今年 WGSN 對四大時裝周所展示的秋冬季服裝的分析就轉化為數字指數，具體到色彩、圖案和產品的流行趨勢。數字顯示，今年迷彩服的比例比去年秋冬時裝周高出 73%；用透薄面料的比例則減少了43％。此類數據將幫助時裝公司對2013年秋冬系列做最后的調整，以配合時裝周的趨勢。

　　對于時尚行業來說，最大的問題是“下季什么賣得好？” 
  
　　Julia Fowler 相信，對時尚趨勢的預測，不能依賴經驗和直覺，而應該更多憑借對實時數據（或最近數據）的收集和分析，2009年設計行業出身的她聯合Geoff Watts，一名擅長金融建模的程序員，一起在倫敦創辦了這家數據驅動的時尚預測公司EDITD。 
  
　　他們試圖將金融領域常用的科學分析推導方法，應用到時尚行業。 
  
　　有22名雇員的Editd 沒有把辦公室放在時尚聚集地，而是在東倫敦一個名為Silicon Roundabout (硅彎) 的科技創新中心。每天 Editd 的軟件會從互聯網收集有關服裝配飾的海量資訊，以及來自社交媒體超過30萬條評論，涉及內容從品牌門店新上架商品，到諸如豹紋還能紅多久之類的大眾意見。 
  
　　這些資訊被整理為數據形式，經過匯總編輯，用來分析不同品牌的商品配置、定價、顧客情緒和新興趨勢。他們服務的客戶有 ASOS，Gap 和 Target 等。 
  
　　對于小零售商客戶，Editd 提供針對單一市場的基本數據服務的費用是每月 2500美元；對于需要更復雜服務的的大客戶，費用則要高很多。 
  
　　比如，一個客戶想要開發“機車夾克”產品，Editd 就會制作一份英美高檔零售商過去三個月此類商品的銷售數據，哪個牌子賣得最好，折扣率，售罄天數－ 以此判斷“機車夾克”是否依然流行。 
  
　　二十年前，時尚預測通常是以厚厚的出版物形式每年發行兩次，內容包括服飾流行的色彩、圖案、廓形等。上世紀90年代，互聯網興起，這種大型出版物被 WGSN (Worth Global Style Network) 和 Stylesight 這樣的趨勢預測網站代替。 
  
　　這些付費訂閱的網站仍是業內主力，由專業的預測團隊提供海量資訊：可以告訴你到2020年，時尚將會如何被汽車的造型、建筑和納米技術等影響；也可以告訴你下季最流行的條紋衫的條紋寬度是多少。 
  
　　這些傳統趨勢預測機構的專家對數據驅動的預測方式表示懷疑，他們認為：
　　?數據不是一切，數據只是資訊海洋中的一個組成部分；
　　?傳統的趨勢預測是團隊工作的成果，而非某個個體的臆想；
　　?時尚很多時候是追隨內心感受的決策，這是一種必須承擔的“可計算的風險”；
　　?直覺判斷依然重要：某種新的風格可能未被驗證過，但直覺會告訴你它就會流行起來；可能沒有數據告訴你該怎么做，但直覺會告訴你該冒險一試；
　　?運用數據要小心，因為品味變化多端，如果過分依賴數據就會出現決策失誤，如同金融行業出現的錯誤一樣 
　　不過，現在越來越多的的客戶要求用數據來支持他們的直覺判斷，令傳統的預測服務商也在順勢而變，WGSN 就計劃投資更多的量化分析工具。 
  
　　今年 WGSN 對四大時裝周所展示的秋冬季服裝的分析就轉化為數字指數，具體到色彩、圖案和產品的流行趨勢。數字顯示，今年迷彩服的比例比去年秋冬時裝周高出 73%；用透薄面料的比例則減少了43％。此類數據將幫助時裝公司對2013年秋冬系列做最后的調整，以配合時裝周的趨勢。