Files

T

koriweb 5ba5a55c78 feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

2026-05-08 19:52:07 +09:00

3.3 KiB

Raw Blame History

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

title

Mutually Exclusive and Collectively Exhaustive (MECE)

📌 한 줄 통찰 (The Karpathy Summary)

데이터나 문제를 범주화할 때, 항목 간 **'상호 배제(중복 없음)'**와 **'전체 포괄(누락 없음)'**을 충족하도록 나누는 논리적 프레임워크로 전략 컨설팅의 핵심 기초입니다.

📖 구조화된 지식 (Synthesized Content)

상호 배제 (Mutually Exclusive): 각 정보나 하위 범주가 고유하고 독립적이어야 합니다. 즉, 하나의 항목이 두 개 이상의 범주에 속해서는 안 되며, 이는 분석 시 이중 계산(Double-counting)이나 혼란을 방지합니다 [61-63].
전체 포괄 (Collectively Exhaustive): 선택한 범주들을 모두 합쳤을 때 전체 문제나 데이터 세트를 100% 포괄해야 합니다. 누락된 부분이 있으면 중요한 전략적 기회나 위험을 놓칠 수 있습니다 [62, 64, 65].
실전 활용: 이윤 하락 문제를 분석할 때 수익(Price × Volume)과 비용(Fixed Costs + Variable Costs)으로 나누는 수익성 프레임워크가 가장 대표적인 MECE 적용 사례입니다 [66, 67].
함정 피하기: 고객을 '취미'와 '관심사'로 나누는 것은 중복이 발생하여 Non-MECE 방식이 되며 [63, 68], '기타(Other)'라는 모호한 범주를 남용해 억지로 CE 요건을 맞추는 것도 지양해야 합니다 [57].

🔗 지식 연결 (Graph)

Related Topics: McKinsey Problem Solving, Minto Pyramid Principle
Projects/Contexts: Issue Tree Development, Market Segmentation
Contradictions/Notes: 현실 세계의 복잡한 시스템에서는 범주 간 완전히 분리되지 않는 상호의존성이 존재할 수 있으므로, MECE만 고집할 경우 문제의 유기적 본질을 지나치게 단순화(False completeness)할 위험이 있습니다 [10, 41, 69].

Last updated: 2026-04-27

🤖 LLM 활용 힌트 (How to Use This Knowledge)

언제 이 지식을 쓰는가:

(TODO)

언제 쓰면 안 되는가:

(TODO)

🧪 검증 상태 (Validation)

정보 상태: needs_review
출처 신뢰도: A
검토 이유: (P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)

🧬 중복 검사 (Duplicate Check)

기존 유사 문서: (TODO: 인덱서 클러스터 리포트 참조)
처리 방식: UPDATE (자동 정규화)
처리 이유: Phase 1 정규화 — 옛 템플릿/누락 필드 보강.

⚠️ 모순 및 업데이트 (Contradictions & Updates)

과거 데이터와의 충돌: 없음
정책 변화: 없음

🕓 변경 이력 (Changelog)

날짜	변경 내용	처리 방식	신뢰도
2026-05-08	P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화)	UPDATE	A

3.3 KiB Raw Blame History Unescape Escape