信息化智能化技术的普及给传统工业带来了巨大的影响，制造业的生产方式也发生了巨大的改变。制造业智能化技术包括设计智能化、关键工序智能化、供应链优化管理等部分。服装制造业作为满足人民生活需求的重要组成部分，生产流程也在被信息化智能化技术不断的优化。市场需求分析是生产流程的重要组成部分，指导企业进行产品设计，制定生产和销售计划，国内外有大量的方法和文献探究帮助企业进行需求分析的技术，并针对许多具体的业务提出了量身定制的解决方案。然而现有的研究多是针对传统的零售模式，不适用于时尚品牌业务。从这一具体业务出发，基于详细的业务分析与数据统计，本文设计并实现了时尚品牌的智能预估系统，该系统主要实现了以下功能:　　(1)使用分而治之的思想，设计了针对生产计划的销量预估算法。针对特征空间高维离散稀疏的特点，本文提出一种分解方法，利用互信息将原始空间分解为子空间，在每个子空间上分别求解销量预估问题，使用模型融合方法对结果进行融合。相比于在原始空间上的预估结果，子空间分解方法的误差大大降低。　　(2)设计了一种贪婪启发式算法，用以发掘相关属性集合，并基于发现的相关属性集合，进行流行趋势的发掘。对发现的相关属性集使用统计分析方法分析其历史销售记录，可以预估未来一段时间的销量走势，得到准确的销量走势预估结果。　　(3)设计了针对具体门店的款式推荐和销量预估方法，对有销售历史的款式和新款式都能进行推荐和预估。针对在过去一年有销售记录的款式，使用基于用户的协同过滤算法，预估不同款式在不同门店的销量。针对新的款式，在对店铺进行聚类后，对每一类建立一个预估模型对具体款式的销量进行预估。　　(4)针对时尚服装品牌的业务与分析需求，设计了全新数据存储平台，在满足业务数据统计分析需求的同时，可以给三部分算法直接提供训练数据，减少了算法训练时处理数据的时间成本。设计了算法平台，实现了上述三种算法，将结果直接反馈给业务分析系统，并保证良好的可扩展性，便于模型的调整与新增。　　文章最后总结了本文内容，并对下一步工作进行了规划。