与民企共成长、共创新、共发展——访招商银行行长田惠宇

近期召开的民营企业座谈会为推动民营经济健康发展指明了方向。围绕着如何落实政策、支持民营经济等话题，记者日前采访了招商银行行长田惠宇。

破解银行“三不”难题 打通民企融资血脉

记者：怎么看当前民营企业融资难、融资贵的问题？

田惠宇：民营企业确实一定程度存在融资难、融资贵的现象。对于民营企业的贷款需求，存在“不敢做、不愿做、不会做”三种情况。

不敢做。前几年，有的银行大力发展中小企业贷款业务，但风险管理能力没有同步提高，导致不良贷款增加。为了加强管理，一些银行严肃问责，扣发奖金，甚至辞退员工。所以目前有的员工对于服务民营企业，有点“心理障碍”。

不愿做。按照过去的绩效考核，重资产、国有、现金流好的企业，银行贷款风险管理模型清晰，风险相对来说好控制。一笔大型国企10亿元的贷款，与一笔小微民企100万元的贷款，银行员工工作量差不多，但反映到绩效上差别较大。因此对于服务民营企业，有的员工觉得“吃力不讨好”。

不会做。在中国经济由高速增长向高质量增长转换的时期，市场机会也由普遍性机会向结构性机会转变，对银行从业人员的能力提出了更高的要求。如何在经济的换挡期寻找机遇，发现更多更好的初创型、成长型企业，有的银行一线员工束手无策。

记者：招行在解决“三不”问题方面，有哪些做法？

田惠宇：过去30年，我国经济长期保持快速增长，商业银行凭借牌照和利差的红利就能发展得很好。但长期的同质化经营模式，致使商业银行没有形成差异化的服务方式，对新经济、民营企业的服务能力存在明显短板。

近期，招行在分行绩效指标体系中增设“两小”企业考核指标，推动分行提供差异化的金融产品与服务，以补贴的方式还原分行考核利润及净利息收入，引导加大对小微企业的资金支持；此外，对经营机构及其负责人按照“尽职免责”原则，建立不良容忍管理机制，打消一线业务人员对小微贷款“不敢做”的顾虑。

服务好民营企业，关键是自身服务能力的打造，解决“不会做”问题。接下来，招行主要从两方面着手：一是加强行业研究能力培养。招行成立了专门的研究院，力求逐步培养专业的行业研究、服务能力。二是加强金融科技建设，充分利用大数据解决民营企业服务中的信息不对称问题，更好服务实体经济发展。

“三大改革”重塑体系 与民企共同成长

记者：招行在支持民营企业方面推出了哪些措施？

田惠宇：招商银行是1987年应改革开放而生的银行。由于出身和资源禀赋的原因，招行天然地将经营目光投向服务中小民营企业和个人客户。

首先是在战略方面，招行始终坚持服务民营企业。截至2018年10月末，招行民营企业贷款余额5836亿元，占全行对公贷款余额的42.7％，较年初增长343亿元；在2018年前10个月的对公信贷投放中，民营企业占比49.9％。

第二，在产品和服务方面持续改革创新。招行成立之初，就推出了上门服务的渔民信贷业务；上世纪90年代，招行与华为一起创新推出“买方信贷”融资业务。正是在支持和服务像华为、美的、腾讯、比亚迪等众多优秀民营企业的过程中，招行与民营企业共同成长壮大起来。2013年以后，招行提出以“服务升级”为战略转型路径，把“两小”企业作为业务重点之一。

第三，组织架构改革。传统银行总分支的组织架构模式，很难满足创新需求。招行于2013年专门成立了战略客户部，集中各类资源，服务处于创业期、成长期的企业，这其中民营企业客户接近50％。比如，新能源汽车电池生产商宁德时代，早在2015年初创期，招行就在其两轮股权融资中，通过招银国际及其他合作伙伴投入股权资金。

总而言之，招行成立31年来，与民企共同创新、发展、壮大。招行有今天的成绩，特别感恩民营企业，如果没有他们，招行就无法成为一个大型金融机构，更不会发展这么快。

推进金融科技建设 提升风险管理能力

记者：在当前形势下，如何提升金融服务精准度，让更多民营小微企业得到润泽？

田惠宇：在小企业方面，招行制定了专门的信贷政策，聚焦“千鹰展翼”、供应链和经营稳定型传统客户三大客群，并针对每一类客群创新不同的产品和服务。

今年以来，产业供应链金融累计投放额已超过1600亿元，其中中小微客户（大部分为民营企业）投放笔数和客户数均超过70％。“千鹰展翼”客群主要为科技创新企业和资本市场梯队企业。截至2018年9月，“千鹰展翼”客群入库户数达到23028户，授信金额约1600亿元。

记者：招行在支持民营企业发展的同时，如何防范风险？

田惠宇：招行将推进金融科技发展，力争做到支持民企发展和防范风险的平衡。金融服务和风险管理有一个共同的核心，就是要解决信息不对称问题，金融科技中的大数据、人工智能等手段，都能够比较好地解决这一难题。

传统银行服务企业时，主要依赖资产负债表、现金流量表、利润表三张表，通过三张表给企业进行评级。这种方法对成熟期企业是有效的，但是对初创企业就有点“文不对题”。招行已经在推进大数据的应用，除了财务信息、结构化数据以外，通过大量非财务信息、非结构化数据，为企业建立模型，可以在业务扩展的同时，有效地降低贷款的不良率。