Antigravity Agent
2a2a1ad3b1
- 10_Wiki/Topics/Thinking & Reasoning/ 다수 신규 토픽 추가 (3C, 4P, 5 Whys, 7S, 80/20 법칙, 인과관계, 디자인 씽킹 변형 등) - Premium/Logic Tree/ 11개 파일 → Thinking & Reasoning 으로 흡수 - Premium/Thinking & Reasoning/ 동기화 갱신 - memory/long_term.json + .DS_Store 자동 갱신 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
109 lines
9.2 KiB
Markdown
109 lines
9.2 KiB
Markdown
---
|
|
id: hypothesis-tree
|
|
title: "Hypothesis Tree"
|
|
category: "10_Wiki/Topics"
|
|
status: "draft"
|
|
verification_status: "conceptual"
|
|
canonical_id: ""
|
|
aliases: ["가설 트리"]
|
|
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", "logic tree", "consulting"]
|
|
raw_sources: ["NotebookLM Synthesis"]
|
|
applied_in: ["Harley-Davidson Profit Analysis", "Dangote Cement EBITDA Strategy", "NovaCloud NRR Plan"]
|
|
github_commit: ""
|
|
---
|
|
|
|
# [[Hypothesis Tree]]
|
|
|
|
## 🎯 한 줄 통찰 (One-line insight)
|
|
특정 가설이 참이 되기 위해 성립해야 하는 논리적 조건들을 계층적으로 구조화하여, 복잡한 비즈니스 전제를 체계적으로 검증하거나 기각하는 수렴적(Convergent) 의사결정 도구 [1-3].
|
|
|
|
## 🧠 핵심 개념 (Core concepts)
|
|
- **사전 결정된 가설 (Predetermined Hypothesis):** 문제의 근본 원인이나 해결책에 대한 초기 분석을 바탕으로 수립된 '가설'을 루트 노드로 설정한다 [2, 4].
|
|
- **필요 및 충분 조건 (Necessary and Sufficient Conditions):** 상위 가설이 참이기 위해 반드시 존재해야 하는 상태(필요 조건)와 그 조건들이 모두 만족될 때 가설의 타당성을 보장하는 집합(충분 조건)을 활용한다 [3].
|
|
- **수렴적 구조 (Convergent Logic):** 모든 가능성을 탐색하는 진단형 트리와 달리, 특정 해결 전제의 유효성을 확인하기 위해 하위 가설들을 좁혀가며 검증한다 [2, 3].
|
|
- **검증 중심 (Validation-focused):** 각 가지(Branch)의 끝(Leaf)은 구체적인 데이터 수집이나 실험을 통해 "Yes/No"로 답할 수 있는 테스트 항목과 연결된다 [5-7].
|
|
|
|
## 🧩 추출된 패턴 (Extracted patterns)
|
|
- **If/Then 구조:** "만약 [가지 1, 2, 3]이 모두 참이라면, [루트 가설]은 참이다"라는 논증 형식을 따른다 [1, 8].
|
|
- **하향식 검토 (Top-Down Refinement):** 가장 높은 수준의 가설부터 검증을 시작하며, 상위 가설이 확인되었을 때만 하위 가설로 이동하고 그렇지 않으면 해당 가지를 제거(Pruning)한다 [9-11].
|
|
- **서술형 문장 구성:** 질문 형태가 아닌 "우리는 Y 때문에 X에서 시장 점유율을 잃고 있다"와 같은 단정적 가설 문장을 사용하여 분석의 명확성을 높인다 [5, 12, 13].
|
|
|
|
## 📖 세부 내용 (Details)
|
|
**1. 정의 및 목적**
|
|
[[Hypothesis Tree]]는 가설 중심 문제 해결 방식(Hypothesis-driven problem-solving)의 핵심 도구이다 [6]. 이는 과학자가 실험을 통해 가설을 검증하듯, 컨설턴트가 비즈니스 전제를 데이터를 통해 증명하거나 반증할 수 있는 논리적 체계를 제공한다 [1]. 주요 목적은 시간과 자원이 제한된 상황에서 가장 가능성 높은 옵션을 빠르게 테스트하여 "바다를 끓이는(Boiling the ocean)" 식의 불필요한 전수 조사를 방지하는 것이다 [14-16].
|
|
|
|
**2. 구성 요소 및 구조**
|
|
- **루트 가설:** 구체적이고 실행 가능한 전제(예: "고객 서비스 외주화는 500만 달러를 절감할 것이다") [2].
|
|
- **하위 가설 (Sub-hypotheses):** 루트 가설을 뒷받침하는 세부 전제들로, [[MECE Principle]]에 따라 중복 없이 구성되어야 한다 [4, 17, 18].
|
|
- **테스트/분석 (Tests):** 각 하위 가설을 검증하기 위한 데이터 소스 및 분석 방법 (예: 벤치마킹, 고객 인터뷰, A/B 테스트) [5, 19].
|
|
|
|
**3. 작성 및 운용 프로세스**
|
|
트리 작성은 초기 진단 이후 팀이 충분한 정보를 바탕으로 '교육된 추측(Educated guess)'을 할 수 있을 때 시작한다 [2-4]. 프로세스는 다음과 같다:
|
|
1. 가설 수립 및 실험 설계 [7].
|
|
2. 가설이 참이기 위해 성립해야 할 논리적 조건들을 트리 형태로 분해 [1].
|
|
3. 각 조건에 대해 "Yes/No" 결과를 도출할 수 있는 실험 수행 [7, 20].
|
|
4. 결과에 따라 가설을 채택, 기각 또는 수정하여 후속 조치 계획 수립 [7, 21].
|
|
|
|
## ⚖️ 모순 및 업데이트 (Contradictions & updates)
|
|
- **용어의 혼용:** 많은 문헌에서 [[Issue Tree]]와 [[Hypothesis Tree]]를 혼용하여 사용하지만, 엄격하게는 질문 중심(진단)과 가설 중심(검증)으로 구분된다 [2, 4].
|
|
- **확증 편향 (Confirmation Bias) 위험:** 조사자가 자신이 세운 가설을 증명하려는 데이터만 찾는 편향에 빠질 수 있으며, 이는 분석의 객관성을 해칠 수 있는 주요 단점이다 [22, 23].
|
|
- **유연성 부족:** 사전 결정된 전제에 의존하기 때문에 초기 가설이 완전히 틀렸을 경우 트리를 전체적으로 재구성해야 하는 번거로움이 있다 [4].
|
|
|
|
## 🛠️ 적용 사례 (Applied in summary)
|
|
- **Dangote Cement 수익성 전략:** "아프리카 타 국가 진출을 통해 매출 700억 나이라 증대 가능"이라는 가설을 세우고, 이를 국가별 시장 규모 및 경쟁 환경 분석으로 분해하여 검증함 [18, 24, 25].
|
|
- **Harley-Davidson 수익 저하 진단:** "수익 감소는 경쟁사로의 고객 유출 때문이다"라는 가설을 세웠으나, 데이터 분석 결과 산업 전체의 동반 하락으로 판명되어 가설을 기각하고 새로운 원인을 탐색함 [10, 26-28].
|
|
- **NovaCloud NRR 복구 계획:** SaaS 기업의 순매출 유지율(NRR) 하락 원인을 온보딩 실패, 갱신 시 할인 증가, 부가 기능 채택 정체라는 세 가지 가설로 나누어 각각의 분석 작업을 할당함 [29-31].
|
|
|
|
## ✅ 검증 상태 및 신뢰도
|
|
- **상태:** draft
|
|
- **검증 단계:** conceptual (실제 비즈니스 케이스 적용 사례 다수 발견)
|
|
- **출처 신뢰도:** B (McKinsey 등 글로벌 컨설팅 펌의 방법론 및 경영학적 프레임워크 기반)
|
|
- **중복 검사 결과:** 신규 생성 (New discovery)
|
|
|
|
## 🔗 관련 문서 링크 (Related document links)
|
|
|
|
### 상위/유사 개념
|
|
#### [관계 유형 A: 아키텍처 및 기반 기술]
|
|
- [[Logic Tree]]
|
|
- 연결 이유: [[Hypothesis Tree]]는 로직 트리의 특수한 하위 분류 중 하나이다.
|
|
- 이 개념을 통해 더 깊게 이해할 수 있는 부분: 문제 해결을 위한 계층적 분해의 원리와 시각적 구조화 방식.
|
|
- [[MECE Principle]]
|
|
- 연결 이유: 가설 트리의 모든 가지는 중복 없고 누락 없는 논리적 완전성을 유지해야 한다.
|
|
- 이 개념을 통해 더 깊게 이해할 수 있는 부분: 분석의 오류를 방지하고 전체 문제 공간을 조망하는 방법.
|
|
|
|
#### [관계 유형 B: 구현 및 활용 도구]
|
|
- [[Issue Tree]]
|
|
- 연결 이유: 문제 진단 단계에서 사용되는 상호 보완적인 도구이다.
|
|
- 이 개념을 통해 더 깊게 이해할 수 있는 부분: "왜?"(진단)와 "어떻게?"(가설/해결) 간의 사고 전환 방식.
|
|
- [[Pyramid Principle]]
|
|
- 연결 이유: 가설 트리를 통해 도출된 결론을 효과적으로 전달하기 위한 논리 구성 체계이다.
|
|
- 이 개념을 통해 더 깊게 이해할 수 있는 부분: 답변 중심(Answer-first)의 의사소통 구조.
|
|
|
|
### 심층 후속 질문 (Deeper Research Questions)
|
|
- 가설 트리 운용 중 초기 루트 가설이 기각되었을 때, 분석 효율을 극대화하며 새로운 트리를 생성하는 전환(Pivot) 전략은 무엇인가? [4, 7]
|
|
- 복잡한 시스템 내에서 상호 의존적인 변수들이 가설 트리의 '충분 조건' 달성을 저해할 때 이를 어떻게 수치화하여 보정할 수 있는가? [3, 32]
|
|
- 확증 편향을 방지하기 위해 가설 트리 설계 단계에서 '반증 가설(Null Hypothesis)'을 설정하는 프로세스는 어떻게 통합되는가? [22, 23]
|
|
- 디지털 작업 보드(Digital Workboards)를 통한 실시간 데이터 연결이 정적인 가설 트리의 반복 주기(Iteration Frequency)를 얼마나 단축시키는가? [32, 33]
|
|
- 대규모 사회 문제(Complex Social Problems) 분석에 가설 트리를 적용할 때, 비즈니스 지표 대신 사용되는 '사회적 영향력 지표'의 논리적 구조화 방식은? [34, 35]
|
|
|
|
### 실무 적용 맥락 (Practical Application Contexts)
|
|
- **Implementation:** 비즈니스 전략 수립 시 실행 가능한 구체적인 액션 플랜을 도출하기 위한 작업 지도로 활용한다 [19, 36].
|
|
- **System Design:** 제품 개발 과정에서 특정 기능이 고객 가치를 창출할 것이라는 가설을 실험과 연계하여 검증한다 [37, 38].
|
|
- **Operation / Maintenance:** 운영 효율이 저하된 경우, 예상되는 병목 지점을 가설로 설정하여 신속하게 원인을 규명한다 [39, 40].
|
|
- **Learning Path:** 복잡한 개념을 학습할 때, 핵심 원리를 가설로 설정하고 세부 증거들을 찾아가는 능동적 학습 도구로 활용 가능하다 [41, 42].
|
|
|
|
### 인접 주변 주제 (Adjacent Topics)
|
|
- [[Decision Tree]]
|
|
- 확장 방향: 불확실성 하에서의 확률적 결과와 기댓값을 모델링하는 방식과 비교 연구 [38, 43].
|
|
- [[Root Cause Analysis]]
|
|
- 확장 방향: 5 Whys나 어골도(Fishbone) 등 사후 진단 도구와의 논리 구조 차이 분석 [44, 45].
|
|
|
|
## 📝 변경 이력 (Change history)
|
|
- 2026-05-24: Initial draft generated via Datacollector_MAC P-Reinforce engine. (소스 데이터 기반 고밀도 지식 합성 완료) |