---
id: 가설-사고
title: "가설-사고"
category: "10_Wiki/Topics"
status: "draft"
verification_status: "conceptual"
canonical_id: ""
aliases: ["Hypothesis-driven thinking", "가설 지향적 사고"]
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: ["LG전자 스마트폰 사업 전략", "두산그룹 포트폴리오 재편", "세이코도 제과공장 재생"]
github_commit: ""
---

# [[가설-사고]]

## 🎯 한 줄 통찰 (One-line insight)
모든 정보를 수집한 뒤 결론을 내는 것이 아니라, 제한된 정보를 바탕으로 **'잠정적인 해답(가설)'을 먼저 설정하고 이를 실증적으로 검증**함으로써 문제 해결의 속도와 정밀도를 극대화하는 역방향 추론 기법이다 [1-3].

## 🧠 핵심 개념 (Core concepts)
- **초기가설 (Initial Hypothesis):** 문제 해결 초기 단계에서 제한된 팩트와 직관, 브레인스토밍을 통해 도출한 '가장 설득력 있는 가설'이다 [4-6].
- **가설 트리 (Hypothesis Tree):** 메인 질문을 입증 가능한 계층적 가설들로 분해한 구조로, MECE 원칙에 따라 상호 배타적이고 전체 포괄적인 하위 가설들로 구성된다 [7, 8].
- **QDT (Quick and Dirty Test):** 세운 가설이 유효한지 깊이 분석하기 전, "이 가설이 사실이려면 어떤 전제가 필요한가"를 물어 가설의 타당성을 신속하게 타진하는 간이 검증법이다 [6, 9].
- **하루짜리 답 (One-day Answer):** 현시점의 최소한의 데이터로 도출한 즉각적인 가상 결론으로, 분석의 방향타 역할을 수행한다 [3, 10].

## 🧩 추출된 패턴 (Extracted patterns)
- **역방향 추론 (Reverse Reasoning):** 데이터 수집에서 결론으로 나아가는 귀납적 방식이 아니라, 결론(가설)을 먼저 세우고 이를 증명할 데이터를 찾는 연역적 접근을 취한다 [2, 11].
- **Better over Best:** 절대적 정답(Best)을 찾기 위해 분석을 유보하기보다, 즉시 실행 가능한 더 나은 대안(Better)을 가설로 세워 현장을 움직이며 정밀도를 높여가는 '뛰면서 해결하기' 패턴을 보인다 [12, 13].
- **이슈-가설 토글링 (Toggling):** 정보가 부족할 때는 이슈 트리(질문)로 시작하고, 분석이 진행됨에 따라 이를 가설 트리(주장)로 전환하여 분석의 초점을 예리하게 다듬는다 [14].

## 📖 세부 내용 (Details)
- **가설 사고의 필요성:** 비즈니스 문제는 변수가 너무 많아 모든 데이터를 조사한 뒤 결론을 내리려 하면 시간과 노력이 낭비된다 [5, 15]. 가설을 먼저 세우면 분석해야 할 팩트의 우선순위가 명확해져 '바다를 끓이려 드는(Boil the ocean)' 비효율을 방지할 수 있다 [9, 16].
- **좋은 가설의 조건:**
    - **입증 가능성(Testable):** 데이터와 분석을 통해 참과 거짓을 명확히 판별할 수 있어야 한다 [17, 18].
    - **논쟁 유도(Invite Debate):** 단순히 당연한 사실이 아니라, 오픈된 도전이 가능하고 통찰을 줄 수 있어야 한다 [17, 18].
    - **행동 지향성(Action-oriented):** 검증 결과가 고객이 취해야 할 구체적인 행동으로 연결되어야 한다 [17, 18].
- **가설 검증 프로세스:**
    1. **가설 수립:** 문제 정의 후 로직 트리를 활용해 가능한 해결책들을 가설 형태로 나열한다 [6, 19].
    2. **우선순위화:** 2x2 매트릭스(영향력 vs 실행 용이성) 등을 통해 검증할 핵심 가설을 선택한다 [14, 20].
    3. **작업 계획 수립:** 가설을 증명하기 위해 필요한 데이터 소스, 분석 방법, 담당자, 마감일을 설정한다 [21, 22].
    4. **실증 및 수정:** 분석 결과를 토대로 가설이 틀렸다면 신속히 폐기하고 새로운 가설을 세우는 반복 작업을 수행한다 [23-25].

## ⚖️ 모순 및 업데이트 (Contradictions & updates)
- **현실적 한계:** 가설 사고는 효율적이지만, 수립된 가설에 팩트를 끼워 맞추려는 '인지 편향'의 위험이 있다 [26-28]. 따라서 정기적으로 가설 자체를 의심하는 프로세스가 병행되어야 한다.
- **데이터의 후행성:** 가설 검증에 사용되는 데이터는 대부분 과거의 기록이므로, 플랫폼 패러다임 전환과 같은 비선형적 변곡점에서는 가설 사고가 실패할 가능성이 크다 [29, 30].
- **이론 vs 현실:** 학문적으로 완벽한 가설이라도 기업의 재무 상태나 정치적 상황(사내 정치 등)에 맞지 않으면 폐기되거나 수정되어야 하며, 이때는 문제를 재정의하거나 정치를 역이용하는 유연성이 요구된다 [31, 32].

## 🛠️ 적용 사례 (Applied in summary)
- **LG전자 스마트폰 전략:** 2007년 맥킨지는 가용 데이터를 기반으로 '스마트폰은 시기상조'라는 가설을 제시했고, LG 경영진은 이를 맹신하여 기술 R&D 대신 마케팅에 집중했으나 모바일 생태계의 급격한 변화를 놓쳐 사업 철수로 이어졌다 [29, 33, 34].
- **두산그룹 포트폴리오:** 가치 평가 모델 기반 가설에 따라 핵심 계열사(OB맥주 등)를 매각하고 건설·중공업 중심으로 재편했으나, 금융위기와 규제 변화로 유동성 위기를 겪은 바 있다 [29, 35].
- **세이코도 제과공장:** '히트 상품 부재'를 핵심 이슈로 설정하고 '외국인 관광객 타겟 선물용 과자'를 해결책 가설로 세워 이슈 트리를 통해 검증함으로써 도산 위기를 극복한 사례가 제시된다 [23, 24, 36].

## ✅ 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.