성공한 데이터를 버린 대가: 챌린저호 우주왕복선 참사와 선택 편향(Selection Bias)

데이터 분석을 하다 보면 종종 "문제가 발생한 데이터만 모아서 집중 분석해 보자"라는 유혹에 빠지곤 합니다. 이탈한 고객, 고장 난 기계, 실패한 프로젝트만을 모아서 공통점을 찾으려 하는 것이죠.

하지만 문제가 발생하지 않은 '정상 데이터'를 분석에서 제외해버리는 순간, 데이터는 우리에게 치명적인 거짓말을 하기 시작합니다. 역사상 가장 끔찍하고 가슴 아픈 우주 탐사 사고인 1986년 챌린저호 폭발 참사가 바로 이 '데이터 선택의 오류' 때문에 발생했습니다.

---

🚀 1. 1986년 1월 28일, 비극의 시작

챌린저호 비행사들 (STS-51-L 임무를 띠고 챌린저호에 탑승했던 7명의 우주비행사들. 출처: Wikimedia Commons)

1986년 1월 28일 아침, 전 세계 수백만 명이 TV로 지켜보는 가운데 나사(NASA)의 우주왕복선 챌린저호(Challenger)가 하늘로 솟아올랐습니다. 하지만 발사 73초 만에 챌린저호는 공중에서 거대한 불덩이로 변하며 폭발했고, 승무원 7명 전원이 목숨을 잃었습니다.

사고 조사 위원회가 밝혀낸 폭발의 물리적 원인은 '고체 로켓 부스터의 O-링(O-ring) 파손'이었습니다. O-링은 로켓의 연결 부위에서 뜨거운 가스가 새어나오지 않도록 막아주는 거대한 고무 패킹입니다. 그런데 하필 발사 당일 아침의 기온은 영하 1도(31°F)로, 플로리다 역사상 유례없이 추운 날씨였습니다. 고무로 된 O-링이 추위에 꽁꽁 얼어붙어 탄성을 잃고 끊어져 버린 것입니다.

그렇다면 엔지니어들은 추운 날씨가 O-링에 위험하다는 사실을 몰랐을까요?

---

📉 2. 발사 전날 밤의 긴급회의와 '반쪽짜리' 데이터

사실, O-링 제작사인 모턴 티오콜(Morton Thiokol)의 엔지니어 로저 보이스졸리(Roger Boisjoly)를 비롯한 기술진은 발사 전날 밤, NASA 수뇌부와의 긴급 화상 회의에서 "날씨가 너무 추우니 발사를 연기해야 한다"고 강력히 주장했습니다.

NASA의 관리자들은 "감으로 말하지 말고, 기온과 O-링 파손 사이에 명확한 상관관계가 있다는 데이터를 가져오라"고 요구했습니다.

엔지니어들은 급히 과거의 비행 기록을 뒤져, 'O-링에 손상이 발생했던 과거 7번의 비행 데이터'를 그래프로 그렸습니다. X축은 발사 당시의 기온, Y축은 O-링의 손상 지수였습니다.

챌린저호 O-링 손상 트랙 (오른쪽 부스터 결합부에서 발견된 실제 O-링의 손상 흔적. 출처: NASA)

하지만 불행히도, 그들이 그린 그래프를 본 NASA 경영진의 반응은 싸늘했습니다. "이 데이터를 보세요. 화씨 50도나 화씨 70도에서도 O-링 손상이 일어났지 않습니까? 기온과 O-링 손상 사이에는 아무런 상관관계가 없습니다!"

결국 기술진의 발사 연기 요청은 기각되었고, 다음 날 챌린저호는 강제로 발사되었습니다.

---

📊 3. 선택 편향(Selection Bias): '성공한 데이터'를 버린 대가

그날 밤 엔지니어들의 데이터 분석은 무엇이 문제였을까요? 그들은 가장 치명적인 통계적 오류인 '선택 편향(Selection Bias)'을 저질렀습니다. 상관관계를 분석하면서 '문제가 발생한 7번의 비행 데이터'만 골라서 분석하고, '아무 문제가 없었던 17번의 성공적인 비행 데이터'는 분석에서 아예 제외해 버린 것입니다.

이 '숨겨진 반쪽의 데이터'를 합쳐서 그래프를 다시 그려보면 어떻게 될까요?

선택 편향 데이터 시각화 (위: 손상된 데이터만 본 오류 그래프 / 아래: 손상이 없었던 전체 데이터를 합친 정확한 그래프)

'손상 지수가 0'이었던 17번의 성공적인 비행은 모두 화씨 65도 이상의 따뜻한 날씨에서 이루어졌습니다. 문제가 있었던 7번의 데이터와 문제가 없었던 17번의 데이터를 모두 합쳐서(전체 모수) 시각화해 보면, "기온이 65도 이하로 내려가면 O-링 파손 확률이 기하급수적으로 치솟는다"는 명백한 우상향 곡선이 나타납니다.

만약 그날 밤 회의에서 7개의 점이 찍힌 그래프가 아니라, 24개의 점이 모두 찍힌 이 온전한 그래프를 보았다면, 발사 당일의 기온인 화씨 31도(영하 1도)가 얼마나 미친 듯이 위험한 도박인지 그 누구라도 1초 만에 알 수 있었을 것입니다.

---

🧠 4. 실패의 반대말은 '데이터 분석 제외'가 아니다

챌린저호 참사는 기계적 결함이 아니라 "원인을 분석할 때 결과가 발생한(손상된) 표본만 추출해서 보는 행위"가 얼마나 위험한지를 보여주는 역사적 비극입니다.

이러한 선택 편향은 오늘날 비즈니스 환경에서도 빈번하게 일어납니다.

• 오류 사례 1: "최근 컴플레인을 건 고객들의 데이터를 분석해 보니 30대 남성이 가장 많았어. 30대 남성들의 불만을 해결할 TF를 꾸리자!"
  • 진실: 전체 결제 고객 중 30대 남성의 비율 자체가 80%일 수도 있습니다. 불만이 없는 고객(성공 데이터)을 분석에 포함하지 않으면 기저율(Base Rate)을 무시하게 됩니다.
• 오류 사례 2: "퇴사자 100명을 인터뷰해 보니 연봉 불만이 70%야. 연봉을 올리지 않으면 다 퇴사할 거야!"
  • 진실: 회사에 잘 다니고 있는 재직자들에게 물어봐도 연봉 불만은 70%일 확률이 큽니다. 퇴사자만 분석하면 '연봉'이 진짜 퇴사 원인(상관관계)인지 입증할 수 없습니다.

어떤 요인과 결과 사이의 상관관계를 정확히 파악하고 싶으신가요? 그렇다면 실패한 데이터뿐만 아니라, 아무 일도 일어나지 않은 무사평온한 전체 데이터(Zero-incident data)도 반드시 함께 그려보아야 합니다.

데이터의 빈 공간을 바라보지 못할 때, 우리는 챌린저호와 같은 파국을 맞이할 수 있습니다.

---

[참고 문헌]

• Tufte, Edward R. (1997). "Visual Explanations: Images and Quantities, Evidence and Narrative". Graphics Press.
• Dalal, S. R., Fowlkes, E. B., & Hoadley, B. (1989). "Risk Analysis of the Space Shuttle: Pre-Challenger Prediction of Failure". Journal of the American Statistical Association.