food authenticity testing market size reached USD 8.7 Billion in 2025, projected to reach USD 14.4 Billion by 2034 (CAGR of 5.50%). [15]. Rarity: High (proprietary); accessibility: Restricted. Key risk: Mixed ownership — licensing rights to clarify. Recommended deal structure: Acquire. Investment score 65.6/100.
买家画像
文档人工智能/IDP 供应商
最有可能购买或使用此数据集的公司或团队类型 — 需求方的目标。市场
全球食品真实性检测市场规模在 2025 年达到 87 亿美元，预计到 2034 年将达到 144 亿美元（复合年增长率为 5.50%）。[15]
根据市场信号对该数据的需求和价格范围进行粗略解读（$ = 利基市场，$$$ = 高AI买家需求）。风险
混合所有权 — 需明确许可权
使用或传输此数据的主要法律和合规限制 — PII/GDPR、许可权、监管限制。行动
收购
此数据集的推荐交易结构：收购（完全买断）、许可（付费使用权）、数据共享协议（受控访问，不转移所有权）、合作（共同开发）或标注计划（标签）。根据数据所有权、许可复杂性和可访问性选择。Coverage
Scanned sources
Deliverable
Premium dataset report
Foodforensics Knowledge Base — a Large knowledge base dataset (Text modality) in the other domain. Primary AI use-case: Document Intelligence. Market signal: Global food authenticity testing market size reached USD 8.7 Billion in 2025, projected to reach USD 14.4 Billion by 2034 (CAGR of 5.50%). [15]. Investment score 65.6/100 (confidence 0.59). Recommended action: Acquire.