---
id: root-cause-analysis
title: "Root Cause Analysis"
category: "10_Wiki/Topics"
status: "draft"
verification_status: "conceptual"
canonical_id: ""
aliases: ["RCA", "근본 원인 분석"]
duplicate_of: ""
source_trust_level: "B"
confidence_score: 0.85
created_at: 2026-05-23
updated_at: 2026-05-23
review_reason: ""
merge_history: []
tags: ["research", "logic tree", "problem-solving"]
raw_sources: ["NotebookLM Synthesis"]
applied_in: ["Harley-Davidson Profit Recovery", "NovaCloud NRR Restoration", "Packaging Line Shutdown Resolution", "Chewing Gum Manufacturer Margin Analysis"]
github_commit: ""
---

# [[Root Cause Analysis]]

## 🎯 한 줄 통찰 (One-line insight)
근본 원인 분석(RCA)은 가시적인 증상을 넘어 문제의 기저에 있는 **최선책의 부재(absence of best practice)** 또는 **지식 적용의 실패**를 체계적으로 찾아내어 재발을 방지하는 프로세스이다 [1, 2].

## 🧠 핵심 개념 (Core concepts)
- **문제 정의 (Gap Analysis):** 현재의 바람직하지 않은 결과($R1$)와 도달하고자 하는 목표 결과($R2$) 사이의 간극을 명확히 하는 것에서 시작한다 [3, 4].
- **[[MECE Principle]] 기반의 분해:** 문제를 상호 배타적이고 전체 포괄적인(Mutually Exclusive, Collectively Exhaustive) 하위 요소로 나누어 분석의 누락이나 중복을 방지한다 [5-7].
- **가설 기반 접근 (Hypothesis-Driven):** 방대한 데이터를 무작위로 수집하는 대신, 발생 가능한 원인에 대한 가설을 세우고 이를 데이터를 통해 검증하거나 기각한다 [8-10].
- **다각적 인과관계 추적:** 단순한 선형적 질문(5 Whys)을 넘어, 논리 트리를 통해 병렬적이고 복합적인 원인 경로를 시각화하고 탐색한다 [11-13].

## 🧩 추출된 패턴 (Extracted patterns)
- **정량에서 정성으로의 전이:** 먼저 숫자 데이터를 기반으로 문제의 위치(예: 매출 vs 비용)를 격리하고, 그 후 고객 행동이나 경쟁 환경 같은 정성적 원인을 분석한다 [14-16].
- **비즈니스 식별자(Accounting Identities) 활용:** `이익 = 매출 - 비용`, `매출 = 가격 x 수량`과 같은 불변의 공식을 활용하여 오류 없는 논리 구조를 구축한다 [17, 18].
- **계층적 세분화 (Drill-down):** 최상위 이익 단계에서 시작하여 가격/수량 단계를 거쳐 지리적, 제품별, 채널별 세부 세그먼트까지 계층적으로 파고든다 [19].

## 📖 세부 내용 (Details)
- **분석 도구의 비교:**
    - **5 Whys:** 간단하고 빠르지만, 복잡한 문제에서는 선형적 사고의 한계로 인해 다중 원인을 놓칠 위험이 크며 확증 편향이 발생하기 쉽다 [11, 20, 21].
    - **[[Logic Tree]] (진단형):** "왜(Why)"라는 질문을 분기 구조로 시각화하여 병렬적 원인 경로를 캡처한다. 고위험, 고비용 또는 반복적인 문제 분석에 적합하다 [11, 20, 22].
    - **Fishbone (Ishikawa) Diagram:** 주로 팀 브레인스토밍을 통해 잠재적 원인(6Ms: Man, Machine, Material 등)을 카테고리별로 나열할 때 유용하다 [23-25].
    - **TapRooT:** 데이터 수집, 분석, 교정 조치까지 포함된 독자적인 소프트웨어 기반의 체계적인 조사 시스템이다 [26, 27].

- **연쇄적 분석 (Sequential Analysis):**
    1. 문제가 실제로 존재하는가? [28]
    2. 문제가 어디에 위치하는가? [28]
    3. 왜 존재하는가? (근본 원인) [28]
    4. 무엇을 할 수 있는가? [28]
    5. 무엇을 해야 하는가? (최종 권고) [28]

- **실무적 기준:** RCA의 최종 결과물은 단순한 '실수'의 지적이 아니라, 관리가 통제 가능한 범위 내에서 수정할 수 있는 구체적인 조치(Corrective Actions)를 도출하는 것이어야 한다 [1, 29].

## ⚖️ 모순 및 업데이트 (Contradictions & updates)
- **RCA 정의의 변화:** 과거에는 '근본적인 이유'라는 사전적 정의에 집중했으나, 현대적 관점(System Improvements, 2006)에서는 관리자가 수정할 수 있는 **'최선책의 결핍'**으로 정의하여 실행력을 강조한다 [1, 30].
- **5 Whys의 한계:** "누구를 해고할 것인가(Who do we fire?)"라는 비난 중심의 분석으로 흐를 위험이 지적되며, 이를 방지하기 위해 시스템적 요인을 파고드는 논리 트리의 중요성이 커지고 있다 [31, 32].
- **MECE의 유연성:** 완벽한 수학적 MECE(Perfect MECE)를 지향하기보다, 의사결정에 실질적인 도움을 주는 **'의사결정 수준의 MECE(Decision-grade MECE)'**와 파레토 법칙(80/20)의 적용이 권장된다 [33-35].

## 🛠️ 적용 사례 (Applied in summary)
- **Harley-Davidson 수익성 분석:** 팬데믹 기간 중 이익 감소 원인을 RCA를 통해 분석한 결과, 고령의 기존 고객층 이탈과 젊은 층 유입 실패라는 근본 원인을 파악하여 가격 정책 및 브랜드 리뉴얼 전략을 도출함 [36-38].
- **NovaCloud NRR 복구:** 순 매출 유지율(NRR) 하락 원인을 논리 트리로 분석하여, 온보딩 실패와 갱신 시 경쟁사의 가격 압박이 핵심 동인임을 식별하고 맞춤형 대응책을 실행함 [39, 40].
- **제지 공장 컨베이어 잼 문제:** 5 Whys로 해결되지 않던 반복적 셧다운 문제를 논리 트리로 재분석하여 공급업체 품질, 운영자 체크 불일치 등 다중 원인을 밝혀내 가동 중단 시간을 획기적으로 줄임 [41, 42].
- **껌 제조업체 마진 분석:** 매출 증가에도 불구하고 이익이 감소하는 원인을 분석하여, 추가된 향료 비용으로 인해 저마진인 '가향 껌'의 판매 비중이 높아진 '믹스 변화(Mix Shift)'가 근본 원인임을 발견함 [43, 44].

## ✅ 검증 상태 및 신뢰도
- **상태:** draft
- **검증 단계:** conceptual (다수의 비즈니스 사례와 방법론적 문서로 뒷받침됨)
- **출처 신뢰도:** B (컨설팅 및 품질 관리 공식 가이드라인 및 전문 아티클 기반)
- **중복 검사 결과:** 신규 생성 (New discovery)


## 🔗 관련 문서 링크 (Related document links)

### 상위/유사 개념
#### [문제 해결 프레임워크]
- [[Logic Tree]]
  - 연결 이유: RCA를 수행하기 위한 가장 강력하고 체계적인 시각적 도구이다 [45].
  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 복잡한 문제를 가설 기반으로 분해하고 검증하는 방법론 [10].
- [[Problem Definition]]
  - 연결 이유: 정확한 분석을 위해 해결해야 할 '간극(Gap)'을 명확히 설정하는 선행 단계이다 [3, 4].
  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: R1(현재)과 R2(목표)를 설정하고 상황-전개-질문(SCQA)을 구성하는 법 [46, 47].

#### [논리 구성 원칙]
- [[MECE Principle]]
  - 연결 이유: RCA 트리 구조의 무결성을 보장하는 핵심 설계 원칙이다 [7, 48].
  - 이 개념을 통해 더 깊게 이해할 수 있는 부분: 중복과 누락을 방지하여 분석의 효율성을 극대화하는 법 [6, 49].

### 심층 후속 질문 (Deeper Research Questions)
- 5 Whys의 선형적 분석이 가진 확증 편향을 논리 트리의 병렬적 구조가 어떻게 효과적으로 상쇄하는가? [21, 31]
- 비즈니스 현장에서 '완벽한 MECE'와 '의사결정 수준의 MECE' 사이의 균형을 결정하는 실무적 기준은 무엇인가? [33, 34]
- 근본 원인이 '인적 오류'로 귀결될 때, 이를 비난이 아닌 시스템 개선(조직 문화, 프로세스 설계)으로 연결하는 전략은 무엇인가? [32, 50]
- 정량적 이익Identity를 넘어서는 복잡한 사회적/시스템적 문제(예: 고객 경험 변동)에 RCA를 적용할 때의 한계와 보완책은? [51, 52]
- 해결 불가능한 외부 요인(예: 환율, 원자재가 폭등)이 근본 원인일 경우, RCA는 어떤 대안적 가치를 제공하는가? [53, 54]

### 실무 적용 맥락 (Practical Application Contexts)
- **Implementation:** 문제 발생 시 즉각적으로 5 Whys를 적용해보고, 재발하거나 복합적인 경우 즉시 진단형 논리 트리로 확장하여 분석한다 [20, 22].
- **System Design:** 제조 공정이나 소프트웨어 버그 발생 시, Fishbone 다이어그램을 활용하여 장비, 인력, 코드, 환경 등 전방위적 원인을 브레인스토밍한다 [23, 55].
- **Operation / Maintenance:** 반복적인 장애 패턴을 TapRooT 또는 RCA 트리로 분석하여 단순 수리가 아닌 예방 정비(PM) 프로그램의 결함을 찾아 수정한다 [12, 26].
- **Learning Path:** 비즈니스 이익 공식(`Profit = R - C`)을 내재화하여 경영상의 문제 발생 시 자동으로 논리적 뼈대를 구성하는 훈련을 반복한다 [17, 56].

### 인접 주변 주제 (Adjacent Topics)
- [[Decision Tree]]
  - 확장 방향: RCA가 '과거의 원인'을 찾는데 집중한다면, 의사결정 트리는 도출된 해결책들 중 '미래의 결과'를 확률적으로 예측하여 최적의 선택을 돕는다 [57, 58].
- [[Minto Pyramid Principle]]
  - 확장 방향: RCA를 통해 도출된 복잡한 분석 결과를 결론부터 효율적으로 보고하기 위한 커뮤니케이션 구조를 제공한다 [59, 60].

## 📝 변경 이력 (Change history)
- 2026-05-23: Initial draft generated via Datacollector_MAC P-Reinforce engine based on source synthesis.