随着互联网和大数据时代的到来,许多企业都在寻找新的管理和经营策略。连锁便利店作为“新”零售的代表之一,如何管理日益增长的海量经营数据,并从这些数据中挖掘到有价值的信息成了连锁便利店管理信息系统急需解决的问题。本文以湖南某连锁便利店的经营数据为基础,从采购、配送、库存和销售等四个方面设计并实现了连锁便利店数据分析系统。该系统不仅提供了连锁便利店经营数据的展示,同时也为用户提供了经营数据的统计与分析功能。其中,针对连锁便利店海量的销售数据,本数据分析系统设计并实现了便利店商品销量的预测功能,该功能依托本文提出的基于多层次注意力机制的长短时记忆(DAM_LSTM)网络的时序销量预测模型。该模型通过关注销售数据的时间周期特征以及非预测数据列对预测数据列的影响,来提高预测的准确性。具体来说,首先运用注意力机制来获取多变量时间序列数据集中非预测列对预测列产生的重要影响,同时在其内部受到注意力机制的启发,构建编码器的中间状态LSTM网络捕捉时序数据变化规律的信息;再使用注意力机制来学习预测序列随时间周期变化的规律,同样在其内部构建解码器的中间状态LSTM网络捕捉时序数据变化规律的信息;最后将这几种注意力模型集成到基于LSTM的网络中构建了基于DAM_LSTM网络的时序预测模型。采用便利店矿泉水的销售数据为实验数据集,本文对比了本文所提模型与传统的LSTM网络时序预测模型以及基于简单注意力机制的LSTM(AM_LSTM)网络的时序预测模型,实验结果表明,本文所提模型不管是从销量预测的准确性还是从对数据集的特征的关注度上都优于其他两种模型。以上述的DAM_LSTM时序预测模型为基础,本数据分析系统实现了面向类别的商品销售预测功能,并同时实现多种经营数据的统计与分析功能,增强了连锁便利店经营数据的管理能力,提高了连锁便利店信息管理水平。