1.5倍原则是库存管理的主要内容之一，是经过很多公司的销售实践总结出来的安全存货原则,具体数据是建立在上期客户的销量基础上本期建议客户订单的依据。1.5倍原则备货是销售人员必须掌握的工作职责之一，是主动争取客户订货量并时刻掌握客户销售情况的营销策略。它是建立在提高客户销量和利益基础之上,因而能赢得客户信任，客户容易采纳。

       1.5倍原则也是一个科学依据。但是，正如很多营销规律一样，必须灵活掌握和应用，避免生搬硬套。比如，如果遇到特殊情况应适当变化(如天气、节假日等)，否则会影响生意。

       1.5倍原则用好了以后，可以保证客户有充足的存货，减少断货、脱销的可能性，保证客户随时都能买得到所需产品，帮助客户不漏掉每次成交的机会。

       （1）1.5倍库存原则与做订单的关系

       在销售人员做销售拜访时，要向客户建议合理的订货量,这就是“做订单”，是销售人员在拜访客户时必做的工作之一。所谓的做订单就是根据客户前一阶段的销售量，结合新的促销活动或者季节时机或者天气等等因素，向客户建议合理的订货量，并动员他按建议订货。在做订单时要用到客户卡上所记录的资料，所以做好订单的前提，就是正确地填写好客户卡。只有这样，才能够有效地利用1.5倍原则进行库存管理，提高拜访的效率和效益，尽最大可能扩充销售，这也是销售人员的关键职责之一，是直接作用于销售的。

       也有销售人员是以“拿订单”的思想从事工作的。拿订单与做订单是不同的，一个被动，一个主动。拿订单意味着主动权掌握在客户手中，而做订单则是主动的，它是根据客户的销售和库存研究以后的结果做出的订单计划。显而易见，两个工作方法是完全不同的效果，做订单保证对客户销售情况的准确掌握，也保证客户的资金、空间、精力和时间等最有效地利用，创造最大利润。

       （2）做订单的步骤

       “做订单”应该按照以下步骤进行：

       第一步：检查客户记录卡上的数据；

       第二步：计算自上次拜访后的实际销量；

       比如：上次拜访时的库存数；上次拜访时的订货量；本次拜访时客户的现有库存数。以上这些数据销售代表在拜访客户时都已填入客户卡，在计算自上次拜访后的销量时，销售代表将使用它们，因此客户卡上的这些数据应正确无误。

       第三步：建议新的订货量。

       在建议新的订货量时要强调1.5倍的安全存货原则，具体计算方法如下：

       安全存货量＝上次拜访后的实际销量X1.5

       建议的订货量=安全存货量-现有库存

       （3）怎样让客户接受1.5倍原则下的订货计划

       在实际工作中，由很多销售人员同样十分清楚上面的步骤，并且能够准确计算出按照1.5倍原则得出的订单数，但是却得不到符合该原则的订单。怎样才能够避免这类情况呢？

       关键在于在做订单的时候要注意掌握让客户接受建议的技巧。有些客户并不了解按照1.5倍原则做订单的好处，销售人员必须能够让客户明白：

       按照此原则建议的订货量是比较合理的，保证客户维持合适的存货数量，避免断货，货架空间可以得到高效地使用；

       有了一定的存货量,可以满足消费者的购买需求，不会遗漏任何成交机会；

       1.5倍的存货原则可以帮助客户有效地利用空间和资金，不致带来货物积压、资金、空间无效占用等损失；

       1.5倍的存货原则再加上存货周转可以保证客户提供给消费者的永远是新鲜的产品，这可以很好地改善售点形象，带动其他商品的销售；

       让客户了解销售人员所做的工作就是帮助客户更好地满足消费者的需求，提高客户的销量和利润；

       销售人员必须利用自己所掌握的知识和技巧取得客户的信任，这种信任一旦建立，客户就会接受1.5倍原则做订单的建议。

       如果销售人员是严格按照拜访路线和频率进行销售的，对每一个客户的拜访都有一定的周期，还可以告知客户1.5倍安全库存可以有效保证客户在这一拜访周期内既不断货，又不压货。

       数据库和数据仓库一字之差，很多人仓库管理人员以为这两者是相同的，其实不然。那么数据库和数据仓库有什么区别呢？让我们从逻辑层面和产品实现层面两个方面分析。

       1、逻辑层面/概念层面：数据库和数据仓库其实是一样的或者及其相似的，都是通过某个数据库软件，基于某种数据模型来组织、管理数据。但是，数据库通常更关注业务交易处理（OLTP），而数据仓库更关注数据分析层面（OLAP），由此产生的数据库模型上也会有很大的差异。

       数据库通常追求交易的速度，交易完整性，数据的一致性，等等，在数据库模型上主要遵从范式模型（1NF，2NF，3NF，等等），从而尽可能减少数据冗余，保证引用完整性；而数据仓库强调数据分析的效率，复杂查询的速度，数据之间的相关性分析，所以在数据库模型上，数据仓库喜欢使用多维模型，从而提高数据分析的效率。

       2、产品实现层面：数据库和数据仓库软件是有些不同的，数据库通常使用行式存储，如SAP ASE，Oracle, Microsoft SQL Server，而数据仓库倾向使用列式存储，如SAP IQ，SAP HANA

       其实技术上数据仓库也是数据库。准备的说，传统系统（OLTP）是面向业务存储，比如ERP，OA等，但由于数据分析的需求，出现"面向分析存储“（OLAP），被称作数据仓库。传统数据库的技术面向trans下的数据一致性，数据仓库面向的是查询性能的优化。但目前随着互联网的发展，No-SQL等技术面向非结构化存储的出现，基本上来说是数据库和数据仓库的中间或衍生状态，在”一致性“相对不重要的情况下解决海量数据的查询和存储问题。