복잡한 비즈니스 문제 앞에서 어디서부터 시작해야 할지 막막했던 경험, 누구나 한 번쯤 있으실 것입니다. McKinsey & Company는 수십 년간의 컨설팅 경험을 집약하여 체계적인 7단계 문제 해결 프로세스를 정립하였습니다. 이 방법론은 2019년 McKinsey Strategy & Corporate Finance Practice가 발행한 인사이트 보고서에서 소개되었으며, Charles Conn과 Hugo Sarrazin이 공저한 『Bulletproof Problem Solving: The One Skill That Changes Everything』(John Wiley & Sons, 2018)을 기반으로 합니다. 본 글에서는 그 7단계 각각을 구체적인 도구와 워크시트, 실제 사례와 함께 상세하게 살펴보겠습니다.
1단계 — 문제를 정확하게 정의하라 (Define the Problem)
문제 해결의 출발점은 ‘무엇을 해결하려는가’를 명확히 하는 것입니다. 그러나 이 단계가 가장 자주 건너뛰어지는 단계이기도 합니다. 예를 들어 “일본에서 성장할 수 있을까?”라는 질문은 문제 정의로서 너무 모호합니다. 어떤 제품 라인에서, 어떤 고객 세그먼트를 대상으로, 어떤 유통 채널을 통해 성장하려는 것인지가 명확해야 비로소 분석이 시작될 수 있습니다.
좋은 문제 정의문은 간결하고 행동 지향적인 언어로 작성되어야 합니다. “and”와 “or”의 사용을 신중히 구분하고, 액션 동사를 사용하여 문제의 범위와 방향을 한정짓는 것이 중요합니다. 또한 의사결정자의 컨텍스트를 파악하는 것도 핵심입니다. 얼마나 빠른 시간 안에 답이 필요한지, 어느 수준의 정밀도가 요구되는지, 그리고 절대 넘어서는 안 되는 제약 조건은 무엇인지를 명확히 해두어야 이후 단계의 방향이 흔들리지 않습니다.
이 단계에서 활용할 수 있는 워크시트는 다음과 같습니다. 우선 “What are we trying to solve?”(무엇을 해결하려 하는가), “What are the constraints?”(제약 조건은 무엇인가), “What are the dependencies?”(의존 관계는 무엇인가)라는 세 가지 핵심 질문에 대한 답을 문서화하는 것입니다. 이 세 가지 답변이 명확할 때 비로소 다음 단계로 진행할 준비가 된 것입니다.
2단계 — 문제를 논리적으로 분해하라 (Disaggregate the Problem)
문제가 정의되었다면 이제 그 문제를 작고 다루기 쉬운 조각으로 분해해야 합니다. 이를 위한 대표적인 도구가 바로 Logic Tree(논리 트리)입니다. 논리 트리는 문제를 상호 배타적이고 전체를 포괄하는(MECE: Mutually Exclusive, Collectively Exhaustive) 구성 요소로 나누는 방식입니다.
가장 널리 알려진 예시는 수익성 트리(Profit Tree)입니다. 이익은 매출(Revenue)에서 비용(Cost)을 뺀 값이며, 매출은 다시 가격(Price)과 수량(Quantity)의 곱으로, 비용은 변동비(Variable Cost)와 고정비(Fixed Cost)의 합으로 분해됩니다. 이렇게 분해하면 어느 레버를 움직여야 이익이 개선되는지 한눈에 파악할 수 있습니다. 또 다른 예로는 자산수익률 트리(Return-on-Assets Tree)가 있으며, 이는 투자의 합리성을 체계적으로 검토하는 데 활용됩니다.
McKinsey의 보고서에서는 Gordon Moore Foundation이 “태평양 연어를 어떻게 구할 것인가?”라는 방대한 문제를 논리 트리를 통해 분해하여 15년 장기 프로젝트로 구조화한 사례를 소개합니다. 핵심은 하나의 분해 방식에 안주하지 말고, 2~3가지 서로 다른 방식으로 분해해 보는 것입니다. 각각의 분해 방식이 서로 다른 인사이트를 드러내며, 팀원들에게 각 브랜치를 배분하여 병렬적으로 분석하는 것도 가능해집니다.
3단계 — 우선순위를 결정하라 (Prioritize)
문제를 분해하고 나면 수많은 분석 가능 항목들이 도출됩니다. 그러나 모든 것을 동일한 비중으로 다루는 것은 시간과 자원의 낭비입니다. 이 단계에서는 어떤 레버에 집중해야 하는지를 결정합니다.
McKinsey가 제시하는 우선순위 결정의 두 가지 핵심 질문은 다음과 같습니다. 첫째, 이 레버가 전체 결과에 얼마나 큰 영향을 미치는가?(Big impact?) 둘째, 이 레버를 실제로 움직이는 것이 가능한가?(Movable?) 이 두 기준을 축으로 하는 2×2 매트릭스를 그려보면 집중해야 할 영역이 자연스럽게 드러납니다. 영향이 크고 실행 가능한 레버에 분석 자원을 집중하고, 영향이 작거나 변경이 불가능한 브랜치에 시간을 낭비하지 않는 것이 핵심입니다.
앞서 언급한 태평양 연어 사례를 다시 살펴보면, 해양 조건은 연어 개체수에 큰 영향을 미치는 레버이지만 인간이 조정할 수 없는 요소입니다. 반면 어류 서식지 복원이나 어획 관행은 큰 영향을 미치면서도 정책과 실천을 통해 변경 가능한 레버입니다. 이러한 우선순위 결정이 프로젝트의 방향을 완전히 바꿀 수 있습니다.
4단계 — 업무 계획을 수립하라 (Work Plan)
우선순위가 정해지면 이제 구체적인 업무 계획을 수립할 차례입니다. 이 단계에서는 팀원별로 담당 분석 항목을 배분하고, 각 분석의 깊이와 일정을 명확히 정의합니다. McKinsey는 분석의 깊이를 세 가지 수준으로 구분합니다. Level-1은 빠른 휴리스틱으로 대략적인 방향을 잡는 단계, Level-2는 중간 수준의 정량 분석, Level-3는 세 가지 이상의 방법으로 교차 검증하는 심층 분석입니다.
중요한 것은 반복적(iterative) 접근 방식입니다. 처음부터 50페이지짜리 3개월 워크플랜을 세우는 것은 잘못된 접근입니다. 대신 “1시간 안에 답변”이나 “1일 안에 답변” 형태로 빠르게 시작하고, 결과를 보면서 계획을 수정해 나가는 것이 올바른 방법입니다.
또한 이 단계에서는 팀의 인지 편향을 관리하는 것도 중요합니다. 대표적인 편향으로는 이전에 비슷한 문제를 본 적이 있다고 착각하는 가용성 편향(Availability bias), 권위자나 상사의 의견을 무비판적으로 따르는 해바라기 편향(Sunflower bias), 초기 정보에 과도하게 의존하는 앵커링 편향(Anchoring bias), 그리고 결과를 지나치게 낙관적으로 예측하는 과잉낙관 편향(Overoptimism bias)이 있습니다. 해바라기 편향을 방지하기 위해 McKinsey에서는 팀에서 직급이 가장 낮은 사람이 먼저 의견을 발표하도록 하는 관행을 권장합니다. 또한 “이것이 어떤 맥락에서 사실이었는가?(This was true in what context?)”라는 질문을 통해 전제를 지속적으로 점검해야 합니다.
팀 다양성 역시 중요한 요소입니다. 소득 수준, 민족적 배경, 국가적 배경이 다양한 팀원들이 모일수록 더 창의적이고 다양한 시각의 접근이 가능해집니다.
5단계 — 분석을 수행하라 (Analysis)
분석 단계에서 McKinsey가 강조하는 원칙은 ‘도구의 복잡성을 점진적으로 높여가는 것’입니다. 처음부터 복잡한 머신러닝 모델이나 대규모 시뮬레이션을 동원하는 것이 아니라, 단순한 휴리스틱과 설명적 통계(Descriptive Statistics)에서 출발하여 문제의 형태와 범위를 먼저 파악하는 것이 올바른 순서입니다. 문제의 윤곽이 잡힌 후에야 복잡한 분석 도구를 적용하는 것이 효과적입니다.
A/B 테스트는 그 자체로 하나의 완결된 문제해결 방법론이 될 수 있습니다. “test and learn, test and learn, iterate”라는 원칙 아래 소규모 실험을 반복하면서 학습하는 방식은 특히 불확실성이 높은 상황에서 강력한 접근법입니다. 탐색적 데이터 분석(Exploratory Data Analysis) 역시 중요한 도구로, 대규모 데이터에서 영리한 시각화를 통해 패턴과 이상치를 빠르게 발견하는 데 활용됩니다.
데이터를 활용할 때는 항상 그 유효성을 확인해야 합니다. “Is the data right?(데이터가 정확한가?)”, “Is it sound?(신뢰할 수 있는 출처인가?)”, “Does it make sense?(논리적으로 일관성이 있는가?)”라는 세 가지 질문을 통해 데이터의 품질을 지속적으로 점검해야 합니다. 특히 머신러닝과 빅데이터 도구는 강력하지만, 알고리즘 자체에 편향이 내재될 수 있으며 명확한 문제 정의 없이 적용하면 오히려 잘못된 방향으로 이끌 수 있다는 점을 유의해야 합니다.
6단계 — 결과를 종합하라 (Synthesize)
종합(Synthesis) 단계는 젊은 문제해결사들이 가장 자주 실수하는 단계입니다. 분석을 마친 후 그 결과물 자체가 곧 답변이라고 착각하는 경우가 많습니다. 그러나 각각의 분석 조각은 퍼즐의 한 조각일 뿐이며, 이를 엮어 “그래서 우리는 무엇을 해야 하는가?(So what should I do?)”에 답하는 일관된 스토리를 구성하는 것이 종합의 본질입니다.
종합 단계에서 또 하나 중요한 것은 불확실성을 솔직하게 인정하고 명시적으로 표현하는 것입니다. “이것이 답이다(This is the answer)”라고 단언하는 것보다, “다음 조건들이 충족될 경우 이것이 가장 유력한 답변이다(This is a likely answer under the following conditions)”라고 표현하는 것이 훨씬 더 신뢰할 수 있는 커뮤니케이션입니다. 불확실성을 인정한다는 것이 의견이 없다는 의미가 아닙니다. 오히려 답변의 확실성 수준을 명확히 하는 것이 의사결정자에게 더 유용한 정보를 제공하는 것입니다.
7단계 — 커뮤니케이션하고 행동을 이끌어라 (Communicate & Motivate to Action)
McKinsey는 종합(6단계)과 커뮤니케이션(7단계)을 항상 함께 다루어야 한다고 강조합니다. 행동으로 연결되지 않는 분석은 아무런 의미가 없기 때문입니다. 아무리 훌륭한 분석이라도 그것이 실제 의사결정과 실행으로 이어지지 않는다면 문제를 해결한 것이 아닙니다.
효과적인 커뮤니케이션을 위해서는 청중의 수준과 관심사를 고려하여 스토리의 구조를 다르게 가져가야 합니다. 경영진에게는 결론과 핵심 시사점을 먼저 전달하는 피라미드 구조가 효과적이며, 실무진에게는 데이터와 분석 과정을 충분히 공유하는 것이 신뢰를 높입니다. 또한 커뮤니케이션 과정 전반에서 불확실성을 명시적으로 다루어야 합니다. 어느 부분이 확실하고 어느 부분이 불확실한지를 트리의 브랜치별로 구분하여 전달하고, 낮은 확률이지만 큰 영향을 미칠 수 있는 요소들(저확률-고영향 시나리오)도 우선순위에 포함시켜 함께 논의해야 합니다.
궁극적으로 7단계 문제 해결 프로세스의 목표는 분석 자체가 아니라, 분석을 통해 조직이 올바른 행동을 선택하고 실행하도록 돕는 것입니다. 행동 편향 없는 의사결정 이론은 시간 낭비에 불과합니다.
Design Thinking과의 비교 및 통합 활용
McKinsey의 7단계 문제 해결 프로세스는 Design Thinking과 여러 공통점을 가집니다. 두 방법론 모두 명확한 문제 정의, 아이디어의 분해와 우선순위 결정, 그리고 반복적 검증을 핵심으로 합니다. 그러나 중요한 차이도 있습니다. Design Thinking은 사용자 공감(Empathy)에서 출발하여 프로토타입을 빠르게 만들고 테스트하는 방식에 중점을 두는 반면, McKinsey의 고전적 문제 해결 방법론은 데이터 모델링과 정량 분석에 더 무게를 둡니다.
두 방법론은 상호 배타적이 아니라 상호 보완적입니다. 사용자 중심의 혁신 과제에는 Design Thinking의 공감과 프로토타이핑 접근이, 복잡한 경영 전략 문제에는 McKinsey의 논리 트리와 우선순위 분석이 더 적합할 수 있습니다. 그리고 두 방법론을 통합하여 활용할 때는 각각의 역할과 프로세스를 명확히 구분하여 혼선이 생기지 않도록 하는 것이 중요합니다.
마치며 — 문제 해결 역량을 조직의 경쟁력으로
McKinsey의 7단계 문제 해결 프로세스는 단순한 분석 도구의 모음이 아닙니다. 이는 복잡하고 불확실한 비즈니스 환경 속에서 올바른 질문을 던지고, 체계적으로 분해하고, 우선순위를 결정하며, 데이터에 기반한 인사이트를 행동으로 연결하는 일련의 사고 체계입니다. 문제 정의에서 시작하여 커뮤니케이션과 실행에 이르는 이 7단계를 조직 전체에 내재화할 수 있다면, 그것 자체가 지속 가능한 경쟁 우위가 될 것입니다.
각 단계를 하나의 독립된 도구로 훈련하고, 실제 업무 현장의 문제에 반복적으로 적용해 보시기 바랍니다. 처음에는 어색하게 느껴지더라도, 꾸준한 실천을 통해 이 프레임워크는 여러분의 사고방식 그 자체가 될 것입니다.
참고 원문: How to master the seven-step problem-solving process — McKinsey & Company
이 글과 관련하여 궁금하신 사항이나 문의 사항이 있으시면 언제든지 편하게 연락 주시기 바랍니다.
📧 parkmg85@hanmail.net