chore(wiki): Thinking & Reasoning 토픽 대대적 확장 + Premium/Logic Tree 통합

- 10_Wiki/Topics/Thinking & Reasoning/ 다수 신규 토픽 추가
  (3C, 4P, 5 Whys, 7S, 80/20 법칙, 인과관계, 디자인 씽킹 변형 등)
- Premium/Logic Tree/ 11개 파일 → Thinking & Reasoning 으로 흡수
- Premium/Thinking & Reasoning/ 동기화 갱신
- memory/long_term.json + .DS_Store 자동 갱신

Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>

Premium/Thinking & Reasoning/design thinking.md

@@ -1,101 +1,96 @@
 ---
 id: design-thinking
-title: "design thinking"
+title: "Design Thinking"
 category: "10_Wiki/Topics"
 status: "draft"
 verification_status: "conceptual"
 canonical_id: ""
-aliases: ["인간 중심 디자인", "HCD"]
+aliases: ["HDD", "Hypothesis-Driven Design"]
 duplicate_of: ""
 source_trust_level: "B"
-confidence_score: 0.90
-created_at: 2026-05-22
-updated_at: 2026-05-22
+confidence_score: 0.85
+created_at: 2026-05-24
+updated_at: 2026-05-24
 review_reason: ""
 merge_history: []
-tags: ["research", "design thinking", "innovation", "problem-solving"]
+tags: ["research", "hypothesis-driven thinking", "product-management"]
 raw_sources: ["NotebookLM Synthesis"]
-applied_in: ["Pillpack", "Innova Schools", "A Large Private Sector Bank", "Mid-Sized IT Services Firm", "Healthcare System (Nurse Handoff)"]
+applied_in: ["Thoughtworks Legacy System Project", "Airline Inc. Cost Reduction", "Retail Sales Decline Case"]
 github_commit: ""
 ---
 
-# [[design thinking]]
+# [[Design Thinking]]
 
 ## 🎯 한 줄 통찰 (One-line insight)
-디자인 씽킹은 단순히 제품의 외관을 꾸미는 것이 아니라, **인간에 대한 깊은 공감(Empathy)**을 바탕으로 복잡한 문제를 재정의하고 반복적인 실험을 통해 **혁신적인 해결책을 도출하는 인간 중심의 문제 해결 방법론**이다 [1-4].
+사용자 공감을 바탕으로 명시적인 가설을 설정하고, 반복적인 실험과 데이터 검증을 통해 불확실성을 혁신으로 전환하는 인간 중심의 문제 해결 프레임워크 [1-3].
 
 ## 🧠 핵심 개념 (Core concepts)
-1.  **인간 중심성 (Human-Centeredness):** 기술적 가능성이나 비즈니스 생존성보다 사용자의 바람(Desirability)과 필요를 우선시하며, 실제 사용자의 맥락과 감정적 요구를 이해하는 데 집중한다 [1, 5, 6].
-2.  **공감(Empathy) 기반 문제 정의:** 자신이 아닌 타인의 문제를 해결하기 위해 고정관념을 버리고 관찰과 소통을 통해 사용자가 직면한 진짜 문제(Point-of-View)를 찾아낸다 [1, 7, 8].
-3.  **반복적 프로토타이핑 (Iterative Prototyping):** 완벽한 솔루션을 한 번에 만드는 대신, 빠르고 저렴한 프로토타입을 제작하여 사용자 피드백을 받고 지속적으로 개선한다 [6, 9-11].
-4.  **발산과 수렴의 조화 (Divergence & Convergence):** 해결책을 찾기 위해 가능한 많은 아이디어를 생성(발산)한 뒤, 가장 가치 있는 것을 선택(수렴)하는 과정을 반복하며 혁신의 범위를 확장한다 [12-14].
+- **공감 기반 혁신 (Empathise to Innovate):** 사용자의 고통 지점(pain point)과 잠재적 요구를 깊이 이해하여 문제의 본질에 접근하고 가치를 창출함 [1, 4].
+- **가설 기반 설계 (Hypothesis-Driven Design, HDD):** 제품 결정을 단순한 가정이나 직관이 아닌, 검증 가능한 예측(Falsifiable statement)을 바탕으로 진행함 [2, 5, 6].
+- **학습 및 반복 (Learn & Iterate):** '구축 후 출시' 모델에서 벗어나, 소규모 실험을 통해 데이터를 수집하고 이를 바탕으로 솔루션을 지속적으로 개선하는 루프를 형성함 [7, 8].
+- **공동 설계 및 협업 (Co-design):** 전문가의 단독 결정을 지양하고, 이해관계자와 사용자가 함께 솔루션을 모색하는 협업적 참여를 중시함 [9-11].
 
 ## 🧩 추출된 패턴 (Extracted patterns)
-*   **Double Diamond 패턴:** 문제를 제대로 이해하기 위한 첫 번째 다이아몬드(Discover-Define)와 해결책을 창조하기 위한 두 번째 다이아몬드(Develop-Deliver) 구조를 따른다 [14, 15].
-*   **실패를 통한 학습 (Fail Fast, Learn Cheap):** 초기 단계에서 저해상도(Low-fidelity) 프로토타입을 사용함으로써 적은 자원으로 빠르게 실패하고 그 과정에서 얻은 통찰을 다음 설계에 반영한다 [16-18].
-*   **POV(Point of View) 공식:** '사용자(User) + 필요(Need) + 통찰(Insight)'을 결합하여 실행 가능한 문제 정의문을 작성한다 [19, 20].
-*   **AI 결합 혁신 (2026):** AI를 단순한 도구가 아닌 협업자(Collaborator)로 활용하여 공감 단계의 대규모 데이터 분석이나 프로토타입의 신속한 구현을 지원한다 [21, 22].
+- **HDD 4단계 순업 프로세스:** 가정 식별(Assumptions) → 가설 변환(Hypotheses) → 연구 및 테스트(Research) → 설계 및 구축(Design & Build)의 순환 구조를 가짐 [5, 12].
+- **검증 계층 구조 (Validation Hierarchy):** 초기 단계의 사용자 인터뷰/설문에서 시작하여 클릭 가능한 프로토타입을 거쳐, 최종적으로 MVP 및 A/B 테스트로 투자 수준과 신뢰도를 높여감 [13, 14].
+- **가설 문장 표준 구문 (Standardized Syntax):** "만약 우리가 [특정 변경]을 실행한다면, [측정 가능한 결과]가 나타날 것이다. 왜냐하면 [근거/이유] 때문이다."라는 구조를 통해 사고의 명확성을 확보함 [7, 15].
 
 ## 📖 세부 내용 (Details)
-디자인 씽킹은 크게 **공감(Empathize), 정의(Define), 아이디어 도출(Ideate), 프로토타입(Prototype), 테스트(Test)**의 5단계 과정으로 구성되며, 일부 프레임워크에서는 **실행(Implement)**을 추가하기도 한다 [8, 23, 24].
-
-*   **공감 및 정의 단계:** 사용자의 삶 속으로 들어가 그들이 하는 말(Say), 행동(Do), 생각(Think), 느낌(Feel)을 다각도로 파악한다 [23, 25]. 수집된 파편화된 정보를 합성(Synthesis)하여 의미 있는 패턴을 발견하고, "우리가 어떻게 하면 ~할 수 있을까?(How Might We...)"라는 질문으로 문제를 전환한다 [26-28].
-*   **아이디어 도출 및 구체화:** 브레인스토밍 시 비판을 자제하고 양(Quantity)에 집중하며, '최악의 아이디어' 내기 같은 기법을 통해 창의적 한계를 부순다 [29-31]. 선정된 아이디어는 시각적이고 만질 수 있는 형태(스토리보드, 카드보드 모델 등)로 제작되어 사용자와의 대화를 이끌어내는 매개체가 된다 [9, 16, 32].
-*   **전략적 통합:** 디자인 씽킹은 문제 발견에 강점이 있으며, 이를 비즈니스 모델을 검증하는 [[Lean Startup]] 및 실제 구현을 담당하는 [[Agile]]과 연계할 때 시너지가 극대화된다 [33-35].
+- **문제 정의의 우선순위:** 솔루션에 뛰어들기 전에 사용자가 직면한 실제 문제를 정의하는 것이 필수적이며, 이는 종종 현재 상태(R1)와 목표 상태(R2) 사이의 격차로 정의됨 [4, 16].
+- **가설의 4가지 구성 요소:** 구체적인 변경 사항(Specific change), 예측된 결과(Predicted outcome), 영향을 받는 사용자 세그먼트(User segment), 그리고 사전에 정의된 성공 기준(Success criteria)이 포함되어야 함 [17, 18].
+- **데이터 중심의 가설 개발 (DDHD):** 복잡하고 이해도가 낮은 시스템(예: 레거시 시스템)의 문제를 해결할 때, 데이터를 나침반 삼아 가장 짧은 해결 경로를 찾고 부적절한 솔루션을 조기에 제거하는 데 활용됨 [19-21].
+- **실패의 가치:** 설계 과정에서 가설이 기각되는 것은 시간과 자원의 낭비를 방지한 '학습'으로 간주되며, 이를 통해 더 나은 의사결정을 내릴 수 있는 기반이 마련됨 [22-24].
 
 ## ⚖️ 모순 및 업데이트 (Contradictions & updates)
-*   **비선형성 (Non-Linearity):** 이론적으로는 단계별로 설명되지만, 실제로는 진행 중 언제든지 이전 단계로 되돌아가거나(Looping back) 여러 단계를 동시에 수행하는 유연한 과정이다 [36-38].
-*   **의료계 적용의 긴장 관계:** 사용자의 선호도(바람)와 의료진의 전문적 증거(효과성) 사이의 균형이 필요하며, '실패를 통한 학습'이 인명과 직결된 의료 현장에서는 심리적 저항을 불러일으킬 수 있다는 점이 지적된다 [18, 39].
-*   **전통적 연구와의 결합:** 소규모 샘플의 질적 연구(디자인 씽킹)와 대규모 샘플의 양적 연구(전통적 과학 방식) 사이의 긴장을 완화하기 위해 혼합 방법론(Mixed-methods)의 활용이 권장된다 [40].
+- **효율성 vs 협업:** 민토 피라미드(Minto Pyramid)와 같은 전통적인 하향식 의사소통 방식은 의사결정권자에게 효율적이지만, 공동 설계(Co-design)와 같은 협력적 참여를 저해할 수 있는 한계가 있음 [9, 10].
+- **데이터의 환상:** 분석 데이터는 '무엇(What)'이 일어났는지는 보여주지만 '왜(Why)' 일어났는지는 설명하지 못하므로, 정량적 분석과 함께 질적인 사용자 연구가 반드시 병행되어야 함 [25-27].
 
 ## 🛠️ 적용 사례 (Applied in summary)
-*   **Pillpack:** 복잡한 온라인 약국 서비스를 디자인 씽킹을 통해 고객 중심으로 재설계하여 성공적인 인수를 이끌어냄 [41, 42].
-*   **Innova Schools:** 페루 중산층을 위한 학교 네트워크 전체를 디자인 씽킹을 기반으로 기획하고 확장함 [41, 42].
-*   **민간 부문 은행 대출 이탈 문제:** 고객이 앱 사용이 어려워서가 아니라 '신용 점수 하락에 대한 공포(신뢰 부족)' 때문에 이탈한다는 진짜 문제를 디자인 씽킹으로 발견하여 해결함 [43-45].
-*   **의료 서비스 개선:** 간호사 업무 인수인계(Nurse handoff) 시스템을 인간 중심 디자인으로 개선하여 125개 병동에 성공적으로 확산시킴 [9, 46-48].
-*   **공용어로서의 활용:** 71%의 기업이 디자인 씽킹 도입 후 조직 문화의 변화를 경험했으며, 팀 간의 공통 언어를 형성하는 데 기여함 [49, 50].
+- **Thoughtworks 레거시 시스템 개선:** 가시성이 낮고 방치된 레거시 아키텍처에 대해 DDHD(Data-Driven Hypothesis Development)를 적용하여 점진적으로 가치를 전달하고 도메인 지식을 재구축함 [23, 28, 29].
+- **데이터 임포트 프로세스 UX 단순화:** 기존의 3단계 위저드 방식을 단일 페이지로 재설계하는 가설을 설정하고, 임포트 완료율 85% 달성과 지원 티켓 60% 감소를 목표로 검증을 진행함 [30, 31].
+- **오피스 빌딩 커피 주문 시스템:** "주문 대기 시간이 줄어들면 고객 이탈이 방지될 것"이라는 가정을 모바일 주문 앱 도입 가설로 변환하여 실무에 적용함 [15, 32, 33].
+- **A/B 테스트를 통한 가격 실험:** 소규모 비즈니스 대상 플랫 요금제 도입 가설을 설정하여 전환율 18% 증가 여부를 통계적으로 검증함 [34, 35].
 
 ## ✅ 검증 상태 및 신뢰도
 - **상태:** draft
-- **검증 단계:** conceptual (다수의 실제 적용 사례가 소스에서 확인됨)
-- **출처 신뢰도:** B (Stanford d.school, IDEO, Design Council, NIH 등 공신력 있는 기관의 소스를 기반으로 함)
+- **검증 단계:** conceptual (실제 적용 사례가 보고되었으나, 일반화된 프레임워크 수준임)
+- **출처 신뢰도:** B (Thoughtworks, Centercode, McKinsey 등 전문 컨설팅 및 제품 관리 방법론에 기반함)
 - **중복 검사 결과:** 신규 생성 (New discovery)
 
 ## 🔗 관련 문서 링크 (Related document links)
 
 ### 상위/유사 개념
-#### [관계 유형 A: 상호보완적 프레임워크]
-- [[Agile]]
-  - 연결 이유: 디자인 씽킹으로 정의된 문제를 반복적인 스프린트를 통해 실제 제품으로 구현함 [33, 51].
-  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 문제 정의 이후의 실행(Delivery) 체계 [34, 35].
-- [[Lean Startup]]
-  - 연결 이유: 디자인 씽킹에서 도출된 가설이 시장에서 비즈니스적으로 유효한지 검증함 [33, 52].
-  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 최소 기능 제품(MVP)을 통한 시장 적합성 확인 과정 [34, 53].
+#### [관계 유형: 프레임워크/방법론]
+- [[Hypothesis-Driven Thinking]]
+  - 연결 이유: 디자인 씽킹의 핵심 동력인 가설 설정과 검증의 근간이 되는 사고 방식임 [36, 37].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 직관적 추측을 과학적 실험으로 전환하는 논리적 구조 [38].
+- [[Scientific Method]]
+  - 연결 이유: 디자인 씽킹은 과학적 방법론을 비즈니스와 제품 설계 영역에 적용한 형태임 [39, 40].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 가설 수립 및 refutation(반증)의 철학적 원리 [41].
 
-#### [관계 유형 B: 하위 방법론/도구]
-- [[Double Diamond]]
-  - 연결 이유: 디자인 프로세스의 시각적 표준 모델로 사용됨 [14].
-- [[Empathy Mapping]]
-  - 연결 이유: 사용자의 공감 데이터를 시각화하여 분석하는 핵심 도구임 [20].
+#### [관계 유형: 구현/구조화 도구]
+- [[MECE]]
+  - 연결 이유: 문제 공간을 중복 없이 포괄적으로 분석하여 가설을 수립할 때 필수적인 원칙임 [42, 43].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 문제 분해의 논리적 완결성 확보 방법 [44].
+- [[Minimum Viable Product (MVP)]]
+  - 연결 이유: 수립된 제품 가설을 가장 저렴하고 빠르게 검증하기 위한 물리적 구현체임 [14, 45].
+  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 학습을 위한 최소한의 실행 단위 설정 [8].
 
 ### 심층 후속 질문 (Deeper Research Questions)
-- 디자인 씽킹의 '공감' 단계에서 AI가 인간의 감정적 뉘앙스를 왜곡하지 않고 수만 건의 데이터를 요약하는 구체적인 알고리즘적 방법은 무엇인가? [21, 22]
-- 의료 분야에서 '실패해도 괜찮은 프로토타이핑'을 환자의 안전과 타협하지 않으면서 구현할 수 있는 구체적인 시뮬레이션 기법은 무엇인가? [18]
-- 조직의 성과 지표(KPI)가 단기적 결과 중심일 때, 과정 중심인 디자인 씽킹이 동력을 잃지 않기 위한 보상 체계의 설계 방법은? [54]
-- 'Not Made Here' 신드롬(외부에서 만들어진 해결책을 거부하는 현상)을 극복하기 위해 디자인 씽킹 과정에 스테이크홀더를 어디까지 참여시켜야 하는가? [48]
-- 전통적인 폭포수(Waterfall) 모델에 익숙한 대규모 제조 기업에서 디자인 씽킹을 도입할 때 발생하는 가장 큰 문화적 마찰점은 무엇인가? [55, 56]
+- 디자인 씽킹의 '공감' 단계에서 수집된 질적 데이터는 어떻게 정량적인 '측정 가능한 가설'로 치환되는가? [27, 46]
+- 민토 피라미드의 '하향식 의사소통'과 디자인 씽킹의 '상향식 실험' 사이의 전략적 충돌을 어떻게 조화시킬 것인가? [10, 47]
+- 가설 기반 설계(HDD)에서 '성공 임계값(Threshold)'을 설정할 때 발생할 수 있는 편향을 어떻게 방지하는가? [48, 49]
+- 레거시 시스템 현대화 과정에서 DDHD가 도메인 지식 손실을 복구하는 구체적인 메커니즘은 무엇인가? [21, 29]
 
 ### 실무 적용 맥락 (Practical Application Contexts)
-- **Implementation:** 해결해야 할 문제가 불명확하거나 고객 불만이 지속될 때 발견(Discovery) 단계로 DT를 적용함 [57, 58].
-- **System Design:** 복잡한 시스템(의료, 교육 등)의 구조를 재설계할 때 인간의 인지적 한계와 감정적 맥락을 반영한 설계가 가능함 [59, 60].
-- **Operation / Maintenance:** 운영 중 발생하는 이탈률이나 사용자 불편 사항을 단순 UI 수정이 아닌 근본적인 '인식'과 '신뢰'의 관점에서 재해석함 [44].
-- **Learning Path:** Stanford d.school이나 IDEO U의 가이드를 통해 기본 마인드셋을 익히고, 실제 현장에서 관찰과 인터뷰를 수행하는 실습 중심의 학습이 필수적임 [61-63].
+- **Implementation:** 제품 백로그의 모든 아이디어를 "If... then... because" 형식의 가설로 변환하여 기록함 [50].
+- **System Design:** 사용자의 작업 완료 시간(Task completion time)을 주요 지표로 설정하여 UX 변경 가설을 검증함 [31, 51].
+- **Operation / Maintenance:** 레거시 시스템의 모니터링 및 관측성(Observability)을 강화하여 성능 개선 가설의 피드백 루프를 구축함 [52].
+- **Learning Path:** 소규모 실험을 통해 얻은 교훈을 '가설 포스트모템(Hypothesis postmortem)'을 통해 조직 전체와 공유함 [24].
 
 ### 인접 주변 주제 (Adjacent Topics)
-- [[Creative Confidence]]
-  - 확장 방향: 디자인 씽킹을 수행하는 개인과 팀이 자신의 창의적 잠재력을 믿고 실행에 옮기는 심리적 토대 [64, 65].
-- [[Service Design]]
-  - 확장 방향: 제품을 넘어 무형의 서비스 여정 전체를 디자인 씽킹 관점에서 설계하는 영역 [61, 66].
+- [[Cognitive Biases]]
+  - 확장 방향: 가설 검증 과정에서 발생하기 쉬운 확증 편향(Confirmation bias)과 고착 편향(Anchoring bias)을 인지하고 방어함 [53, 54].
 
 ## 📝 변경 이력 (Change history)
-- 2026-05-22: Initial draft generated via Datacollector_MAC P-Reinforce engine (based on 20 sources).
+- 2026-05-24: Initial draft generated via Datacollector_MAC P-Reinforce engine.