对于时尚行业来说，最大的问题是“下季什么卖得好？”
Julia Fowler 相信，对时尚趋势的预测，不能依赖经验和直觉，而应该更多凭借对实时数据（或最近数据）的收集和分析，2009年设计行业出身的她联合Geoff Watts，一名擅长金融建模的程序员，一起在伦敦创办了这家数据驱动的时尚预测公司EDITD,数据,预测,时尚。
他们试图将金融领域常用的科学分析推导方法，应用到时尚行业。
有22名雇员的Editd 没有把办公室放在时尚聚集地，而是在东伦敦一个名为Silicon Roundabout (硅弯) 的科技创新中心。每天 Editd 的软件会从互联网收集有关服装配饰的海量资讯，以及来自社交媒体超过30万条评论，涉及内容从品牌门店新上架商品，到诸如豹纹还能红多久之类的大众意见。
这些资讯被整理为数据形式，经过汇总编辑，用来分析不同品牌的商品配置、定价、顾客情绪和新兴趋势。他们服务的客户有 ASOS，Gap 和 Target 等。
对于小零售商客户，Editd 提供针对单一市场的基本数据服务的费用是每月 2500美元；对于需要更复杂服务的的大客户，费用则要高很多。
比如，一个客户想要开发“机车夹克”产品，Editd 就会制作一份英美高档零售商过去三个月此类商品的销售数据，哪个牌子卖得最好，折扣率，售罄天数， 以此判断“机车夹克”是否依然流行。
二十年前，时尚预测通常是以厚厚的出版物形式每年发行两次，内容包括服饰流行的色彩、图案、廓形等。上世纪90年代，互联网兴起，这种大型出版物被 WGSN (Worth Global Style Network) 和 Stylesight 这样的趋势预测网站代替。
这些付费订阅的网站仍是业内主力，由专业的预测团队提供海量资讯：可以告诉你到2020年，时尚将会如何被汽车的造型、建筑和纳米技术等影响；也可以告诉你下季最流行的条纹衫的条纹宽度是多少。
这些传统趋势预测机构的专家对数据驱动的预测方式表示怀疑，他们认为：
数据不是一切，数据只是资讯海洋中的一个组成部分；传统的趋势预测是团队工作的成果，而非某个个体的臆想；时尚很多时候是追随内心感受的决策，这是一种必须承担的“可计算的风险”；直觉判断依然重要：某种新的风格可能未被验证过，但直觉会告诉你它就会流行起来；可能没有数据告诉你该怎么做，但直觉会告诉你该冒险一试；
运用数据要小心，因为品味变化多端，如果过分依赖数据就会出现决策失误，如同金融行业出现的错误一样
不过，现在越来越多的的客户要求用数据来支持他们的直觉判断，令传统的预测服务商也在顺势而变，WGSN 就计划投资更多的量化分析工具。
今年 WGSN 对四大时装周所展示的秋冬季服装的分析就转化为数字指数，具体到色彩、图案和产品的流行趋势。数字显示，今年迷彩服的比例比去年秋冬时装周高出 73%；用透薄面料的比例则减少了43％。此类数据将帮助时装公司对2013年秋冬系列做最后的调整，以配合时装周的趋势。
零售商的观点则比较客观，他们认为：
作为一门生意，数据必不可少。我们会看天气数据，销售数据，门店反馈信息；但依赖数据进行预测则有一定危险，因为数据不能告诉你影响趋势的因素；时尚趋势受多种因素影响：流行音乐，当红艺术，名人效应等都决定了人们的审美趣味的转换。
时尚公司的业务正向更广阔的国家地区拓展，推出新款的频率加快，款式品种越来越丰富。虽然纽约、伦敦、巴黎和米兰四大时装周引领每季的潮流，但却不一定决定更大的流行趋势，它们的影响力也未必适用全球市场。
连卡佛的时尚总监就指出，中国消费者的品味受日韩风影响巨大。不管流行趋势如何，蕾丝／豹纹都长年好卖，但格子呢，锦缎和毛呢面料尽管在欧洲时装周大行其道，在亚洲就卖不动，因为亚洲人对这种面料敏感；
在时尚趋势更迭越来越多频繁的今天，销售计划必须落实到非常具体的分析和对时机的把握。时尚是门大生意，本质上它是基于“自以为是”的创意，基于不确定性。
上世纪九十年代，所有人都认为牛仔过时了，但当Tom Ford 为Gucci 1999年春夏秀推出的装饰牛仔系列引起轰动，牛仔突然又流行起来了。