时尚元素

　　Aytaman称，使用预测分析学来预测时尚潮流的问题是预测的准确性与输入模型中历史数据数量呈正比例变化。虽然艾利•塔哈瑞使用分析学来决策每年看起来变化不大的项目，如对商务正装生产线的需求，但是他们并没有将这一技术应用于季节性时尚项目，如时装和运动服装。

　　他称：“我们无法收集到充足的历史数据来做这一事情。”

　　虽然对于哪种设计将会取得成功，新设计可能以前没有什么类似物，不过商家可以将已经出现的时尚的一些关键特性进行分解，包括颜色和领子尺寸，然后对这些特性进行还原分析。换句话说，商家可以对所有的新款式的变化情况进行统计分析，评估历史数据的可用性，推断项目是否受到关注。

　　IBM零售解决方案总监Saurabh Gupta称：“将这些特性融合到你认为的时尚潮流中，让它们再次成为时尚潮流的特点这一做法非常前卫。”尽管可能没有充足的历史数据为每一种特性创建模型，但是他认为一些时尚元素会进行周期性的循环，这一循环可以被预测。Gupta 称：“一种色调至少会流行一年时间，你能够从中得出一些判断。”

　　零售商可以通过这些信息改进他们的模型，如某些类型的面料已经不再对采购员具有吸引力。IBM全球零售业预测分析部门负责人Colin Linsky称，时尚中的预测分析学的真正价值不仅仅是预测哪些将流行起来，而且能够给出原因。这对于在制定推销决策时明白自己应当做什么非常重要。

　　另一方面，当新时尚潮流不符合以前的模式，重要特性的历史数据不全或缺失;或是新的时尚潮流走不同的风格路线，如从时装转为运动装，那么预测分析学就不能总是工作的很好。

　　一名不愿透露姓名的首席信息官称：“必须要有人根据他们的知识创建模型，跟单员的才能应当被引入进来。你在采购会议上已经听到了关于这一问题的讨论，我们认为这一定会发生。这永远是一场科学与艺术的较量。”

　　他指出，这些没有一个能够工作，除非恰当的系统位于恰当的位置，为业务中的所有部分提供相同的数据。在这名首席信息官所在公司中，这意味着要有一个主数据模型，以及一个能够在子系统间移动数据的企业服务巴士，以在销售渠道和采购员之间共享信息。最终的复核需要人们在所有功能领域中进行审查和批准，包括计划分配、产品来源、财务以及商家的认可。

　　这名首席信息官称：“如果你没有能够在企业中使用的优秀数据，那么结果不会相同。这对预测系统来说非常重要。”

　　据Gupta透露，虽然这名首席信息官所在的公司并不是唯一这么做的公司，但是他们走在了前列。他称：“每个人都说他们理解这些特性，但是如何使用这些特性来预测需求并不是每家公司都做的很好。”