Predecir con precisión las ventas es un desafío significativo al que se enfrentan casi todas las empresas. En particular, la mayoría de los productos tienen ciclos de vida cortos sin la acumulación de datos históricos de ventas. Los métodos existentes no logran capturar las tendencias irregulares específicas del contexto ni integrar toda la información disponible ante un problema de escasez de datos. Para abordar estos desafíos, proponemos un nuevo modelo, llamado F-TADA, es decir, TADA consciente del futuro, que se deriva de la alineación de tendencias con redes neuronales recurrentes multitarea de atención dual (TADA). Utilizamos dos conjuntos de datos de ventas de la cadena de suministro del mundo real para verificar el rendimiento y la efectividad de nuestro algoritmo tanto en ciclos de vida largos como cortos. Los resultados experimentales muestran que la precisión de F-TADA es mejor que la del modelo original. Sin embargo, el rendimiento de nuestro modelo podría mejorarse aún más aumentando adecuadamente la longitud de las ventanas en la etapa de decodificación. Finalmente, desarrollamos un sistema de predicción y análisis de datos de ventas, que puede ofrecer orientación de ventas inteligente a las empresas.