---
id: occam's-razor
title: "Occam's Razor"
category: "10_Wiki/Topics"
status: "draft"
verification_status: "conceptual"
canonical_id: ""
aliases: ["Parsimony", "Principle of Simplicity"]
duplicate_of: ""
source_trust_level: "B"
confidence_score: 0.90
created_at: 2026-05-24
updated_at: 2026-05-24
review_reason: ""
merge_history: []
tags: ["research", "hypothesis-driven thinking", "logic", "strategy"]
raw_sources: ["NotebookLM Synthesis"]
applied_in: []
github_commit: ""
---

# [[Occam's Razor]]

## 🎯 한 줄 통찰 (One-line insight)
두 가지 이론의 설명력이 동일할 때, 불필요한 복잡성을 배제한 가장 단순한 가설을 선택하는 논리적 원칙이다 [1].

## 🧠 핵심 개념 (Core concepts)
1. **설명력(Explanatory Power):** 이론이 현상의 변동성을 얼마나 정확하게 예측하고 설명할 수 있는지를 나타내는 척도이다 [1].
2. **단순성(Simplicity/Parsimony):** 가설을 구성하는 변수나 가정이 적을수록 선호되는 성질로, '인색함의 원리(Parsimony)'라고도 불린다 [1].
3. **트레이드오프(Trade-off):** 더 높은 설명력을 가진 복잡한 이론과 예측력이 다소 떨어지더라도 다루기 쉬운 단순한 이론 사이에서 균형을 맞추는 과정이다 [1].
4. **최선의 설명으로의 추론(IBE):** 여러 경쟁 설명 중 가장 단순하면서도 포괄적인 것을 '최선'으로 간주하는 추론 방식이다 [2, 3].

## 🧩 추출된 패턴 (Extracted patterns)
*   **복잡성 여과 패턴:** 데이터 사이에서 패턴을 찾을 때, 동일한 결과를 낳는 여러 경로 중 가장 적은 수의 가정을 필요로 하는 경로를 우선시한다 [1, 4].
*   **80/20 효율 패턴:** 컨설팅 실무에서 모든 변수를 분석하기보다 결과의 80%를 설명하는 20%의 핵심 요소(단순한 모델)에 집중하여 "바다를 끓이는(boiling the ocean)" 오류를 방지한다 [5, 6].

## 📖 세부 내용 (Details)
*   **정의 및 기본 원칙:** 오컴의 면도날은 두 가설이 동일한 설명력을 가질 경우, 더 단순한 쪽을 선택해야 한다는 규칙이다 [1]. 이는 가설이 복잡해질수록 기록해야 할 변수나 고려해야 할 부분이 많아져 실무적 활용도가 떨어지기 때문이다 [1].
*   **가설 수립 시의 역할:** [[hypothesis-driven thinking]]의 핵심은 모든 데이터를 수집하기 전에 '정답'일 가능성이 높은 가설을 먼저 세우는 것인데, 이때 오컴의 면도날은 가장 군더더기 없는 시작점을 제공한다 [1, 4, 7].
*   **최선의 설명으로의 추론(Inference to the Best Explanation):** 과학적 데이터에 대한 경쟁적인 설명들이 존재할 때, 단순함과 포괄성(Comprehensiveness) 사이의 균형을 갖춘 설명이 가장 선호된다 [2, 3]. 단순함은 주관적일 수 있으나, 데이터에 차별성을 부여하는 핵심 기준이 된다 [2, 3].
*   **전제 조건 및 한계:** 오컴의 면도날은 설명력이 '동일'할 때만 유효하다 [1]. 만약 더 복잡한 이론이 단순한 이론보다 현상을 훨씬 더 잘 예측한다면, 오컴의 면도날을 근거로 단순한 이론을 고집해서는 안 된다 [1]. 결국 예측력과 단순성 사이의 적절한 교환이 필요하다 [1].
*   **전략적 적용:** 전략 컨설턴트들은 "단순한 것이 더 나은 경우가 많다"는 원칙 하에, 완벽을 기하기 위해 몇 주를 더 소모하기보다 "충분히 괜찮은(good enough)" 수준의 단순한 답변을 신속히 찾는 것을 강조한다 [5].

## ⚖️ 모순 및 업데이트 (Contradictions & updates)
*   **예측력 우선:** 소스는 단순함이 절대적 기준이 아님을 명시한다. 더 복잡한 이론이 예측을 훨씬 더 정확하게 수행한다면 단순성은 포기될 수 있다 [1].
*   **주관성 문제:** '최선의 설명'을 고르는 기준으로서의 단순함은 주관적일 수 있다는 비판이 존재하며, 이는 과학적 실무와 철학적 엄격함 사이의 갈등을 유발한다 [3].

## 🛠️ 적용 사례 (Applied in summary)
*   **John Snow의 콜레라 연구:** 당시 지배적이었던 '미아즈마(나쁜 공기) 이론'은 집집마다 발병 여부가 다른 이유를 설명하기 위해 수많은 부수적 가정을 필요로 했으나, 스노우 박사는 '오염된 물'이라는 단순하고 일관된 가설로 현상을 명쾌하게 설명해냈다 [1, 8, 9].
*   **경영 컨설팅의 수익성 진단:** 수익성 하락의 원인을 찾을 때, 수백 개의 운영 지표를 전수 조사하는 대신 '가격'과 '물량'이라는 가장 단순한 수학적 구조(Profit = Revenue - Cost)에서 가설을 시작하여 점진적으로 구체화한다 [10, 11].

## ✅ 검증 상태 및 신뢰도
- **상태:** draft
- **검증 단계:** conceptual (가설 수립의 논리적 도구로서 소스 내에서 지속적으로 참조됨)
- **출처 신뢰도:** B (데이터 과학 강의 교재 및 경영 전략 연구 방법론 자료 기반)
- **중복 검사 결과:** 신규 생성

## 🔗 관련 문서 링크 (Related document links)

### 상위/유사 개념
#### [논리적 기반 및 추론 구조]
- [[hypothesis-driven thinking]]
  - 연결 이유: 오컴의 면도날은 가설 수립 단계에서 초기 가설의 복잡성을 제어하는 핵심 필터 역할을 함 [1, 4].
- [[Inference to the Best Explanation]]
  - 연결 이유: 단순성은 여러 가설 중 최선의 설명을 선택하는 주요 기준 중 하나임 [3].

#### [전략 및 효율화 도구]
- [[80/20 Rule]]
  - 연결 이유: 최소한의 분석(단순성)으로 최대의 결과(설명력)를 얻으려는 실무적 적용 원칙임 [5, 12].
- [[MECE Framework]]
  - 연결 이유: 문제의 구조를 중복 없이 나누어 가장 간결하고 명확한 논리 구조를 만드는 데 기여함 [13, 14].

### 심층 후속 질문 (Deeper Research Questions)
- 단순성과 예측력 사이의 '최적의 트레이드오프 지점'을 수학적으로 정의할 수 있는가?
- 오컴의 면도날이 복잡한 [[Deep Learning]] 모델의 해석 가능성 문제와 어떻게 충돌하거나 보완될 수 있는가?
- 비즈니스 환경에서 '단순한 가설'이 이해관계자들의 '직관적 신뢰'를 얻는 심리학적 메커니즘은 무엇인가?
- 가설이 너무 단순하여 핵심 변수를 놓치는 '과소적합(Underfitting)'의 위험을 어떻게 방지할 수 있는가? [15]
- 역사적 패러다임 전환기(예: 천동설에서 지동설로)에서 오컴의 면도날은 항상 옳은 선택을 도왔는가? [16]

### 실무 적용 맥락 (Practical Application Contexts)
- **Implementation:** 모델 설계 시 불필요한 독립 변수를 제거하여 과적합을 방지함 [15, 17].
- **System Design:** 레거시 시스템 현대화 시, 복잡한 임시방편(band-aid fixes)을 걷어내고 본질적인 아키텍처로 단순화함 [18].
- **Operation / Maintenance:** 문제 해결 시 "단순한 것이 더 낫다"는 원칙을 적용하여 빠른 의사결정 지원 [5].
- **Learning Path:** 복잡한 개념을 이해하기 위해 원칙적인 가설에서 시작해 점진적으로 세부 사항을 덧붙이는 상향식 학습 [19].

### 인접 주변 주제 (Adjacent Topics)
- [[Falsifiability]]
  - 확장 방향: 가설이 단순할수록 더 명확하게 반증될 수 있다는 관계성 탐구 [20, 21].
- [[Minto Pyramid Principle]]
  - 확장 방향: 결론부터 전달하는 'Answer First' 방식이 정보 전달의 단순성을 극대화하는 방식 연구 [22].

## 📝 변경 이력 (Change history)
- 2026-05-24: Initial draft generated via Datacollector_MAC P-Reinforce engine. 기초 정의 및 컨설팅/과학적 맥락 합성 완료.