数据集机会
Gastonschul — 法规记录数据集机会
Gastonschul 持有的海量法规记录数据集，可用于法规 RAG 和合规助手。
评分
73.9
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
63%
行动
数据共享协议
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
全球监管科技市场在 2025 年的估值为 190.6 亿美元，预计到 2034 年将增长到 1052.3 亿美元，复合年增长率为 20.00%（来源：Fortune Business Insights）。[8]
触发此机会的近期外部事实 — 可审计的来源。
- 📰press2026-06-12
Federal court temporarily upholds Trump’s 10% global tariff
supplychaindive.com ↗ - 📰press2026-06-11
Tariff refunds may soon cover more entries — but not without a fight
supplychaindive.com ↗ - 📰press2026-06-10
Razor reshapes supply chain to weather Trump-era China tariffs
manufacturingdive.com ↗
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。
Profile
数据集概况
类型
法规记录数据集
模态
文本
行业
出行
体量
大
新鲜度
实时
稀有度
高（专有）
可访问性
受限
法律
主要归客户所有 — GDPR 敏感（PII 审查）
买家画像
监管科技与合规人工智能供应商
Gastonschul 持有一个监管记录数据集，其文本模态包含详细的报关单、交易数据、事件流和来自其移动和物流运营的地理数据。这种结构化和非结构化信息的丰富组合提供了复杂的国际贸易流动的真实世界证据，使其成为开发和微调监管 RAG 系统以回答细微的合规和海关查询的理想资产。
该数据的商业价值体现在蓬勃发展的RegTech 市场中，该市场在 2025 年的估值为 190.6 亿美元，预计在 2026 年至 2034 年期间的复合年增长率 (CAGR) 为 20.00%。[8] 虽然访问受到严格的海关保密法规的约束并需要数据匿名化，但这种真实世界交易数据的稀有性和深度为旨在构建高价值解决方案的 AI 买家在利润丰厚的贸易合规领域提供了显著的竞争优势。⚠ 尽职调查（有价值的数据，可协商的访问权限）：数据受严格的海关保密和财政代表法规约束；主要数据所有权归进出口客户所有；需要对 PII（姓名、地址）和敏感商业价值进行匿名化。· 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 Gastonschul 拥有欧洲海关和监管合规活动的专有运营数据集。数据源自其管理数千份跨境申报的核心业务，包括与碳边境调节机制 (CBAM) 等新兴法规相关的文本。这个高稀有度的数据集是 RegTech 和合规 AI 供应商寻求训练和支持监管 RAG 模型的主要资产，这在全球 RegTech 市场（预计到 2034 年将超过 1000 亿美元）中至关重要。
See dimension details ↓- Dataset Freshness82
实时/流式传输
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。 - Dataset Specificity100
主导的“监管”，移动行业，4 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 Rarity94
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 Volume80
5 个证据命中，明确提及数据量
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。 - Training Value94
适用于监管 RAG
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 Demand82
全球 RegTech 市场预计将从 2026 年到 2033 年以 21.1% 的复合年增长率增长，这得益于对自动化合规流程和人工智能采用日益增长的需求，表明在以下行业对监管数据有非常高的需求：
基于市场信号，AI开发者和公司对该数据的需求强度。 - Legal Accessibility0
PII/受监管
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 Feasibility0
高难度，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 Strength86
5 种证据类型，5 次命中
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 License0
所有权=客户拥有，许可=GDPR 敏感
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 Orientation73
3 个数据需求信号（3 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，3 个近期外部信号 — 超出已货币化数据的专有数据
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 — Gaston Schul 的核心业务是销售海关相关服务和数字解决方案，包括数据交换平台，使其成为情报的销售商，因此不是一个好的目标。问题：该公司的核心业务是提供海关服务和数字解决方案，而不是非数据相关的运营业务。[7, 13]；他们积极销售数字解决方案，包括通过 API/EDI 的“海关数据交换”、一个“出口门户”和一个“控制塔”平台，这些都是销售形式
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。
Geospatial data
这是来自中央“控制塔”的地理空间物流数据，证明持有者管理和整合了跨多个欧洲国家的全球海关活动。
Event streams
这是来自数字海关平台的实时事件数据，提供了申报流程的时间序列视图，对于对风险和运营效率进行建模很有价值。
Transaction data
这是详细的海关交易数据，包含HS 编码、原产地和估值等基本字段，这些是训练任何贸易合规 AI 的基础。
Regulatory records
这是专有的监管尽职调查文本，直接与新的复杂欧洲法规（如CBAM 和森林砍伐法规）相关，代表了训练下一代合规模型的独特来源。
Data-volume signal
这些证据表明数据量巨大，证实了在包括英国、德国和法国在内的主要欧洲市场处理的数千份申报的生产级规模。
Coverage
Scanned sources
Deliverable
Premium dataset report
Gastonschul Regulatory Records — a Large regulatory records dataset (Text modality) in the mobility domain. Primary AI use-case: Regulatory RAG. Market signal: Global RegTech market was valued at USD 19.06 billion in 2025 and is projected to grow to USD 105.23 billion by 2034, at a CAGR of 20.00% (source: Fortune Business Insights). [8]. Investment score 73.9/100 (confidence 0.63). Recommended action: Data Sharing Agreement.