docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거

Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를
Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류.

- 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로
  자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거,
  동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거.
- 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming,
  Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business,
  Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로,
  나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는
  title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백).
  원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지.
- 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서.
- 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는
  지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지.
- Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경.
- 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.

10_Wiki/Topic_General/From_Thinking & Reasoning/80대20 법칙.md

@@ -0,0 +1,61 @@
+---
+id: 80대20-법칙
+title: "80대20 법칙"
+category: "10_Wiki/Topics"
+status: "draft"
+verification_status: "conceptual"
+canonical_id: ""
+aliases: ["파레토 법칙", "80/20 원칙"]
+duplicate_of: ""
+source_trust_level: "B"
+confidence_score: 0.85
+created_at: 2026-05-24
+updated_at: 2026-05-24
+review_reason: ""
+merge_history: []
+tags: ["research", "맥킨지식문제해결 프로세스"]
+raw_sources: ["NotebookLM Synthesis"]
+applied_in: ["Jane의 업무 효율성 개선 권고안", "A사 제품 매출 분석 사례"]
+github_commit: ""
+---
+
+# [[80대20 법칙]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+결과의 대부분(80%)은 전체 요인 중 아주 소수의 핵심적인 부분(20%)에 의해 결정되므로, 한정된 자원을 고임팩트 영역에 집중 투여해야 한다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **소수 핵심의 지배:** 전체 결과의 80%를 좌우하는 것은 20%의 핵심 드라이버(Key Drivers)다 [1, 4].
+- **선택과 집중:** 모든 데이터를 분석하려 하지 말고, 중요도에 따라 우선순위를 매겨 에너지를 분산시키지 않는 것이 핵심이다 [1, 5].
+- **분석의 효율성:** 80%의 해결책을 제공하는 20%의 핵심 분석에 집중하여 시간과 노력을 최적화한다 [6].
+- **임팩트 중심 사고:** 비즈니스적 파급 효과가 가장 크면서 실행이 용이한 레버를 추려내는 우선순위화(Prioritization)의 근거가 된다 [7, 8].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **현상 분석 패턴:** 매출 감소 시 전체 고객을 전수 조사하는 대신, 매출의 80%가 발생하는 20%의 핵심 지역이나 고객군을 먼저 데이터로 분석한다 [1, 4].
+- **분석 디자인 패턴:** 완벽한 답을 위해 모든 경로를 탐색하기보다, '가장 잘 돌아가는 것'과 '그렇지 않은 것'을 구분하여 핵심 이슈에만 분석 리소스를 배정한다 [9, 10].
+- **직관과 데이터의 결합:** 법칙을 기계적으로 적용하기보다 결과의 대부분을 가르는 극소수의 핵심 드라이버를 판별해 내는 분석가의 직관을 병행한다 [11].
+
+## 📖 세부 내용 (Details)
+80대20 법칙은 실증적 데이터를 바탕으로 도출되고 검증된 법칙으로, 맥킨지 문제해결 프로세스 전반에서 강력한 효과를 발휘한다 [1, 4].
+
+- **문제 구조화 및 우선순위화 단계:** 문제 정의 후 로직 트리(Logic Tree)로 쪼개진 수많은 이슈 중 어떤 것에 집중할지 결정할 때 사용된다 [2, 12]. 눈앞에 보이는 많은 현상 중 20%의 핵심적인 현상을 고쳤을 때 원하는 효과의 80%를 달성할 수 있다는 원칙에 입각하여 전략적 초점을 형성한다 [2, 3].
+- **분석 실행 단계:** 데이터 수집 시 '바닷물을 끓이려 하지 말라(Don't boil the ocean)'는 격언과 함께 적용된다 [4-6]. 모든 것을 분석하려 하지 말고, 해결책의 80%를 도출할 수 있는 20%의 분석에만 집중하여 "Work Smarter, Not Harder"를 실천한다 [5, 6].
+- **핵심 드라이버(Key Drivers) 식별:** 문제점이 2배로 복잡해지면 해결 시간은 4배로 늘어나기 때문에, 요소를 단순화하여 가장 중요한 20%의 핵심 드라이버에 집중 분석을 수행하는 것이 효율적이다 [5, 13].
+- **실무적 의의:** 이 법칙은 완벽한 정답(Best)보다 즉시 실행 가능한 개선책(Better)을 찾는 태도와 연결되며, 정보 수집에 지나친 시간을 낭비하지 않고 핵심을 공략할 특화된 방법을 찾는 데 목적이 있다 [1, 14].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **기계적 적용의 위험성:** 실무 현장에서 80/20 법칙을 단순히 숫자 놀음처럼 기계적으로만 적용하는 것은 위험하며, 데이터 이면에 숨겨진 인과관계와 핵심 드라이버를 판별하는 분석가의 통찰력이 반드시 결합되어야 한다 [11].
+- **데이터의 후행성:** 이 법칙의 근거가 되는 수치는 본질적으로 과거의 흔적이므로, 미래의 비선형적 변곡점(예: 아이폰의 등장과 같은 패러다임 전환)을 예측하는 데는 한계가 있을 수 있다 [15, 16].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Jane의 업무 효율성 개선 [applied_in: 0]:** Jane이 업무 효율성을 25% 높이기 위한 권고안 중 하나로 "80/20 법칙을 업무에 더 부지런히 적용할 것(Jane can apply the 80/20 rule more diligently at work)"이 제안됨 [17].
+- **A사 제품 매출 및 고객 분석 [applied_in: 1]:** 매출 부진 문제 해결을 위해 매출의 80%가 어디서 비롯되는지, 또는 고객의 80%가 특정 20%의 지역에서 오는지 점검하여 핵심 공략 지점을 찾는 예시로 활용됨 [1, 4].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
+- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-24: Initial draft generated via Datacollector_MAC P-Reinforce engine.