企业病正严重阻碍着我国企业的健康发展。企业诊断通过帮助企业提高竞争力,很好地为我国企业实现持续健康发展和市场经济的良性运行保驾护航。传统企业诊断因受施诊者个人知识、经验及主观色彩的影响,往往带有严重的个人偏好,缺乏科学性。基于此梁戈夫、庞大莲(2004)将企业诊断划分为四个主要模块并引入计算机辅助计算,提出新的人机分工协作的半结构化诊断模型—企业管理诊断系统(MCS)模型,该模型的提出对于提高诊断科学性、高效性具有重要意义。大数据时代的到来,对MCS模型的数据处理和分析提出更高要求与挑战的同时也为MCS模型的优化和发展提供了新的机遇。通过对大量文献的阅读、总结,发现粗糙集理论具备无需先验知识、强大的属性约简及属性重要性原理等优势,这些优势使得粗糙集在对以数据为驱动的决策进行决策分析时表现出—定的优越性。而决策的制定通常建立在少数几个关键成功因素的基础之上,基于此本文尝试将粗糙集理论引入以数据为驱动的MCS模型中对关键成功因素进行识别。文章主体部分为第三、第四两个章节,首先,在第三章中对MCS模型及其4个主要模块中数据特别是关键成功因素的运用进行简要概述,加深对该系统模型了解的同时理清模型内部的各种逻辑关系。以当前在MCS模型主题选择及形成模块最常用到的关键成功因素识别方法—主成分分析法(PCA)为例,进一步说明当前MCS模型中的关键成功因素识别方法在应用过程中表现出的局限与不足,进而对其加以优化与改进也即本文所要研究的核心内容。其次,在文章的第四章基于当前MCS模型中关键成功因素识别方法存在的局限与不足、粗糙集理论的优势以及其应用于MCS模型进行关键成功因素识别的适宜性,构建粗糙集在MCS模型中进行关键成功因素识别的思路框架,尝试将粗糙集理论引入模型,从而对粗糙集理论在模型方案主题选择及形成阶段关键成功因素识别的具体流程进行论述,进而从方法层面上实现对MCS模型的改造与优化,构建更具科学性、合理性、操作性的MCS模型,使得当前企业诊断在方法、模式以及效率、效果等方面均得以改善。最后,以对X快递公司的企业竞争力诊断项目为实例进行研究,详细介绍将粗糙集方法作为关键成功因素识别方法的MCS模型在对X快递公司企业竞争力进行诊断时的实操过程。通过实证研究进一步论证在利用MCS模型进行企业诊断时将粗糙集理论方法用于关键成功因素识别较当前使用方法(主成分分析法、因子分析法等)更具优越性。有效地提高了诊断专家在进行不确定性诊断决策方案制定时的效率以及方案的科学性和可操作性,同时也对利用粗糙集理论处理非确定性决策问题的有效性进行了验证。