数据集机会
Gotoglobal — 出行遥测数据集机会
Gotoglobal 持有的中等规模出行遥测数据集，可用于预测性维护和异常检测。
评分
48
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
49%
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
全球预测性车队维护市场规模在 2024 年达到 52 亿美元，预计到 2033 年将达到 251 亿美元，复合年增长率为 18.1%（来源：Dataintelo）。[11]
触发此机会的近期外部事实 — 可审计的来源。
- 📰press2026-07-07
WeaveGrid, GM Advance Grid-Integrated EV Charging and Home Energy Programs
powermag.com ↗ - 📰press2026-07-07
SAIC France change de directeur général
journalauto.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
出行遥测数据集
模态
时间序列
行业
出行
体量
中等
新鲜度
实时
稀有度
高（专有）
可访问性
受限
法律
混合所有权 — GDPR 敏感（PII 审查）
买家画像
工业人工智能与维护优化供应商
Gotoglobal 拥有丰富的出行遥测数据集，结构为时间序列数据，整合了 `geo_data`、来自车辆传感器的 `iot_data` 和 `transaction_data`。这些精细的真实世界数据非常适合训练预测性维护模型，以预测车辆组件故障并优化维护计划，因为它提供了车队运营的全面视图。
该价值体现在全球预测性车队维护市场，该市场在 2024 年达到 52 亿美元，并预计以 18.1% 的复合年增长率增长，到 2033 年将达到 251 亿美元。[11] 虽然访问需要处理GDPR/隐私敏感性以及混合数据所有权模型，但该集成数据集的稀有性和深度使其成为寻求在此高增长市场中获得竞争优势的买家的宝贵资产。⚠ 尽职调查（有价值的数据，可协商的访问权限）：数据包括高分辨率 GPS 和用户 PII，使其对 GDPR/隐私敏感；混合业务模式：拥有/运营车队（自有数据）同时提供 SaaS 平台（客户自有数据）；上市公司地位（TASE: GOTO）意味着结构化的合规和治理要求 · 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 Gotoglobal 拥有来自大型、积极管理、跨国车队的实时遥测的专有、高稀有性数据集。这正是工业人工智能供应商寻求开发和训练复杂的预测性维护算法所需的地面实况数据。在全球预测性车队维护市场预计到 2033 年将达到 251 亿美元的情况下，该数据集通过实现更准确的故障预测和维护优化模型，提供了显著的竞争优势。
See dimension details ↓- Dataset Specificity90
主导的 'iot_data'，出行行业，3 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 Rarity82
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 Volume52
3 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 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。 - Training Value84
适用于预测性维护
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 Demand90
人工智能买家需求旺盛，这得益于预测性车队维护市场的显著增长，该市场正以 18.1% 的复合年增长率扩张。[11]
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
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 Strength62
3 种证据类型，3 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 License28
所有权=混合，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，2 个近期外部信号 — 超出已货币化的专有数据
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 Audit75
⚠ 审查 — GoTo Global 运营着一个真实的共享出行车队，生成有价值的遥测数据，但也明确地将其技术作为白标 SaaS 平台提供给其他车队运营商，使其成为技术供应商，因此不适合。问题：公司网站和投资者关系材料明确表示，他们将其出行平台作为白标技术解决方案提供给其他企业；这种销售技术平台/SaaS 的业务模式与‘不良目标’定义直接冲突，因为他们正在销售智能/软件；与 GoTo（前 LogMeIn）这家非常大的美国 SaaS 公司存在高度混淆的风险。目标公司是以色列的 GoTo Global。
- Deep Qualification90
✓ 通过 — 目标是数据持有者，而非销售者；其核心业务是共享出行服务和提供车队管理平台。‘出行遥测数据集’是其运营的连贯副产品。数据所有权是混合的，涉及其自有车队的公司数据及其 SaaS 客户的客户数据，使其在 GDPR 下高度敏感。2026 年 6 月的一份近期财务报告提供了及时的触发。
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。
IoT / sensor data
这是来自车辆物联网传感器的时间序列数据，对于构建预测性维护模型以分析车辆健康状况和预测组件故障的人工智能供应商至关重要。
Geospatial data
这些表格数据证实了车队在多个国家/地区的地理多样性和规模，这对于训练能够跨不同运营环境和气候泛化的稳健模型至关重要。
Transaction data
这些表格数据通过庞大的客户群展示了高车队利用率，提供了丰富的使用模式，这对于模拟车辆组件的实际应力和磨损至关重要。
Marketplace
Dataset details
Detailed schema & sample available on access request.
Coverage
Scanned sources
Deliverable
Premium dataset report
Gotoglobal Mobility Telemetry — a Moderate mobility telemetry dataset (Time Series modality) in the mobility domain. Primary AI use-case: Predictive Maintenance. Market signal: Global Predictive Fleet Maintenance market size reached $5.2 billion in 2024, projected to reach $25.1 billion by 2033, CAGR 18.1% (source: Dataintelo). [11]. Investment score 48.0/100 (confidence 0.49). Recommended action: Data Sharing Agreement.