《重构中国银行业信贷风控体系》连载丨第十一章：中国银行业信贷风控现状与出路

　　意见领袖丨嵇少峰

　　十一、中国银行业信贷风控现状与出路

　　中国银行业的机构类型众多，机构特点显著，在信贷风险管理与技术能力上差异很大，一般情况下信贷规模及机构人数与其信贷技术水平呈正相关，因此，我们结合银行的信贷规模和机构特征来进行整体描述，主要分为五类：以国有大型银行为代表的超大型银行，信贷业务品类齐全；中大型城市商业银行及部分规模较大的农商行；规模较小但数量很多的小型农村商业银行；股份制银行；互联网银行和大型金融科技公司。此处将大型金融科技公司纳入银行分析，是因为其多为助贷业务，资金来源主要出自银行，经营特征接近互联网银行。

　　由于篇幅所限，本章节仅从嵇氏风险辩证认知论角度，对当前银行业主要四类贷款业务风控技术现状进行宏观评价，并对其问题进行诊断。

　　（一）消费信贷业务

　　1．国有大行已普遍建立完善的量化风控体系，采用FICO评分卡、机器学习、AI等先进技术，数据覆盖度达90%以上，但存在明显的“数据近视”问题。过度依赖历史还款数据，对技术自信、对模型的信任度高，对调整共债风险参数等社会建构因素的响应延迟时间过长，且也未将系统化的社会建构因素作为主要的变量矩阵，仅抽取了其中的很小部分作为扰动性变量处理，显然没认识到当前剧烈变动的国内外经济、政治、监管环境，社会建构因素对数据模型有形成颠覆性冲击的可能。这个问题所有银行都显著存在，对大型银行、消费金融公司、金融科技公司的影响更大，前者信贷规模大，后者消费信贷业务占比高。比照嵇氏理论，社会建构因素必须在消费信贷风险分析架构中起到相当大的权重，在特殊时期甚至要在战略层面全面引导量化模型和专家因果机制。

　　2．极端共债容忍度已经超过15家-20家金融机构，且经济下行持续期超过过去二十多年的任何时期，导致风控模型有可能基本失效，似乎都在模型内自娱自乐或赌接盘者和政策的持续加码。如果理智地根据专家因果推演的逻辑，线下认真调查分析一下样本客户，看一看其真实的借款用途、还款能力和违约成本，再看一看司法处置环节的问题，有可能会出现与模型风险表现完全不同的认知。这就是量化派（概率派）与因果推演派（专家经验派）产生的差异，也是嵇氏强调两者必须结合的现实依据。

　　3．大行标准化定制模型、策略，未充分考虑各省及不同层级城市及农村的特点，专家干预机制僵化，往往需要总行审批才能调整模型参数；社会建构因素监测仅停留在人工阅读政策文件的原始阶段，对社会、经济、金融环境影响力风险模型构建方面几无建树；小型银行特别是地方农商行、城商行，数字化能力弱，多数依靠技术参差不齐的外部第三方公司，量化模型同质化程度高，多数银行甚至仅停留在最原始的评分卡的线上版状态，变量与权重的调整均完全依靠人工专家，专家经验未形成标准化规则且缺乏科学管理，导致大量模型规则简单、暴露，极易受不良中介利用形成巨量风险；农商行在面对农户消费性信贷需求时，数据量严重不足，数据获取方式非常原始，对消费信贷技术的主流趋势缺乏认知，整村授信业务难以形成重大突破，这些都体现出嵇氏理论中，概率模型要与专家因果推演相结合，还要将社会建构要素（信用文化、党建、宗族、乡情等）充分纳入风险体系架构中的观点。

　　4．互联网银行及大型金融科技公司方面

　　头部互联网银行已实现100%自动化审批，科技能力与应用国内领先，大型金融科技公司这方面能力更强，但多数都陷入“数据决定论”的怪圈，几乎从不使用线下的客户样本调查手段，完全不使用专家因果推演技术对模型可靠性进行验证，迷信于变量的无限扩张和机器自我学习的能力，替代数据覆盖度虽广但深度不足、未经验证；因果机制建设滞后，社会建构因素仅作为合规项，行业周期等关键变量、社会人均可支配收入变化、失业率等未融入核心模型。

　　（二）微型企业经营贷（微贷）

　　1．国有大行微企贷余额占比很低，有限的信贷品种也多数套用消费性、零售信贷系统，使用模型决策居多。前文我已经讲过，将消费信贷与小型企业经营贷一起纳入所谓零售信贷管理版块，是犯了把简单经济行为、复杂经济行为混入同一套信贷风险分析逻辑的错误，这种错误全国的银行都在犯，具体问题另文再述。微型经营性信贷和小型经营性信贷，对大行而言是痛苦的，也是其总、分、支三级组织架构所不擅长的。因为这个客群概率论的量化技术基本解决不了，而依靠专业信贷人员通过因果推演（IPC类的信贷调查与分析）来实现，人力成本极高且在信贷规模放大到一定程度后又容易导致失控。根据嵇氏理论，微型经营性信贷同样面对的是复杂的经济行为，专家经验背后的本质是对微贷客户经营、风险相关各种信息的分析，必须通过因果推演来判别客户经营质量和风险状况。即使量化、概率、因果模型能够发生作用，也是相对有限的，且技术底座仍然是专家因果推演的能力的标准化输出，而不是概率论指导下的传统量化模式（因果模型而非量化模型）。

　　2．目前全国银行业在微型信贷领域，只有常熟农商行、台州银行、泰隆银行等为数不多的成功案例，多数传承于IPC也有了一定程度的改进与适应性优化。但是，业内全部错误理解了IPC模式，导致数十家、上百家银行学习及复制这几家银行模式罕有成功。IPC之所以没有规模略大银行复杂成功的案例，最根本的原因之一就是IPC本身存在技术上的缺陷----从专家经验法向专家策略法进化得不彻底，导致标准化程度低。IPC是财务分析三表还原+未充分说明变量逻辑关系的交叉检验+师傅带徒弟的直觉传承，是一种“强信贷人员因果推演能力+弱标准+数据模型”的做法。IPC这种专家策略化并不彻底的技术，虽然依靠耐心培养信贷员能够实现风控可靠，但这种非标的成本过大、时间窗口期长，且规模一旦放大就会陷入全行推广难、管理复杂风险高发的泥潭。IPC的核心价值之一--信贷人员掌握了基础的企业经营因果推演能力，这种因果推演能力是全部企业经营性信贷都必备的，但IPC对信贷人员的因果推演能力要求还是有限的，这种能力并不能对中小型企业、大型企业进行可靠的信贷风险分析。因此，学过IPC员工去做公司信贷比没学过IPC的信贷人员强，但是仍然不足以胜任，这一点尤其重要，很多银行就把IPC人员直接拉到中小企业信贷调查与审查岗，这是有问题的。

　　3．小型农商行微企贷占比较高，但不良率很高，领导人意志、信贷员个人经验影响大，导致审批标准不统一、可靠性差。全行业除了学习IPC类的几家代表性的微贷银行外，全行业信贷人员的因果推理能力、微贷分析能力缺失，未形成可靠的评估标准，也未建立“行业知识图谱”，各家银行普遍不重视这方面的能力建设，均将微型信贷的发展寄希望于有一套纯线上的数据模型；另外IPC的技术、知识体系总被僵化地打成一个所谓的模式，少有人找到科学提升的路径，导致技术成长极慢，难以满足规模较大的银行标准化、快速成长的需要。

　　4．为此，我提出了IPC+的新型微贷模式改造建议，一方面对IPC“三表还原+交叉检验+师徒案例传承”的分析技术框架进行标准化改造，使用更直白、更清晰的“嵇氏五维分析法”，将信贷分析内容分解为“人+财+事+理+信”五个模块（模型），每个模块下面有明确的二级菜单，列出更具体的分析变量及交叉检验的明确线索，这样信贷人员标准化培训效率会非常高；另一方面加强对微贷产品和作业流程的精细化管理，制定严格的现场调查、非现场分析、小组内评会等作业标准，有条件的银行更可将一部分主要数据、校验规则和专家经验转化为数据模型，以提升银行制度化的风险管理水平，弥补信贷人员能力弱化的缺口。嵇氏五维分析法是对IPC半标准的专家策略进行了完全策略化的改造，简单的五维设计，提升了对信贷人员的培训效率，普通信贷人员可以通过一个月左右的短期培训即能入门，银行可以大规模推广。但是这种模式缺点也是明显的，经过这种短训的信贷人员，其对微贷客户的分析、因果推演能力显然没有IPC三至六个月结合师徒相授的模式强，因此“嵇氏IPC+信贷模式”非常强调对微贷产品、作业流程管理的精细化管理。

　　维度二：事-经营状况与行业环境评估

　　嵇氏五维法的配套要求：

　　强产品设计：贷款产品（额度、期限、还款方式）必须与目标客群的现金流模式高度匹配，从产品端控制风险。

　　强流程管控：规定严格的“贷前调查→贷中分析→贷后管理”标准化流程（如“必须访谈3个供应商”“必须查看6个月流水”），通过流程纪律弥补人员经验不足。

　　工具化与科技赋能：开发移动尽调APP，将五维法的调查要点菜单化、模板化，并嵌入数据验证工具（如税务数据查询）、自动计算工具（如现金流测算），辅助信货员工作。

　　此框架是嵇氏理论在微贷领域的实践结晶，旨在为银行提供一条可复制、可规模化的微贷技术落地路径。我公布我的五维微贷分析法和IPC+整体框架，是希望更多的信贷人员、咨询机构能够认清楚IPC、台州、泰隆技术的不足之处，每家银行、每家咨询公司均可以用自己的专业能力构建起各种标准的专家策略模型及面向未来的微贷技术框架，不要总停留在多年前的模式闭环里。没有一个信贷技术是可以长年不进步的，系统学习、试点IPC微贷模式的银行不少于一百家，但少有成功者的原因并不仅仅是银行没有坚守和管理原因（部分战略和战术的原因），最重要的其实是这种技术尚停留在专家经验向专家策略整体的过渡阶段，策略化标准程度不足、科技模型化手段欠缺，在某些能力欠缺的小银行、四五线城市以下、竞争尚不激烈的情况下是可行的，作为银行的基础技术培训或微贷市场的冷启动也是非常好的选择，但其整体框架并不适合充分竞争的市场环境和信贷规模较大的银行全盘复制，必须选择性学习、差异化应用。

　　5．简单地说，IPC是“强信贷员+弱产品+弱流程管控”模式，嵇氏IPC+结合五维微贷分析法是“弱信贷员+强产品+强流程管控”模式，这里的弱信贷员，不是说银行就是故意弱化对信贷人员的企业信贷分析能力的培养，但是降低信贷员上岗的门槛，以满足银行全行全面推广、标准化执行的需求。信贷人员即使入门上岗后，仍然会有长年的微贷技术能力提升内训，与中小企业信贷分析能力、大公司业务信贷分析能力业务板块形成整体框架。经营性信贷最重要的信贷能力就是因果推演能力，只是面对微贷、中小企业贷、大公司信贷存在一定的能力模块差异而已。IPC也好、嵇氏五维微贷分析也好，或者其他微贷专家经验、专家策略法，本质都是对微型信贷客户经营质量与风险状况的因果分析，微贷都分析不好，中小企业贷、大公司信贷更加分析不好。银行高层寄希望于一套智能风控系统来解决微贷及其它经营贷的风控问题，是不现实的，必须踏踏实实组织起全行的长期内训机制才是正道。

　　6．现在很多银行虽然也使用了所谓“线上+线下”的微贷风控模式，但他们的所谓线上，其实仅是外部数据的接入和黑、灰客户特征的排除，根本不是真正的智能模型，不具备逻辑回归和因果推演的能力；线下调查、分析、决策同样缺乏科学、标准的技术与制度约束，变成了“弱线下+弱线上”，风险完全失控，跟我倡议的IPC+模式完全是两个概念。嵇氏理论下的理想二者结合，应该是标准量化模型+标准专家策略+非标准风险因素的标准化采集、取证和决策过程的组合，结合适当的社会建构变量，是一种“普通信贷人员因果推演能力+强标准数据模型+强产品+强流程规则”的模式，我称之为IPC+模式，只有相对弱化对信贷人员因果推演能力的过分依赖，才能让银行大规模应用，通过场景定制、产品定制、流程定制，弥补信贷人员能力弱化后的风险漏洞。但这种弱化不是说不系统性地对信贷人员进行能力培训，而是略降低信贷人员操作准入门槛，在标准化、强产品、强流程管控下边做业务边提升。

　　（三）中小企业信贷业务

　　中小企业的信贷分析是所有信贷分析工作中最难的工作。国内银行业，并未出现标杆性的技术和标杆性的银行。微型经营贷额度小、客户信贷调查易穿透，即使变量少一些，也可以用接近于消费信贷的违约成本与概率进行约束，信贷人员的调查能力、因果推演能力要求也低。大公司信贷客户财务数据、信息相对规范、透明，企业发展趋势易判断，信贷分析重点在政策、行业等社会建构层面，也是较有抓手的。但是中小企业信贷的分析面临的困难太多，数据来源不可靠、财务报表可信度低、关联企业关联交易和欺骗行为多，经营稳定性差等等，都是银行做中小企业信贷面临的巨大困难。

　　1．曾经推广过的淡马锡信贷工厂模式，勉强可以算是一套标准的面对中小企业的信贷技术、战术组合，但在中国并未成功。其根本原因一是我们模仿者没有吃透信贷工厂其实是一个“风控模型定制+标准化工厂流水线式流程管理”的组合，我们学习了流水线管理，但把风控模型定制忽略了。没了风控的标准化把关，流水线效率越高，银行牺牲越大。

　　2．如何构建面对中小企业的信贷风险分析框架，是很复杂的问题。按照嵇氏理论，在当前的数字技术能力下，类似贝叶斯网络的各种因果模型，其仿真人类专家因果推演的能力也是非常弱，算力、成本、建模难度都是极大的瓶颈，因此复杂数据环境下、复杂经营环境下的中小企业，只能用专家策略法为主线，结合概率、量化、因果模型，充分考量经济、政策、区域、产业等社会建构因素，构成起辩证的、动态的信贷分析框架。

　　3．目前几乎所有的银行，都用仿自大公司信贷业务的一套风控框架，以一、两套标准的调查报告模板、形式化的财务报表分析法和不成体系的信贷人员经验，组合成对中小企业的信贷分析手段，背后闪现的是多年前世界银行赖金昌团队--中国银行业公司信贷培训计划的成果延续。也有部分学习过IPC的银行，选择经验丰富的同志做中小企业信贷，同样按嵇氏理论是不合适的，尽管学过IPC的做中小信贷，比没学过IPC的要强很多，但仍然不可靠。

　　4．专家策略法是绝对风控底座，但如何制定专家策略又是最难的工作。历史上发展至今的专家策略法，框架也是相对简单的。每家银行应该在这基础上，根据不同的场景、不同的客群、不同的产品规模来定制自己的专家策略。就如同从家常菜走向各种菜系的不同菜品，来适合不同人群、不同环境下的顾客需求。

　　（1）比如5C分析法，通过五个维度（Character，Capacity，Capital，Collateral，Conditions）定性评估借款人信用风险。Character（品格），评估企业主诚信度、还款意愿（如历史信用记录、行业口碑）；Capacity（还款能力），分析现金流、经营稳定性（如行业周期匹配度、应收账款质量）；Capital（资本），考察自有资金比例、财务杠杆（如净资产与负债的匹配性）；Collateral（抵押物），评估担保资产价值及变现能力（如房产、设备估值折扣率）；Conditions（环境条件），研判宏观经济、行业政策的影响（如环保限产对制造业的冲击）。

　　（2）还有LAPP分析法，从流动性（Liquidity）、活动性（Activity）、盈利性（Profitability）、潜力（Potential）四个维度深度剖析企业健康状况。Liquidity（流动性）：检查短期偿债能力（如流动比率、速动比率是否优于行业基准）。Activity（活动性）：评估资产运营效率（如应收账款周转天数、存货周转率）。Profitability（盈利性）：分析持续赚钱能力（如销售净利率、ROE行业分位数）。Potential（潜力）：判断成长空间（如技术壁垒、市场份额扩张趋势）。

　　（3）其他的专家策略法大同小异。

　　这些分析法，存在两大问题一是5C\LAPP设计了一级维度，但这几个有限的一级维度可能并不足以完整分析出企业的风险状况，同时其二、三级维度及权重如何设计是没有科学的制度安排的，不同区域、不同产业、不同经济环境的变化都会影响评价结果；

　　二是这些方法分析的基础--数据和信息，如何保真？这些数据与信息如何科学准确转化为上述一级、二级维度的评价标准？这里是没有得到答案的。

　　三是银行总、分行如何把这些专家策略，转化为全流程的执行标准？如何有效监督与控制分支机构按标准执行？

　　四是如何设定社会建构变量，以适配中国如此广大区域、不同经济、文化、产业的个性化特征？

　　五是如何体系化地培养信贷人员信贷分析能力？这些能力是执行专家策略法的最低保证。

　　5．按嵇氏理论：

　　（1）各银行总行必须根据本行的特点，制定出几套针对不同大类行业的专家策略标准框架，根据不同产品特征再建一系列的二级维度、变量，转化成具体的操作表与操作规范；有条件的银行可以做得更细分，同时把一部分数据、专家策略、校验规则做成模型，引入更丰富的技术工具，提升效率；

　　（2）总行还应该制定社会建构因素风险调控总策略模型，一级维度由总行科学制定；部分一级维度权重、二级维度交给省分行可控设定。

　　（3）培训体系要分别就基本分析技能、专家策略法框架、数据与信息获取标准及技巧、产品规则及作业工具等版块，进行长期、标准化、体系化的培训。

　　（4）产品管理要成体系，从市场调研、竞品分析、到风控标准及分析框架的设定、产品的迭代和监测等等，要形成完整的体系。

　　（5）专家经验---专家策略--专家模型，这条进化链路既要清晰地看、坚定地走，又要时刻认识到量化、AI技术能力的局限性。场景定制和客群定制，是减少策略框架维度和模型设计难度的有效手段。

　　6．我本人根据多年的实践经验，结合我的理论框架，设计了一套针对复杂场景下中小企业信贷的分析技术，我暂命名为《嵇氏逻辑实证中小企业信贷分析技术》，这原是典型的专家策略法，未来我可能与某家银行或科技公司一起将其中部分策略升级为专家模型，进而实现专家策略+专家模型的组合策略法。

　　我将对中小企业的全面分析，从企业经营质量、风险状态两种角度，分八大逻辑框架，对企业经营及信用风险状态做全面的专家策略法的设计，每一逻辑框架内包括了需要分析的具体内容与变量评价及交叉检验的实证安排。八大主线决定了调查的全面性，逻辑实证决定了每一大主线之间的完整穿透和自我验证，这八大主线之间又形成一定的更高维的交叉验证的逻辑关系。

　　中小企业的“逻辑实证”分析技术，是一个系统性的、强调自我验证的专家策略框架。其核心在于通过八条逻辑主线对企业进行全方位透视，并且这些主线之间能够相互交叉验证，形成一个严密的分析网络，从而穿透企业不透明、不规范的数据迷雾。

　　以上仅是简单地列举了部分内容，之所以对企业经营逻辑做如此复杂校验的原因是中国中小企业数据、信息的严重失真，如果不做校验，则信贷人员的取数将不能成为依据。这种验证随着数据源的真实性、可靠性的上升，会逐步弱化要求，而专家策略的模型化、部分量化模型、验证工具的使用，将大大提高信贷人员因果推演的效率和质量，最终成立银行业的主流方式。

　　（四）大公司信贷业务

　　1．当前现状与核心问题剖析

　　当前大公司信贷风控体系并未真正成熟，其问题主要体现在嵇氏理论所强调的三维度的全面缺失与失衡：

　　（1）量化智能模型维度：近乎空白（权重30%）

　　现状：基本停留在传统的财务比率分析（如资产负债率、流动比率等），未能引入大数据、AI等现代技术进行深度挖掘和预测。模型多为简单的统计和监控，缺乏预测性和动态调整能力。

　　根源：认为大公司数据透明，无需复杂模型；或认为模型无法处理大公司复杂的非结构化信息（如战略、公司治理）。

　　后果：无法从海量数据中识别潜在风险信号（如现金流模式的细微恶化、上下游关联企业的风险传导），只能事后反应，无法事前预警。

　　（2）专家因果推演维度：体系薄弱且非标（权重30%）

　　现状：依赖信审人员的个人经验和能力。虽然普遍采用了财务分析工具，但缺乏统一的、深化的专家策略框架。对于“商业模式可持续性”“技术迭代风险”“管理层能力”等关键因果链条的分析，深度和标准不一。

　　根源：总行层面未能将顶尖专家的分析逻辑进行“可计算化建构”，形成可复制、可培训、可审计的标准作业流程（SOP）。

　　后果：分析质量因人而异，风控水平无法系统化提升，且容易滋生因判断标准模糊而产生的道德风险和寻租空间。

　　（3）社会建构维度：分散且被动（权重40%）

　　现状：仅作为单个项目评审的“点缀”，而非系统性分析的支柱。通常表现为：

　　零散化：审贷委员凭个人认知提及宏观政策或行业趋势，缺乏数据支持和深度推演。

　　被动响应：仅在出现重大政策变动（如“双减”“限电”）后，才被动地采取“一刀切”的收紧措施，而非主动进行压力测试和情景模拟。

　　总行缺位：总行未能建立全行统一的“社会建构风险监测与压力测试体系”，无法对地缘政治、产业政策、技术革命等宏观因素进行量化分析并向下传导。

　　后果：银行无法规避系统性风险。对于房地产、教培、光伏等行业的周期性风险，银行并非没有察觉，但因缺乏刚性的社会建构分析框架作为决策依据，最终在行业狂热期难以抵挡业务压力，集体涌入，导致“合成谬误”。

　　2．嵇氏理论下的解决方案：

　　3．动态权重调节机制：应对不确定性

　　嵇氏框架并非僵化不变。上述30%+30%+40%的权重是基准值，需根据情况动态调整：

　　常规时期：维持基准权重，平稳运行。

　　行业变革期/政策密集期：社会建构权重自动提升至50%甚至更高，专家和模型权重相应降低，分析重点全面转向政策顺应性和长期生存能力。

　　企业出现财务疑点：量化模型权重提升，进行深度数据挖掘和验证。

　　面临重大战略决策（如并购）：专家因果推演权重提升，进行最深度的商业尽职调查。

　　4．总结：从“资源驱动”到“风控驱动”

　　当前大公司业务多是“资源驱动”和“关系驱动”。嵇氏理论旨在将其转变为“风控驱动”和“知识驱动”。

　　通过构建这一三维体系，尤其是强化总行主导的社会建构分析能力，可以让银行：

　　看得更远：提前规避系统性行业风险，不再做“晴天送伞，雨天收伞”的盲从者。做得更稳：以科学的分析框架抵御高管的主观干预和人情授信，让决策回归业务本质。管得更精：实现对超大客户风险的精细化、前瞻性管理，真正实现“穿越周期”的目标。这才是大公司信贷业务可持续发展的根本出路。

　　后记：

　　我这个不成熟的理论，其实是一系列观点的集成，目前仍在优化中。我的《信贷风险辩证认知论》及衍生出来的具体信贷风险分析框架，强调以动态、系统且辩证的视角看待风险，反对机械化的静态评估。其方法论核心在于打破传统风控中“因果孤立”与“数据依赖”的局限，主张将行业知识、因果推理与数据建模深度融合，通过人机协同实现风险的可解释、可干预与可演化。具体方法框架融合了专家经验、因果图模型与反事实分析，既重视量化概率输出，更关注风险的形成机制与动态路径，最终通过“算法发现风险根源、人类设计调控策略”的方式，实现风险治理的精准性与主动性。文中所有的分析框架、权重设计均是为了说明我的相关观点，并非是最后的成品，请读者谨慎使用，至于更具体的实践应用，详见我后续推出的姊妹篇--《嵇少峰：构建面向未来的信贷辩证风险认知体系--信贷分析技术和工具》一文。

　　全面的信贷机构战略管理、战术管理框架---《商业银行信贷辩证治理---论信贷机构的战略、战术与技术管理》一书，仍在辛苦写作中，越思考越复杂，全书可能要超过三十万字，争取明年出版。该书是以信贷企业管理系统论为基础、以信贷机构价值创造为核心导向，通过战略-战术-技术三阶管理体系解构信贷机构的全部价值创造活动。它通过战略管理（设定战略目标、界定风险承担边界与选择业务组合）、战术管理（动态配置资源、优化技术手段与组织能力）和技术管理（构建信用分析等解码方法论、建设基础设施）的三层协同体系，系统地解决信息不对称、风险不确定性条件下信贷生产要素转化为可持续信用创造能力、实现风险承担与价值增长动态均衡的跨学科的集合体，它既为信贷管理提供底层逻辑，又为战略分解、资源优化、技术升级等具体问题提供解决方案，是信贷机构管理的底层理论框架与实践方法论的集合。

　　(本文作者介绍：曾在人民银行、银监会系统工作十六年，后从事私募、融资担保、小额贷款、金融科技工作。小微信贷行业代表性人物，中国小微信贷机构业务创新合作联盟发起人，小微信贷实战专家，互联网金融知名评论者，财经专栏作家。著有《为什么说99%的P2P终将死亡》等一系列热点文章，多次准确预判小微信贷市场走向与监管趋势。)