随着社会发展和大众健康意识的增强,零售药店在大众日常生活中扮演着越来越重要的角色,而医药连锁企业规模也在不断发展扩大,导致近年来零售药店数量激增,药品零售企业间的竞争逐渐增大。因此,通过数据挖掘充分利用销售管理过程中产生的海量数据,对企业合理配置资源、促进企业高效运转进而提高企业竞争力意义重大,合理的销售预测对企业的采购、配送和库存管理等方面都会产生深远的影响,同时对企业做出销售决策,优化供应链管理有很大的帮助。为了改善零售连锁药店库存积压或短缺的情况,本文针对H企业销售管理过程中产生的海量数据进行数据挖掘并进行需求预测研究。该研究主要分为特征提取、影响因素探究、销量预测模型搭建三个步骤。在特征提取阶段,将H企业不同来源的数据文件进行整合,并对数据进行预处理,针对部分原始特征所反映的信息量较少的情况,通过构造特征进行特征增强来解决,在原有特征的基础上,主要对促销方式以及历史销售情况进行细化,最终提取了大促销售数据集和日常销售数据集;在影响因素探究阶段,对商品属性、门店属性以及外部季节因素通过季节指数、线性回归、集成学习模型特征重要性的方式探究其对药品销量的影响,研究表明门店因素、商品因素、季节因素以及最近一段时间的销售对销量有显著影响。在本文研究重点即模型搭建阶段,基于H企业数据包含静态信息、历史观测信息以及已知未来信息的特点,对以循环神经网络和注意力机制为主要组件的基于时间融合转换器的多元时间序列预测模型进行改进,针对原模型自注意力模块中掩蔽机制以及输入未来已知信息时的噪音影响,在模型多头注意力模块的基础上添加未来知识信息引导分支来修改注意力图。实验数据使用本文第一阶段提取的H企业大促销售数据集和日常销售数据集,实验结果表明,改进算法的预测误差相较原模型均有明显降低。最后,本文阐述了该销量预测模型在医药连锁企业零售药店中的应用意义,并对该模型的局限性和未来的研究方向进行了探讨。