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>
57 lines
4.8 KiB
Markdown
57 lines
4.8 KiB
Markdown
---
|
|
id: qdt
|
|
title: "QDT"
|
|
category: "10_Wiki/Topics"
|
|
status: "draft"
|
|
verification_status: "conceptual"
|
|
canonical_id: ""
|
|
aliases: ["Quick and Dirty Test", "가설 검증 테스트"]
|
|
duplicate_of: ""
|
|
source_trust_level: "B"
|
|
confidence_score: 0.85
|
|
created_at: 2026-05-24
|
|
updated_at: 2026-05-24
|
|
review_reason: ""
|
|
merge_history: []
|
|
tags: ["research", "맥킨지식문제해결 프로세스", "가설사고"]
|
|
raw_sources: ["NotebookLM Synthesis"]
|
|
applied_in: ["유통망 강화 가설 검증 사례"]
|
|
github_commit: ""
|
|
---
|
|
|
|
# [[QDT]]
|
|
|
|
## 🎯 한 줄 통찰 (One-line insight)
|
|
가설이 성립하기 위한 필수 전제 조건과 반증 요인을 신속하게 점검하여 데이터 분석에 투입될 자원의 낭비를 방지하는 가설 필터링 기법이다 [1-3].
|
|
|
|
## 🧠 핵심 개념 (Core concepts)
|
|
- **전제 조건 실현 여부 (Prerequisite Validation):** 해당 가설이 사실이 되기 위해 반드시 갖춰져야 할 조건이 실제로 존재하는지 묻는 과정이다 [1, 3].
|
|
- **반증 요인 탐색 (Counter-factor Identification):** 가설을 틀리게 만들 수 있는 잠재적 요인을 식별하여 가설의 취약성을 사전에 파악한다 [1, 2].
|
|
- **신속한 기각 및 수정 (Rapid Iteration):** 전제의 가능성이 낮거나 문제가 있을 경우, 본격적인 분석에 착수하기 전 가설을 즉시 폐기하거나 보완한다 [1, 2].
|
|
- **분석 효율성 (Resource Efficiency):** 무한한 데이터와 분석 항목 중 유망한 가설에만 집중하도록 우선순위를 부여한다 [2, 4, 5].
|
|
|
|
## 🧩 추출된 패턴 (Extracted patterns)
|
|
- **전제 질문 패턴:** "이 가설이 사실이려면 어떤 전제가 되어 있어야 하는가?"라는 질문을 통해 논리적 기초를 확인한다 [1, 2].
|
|
- **역방향 검증 패턴:** "이 가설을 틀린 것으로 만드는 요인은 무엇인가?"를 물어 가설의 논리적 허점을 역으로 추적한다 [1, 2].
|
|
- **가설 풀(Pool) 정제 패턴:** 프레이밍 단계에서 생성된 여러 가설 후보들을 QDT로 빠르게 걸러내어 '초기가설'을 확정한다 [3].
|
|
|
|
## 📖 세부 내용 (Details)
|
|
QDT(Quick and Dirty Test)는 맥킨지 문제해결 프로세스의 **프레이밍(Framing)** 단계에서 세워진 가설이 심층 분석할 가치가 있는 '좋은 가설'인지를 신속하게 판별하기 위해 사용된다 [1, 3, 6]. 비즈니스 환경에서는 정답이 없는 복잡한 변수가 산재해 있어 모든 사실(Fact)을 조사한 후 해결책을 찾는 방식은 시간과 노력을 낭비하게 만든다 [4, 5]. 따라서 제한된 정보와 직관을 바탕으로 가설을 먼저 세우고, QDT를 통해 그 가설의 설득력을 검증하는 순서로 진행하는 것이 훨씬 효율적이다 [2, 4].
|
|
|
|
이 테스트는 구체적으로 두 가지 방향에서 작동한다. 첫째, 가설이 성립하기 위한 **필요조건의 타당성**을 검토한다. 예를 들어 "제품 b의 유통망 강화"라는 가설에 대해 "해당 지역에서 제품 b가 잘 팔릴 수 있는 근거"나 "접근성 문제"를 즉각적으로 따져보는 식이다 [1, 2, 7]. 둘째, 가설의 **반증 가능성**을 평가한다. 만약 전제에 결함이 있거나 실현 가능성이 매우 낮다면 그 가설은 본격적인 데이터 분석 단계로 넘기지 않고 즉시 수정한다 [1, 2]. 이러한 과정을 통해 분석가는 "바닷물을 끓이려 드는(Boiling the ocean)" 우를 범하지 않고, 결과에 큰 영향을 미치는 핵심 드라이버(Key Drivers)에 집중할 수 있게 된다 [1, 8, 9].
|
|
|
|
## ⚖️ 모순 및 업데이트 (Contradictions & updates)
|
|
- **명칭의 성격:** 'Quick and Dirty'라는 이름에서 알 수 있듯이, 이는 정밀한 통계적 검증이 아니라 초기 단계에서의 **기민한 논리 체크**를 의미한다 [1, 3].
|
|
- **정밀도와의 타협:** 수백 배 나은 '대략적으로 옳은 방향'을 제시하기 위한 도구이므로, 정밀한 숫자에 집착하기보다는 방향성의 명확성을 우선시한다 [10, 11].
|
|
|
|
## 🛠️ 적용 사례 (Applied in summary)
|
|
- **이익 증대 가설 검증:** "지역 A의 제품 b 유통판매망을 강화하는 것이 이익을 늘리는 데 가장 효과적일 것이다"라는 초기가설에 대해, QDT를 적용하여 "제품 b가 지역 A에서 잘 팔릴 수 있는 근거가 무엇인가?"와 "접근성이 낮다는 기존 데이터가 있는가?" 등의 질문을 던져 가설의 타당성을 1차적으로 필터링하였다 [1, 2, 7].
|
|
|
|
## ✅ 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. |