분석 및 기획의 원리: 문제해결 접근법

문제 해결의 방법은 그 원리는 살펴보면, 전략이나 PI 또는 Implementation이나 크게 다르지 않다.

연휴 기간 동안 e러닝을 보면서 다시 한번 느끼는 중.

무엇이든 문제를 제대로 정의 한 후, 출발하는 것이 논리전 문제해결법의 기초이다. 

즉, 분석/기획 단계가 중요하다는 의미이다. 

AI 분야 컨설팅, 즉 일종의 PI 성 컨설팅에 해당되는 문제해결 접근법에 대한 내용을 보다 보니, 역시 원리는 크게 다르지 않다는 것이다. (나는 가끔 오퍼레이션 프로젝트도 경험해 보았고, AI 회사에 다니면서 구현 프로젝트 경험 또한 갖추고 있어 어렵지 않게 이해되었다.)

먼저 모든 비즈니스 이슈의 발굴 및 정의에는 Top-down과 bottom-up 어프로치 모두가 병행으로 사용된다. 

대부분 문제 해결에는 Top-down 방식이 많이 사용되기는 하나, 검증 과정에서 Bottom-up 방식이 필수라고 보면 된다. 즉, 기존의 하향식 방식의 한계점을 채워주는 역할을 하는 것인데, 실무에서는 두 가지 모두 항상 사용되는 중요한 방식으로 주니어 컨설턴트들은 이에 대한 숙지가 필요하다.

 

중요한 부분은 바로 이 부분이다. 여러 가지 탐색 과정(혹은 분석 과정이라고도 불리운다)을 거쳐 문제를 정의한다. 문제를 정의하고, 해결 방안에 대해 탐색한 후 각 해결 방안의 실현이 현실적으로 타당한지 등을 검토하여 해결 과제를 도출한다. 이러한 접근법은 전략 프로젝트와 대동소이하다는 것이다. 

 

 

Bottom-up 방식중에서도 최근의 Big-data 환경 하에서는 전략의 문제 해결법 이론에 자주 등장하는 확산적 사고(divergent thinking)와 수렴적 사고(convergent thinking) 와 유사한 개념이 등장하는데, 순서가 다르다. 

 

다양한 데이터들을 활용하여, 그 데이터들의 활용 가능성에 대해 검토하고 활용하기 위한 데이터 정제 작업이 중요하며, 그 이후에 해당 데이터로 실제 분석하여 유의미한 결과를 도출해 내는 반복적 과정이 필요하다. 

 

아무튼 개인적으로 AI 회사에서 개발 프로젝트 경험은 앞으로 큰 자산이 될 것 같다.

물론, 그 자산 중 으뜸은 사람이겠지만.