구조화 분석과 상관관계/인과관계 이해

맥킨지의 새로운 5단계 기법: 문제 해결을 위한 체계적인 접근법

맥킨지의 새로운 5단계 기법은 문제 해결을 위한 체계적인 접근법을 제공한다. 이 기법은 다음과 같은 단계로 구성된다:

 

1. 문제 정의
2. 구조화 분석
3. 가설 제기
4. 가설 검증
5. 제출

 

이 중 3단계와 4단계는 순환적으로 진행된다.

 

2단계: 구조화 분석

 

구조화 분석 단계에서는 논리가 반드시 필요한 기초 요소이다. 분류를 아무리 잘해도 빈틈없는 논리로 연결하지 못하면 소용이 없다.

 

상관관계와 인과관계

 

논리 추론 과정에서 상관관계와 인과관계를 혼용하면 수많은 오류가 발생한다.

 

상관관계

 

상관관계는 불확실성을 내포하며, 한 변수의 변화가 다른 변수의 변화의 원인인지 확실하지 않다. 5G와 사물인터넷 기술의 발달로 알고리즘의 속도가 빨라지고 원가가 절감되면서 상관관계가 비즈니스에 활용되는 속도와 보급률, 그리고 정확도가 높아지고 있다. 업체들은 인과관계에 집착할 필요 없이 상관관계만으로도 대다수 마케팅 수요를 예측할 수 있다.

 

인과관계

 

인과관계는 원인이 존재하면 반드시 어떤 결과가 발생한다는 의미로 관계성이 더 확실하다. 상관관계에 비해 상대적으로 복잡하여 상당한 검증이 필요하다. 가장 간단한 인과관계 검증 실험은 네 가지 가능성 매트릭스로 데이터를 수집하는 것이다:

 

• 원인 출현, 결과 출현 사례 A
• 원인 출현, 결과 미출현 사례 B
• 원인 미출현, 결과 출현 사례 C
• 원인 미출현, 결과 미출현 사례 D

 

혼재 변수를 엄격히 배제하고 이 네 가지 데이터를 모두 수집하는 것만으로도 큰 어려움이 따른다. 인과관계를 정확히 확인하려면 수집한 결과를 아래 수학 공식에 대입해 검증해야 한다:

 

$ΔP=\left(\frac{a}{a+b}\right)-\left(\frac{c}{c+d}\right)$ΔP=(aa+b​)−(cc+d​)​

 

• ΔP=0일 때는 상관성이 전혀 없음
• ΔP가 플러스이고 값이 클수록 상관성이 큼
• ΔP가 마이너스면 원인에 결과 발생을 억제하는 효과가 있음

 

ΔP 값의 변화를 관찰하고 결괏값에 근거하여 인과관계의 강약 여부를 추산할 수 있다. 일반적으로 인과관계에 대해 정해놓은 법칙들을 진지하게 관찰하고 데이터와 논리를 동원하여 자신만의 결론을 도출해야 한다.

 

인과관계의 중요성과 실제 사례

 

인과관계는 대부분 어떤 일이 지난 후, 불가역적인 재난의 결과에서 발견되는 경우가 많다. 예를 들어, 도도새의 멸종과 카바리아 나무의 관계를 들 수 있다. 도도새가 멸종된 이후, 카바리아 나무의 씨앗은 발아하지 않았다. 이는 도도새가 카바리아 나무 씨앗을 먹고 소화하는 과정에서 발아에 필요한 조건을 충족시켰기 때문이다. 이처럼 인과관계는 종종 나중에야 분명해진다.

 

상관관계와 인과관계 혼동의 위험성

 

상관관계를 인과관계로 착각하는 것은 흔히 발생하는 논리의 오류이다. 빅데이터 시대에는 상관관계가 사람들에게 수익을 늘리고 비용을 낮추는 방법을 제공하는 것은 분명하다. 그러나 상관관계는 상대적으로 안정적이지 않고 쉽게 변한다. 인과관계를 알아야만 사건 발생의 진정한 원인을 찾을 수 있으며, 상응하는 조치를 통해 원인을 촉진하거나 억제하고 기대한 결과에 도달할 수 있다.

 

비판적 사고의 필요성

 

비판적 사고자라면 상관관계의 효과를 인식하되, 단기적 효과와 이익에만 만족하지 말고 복잡한 사건 배후의 인과관계를 밝혀내는 노력을 해야 한다.