配合宋鸿宇把A 村行的调查档案归档并移交给法规科后，王兵就把办公桌彻底清理了一遍。之前堆成小山的贷款资料(行政处罚书证)被捆成整齐的一摞，装订成册贴上标签也用小推车送进法规科的档案室，桌面上只留下自己笔记本电脑和一本新的工作笔记。他翻开笔记第一页，上面有用黑色签字笔写下 “风险地图推进计划”的字样，字迹工整得像打印出来的。
“王兵，这就是邢局上次让你研究的工作？” 张志军端着茶杯路过，看到他桌上的笔记本写的内容，笑着问了一句。
“是啊，张处，邢局之前谈后让我思考建立一个辖区内农合及村镇银行动态监管风险地图的事，我还正要跟您汇报呢，并向您取取经，咨询下监管经验。” 王兵抬头笑了笑说道。
张志军点点头，放下茶杯从抽屉里翻出一沓文件夹：“我这儿有近三年辖内中小银行的风险评级报告，还有每次现场检查的问题清单，你看看能不能用上。别小看这些老材料，里面藏着不少规律。”
王兵连忙接过来，文件夹上的标签已经有些褪色，但里面的纸张却很平整，能看出主人平时保管得很仔细。“谢谢张处，这些太有用了！我正愁没历史数据参考。”
“客气啥，都是为了工作。” 张志军拍了拍他的肩膀，“邢局对你这想法挺上心，昨天开会还跟我和鸿宇念叨，说要是能成，咱们三科的监管效能能上一个大台阶。好好干，别辜负了这份信任。”
王兵心里暖烘烘的，翻开文件夹，里面的检查记录密密麻麻写着批注，某家农商行的关联交易问题被红笔圈了三次，旁边标注着 “连续三年整改不到位，需重点关注”。他突然意识到，这些手写的批注，其实就是最原始的 “风险标记”，只是没形成系统的可视化工具。
接下来的几天，王兵几乎泡在了数据里。他先把辖内银行按类型分类：9家村镇银行、9 家农商行、2 家农商行行分支机构，每家机构建立独立的 Excel 数据表。然后从 2208 系统导出核心指标：资本充足率、不良贷款率、拨备覆盖率、流动性比例、大额风险暴露集中度，整整五大类 23 项数据，塞满了电脑硬盘。
“王哥，你要的 ET 系统接口文档我找着了。” 统信科的小李抱着笔记本电脑过来，脸上带着倦意，“不过你这需求有点棘手，要实时抓取中小银行的交易数据，好多村镇银行的报送的数据存在着失真和缺失，有的报的数据格式也不统一。”
王兵接过文档，指尖划过密密麻麻的数据代码：“先不追求实时，能按周同步就行。重点抓大额贷款审批记录、关联交易对手信息、资金流向异常的账户变动，这三类数据最容易藏风险。”
“行，我试试写个EXCEL脚本，把不同格式的数据转换成统一模板。” 小李揉着眼睛，“不过得等某些村行的数据恢复完，服务器现在还占着内存。”
“不急，你先弄脚本，数据同步的事下周再说。” 王兵把自己整理的指标清单递过去，“这是筛选出来的 12 个预警指标，你看看能不能在 EXCEL 里设置自动比对阈值，超过阈值就标红提醒。”
小李扫了一眼清单，指着 “不良贷款迁徙率” 问：“这个指标得手动计算吧？系统里没有现成的。”
“我列了计算公式，你嵌到脚本里试试。” 王兵翻开台账，里面记着详细的推导过程，“用次级类贷款余额减上期次级类贷款余额，加上期可疑类贷款转入金额，再除以上期正常类和关注类贷款余额总和，这样算出来的迁徙率更准。”
小李眼睛一亮：“这方法靠谱，比系统自带的公式合理。我回头加进去，弄好了发你测试版本。”
送走小李，王兵继续对着 Excel 表格琢磨。他把村镇银行按地域分成9个片区，每个片区用不同颜色标注，再把不良贷款率、资本充足率、流动性比例三个核心指标做成数据条，鼠标划过单元格，就能看到具体数值和同比变动。
“这样还是不够直观。
