Community연구 & 데이터 분석github.com

andreworia/issue-tree-builder

하나의 큰 질문을 MECE (상호 배타적이며 전체적으로 완전한) 이슈 트리 또는 가설 트리로 분해하고, 가지들을 영향도에 따라 순위를 매겨 팀이 가장 중요한 부분을 먼저 분석하도록 합니다.

issue-tree-builder란 무엇인가요?

이 스킬은 복잡한 문제를 분석 가능한 하위 질문으로 체계적으로 분해하는 이슈 트리 빌더입니다. 주로 Claude Code, Cursor, Codex와 같은 AI 에이전트 플랫폼에서 사용되며, 팀이 핵심 질문을 설정한 후 작업 계획을 수립하는 과정에서 유용합니다. MECE 원칙에 따라 각 레벨의 가지들이 서로 겹치지 않고(Mutually Exclusive), 전체 질문을 빠짐없이 포괄(Collectively Exhaustive)하도록 보장합니다. 또한, 각 가지를 영향도와 불확실성에 따라 평가하여 '중요 경로(Critical Path)'를 식별하고, 영향력이 낮은 가지는 가지치기(prune) 함으로써 분석 노력을 집중시킵니다. 결과물은 중립적인 하위 질문의 이슈 트리 또는 증명 가능한 주장의 가설 트리 형태로 제공되며, 핵심 질문부터 분석 가능한 리프(leaf) 노드까지의 계층 구조를 포함합니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/andreworia/claude-consulting-skills/tree/main/skills/issue-tree-builder

Installed? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

원본 보기→모든 스킬 둘러보기

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

문서

Issue Tree Builder

사용 시기

핵심 질문이 정해지고 팀이 이를 실제로 작업할 수 있는 부분으로 나눌 필요가 있을 때 사용합니다. 질문이 너무 커서 직접 답변하기 어렵거나, 작업이 중복되거나 공백이 생길 위험이 있을 때, 또는 어떤 분석을 먼저 수행해야 할지 아무도 확신하지 못할 때 적합한 스킬입니다. 이슈 트리는 질문과 작업 계획을 연결하는 중추입니다.

기능

핵심 질문을 MECE 방식으로 분해합니다. Mutually Exclusive는 가지가 서로 겹치지 않음을 의미하고, Collectively Exhaustive는 가지들이 함께 전체 질문을 공백 없이 포괄함을 의미합니다. 이 스킬은 이슈 트리(중립적인 하위 질문) 또는 가설 트리(각 가지를 증명 또는 반증해야 하는 주장으로 기술)를 생성한 후, 가지를 영향도에 따라 순위를 매겨 노력이 답변을 가장 많이 움직이는 부분에 집중되도록 합니다.

방법

이 스킬은 각 레벨에서 신중한 논리 선택과 함께 MECE 분해를 적용합니다.

  1. 핵심 질문을 루트에 배치합니다. 문제 정의에서 나온 결정 형태의 단일 질문을 사용합니다. 명확한 핵심 질문이 없다면 중단하고 먼저 정의하십시오. 모호한 뿌리 위에 세워진 트리는 모든 곳에서 모호해집니다.

  2. 1단계의 분해 논리를 선택합니다. 질문에 가장 잘 맞는 구조를 선택하십시오:

    • 수식 또는 대수적 분해 (예: 이익 = 판매량 × 가격 - 비용): 질문이 정량적일 때.
    • 개념적 또는 구성 요소 분해 (예: 수요 측 vs 공급 측): 동인이 정성적일 때.
    • 프로세스 또는 단계 분해 (예: 인지, 구매, 유지): 질문이 흐름을 따를 때.
    • 세그먼트 분해 (고객, 지역, 제품별): 이질성이 문제일 때. 논리를 명시적으로 이름을 붙여 가지가 명백히 완전해지도록 합니다.

  3. 1단계 가지를 작성하고 MECE를 테스트합니다. 두 가지를 확인합니다: 어떤 가지도 다른 가지와 겹치지 않아야 하며(상호 배타적), 가지들이 함께 루트를 빠짐없이 포괄해야 합니다(전체적으로 완전함). "구조적/기타" 가지는 정말 필요한 경우에만 추가하며, 그것이 크다면 논리가 잘못되었음을 의미합니다.

  4. 각 가지를 동일한 규율로 한두 레벨 더 분해합니다. 리프가 단일 분석으로 답변할 수 있는 질문이 되면 해당 가지의 분해를 중단합니다. 그 리프는 작업 단위입니다.

  5. 유용한 곳에서는 가설 트리로 변환합니다. 각 가지에 대해 팀이 이미 견해를 가지고 있다면 중립적인 하위 질문을 반증 가능한 주장으로 다시 기술합니다 (예: "획득이 아닌 유지가 제약 조건이다"). 가설 트리는 각 가지를 해결할 증거가 무엇인지 알려주기 때문에 더 빠릅니다.

  6. 가지를 영향도에 따라 순위를 매깁니다. 각 1단계 가지가 한쪽 방향 대신 다른 방향으로 해결될 경우 전체 답변이 얼마나 움직일지, 그리고 현재 얼마나 불확실한지 점수를 매깁니다. 영향도가 높고 불확실성이 높은 가지가 분석이 효과를 보는 부분입니다. 상위 가지를 중요 경로로 표시합니다.

  7. 가지치기를 수행합니다. 영향도가 낮고 불확실성이 낮은 가지는 잘라내거나 보류합니다. 좋은 트리는 가장 완전한 트리가 아니라 결정을 바꾸는 작업에 집중하는 트리입니다.

입력

  • 핵심 질문 (문제 정의에서).
  • 팀이 이미 가지고 있는 초기 견해나 가설.
  • 알려진 경우 불확실성이 가장 높은 부분에 대한 대략적인 감각.

출력 형식

들여쓰기된 트리로, 중첩된 산문 또는 개요로 렌더링됩니다:

  • 루트: 핵심 질문.
  • 1단계: 분해 논리 이름과 MECE 확인이 표시된 가지.
  • 2단계 이하: 분석 가능한 리프까지의 하위 질문 또는 가설.
  • 영향도 순위: 정렬된 가지와 중요 경로로 표시된 가지.
  • 보류된 가지: 가지치기된 항목과 그 이유.

예시

핵심 질문: "2년 안에 사업을 두 자릿수 이익 성장으로 되돌리려면 어떻게 해야 하는가?"

선택된 1단계 논리: 대수적, 이익 = 수익 - 비용, 그 다음 수익 = 판매량 × 가격.

가지 (MECE 확인: 수익과 비용이 함께 완전하며, 판매량과 가격은 겹치지 않음):

  • 수익
    • 판매량: 고객을 잃고 있는가, 아니면 추가하지 못하고 있는가? (세그먼트별로 분할)
    • 가격 및 구성: 실현 가격이 하락하고 있으며, 구성이 저가 제품으로 이동하고 있는가?
  • 비용
    • 서비스 비용: 단위 비용이 가격보다 빠르게 상승하고 있는가?
    • 간접비: 고정 비용이 수익보다 빠르게 증가하고 있는가?

상위 가지의 가설 재진술: "제약 조건은 가격이 아닌 중간 시장 세그먼트의 판매량이다." 해당 가지는 영향도가 높고 불확실성도 높기 때문에 중요 경로로 표시되어 먼저 분석됩니다. 간접비 가지는 현재로서는 불확실성이 낮아 보류됩니다.

Individual skills in this repo

This repo contains 10 individual skills — each has its own dedicated page.

andreworia/competitor-analysis

Reads industry structure with Porter's Five Forces and profiles rivals on capability and cost, giving a clear view of who you compete with and how attractive the industry really is.

andreworia/cost-driver-analysis

Decomposes cost changes into volume, rate, and mix effects to identify the true root cause of cost escalation or decline.

andreworia/hypothesis-design

Builds an answer-first plan by stating disprovable hypotheses and, for each, the "what would prove me wrong" test and the exact analysis that settles it, so the team tests instead of boiling the ocean.

andreworia/insight-synthesis

Turns raw findings into ranked insights by laddering each finding up the so-what chain from observation to implication to the action it demands.

andreworia/objection-handling

Prepares for a hostile room by pre-morteming the pushback, surfacing the hardest questions your recommendation will face, and drafting a tight, evidence-backed answer to each.

andreworia/problem-definition

Turns a vague symptom or an over-broad brief into a one-page SCQA problem statement and a single decision-shaped key question the work must answer.

andreworia/process-redesign

Maps a core process end to end with Lean value-stream analysis and redesigns it to remove waste and fix broken handoffs.

andreworia/pyramid-storyline

Structures an argument using the Pyramid Principle and SCQA so the recommendation lands in the first 60 seconds, with every supporting line grouped MECE beneath one governing thought.

andreworia/where-to-play-how-to-win

Builds a linked strategy choice cascade (winning aspiration, where to play, how to win, capabilities, management systems) so a direction is coherent and internally reinforcing, not a list of ideas.

andreworia/zero-based-budget-builder

Builds a zero-based budget for a cost center by requiring every line item to be justified from first principles rather than rolled forward from the prior year.

관련 스킬

affaan-m/uspto-database

USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.

community

affaan-m/scholar-evaluation

Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.

community

affaan-m/literature-review

Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.

community

affaan-m/everything-claude-code

The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.

community

forrestchang/andrej-karpathy-skills

Agent skill repository discovered by 10x-chat research.

community

langgenius/backend-code-review

Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.

community
← More 연구 & 데이터 분석 skills