- 문제가 무엇인지 정의하기 -> 대주제 생성
- 문제를 해결하기 위한 사고의 과정을 잘게 쪼개서 모듈단위로 해결해보기 -> 소주제로 쪼개기
- 해결책을 찾아나아가고, 질문들을 던져보면 새로운 작은 하위 문제들 혹은 동일한 계층에 문제에 대한 정의
- 1-3번 과정 반복
계기
텍스트에서 인사이트들을 뽑아보면서 인사이트를 뽑기 위해서는 좋은 질문에서부터 시작해야한다는점을 알았다. 문제가 무엇인지조차 모른채 이것도 필요할것 같고, 저것도 필요할것 같아서 이것저것 뽑다보면 프로젝트의 방향성을 잃고, 우리가 무엇을 하는지 모르는 상황이 자주 관찰되었다. 경주마처럼 앞만보며 프로젝트를 진행하다보니 정작 우리는 무엇을 하는게 모르게 되었다.
이 고민은 무지에서 비롯된것이다라는 결론을 내리고 이에 대한 해결법을 찾아보았다. 텍스트 마이닝은 어떻게 하는지, 넓게는 데이터 마이닝을 하는 사람은 어떤 방식으로 생각하는지를 찾아보았다.
결론
문제가 무엇인지 더많은 노력을 기울이자
이에 대해서 내린 결론은, 문제가 무엇인지 90%이상 시간과 노력을 기울이고, 해결책을 찾는데에 10%를 사용하는것이다.
이것은 비단 분석을 하고, 인사이트를 뽑는것에 한정되지 않고, 코딩을 하거나 새로운 개념을 배우거나 나를 알아가는 과정에서도 적용되는 말이다.
해결책을 찾는 행위를 하는데에 있어서는 모든것은 문제가 무엇인지를 정의하는것부터 시작이 된다. 좋은 질문이 나오기 위해서는 문제가 무엇인지를 정의하는데에서부터 시작된다.
그렇다면 문제가 무엇인지 확인하는 방법은? 좋은 질문이라는것은 어떻게 정의하는가도 생각을 해봐야한다. 너무 ambigous하고, 좋은 질문의 조건은 다양한 변수들이 있기 때문에 이것은 새롭게 나에게 다가온 문제이다.
내가 내린 결론은 결국에는 문제를 정의하는데에 기울이는 시간을 많이 들이고, 해결책을 찾고, 시도를 해보다가 해결이 되거나 해결이 되지 않는다면 기존 시도들에 대한 데이터 기반으로 또 새로운 문제정의에 힘쏟아야할듯 싶다. 이 문제정의는 내가 무엇을 모르는가에 대한 단서가 되기 때문에 학습에 있어서도 매우 중요한 습관인것 같다.
여담
잘하는 사람들에게 배우기 위해서는 문제정의에 대한 시간을 들이고, 문제를 모르겠다면 질문들을 더욱 specific하고, 고도화 해야할 필요가 있다고 생각이 들었다.
진짜 잘하게된 이유가 core한 이유가 있는데 다른 이유로 인해 잘하게 되었다고 생각하는 사람들도 있었다. 물론 곁가지 잘하게 된 이유가 Core한 이유와 함께 콜라보레이션되어서 더 잘하게 된것이지만 다른사람이 잘하게된 사람에게 benchmark하는 방법은 다른 사람이 잘하게 된 core한 이유를 찾는것이 첫번째고, 그 다음이 곁가지 잘하게 된 이유를 발견하는것이다. 그리고 나에게 적용하는것 또한 중요하다.
