销售预测和决策分析对企业至关重要,合理的销售预测可以影响企业的生产、采购、配送和库存等环节,为企业优化供应链管理。随着企业管理信息化的发展,销售数据和销量的影响因素都被保存在企业内部管理系统中,对这些数据进行充分的利用不仅可以对销量进行预测,而且可以做出销售决策。销售数据本质上为时间序列数据,而深度学习的中的序列模型可以捕捉到时间的推移。本文对基于双注意力机制和趋势调整的循环神经网络模型进行改进,将销售预测问题重新定义,加入了预测时间点的已知信息,例如该时间点是否为节假日等等。本文融合了预测时间点的已知信息,将其与注意力机制的结果进行拼接得到解码器阶段的输入。实验数据使用某大型连锁超市的商品销售数据和某药企的农药销售数据进行预测,实验结果表明,改进算法的准确率与原模型相比有所提高。而且从连锁超市的预测结果来看,随着解码阶段长度的增加,改进的算法与原算法相比的提升值也随之增加。为了进一步方便企业对销售数据进行预测和分析决策,开发了FOREUNDERSTANDING销售数据预测和分析决策系统,企业管理人员可以上传公司的销售数据从而使用系统。系统分为如下四个功能模块:数据可视化模块、特征分析模块、预测模块和沙盘演兵模块。沙盘演兵模块的设计是在模型训练阶段将模型进行保存。将原始数据在图上拖动进行修改,例如对此产品进行促销,增加产品销售活动的次数等,修改后调用模型得到最终预测结果观察这种更改将产生何种的影响,可以辅助销售人员做出分析决策。