2nd/10_Wiki/Topics/Thinking & Reasoning/Logic Trees.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
logic-trees	Logic Trees	10_Wiki/Topics	draft	conceptual		Issue Tree Hypothesis Tree Decision Tree		B	0.85	2026-05-24	2026-05-24			research hypothesis-driven thinking	NotebookLM Synthesis	Harley-Davidson Profitability Case Airline Inc. Operating Cost Reduction SnackCo Bottom-line Improvement Pioneer Bank Sales Productivity

Logic Trees

🎯 한 줄 통찰 (One-line insight)

로직 트리는 복잡한 문제를 MECE 원칙에 따라 상호 배타적이고 전체 포괄적인 하위 요소로 분해하여, 문제의 근본 원인을 계층적으로 가시화하고 해결 경로를 구조화하는 핵심 사고 도구이다 [1-3].

🧠 핵심 개념 (Core concepts)

• MECE 원칙: 모든 가지(branch)가 중복되지 않으며(Mutually Exclusive) 누락 없이 전체를 구성(Collectively Exhaustive)해야 한다는 논적 무결성의 기초이다 [4-6].
• 계층적 분해(Decomposition): 최상위 문제 정의에서 시작하여 '잎 근본 원인(leaf root causes)'에 도달할 때까지 구체적인 수준으로 하향식 분해를 수행한다 [1, 7, 8].
• 가설 기반 우선순위화: 모든 경로를 분석하는 대신, 가장 가능성 높은 가지를 가설로 설정하고 데이터로 검증함으로써 분석 효율성을 극대화한다 [9-11].
• 시각적 구조화: 복잡한 인과관계를 피라미드 형태(수직 또는 수평)로 가시화하여 팀과 고객 간의 공통된 이해를 형성한다 [1, 7, 12].

🧩 추출된 패턴 (Extracted patterns)

• 3대 변체 모델 (Why-Which-How):
  • Why Tree (Issue Tree): "왜 이 문제가 존재하는가?"를 분석하여 근본 원인을 진단 [13, 14].
  • Which Tree (Decision Tree): "어떤 옵션이 최적인가?"를 결정하기 위해 선택지와 기준을 결합 [13].
  • How Tree (Objective Tree): "어떻게 목표를 달성할 것인가?"를 설계하여 실행 단계를 구조화 [13-15].
• 5대 분해 모드 (Decomposition Modes): 수학적 공식(Math), 세분화(Segmentation), 프로세스 단계(Steps), 대립적 관점(Opposing sides), 이해관계자(Stakeholders) 기준을 사용한다 [16-22].
• Rule of Three (3의 법칙): 인간의 인지 능력을 고려하여 각 계층의 가지를 가급적 3개(최대 5개 이하)로 제한하는 것이 이상적이다 [23, 24].
• Trimming branches (가지 치기): 초기 데이터 검증을 통해 중요도가 낮거나 사실이 아닌 것으로 판명된 가지를 제거하여 자원을 보존한다 [8, 25].

📖 세부 내용 (Details)

로직 트리는 **가설 지능형 사고(Hypothesis-driven thinking)**의 핵심 실행 도구이다. 단순히 정보를 나열하는 것이 아니라 가설을 분석용 필터로 사용하여 관련 데이터 수집 범위를 제한한다 [26].

• 작성 및 분석 프로세스:

  1. 문제 정의: SMART(Specific, Measurable, Action-oriented, Relevant, Time-bound) 기준에 맞춰 명확한 질문을 설정한다 [27].
  2. 트리 구축: MECE 원칙을 준수하며 문제의 구성 요소를 분해한다 [6].
  3. 가설 설정: 각 가지에 대해 "무엇이 사실이어야 하는가?"에 대한 답인 가설을 수립한다 [9, 28].
  4. 우선순위화: 2x2 매트릭스(영향력 vs. 실행 용이성) 등을 사용하여 분석할 가지를 선택한다 [29].
  5. 데이터 검증: 벤치마크(과거 데이터, 경쟁사 데이터)를 활용해 가설을 입증하거나 반증한다 [30].

• 논리적 유효성 검사:

  • 수직적 논리: 하위 수준의 포인트들이 상위 수준의 질문("왜?" 또는 "어떻게?")에 직접적으로 답해야 한다 [31, 32].
  • 수평적 논리: 동일한 그룹 내의 포인트들은 논리적으로 같은 범주에 속해야 하며, 연대순, 구조적 순서, 또는 중요도 순서에 따라 배치되어야 한다 [31, 33].

⚖️ 모순 및 업데이트 (Contradictions & updates)

• 용어의 혼용과 구분: 일부 소스에서는 Issue Tree, Logic Tree, Hypothesis Tree를 동일시하지만 [3, 34], 상세 방법론에서는 Issue Tree는 개방형 질문(What/How)으로 문제를 분할하는 반면, Hypothesis Tree는 검증 가능한 가설(예/아니오)을 중심으로 구조화하여 더 직접적인 접근을 제공한다고 구분한다 [35-37].
• 컨설턴트 vs. 인터뷰이 전략: 실제 프로젝트에서는 파트너의 직관에 기반한 '정답 우선(Answer-first)' 트리를 사용하지만, 케이스 인터뷰 응시자는 모든 경로를 보여주는 '로컬 가설(Local-hypothesis)' 접근법을 취해야 운에 의존한다는 오해를 피할 수 있다 [38, 39].
• 가설의 위험성: 가설에 고정될 경우 확증 편향(Confirmation Bias)에 빠질 수 있으므로, 항상 반대 증거를 탐색하고 2~3개의 경쟁 가설을 동시에 추적하는 'Evidence-First' 보완 모델이 제안되기도 한다 [40-42].

🛠️ 적용 사례 (Applied in summary)

• Harley-Davidson (수익성 개선): 마이너스 수익 문제를 '매출 감소'와 '비용 증가'로 분배한 Why Tree를 통해, 팬데믹 기간 중 노년층 고객 상실과 청년층 유입 실패라는 근본 원인을 파악함 [4, 9, 30, 43-49].
• Airline Inc. (운영비 절감): 2027년까지 4억 달러 절감을 목표로 '기단 최적화', '운영 효율성', '공급망 최적화', '기술 자동화' 가설 트리를 구축하여 분석함 [50].
• Pioneer Bank (영업 생산성): '판매 시간 증대'와 '시간당 판매량 증대'라는 가설 트리를 구성하여 비부가가치 업무 외주화 및 리드 전환율 향상 대안을 도출함 [51].
• Problem Statement Worksheet: 문제의 정의, 범위, 제약 조건, 이해관계자를 로직 트리 구축 전에 정렬하기 위한 표준 도구로 활용됨 [52].

✅ 검증 상태 및 신뢰도

• 상태: draft
• 검증 단계: conceptual (McKinsey, BCG, Bain 등 주요 컨설팅 펌의 표준 방법론으로 입증됨 [10, 53, 54])
• 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.