在目前阶段，大数据预测时尚趋势，主要是有两个方法，一是按照时间序列推测某一风潮重生的时机，二是依靠搜索引擎的检索词汇，来将各种元素排列组合。无论是哪种，数据预测都是为了更好地满足人们的潜在需求，以适应市场和消费者的变化。

不过，在我们接受这套说辞之前，似乎从没有质疑过数据真的能预测时尚趋势吗？而我们也从未认真讨论过它的前提，那就是时尚的未来发展是否真的可以被预测。

从过去的时尚业发展来看，时尚的确有被预测的历史。在大数据还未如今天这般普及之前，时尚预测机构就已经存在了。早在19世纪，法国、英国等地就出现了在杂志上展示未来服装潮流的做法，编辑们凭借自己的品味和判断认定哪些东西会受到大众欢迎，并进行大批量的生产。这种预测是绝对主观的，因此，它是精英主义的，时尚流行的话语权掌握在少数几个人手里。

然而随着社会生产变得精细化，服装业内部产生了成衣、高定、原料、色彩等不同内容的细分，每个领域都诞生了各自的专家。这对风潮预测的深度也提出了越来越高的要求，杂志业渐渐无法跟上产业更新的速度。

彩通、Promostyl、WGSN等专业预测机构的诞生，正是为了填补专业预测市场的空白，一大批诸如色彩流行协会、顾问协会的组织花开遍地，他们各自对印刷技术、传播、面料、技术发展都有深入的研究。这样的组织大多是跨国型企业，比如国际流行色委员会就有近20个成员国，每年，他们都会定期组织专家会议，研讨未来色彩和潮流的发展趋势，并在时尚零售的重要市场间达成共识。

这些讨论成果是不对外公布的，可以说，流行趋势预测机构早期更像是改善信息不平等的媒介，他们综合市场上各种新技术和新战略，以为企业提供前瞻性的指导和咨询。到这个阶段，预测机构的权威性依然谈不上民主，直到大数据的出现。

人们对大数据的应用，为时尚风潮的主观判断增加了客观性。当人们的预想和数据展现出的趋势不完全相同时，预测机会学会了多参考一种视角，这能帮助减小误差。如今，预测机构WGSN正是用数据辅助人为判断的方式，来综合对流行趋势进行考量的。

WGSN这种系统化的调研方法使之获得了更多客户的新人，在预测市场里，WGSN拥有最大的市场份额，达到50%。根据《经济学人》近期的报道，WGSN的预测方法和市场调研公司其实并无太大区别，它通常会雇佣150个预测师，通过总结T台、酒吧和其他娱乐场所里生活方式，对时尚发展做一个大致的判断。然后，他们的发现会结合一些互联网的消费数据，再融合进最新的政治环境、经济形势，集结成一个综合性的研究成果。这样做的准确性比100多年前的凭空臆想高很多，以至于许多预测师都对自己的研究结果自信满满，当他们来年走进商店时，经常会喊道：“我预测到了！”

然而值得注意的是，这样的预测方式似乎依然建立在资深人士对既有社会现象的总结上，虽然大数据正在越来越广泛地覆盖我们生活的方方面面，但我们依然很难想象，如果人类放弃自己的判断，单靠数据的指引，是否真的能通往一个正确的方向。

越精准的数据预测，就需要越多的样本量，这意味着精准预测必然出现在一些苗头已经产生之后。正如WGSN使用的方法那样，它在预测中难免将奢侈品大牌的新设计作为潮流的风向标，但很难解释的是，又是谁在主导这些大品牌的趋势呢？我们很难找到某个新风潮的绝对起点。

如果我们关注这些年的时装周会发现，越来越多的品牌都在走向同质化的结局。在2015年，运动风从纽约的Alexander Wang一直刮到巴黎的Chloe、Kenzo身上，真的是英雄所见略同吗？

事实上，风潮从来不是因为预测而存在的，因为它是被有意创造的。这里面不乏有流行预测机构的努力促成，譬如彩通每年公布的年度流行色，就为品牌创造了当季推出爆款的可能，它是一个指导性的意见，一个风向标。通过和彩通合作，时尚品牌们会有意开发符合流行的产品，比如2017年，消费者们就已经接受了“今年会流行绿色”的事实，一旦这种认知成立，就不会再有什么人想着要反驳它。

时尚产业是一个环环相扣的系统，预测机构和品牌形成了共赢的关系，趋势结论为人们提供权威的心理暗示，品牌们则依照预测方向去发展生意，这样一来，商人们对消费者的潜意识引导会让所有人都认为自己跟上了时代。而数据，无非是保证一切在风险可控的轨道上运行。

因为，可预测的前提往往是事件具有一定的规律性，但作为文化的一部分，时尚的发展同时具有现象性和爆发性的特点，它的生命周期并不会完全按照历史规律延展。正如在路易十四戴假发、穿丝袜以前，人们是不会想到要用这样的装扮武装自己的，他们也不会在意，戴着假发的路易十四只是为了遮住自己脱发的尴尬，并不是为了什么时尚，也并没有有意在复兴什么人文传统。

不过，人工智能和大数据是否会在更长远的未来完全取代人工，却也不是不可能。据《经济学人》表示，目前的社会还处于时尚和数据联姻的初级阶段，一份2014年的报告显示有一半的预测模型都会导致错误的预测，但是看向未来的人们不会因此停下脚步。数据为他们的理想提供了工具，也创造了一个可以落地的商业计划的可能，比如，如今想要变身电子博物馆的Google，就试图从更人文的角度弥合感性和理性的鸿沟。也许有一天，机器对文化的理解水平并不会比人类差得太远。