材质，设计等进行调整，举例如下：
宽松针织外衣尺码表：
规格 身高 上胸围 下胸围 腰围 臀围 上身长 肩宽 臂围 领围 体重 XS 155- 80- 70- 66- 82- 60- 40- 25- 32- 95- S 80-85 70-75 66-68 82-87 60-62 40-42 25-27 32-34 90-100 M 85-95 75-86 68-72 87-93 62-64 42-44 27-29 34-36
L 95-102 86-92 72-76 93-96 64-68 44-46 29-33 36-40
XL 172+ 102+ 92+ 76+ 96+ 68+ 46+ 33+ 40+ 125+ 155-160 160-165 165-172
100-110 110-125 修身泳衣尺码表: 下装
规格 身高
M 155- 81- 75- 66- 85- 60- 40- 25- 33- 85- S 155- 85- 63- 18- 84- 44- 35- 41- 33- 31- L 81-86 75-78 66-70 85-88 60-62 40-42 25-27 33-34 85-92 M 85-95 63-65 18-20 84-86 44-47 35-38 41-45 33-35 31-33 XL 86-90 78-80 70-72 88-92 62-64 42-44 27-29 34-36 92-100 L 95-105 65-70 20-22 86-91 47-50 38-41 45-53 35-37 33-34 XXL 90-94 80-85 72-75 92-95 64-66 44-46 29-31 36-38 XL 165+ 105+ 70+ 22+ 91+ 50+ 41+ 53+ 37+ 34+ XXL 4XL 尺码
表： 上胸围 下胸围 腰围 155-160 160-165 165-170 170-173 173+
94-98 98+ 85-90 90+ 75-79 79+ 95-98 98+ 66-68 68+ 46-48 48+ 31-34 34+ 38-40 40+
上想尺码通过增量点，
述设表，设测
臀围 上身长 肩宽 臂围 领围 体重 规格 100-108 108-115 115+ 身高 体重 腰围 脚踝围 臀围 大腿长 小腿长 大腿围 小腿围 膝盖围 155-160 160-165
从而增加服装参数想项。服装与人体匹配时所要参考的数据也随之增加，人体特征与更像参数的匹配能提高服装各部分的合身度，同时保持原有的理念，将服装尺码所对应的参数在一定
范围内进行波动，方便归类生产，能进一步满足供求双方的需求。
四：大数据下的服装个性定制
所谓大数据下的服装个性定制是基于网络大数据背景下提出的一种新的网络服装导购模式，即当商家通过用户的网络购物行为收集到较多的用户体型数据时，经隐私保密原则，指导生产商细化尺码分类，进行精确生产的新型网络购物模式设想。旨在实现高效网络购物模式下的服装精准购买，实现网络购物与私人定制的基本统一。
4.1实现方法
基于大数据的服装个性化定制，实现步骤主要分为：测量数据—收集数据—数据细化分类—反馈厂家生产—供货。
测量数据：用户通过传统测量方法或非接触性测量方法，测量肩宽、臂长、臂围、上胸围、下胸围、腰围、臀围、上身长、领围、身高、体重的人体数据。
收集数据：用户选择心仪服装并上传自身人体体型参数，电脑保存记录。 数据细化分类：
当数据收集到一定的量时，必然发现有部分用户的体型数据极为接近甚至完全相同。商家可以根据服装面料的延展性和设计风格等因素，考虑用户所上传的体型数据，在原有尺码表的基础上进行细化，制定服装细化尺码表，增加服装码数，缩小码数适宜体型数据的范围。
商家将收集到的用户体型数据进行分类整理，并将用户体型数据与细化尺码表进行匹配，即了解各尺码用户需要人数，各尺码占所需的服装比例。
反馈厂家生产：厂家根据细化尺码表和商家汇总的各尺码所需人数及各尺码所占服装比例进行生产。
供货：正常的网络购物供货方式。
简单来说就是，当用户有购买意向时向商家提供自身的体型数据与心仪服装款式，商家收到用户提供人体体型数据时进行数据分类整理，当数据量达到一定值，便可以分析得出各类服装意向购买人群的体型分类，细化原有服装尺码表，并根据细化尺码表，将各尺码需要人数提供给该服装生产商，并有服装生产商进行加工，按交货日期向顾客交货。这样既能保证用户体型与服装能有较好的合适度，也不用为保证合身度进行私人定制减少了服装生产时间，这就是所谓的大数据下的服装个性化定制。
服装个性化定制在网络购物节日中同样可以实现。当网购节开始前，用户会挑选自己所喜欢的产品并上传自身的体型数据，商家汇总用户对各款服装的关注人数，各款服装关注用户的体型参数。将参数与已有的细化尺码表进行匹配，将匹配结果反馈给商家，提前准备各款服装数量，以及各尺码生产预估量。当网络购物节开始时，用户下单，此时各服装按照用户关注度和关注者体型参数，已经在服装数量和服装各尺码数量上有了预先准备，可将前期准备的服装进行销售部分继续生产。基本实现网络购物与细化尺码个性定制的统一。
4.2实现意义
实现基于大数据的服装个性定制的网络购物模式可以满足用户、商家、服装生产商等多方需求，具有以下几个突出意义：
1.提高服装合身度
基于大数据的服装个性化定制，以接触性测量或精准非接触性测量精确提取人体体型参数，并将精准的数据通过电脑上传记录，关注每一个用户的体型参数。同时运用更细化的服装尺码表，增加服装测量点，缩小尺码适宜范围，大大提高服装与人体的匹配度与合身度。
2.指导服装生产
服装个性化定制通过大数据的分类还能分析各服装购买人群尺码数量，能进一步指导服装供应商各尺码生产数量，提高材料利用率，提高生产效率。
3.满足网购需求
基于大数据的服装个性化定制，具有前瞻性与预见性，通过用户对于产品的收藏，获取用户体型参数信息，以数据指导分类，以数据指导生产，既可以提前生产服装应对用户购物需求，也可以提高网购服装合身度，满足用户有质量的网购需求。
五：感想与反思
基于大数据的服装个性定制，在一定技术支持下，有极大的实现可能，是一种高效、便捷、精准的新兴网络服装导购模式。
但在研究过程中我们也发现了这一模式的实现势必要得到多方面的支持，用户的理解，测量技术的发展，生产水平的提高，隐私保密技术的发展等。
综上所述基于大数据的服装个性定制模式具有良好前景，同时在实行中也存在多方面的问题，需要研究与克服。
【参考文献】
[1]李广建,化柏林. 大数据分析与情报分析关系辨析[J]. 中国图书馆学报,2014,(05):14-22.
[2]官思发,孟玺,李宗洁,刘扬. 大数据分析研究现状、问题与对策[J]. 情报杂志,2015,(05):98-104.
[3]陈开放,魏振锋,杨莺莺,陈泽寅,杨温然. 国内服装电子商务网站的导购模式研究[J]. 无线互联科技,2015,(17):124-125.
[4]徐律. 网络设计师品牌零售导购模式的探索[D].中国美术学院,2015. [5]王冰姿. 基于文化原型的均码女上装基础样板设计研究[D].上海工程
技术大学,2015
基于大数据的服装个性定制
