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/80-20 법칙.md

@@ -0,0 +1,60 @@
+---
+id: 80/20-법칙
+title: "80/20 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: ["Jane-Efficiency-Case"]
+github_commit: ""
+---
+
+# [[80/20 법칙]]
+
+## 🎯 한 줄 통찰 (One-line insight)
+전체 결과의 80%는 단 20%의 핵심적인 부분에서 비롯되므로, 한정된 자원을 파급력이 큰 소수의 핵심 드라이버에 집중 투입해야 한다 [1-3].
+
+## 🧠 핵심 개념 (Core concepts)
+- **결과의 지배성:** 결과의 대부분(80%)은 아주 소수의 핵심적인 요소(20%)에 의해 좌우된다는 실증적 원리이다 [1, 4].
+- **선택과 집중:** 모든 데이터를 분석하려 하지 말고, 파급 효과가 가장 크면서 실행이 용이한 영역을 판별하여 자원을 집중한다 [1, 2, 5].
+- **핵심 드라이버(Key Drivers) 판별:** 문제의 복잡성을 단순화하여 전체 성과에 막대한 영향을 미치는 결정적 요인을 찾아내는 것이다 [6-8].
+- **분석의 효율성:** 80%의 해결책을 제공할 수 있는 20%의 핵심 분석에 집중하여 분석 과부하를 방지한다 [9].
+
+## 🧩 추출된 패턴 (Extracted patterns)
+- **데이터 편중 분석 패턴:** 매출 감소 시 매출의 80%가 발생하는 20%의 지역이나 고객층을 우선적으로 점검하는 방식이다 [1, 4].
+- **'바닷물 끓이기 금지' 휴리스틱:** 모든 것을 다 분석하려는 시도를 배제하고, 우선순위가 높은 핵심 이슈에 집중하는 'Work Smarter' 전략을 취한다 [6, 10].
+- **해석(Interpreting) 단계의 필터링:** 수집된 방대한 팩트 중 80/20 법칙을 적용하여 실질적인 비즈니스 임팩트를 가진 시사점만을 추출한다 [8, 11].
+
+## 📖 세부 내용 (Details)
+- **맥킨지 프로세스 내 역할:** 80/20 법칙은 주로 문제해결의 **'분석 실시(Step 5)'** 및 **'결과 종합/해석(Step 6)'** 단계에서 핵심적인 가이드라인으로 활용된다 [5, 9]. 분석 디자인 단계에서 '하루짜리 답(Day 1 Answer)'을 설정할 때도 이 원칙이 적용되어 분석의 정밀도를 조율한다 [12, 13].
+- **실천적 가치:** 비즈니스 현장에는 정답이 없는 복잡한 변수가 많으므로, 완벽한 분석보다는 즉시 실행 가능한 'Better' 대안을 찾는 데 효과적이다 [14-16].
+- **우선순위화와의 연계:** 로직 트리와 이슈 트리를 통해 분해된 수많은 가설 중 80/20 원칙에 따라 임팩트가 큰 영역을 선별하여 작업 계획(Work Plan)을 수립한다 [12, 17, 18].
+- **데이터 기반 검증:** 이 법칙은 실증적 데이터를 바탕으로 도출되고 검증되었기에 현장에서 탁월한 효과를 발휘하며, 정량적 수치를 통해 핵심 이슈를 증명하는 근거가 된다 [1, 19].
+
+## ⚖️ 모순 및 업데이트 (Contradictions & updates)
+- **기계적 적용의 위험성:** 실무 현장에서 80/20 법칙을 단순히 기계적으로만 적용하는 것은 위험하며, 반드시 **전문가적 직관**이 결합되어 핵심 드라이버를 판별해야 한다 [8]. 
+- **정밀도 vs 속도:** 극도의 정밀함이 요구되는 영역보다는 방향의 명확성이 중요한 전략적 의사결정 국면에서 더 큰 가치를 지닌다 [13, 20].
+
+## 🛠️ 적용 사례 (Applied in summary)
+- **Jane의 업무 효율화 사례:** "Jane이 어떻게 하면 25% 더 효율적이고 효과적으로 일할 수 있는가?"라는 문제 정의에 대해, **80/20 원칙을 업무에 더욱 근면하게 적용(Apply the 80/20 rule more diligently at work)**하여 핵심 과업에 집중할 것이 실행 제안으로 도출되었다 [21].
+- **매출/고객 분석:** 매출 부진 문제 해결 시, 전체 데이터 중 80%의 비중을 차지하는 20%의 핵심 지역이나 고객 세그먼트를 특정하여 특화된 공략법을 수립하는 데 적용된다 [1, 4].
+- **분석 작업 계획:** 방대한 데이터 소스 중 해결책의 80%를 제공하는 20%의 분석 항목만을 추려내어 효율적인 분석 일정을 설계하는 데 활용된다 [9, 12].
+
+## ✅ 검증 상태 및 신뢰도
+- **상태:** draft
+- **검증 단계:** conceptual (실제 비즈니스 케이스 및 효율화 프로젝트 적용 확인)
+- **출처 신뢰도:** B (맥킨지 문제해결 방법론 공식 가이드 및 실무자 분석 자료 기반)
+- **중복 검사 결과:** 신규 생성 (New discovery)
+
+## 📝 변경 이력 (Change history)
+- 2026-05-24: Initial draft generated via Datacollector_MAC P-Reinforce engine.