2nd/10_Wiki/Topics/Thinking & Reasoning/로직트리.md

id, title, category, status, verification_status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, created_at, updated_at, review_reason, merge_history, tags, raw_sources, applied_in, github_commit

id	title	category	status	verification_status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	created_at	updated_at	review_reason	merge_history	tags	raw_sources	applied_in	github_commit
로직트리	로직트리	10_Wiki/Topics	draft	conceptual		Logic Tree 이슈트리		B	0.85	2026-05-24	2026-05-24			research 맥킨지식문제해결 프로세스	NotebookLM Synthesis	Seikodo 제과점 성수대교 붕괴 사고 분석 LG전자 스마트폰 사업 전략 스타벅스 일일 매출 증대 과제 콜센터 VOC 분석

로직트리

🎯 한 줄 통찰 (One-line insight)

복잡한 문제를 MECE 원칙에 입각하여 논리적으로 분해함으로써 사각지대를 제거하고, 현상 이면의 근본 원인(Why)과 실행 가능한 해결책(How)을 시각화하는 구조적 사고의 핵심 도구이다 [1-4].

🧠 핵심 개념 (Core concepts)

• MECE (Mutually Exclusive, Collectively Exhaustive): '중복 없이, 누락 없이' 문제를 나누는 절대적 원칙으로, 논리 트리의 모든 계층에서 지켜져야 할 구조적 정합성이다 [5-8].
• 계층적 분해 (Hierarchical Disaggregation): 주요 과제를 나무 모양으로 세분화하여 다루기 쉬운 크기의 작은 단위로 나누는 과정이다 [2, 4, 7].
• 인과관계의 가시화 (Visualization of Causality): 현상(표상)과 원인(통찰) 사이의 논리적 연결 고리를 'Why So?'와 'So How?'라는 질문을 통해 명확히 한다 [9-12].
• 가설 지향성 (Hypothesis-driven): 분석 전 단계에서 잠정적인 해답(하루짜리 답)을 설정하고, 이를 검증하기 위한 하위 이슈들을 트리 구조로 설계한다 [13-16].

🧩 추출된 패턴 (Extracted patterns)

• Divide and Conquer (각개격파): 한 번에 해결하기 힘든 거대한 문제를 잘게 쪼개어 각각의 조각에 대한 해결책을 마련한 뒤 전체 문제를 정복하는 패턴이다 [17, 18].
• 5 Whys 반복: 문제의 표면적 현상에 머물지 않고 5번 이상의 '왜?'를 반복하여 '최저가 입찰제'와 같은 조직적·구조적 근본 원인에 도달한다 [11, 19, 20].
• 수식 및 프로세스 축 활용: 매출을 '객수 × 객단가'로 나누는 사칙연산형 분해나, 고객 여정을 시간 흐름(Flow)에 따라 나누는 프로세스 분석형 분해를 활용한다 [21, 22].
• 우선순위 필터링: 트리를 통해 도출된 수많은 요인 중 80/20 법칙에 따라 임팩트가 크고 실행이 용이한 20%의 핵심 드라이버를 선별한다 [23-27].

📖 세부 내용 (Details)

• 로직트리의 3대 유형 [2, 9, 11, 28]:
  • What Tree (요소 분해): 대상 영역이 무엇으로 구성되었는지 전체 지형도를 파악한다. (예: 사업 수익성 구조 분해)
  • Why Tree (원인 규명): 의도가 배제된 자연적인 인과관계를 해석하며, 근본 원인을 특정한다. (예: 공장 바닥의 기름 유출 원인 분석)
  • How Tree (해결책 구체화): 의도가 포함된 행동 계획을 도출하며, WBS(Work Breakdown Structure) 수립의 기초가 된다. (예: 고객 만족도 제고 방안)
• 작성 시 주의사항 [29, 30]:
  • 폭과 깊이의 균형: 각 가지의 논리적 레벨이 유사해야 하며, 리소스 제약을 고려하여 유의미한 분석이 가능한 수준까지 깊게 파고들어야 한다.
  • 비중 고려: '인건비'와 '인건비 외'로 나눌 경우, 인건비가 전체 원가에서 차지하는 비중이 충분히 커야 하며 그렇지 않으면 핵심 원인을 놓치는 오류를 범하게 된다.
  • 논리적 선후관계: 로직 트리는 요인(Why/Where)을 특정하는 데 강점이 있고, 이를 질문형으로 변환한 이슈 트리는 가설의 'Yes/No'를 검증하여 분석 계획을 세우는 데 특화된다 [13, 28, 31].
• 실전 프로세스에서의 위치: 맥킨지 7단계 중 '2단계: 문제 구조화'에서 핵심적으로 사용되며, 이후 '3단계: 이슈 우선순위화'의 판단 근거가 된다 [3, 32, 33].

⚖️ 모순 및 업데이트 (Contradictions & updates)

• 문제 정의와의 선후관계: 로직트리 기술 자체보다 '진짜 문제'를 정의하는 전략적 사고가 선행되어야 한다. 잘못된 문제 설정 하에서의 완벽한 로직트리는 가망 없는 시장에서의 철수와 같은 잘못된 결론을 낳을 수 있다 [34-36].
• 과거 데이터의 함정 (LG전자 사례): LG전자는 과거 데이터와 MECE 원칙에 기반하여 스마트폰이 시기상조라는 논리적 결론을 내렸으나, 아이폰이 촉발한 비선형적 플랫폼 패러다임 전환이라는 '블랙스완'을 포착하지 못해 실패했다 [37, 38]. 이는 정량적 구조화 기법이 지닌 후행적 한계를 보여준다 [39, 40].

🛠️ 적용 사례 (Applied in summary)

• Seikodo(세이코도) 제과점 기사회생: 도산 위기의 화과자점에서 로직트리를 통해 '히트 상품 부재'의 원인을 분석하고, 고객 타겟팅과 포지셔닝을 재구축하여 신상품 개발에 성공함 [13, 35, 41].
• 성수대교 붕괴 사고 분석: 부실 시공이라는 내부 요인 외에도 신도시 건설로 인한 중장비 통행(하중), 지정학적 물류 동선 등을 로직트리로 전개하여 복합적 인과관계를 규명함 [10, 20, 42].
• 스타벅스 및 맥도날드 일일 매출 확대: 매출을 객수와 객단가로 나누고, 객수를 다시 시간대·연령대·성별 등의 유의미한 축으로 구조화하여 해결책을 도출함 [18, 21].
• 생산 현장 기름 유출 사고: '기름을 닦는다'는 미봉책에서 시작해 '최저가 입찰제 구매 정책'이라는 근본 원인을 Why Tree로 추적하여 정책 개혁을 이끌어냄 [19, 20].
• 유기농 제품 판매량 증대: 영업사원의 생산성 제고와 유통채널 확대를 상위 노드로 설정하고, 이를 상담 건수 증대 및 판매 역량 제고 등 실행 가능한 행동 단위로 How Tree화함 [43].

✅ 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.