에니어그램 하위유형 산점도로 해석하기

산점도의 예시

아래 그림은 칸 아카데미에서 살라만 칸(5w4)이 미국의 8학년(중학생)에게 강의하고 있는 기초 통계학 강의의 산점도 입니다.

산점도는 두 데이터의 패턴을 파악하는 도구입니다.

꽃잎의 길이와 꽃의 높이의 관계와 같이 양의 상관관계를 조사하거나

꽃잎 길이의 산점도

일반적으로 산점도는 연령과 연간 교통사고 빈도와 같이 이렇게 음의 상관관계를 조사하거나,

교통사고와 연령 산점도

신발 사이즈와 시험 점수의 관계와 같은 데이터로써는 가치가 없는 데이터를 추려내는데 사용합니다.

신발사이즈와 시험 점수

 

산점도에서 이상치의 예시

산점도의 이상치란 양의 상관관계나 음의 상관관계와 같은 어느정도의 선형성이 나타낼 때 평균에서 아주 먼 극단값을 의미합니다.

아래 산점도를 보면 평균적인 학생들의 수치는 몸무게와 들 수 있는 배낭의 무게가 어느정도 선형을 이루고 있습니다.

배낭중량과 학생 체중 산점도

하지만 샤론과 브래드는 평균에서 한참 벗어나있습니다. 샤론은 몸무게에 비해서 들 수 있는 배낭이 아주 큰 평균보다 아주 큰 학생이고, 반대로 브래드는 몸무게에 비해서 들 수 있는 배낭 중량이 낮은 평균보다 한참 낮은 학생입니다.

컴퓨터를 구매할 때에는 대부분 컴퓨터의 성능은 가격과 품질이 비례하는 선형의 관계를 지니지만, B, D 컴퓨터처럼 같은 가격대비 성능이 비정상적으로 좋거나, 비정상적으로 떨어지는 제품이 있습니다.

가격과 컴퓨터 성능 산점도

 

산점도에서 자기보존 하위유형이 보는 데이터

자기보존 유형은 데이터를 볼 때 산점도에서 선형성이나 비선형성 등의 전반적인 선형 유무를 확인합니다.  즉 어떤 의사결정을 할 때 평균에 베팅을 해서 장기적으로 확률상 안정성을 추구합니다.

자기보존유형 산점도의 해석

위 그래프는 학생의 몸무게가 증가할 수록 들 수 있는 배낭의 무게가 증가할 확률이 높다는 양의 상관관계를 가진 산점도 그래프입니다. 이 데이터에서 평균 몸무게에 비해서 훨씬 많은 중량을 들 수 있는 샤론이나 몸무게에 비해서 더 적은 양 밖에 못드는 브래드라는 극단값이 존재합니다.

하지만 자기보존 유형은 그런 극단값은 최대한 배제를 하고(성적 하위 유형의 비교 알고리즘에 대한 비판), 파란색 원안의 선형선안의 데이터를 가장 안정적으로 생각합니다.

따라서 어떤 과업을 수행할 때 극단값을 추구하지 않으므로 가장 높은 성과를 거두기는 힘들지만, 평균적인 패턴 추구로 실패할 확률이 가장 적은 요소에 베팅하는 경향이 있습니다.

이런 점이 왜 자기보존 유형이 언제나 장점과 단점을 동시에 취하는 전략을 사용하는지에 대한 수학적인 이유라고 볼 수 있습니다.

 

산점도에서 성적 하위 유형이 보는 데이터

같은 그래프를 보고도 성적 하위 유형은 산점도의 선형성보다는 이상치를 찾습니다. 즉 극단값을 찾습니다. 성적 하위 유형의 비교, 최적화 알고리즘은 산점도의 위쪽 극단값과 아래쪽 극단값을 찾습니다.

성적 하위유형 산점도 해석

똑같은 그래프에서 성적 하위 유형은 같은 몸무게 대비 가장 높은 배낭을 들 수 있는 소수의 샤론 같은 학생을 찾거나 배낭무게를 가장 적게 드는 브래드 같은 최소값을 찾는데 집중합니다.

이런 특성이 결국 성적 하위 유형이 왜 항상 모든 데이터를 비교를 해서 최적화를 시키려고 하는지, 우선순위를 정하는 것을 본능적으로 좋아하는지에 대한 수학적 해석이라고 볼 수 있습니다.

성적 유형의 이런 비교알고리즘은 만약 샤론 같은 평균보다 성과가 뛰어난 데이터를 찾는 다면 큰 성과를 올릴 수 있고, 동시에 브래드 같은 평균보다(자기보존 유형의 알고리즘) 더 떨어지는 데이터를 선택할 위험성도 동시에 안고 있다고 볼 수 있습니다.

 

산점도에서 사회적 하위 유형이 보는 데이터

그럼 사회적 본능 하위 유형은 산점도에서 어떤 데이터를 볼까요? 사회적 본능은 정보의 신뢰도를 바라봅니다. 즉 정보의 출처에 관심이 있습니다.

사회적 본능 유형의 산점도 해석

똑같은 학생 몸무게와 배낭 무게의 산점도에서 사회적 본능 유형은 이 산점도의 작성자는 누구이며 검증받은 사람인지? 각 축의 배낭 무게, 학생의 몸무게는 적절히 선택한 변수인지? 각 축의 단위는 신뢰할 수 있는 수치인지? 브래드나 샤론 같은 개별 데이터는 사용하기에 적합한지? 이런 데이터 해석 보다는 정보의 출처를 검증하는데 더 관심이 많습니다.

사회적 하위 유형은 순수 데이터 해석 능력은 다른 하위 유형에 비해서 가장 떨어질 확률이 높지만, 정보의 신뢰도 즉 이 정보가 믿을만한 정보인지에 대한 검증에 대해서는 타유형에게 지배적인 영향을 줄 수 있다고 볼 수 있습니다.

그러니까 사회적 본능 유형은 정보를 수신받을 때 메시지(message)가 아닌 메신저(messenger)를 보는 의사결정 구조를 지녔다고 볼 수 있습니다.

 

각 하위유형의 충돌 경우의 수 정리

성적 하위 유형은 산점도에서 선형에서 최대한 멀어진 극단값을 계속찾습니다. 비교를 통해서 데이터를 최적화시킵니다. 효율이 좋다면, 평균보다 높은 성과를 거둘 수 있고, 반대로 평균보다 못한 극단값을 얻을 리스크도 있습니다.

이런 의사결정 구조에 대해서 자기보존 유형은 선형에서 벗어난 극단 찾기에 위험성으로 인지하고 비판합니다. 사회적 유형은 산점도의 해석 자체에는 별 관심이 없고, 해당 데이터를 누가 작성했는지, 데이터의 출처는 옳은지에 대한 신뢰성에 문제를 제기합니다.

주식 투자로 비유를 하면, 성적 하위 유형은 개별 종목에 직접 투자를 하면서 산점도의 이상치를 찾는 행위를 적용합니다.

 

자기보존 유형은 산점도에서 선형성이 있는지, 비선형적인지에 대한 전반적인 패턴 파악에 집중합니다. 한 데이터에 의존하지 않고 전체 그룹을 모으기를 원합니다. 극단값이(성적 하위 유형) 많은 요소는 배제시킵니다.

이런 의사결정 구조에 대해서 성적 유형은 왜 더 비교를 해서 평균보다 높은 성과를 거둘 수 있는 이상치를 배제하는지에 대해서 비판합니다. 사회적 유형은 마찬가지로 각 축의 데이터의 출처나 데이터를 누가 작성했는지에 관한 신뢰성에 문제를 제기합니다.

주식 투자로 비유를 하면, 자기보존 유형은 인덱스 펀드나 ETF와 같은 평균에 베팅을 하거나 시장이 오르면 롱, 떨어지면 숏을 동시에 구사하는 헷지펀드 방식을 선호하게 됩니다. 또는 채권, 원자재, 주식, 부동산채권 등의 자산 배분 중심의 전략을 사용합니다. 즉 산점도에서 선형성의 범위에 베팅하는 행위를 합니다.

 

사회적 유형은 산점도의 해석 보다는 데이터 작성자의 출처에 정보의 가중치를 크게 둡니다. 그래서 데이터 자체를 해석하기 보다는 얼마나 더 뛰어나고 검증된 유명인의 데이터인가를 해석하며 계속 새로운 출처를 찾아냅니다.

이런 의사결정 구조에 대해서 성적 유형은 왜 데이터 자체를 비교하지 않고, 출처만 따지는가에 대한 비판을 합니다. 자기보존 유형은 왜 데이터의 출처만 따지고 데이터 해석자체에는 초점을 맞추지 않는 균형을 잃은 상태에 대해서 비판을 합니다.

주식 투자로 비유를 하면, 사회적 본능 유형은 자신이 신뢰하는 유명 펀드매니저나 자산관리자, 은행PB 등의 추천으로 펀드에 투자를 하거나, 사람을 보고 투자를 하는 사모펀드, VC 등의 투자자로 간접 투자 방식, 회사의 대표자와의 안면을 통해 자신이 생각하는 가장 최상의 사회적 지위를 가진 사람으로부터 받은 정보에 초점을 맞춥니다. 즉 사회적 하위 유형은 주식의 종목이 아닌 누가 그 종목을 추천했는가에 대한 정보의 출처와 신뢰도 관점에서 투자를 접근할 확률이 가장 높습니다.

 

즉 주식 투자에서 직접 투자, 인덱스 투자, 헷지 투자, 간접 투자는 사실 금융사가 마케팅을 위해서 만들어낸 것이 아니라, 시장이 원하는 수요에 따라서 공급이 생긴 결과라고 볼 수 있습니다. 그리고 그 니즈는 에니어그램의 하위 유형과 정확하게 일치합니다.

 

여섯가지 하위유형과 산점도의 데이터

하위 유형은 실제로는 여섯 가지이고, 즉 모든 하위유형은 두 가지의 특징을 동시에 지니게 됩니다.

  • 성적 자기보존 하위유형(SX/SP) : 극단값 + 선형성 : 선형성을 보이는 것 중에서 극단값을 선택합니다.
  • 성적 사회적 하위유형(SX/SO) : 극단값 + 출처 : 사회적 신뢰도가 가장 높은 자료중에서 극단값을 찾습니다.
  • 자기보존 성적 하위유형(SP/SX) : 선형성 + 극단값 : 극단값을 보이는 것들을 토대로 선형성을 그려서 데이터를 결정합니다.
  • 자기보존 사회적 하위유형(SP/SO) : 선형성 + 출처 : 자료의 출처의 신뢰도가 높은 대상에서 선형성을 가려냅니다.
  • 사회적 성적 하위유형(SO/SX) : 출처 + 극단값 : 극단값 중에서 사회적 신뢰도가 가장 높은 자료를 찾습니다.
  • 사회적 자기보존 하위유형(SO/SP) : 출처 + 선형성 : 선형성이 있는 자료중에서 사회적 신뢰도가 높은 데이터를 찾습니다.

예를 들어 똑같은 자기보존 유형도 2차 하위 유형이 성적 하위유형인 사람은 자료의 출처보다는 해당 값이 극단값을 가지는가를 좀 더 우선시해서 자료를 수집합니다. 반면 2차 하위유형이 사회적 유형인 사람은 무조건 자료의 출처의 신뢰도가 안전한지부터 살피게 됩니다.

잘 살펴보면 하위유형의 시스템은 어떤 컴퓨터 게임의 캐릭터 벨런싱 디자이너가 설계했다고 강력하게 인지가 될 정도로 서로 물고 물리는 관계를 형성하고 있습니다.