四年前，。Gilt可以准确地知道消费者的口味和品牌偏好。如今，消费者已经不再有品牌偏好，所以Gilt开始依赖预测分析学来帮助采购员把握销售什么。不过，Gruzbarg提醒，你必须知道你正在寻求什么。她称：“分析工具只能在你拥有大量数据的情况下才能起作用。知道什么是最为有用的信息非常重要。”

　　Attensity 公司预测分析总监Manya Mayes称，文本分析正在应用于由社交媒体所提供的数据中，如允许在线用户为他们喜欢的服装创建可视化样本的Storify。她称：“分析将识别哪些服装搭配在一起会更能受到客户的喜爱。”

　　商家也在挖掘“时装秀”视频，年青人可以展示她们购买的服装，并对这些服装进行点评。IBM全球零售部门副总裁Jill Puleri称，一些网络时装秀受到了追捧，由Blair Fowler、Ellie和Fiona上传的视频第一周的点击量就超过了100万。她称：“我们可以将这些输入到我们的趋势分析模型中。”

　　Schmults称，预测分析降低了时装选择方面的整体风险，使得公司能够把握一些机遇。他称：“艺术能够引入到以前消费者不曾想到的事物中。”

　　Crowdcast在集中智能方面提供了一个不同的思路。其服务让如采购员、商店经理或员工等在同一家公司中工作的雇员在成功预测哪种产品将引领潮流中赢得虚拟财富。

　　IDC 分析师Greg Girard称：“多个商家的集中智慧往往超过了一个商家的智慧。”在Crowdcast模式下，当他们做出了正确的判断，参与者会赢得更多的财富，并允许他们下更大的赌注。在所有赌注都一样时，他们可获得更大的话语权。在这种方式中，商家团体能够对本季的服装生产线进行下注。

　　迄今为止，大多数用户都是生产商，他们使用这种工具预测产品何时出货，以及如何更好的销售，不过Crowdcast更适用于时装零售商。该公司创始人兼首席执行官Mat Fogarty称：“当你在做决策时仅拥有很少的数据，那么你可以从集中智能那里获得帮助。”

　　时机就另一项挑战。其无法充分的知道时装项目在流行时尚的关键切入点。零售商需要知道这些趋势出现的时机。上述那名不愿透露姓名的首席信息官所在的公司正在使用类似初步灵感和Crowdcast功能的群众外包、集中智能工具。他们还在实体店和电子商务渠道中进行试销，并及时将这些结果反馈至数据仓库。在数据仓库中，它们将被做为预测模型引擎的附加数据使用。

　　这名首席信息官称：“预测分析并不能改变我们的运营方式。其所做的一切是合理化我们的流程，让我们的更善于分析。”

　　进行整合

　　IBM的Linsky称，从社交媒体分析中获得印象和洞察力将应用于传统预测分析引擎模型中，以提供新的来源帮助确定时尚潮流中的赢家。Petro表示，初步灵感的数据可用于预测分析数据模型中。他解释称：“这仅仅是一个映射问题。”

　　Girard称，社交分析在未来将会把跟单员的工作改变了“社交商人”。但是目前，通过分析、社交或是其它方式来预测时尚潮流中的赢家还处于市场推广阶段，许多零售商也在旁边观望，商家和设计师也还没有完全的依赖这一理念，每个人都在等待传出首个通过预测分析工具取得成功的消息。

　　关于文化方面的抵制，Petro认为技术将逐渐战胜商家，因为它们能够看到结果，明白这些工具适用于何处。他称：“预测分析并不能取代人类的判断。它只是飞机驾驶舱内的一个工具，并不能代替飞行员。”