Problèmes › Surchargé mais peu rentable › HealthTech et santé numérique
Un effectif complet et des marges faibles est un problème de sélection des contrats déguisé en problème opérationnel. La version de cette question qui s'applique aux entreprises de santé numérique n'est pas la version générique. Le risque sur les résultats est signé plus vite que l'entreprise ne peut savoir si elle peut le porter — une fenêtre de mesure de 12 mois face à un cycle de vente de 11 mois — donc une réponse qui ignore la part de chiffre d'affaires à risque sera fausse avec assurance. L'analyse doit partir du taux d'engagement et de la marge brute plutôt que du chiffre d'affaires.
Un effectif complet et des marges faibles est un problème de sélection des contrats déguisé en problème opérationnel. La version de cette question qui s'applique aux entreprises de santé numérique n'est pas la version générique. Le risque sur les résultats est signé plus vite que l'entreprise ne peut savoir si elle peut le porter — une fenêtre de mesure de 12 mois face à un cycle de vente de 11 mois — donc une réponse qui ignore la part de chiffre d'affaires à risque sera fausse avec assurance. L'analyse doit partir du taux d'engagement et de la marge brute plutôt que du chiffre d'affaires.
Quand une entreprise de santé numérique porte une large population enrôlée mais affiche encore des marges faibles, le réflexe est d'examiner les opérations de livraison. Une certaine inefficacité peut exister, mais la supprimer ne résoudra pas le problème, car la cause se trouve en amont : des contrats ont été acceptés avec des parts de chiffre d'affaires à risque que les taux d'engagement et les marges brutes ne peuvent pas supporter.
Le schéma se répète dans les portefeuilles. Un petit nombre de programmes dégagent une contribution positive une fois les résultats attribués mesurés. Un ensemble plus long de contrats consomme du temps de personnel et de la capacité de plateforme tout en produisant un faible engagement et un renouvellement répété de logos, de sorte que l'organisation paraît active alors que la trésorerie ne s'améliore pas. Comme ces contrats occupent déjà la capacité de mesure et de support, des accords de partage de risque de meilleure qualité ne peuvent pas être ajoutés.
La mesure corrective est donc une règle de sélection des contrats plutôt qu'une initiative de productivité. Une fois chaque arrangement classé par contribution attendue après la fenêtre de mesure, la plupart des décisions suivantes s'ensuivent directement.
Les opérateurs de santé numérique atteignent cet état quand de nouveaux accords à risque sont signés avant que les cohortes précédentes aient terminé leurs cycles de résultats de douze mois : l'élan commercial remplit le calendrier alors que l'entreprise manque encore des données pour savoir quels termes PMPM ou résultats permettront d'atteindre les cibles de marge brute.
Ces trois réunis forment la signature. Un seul renvoie généralement ailleurs.
✓ Les équipes signalent une allocation complète sur les programmes existants alors que des tirages de trésorerie mensuels restent nécessaires malgré un ARR déclaré.
✓ La finance ne peut pas identifier quels contrats ou cohortes de membres ont produit une contribution positive sans commander une analyse ponctuelle.
✓ La direction continue d'accepter de nouveaux termes à risque même quand les revues internes signalent un engagement projeté faible ou un risque de churn élevé.
Le mouvement qui empire habituellement la situation. Augmenter les effectifs ou la capacité de plateforme pour gérer le livre d'affaires actuel, ce qui ne fait qu'amplifier le volume de contrats à faible contribution et agrandit le même décalage.
It is for you if you run or finance a digital health company and everyone is fully occupied and cash is tight. It is the situation where the numbers are available but nobody has put them in an order that produces a decision.
It is not for you if Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.
Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library.
Below is an excerpt from a real run of this analysis on une entreprise de santé numérique. It is a sample profile rather than a customer, and it is engine output translated from English — this is the format you get, on your own numbers.
The subject is Vantabridge Health, a sample company profile used for testing rather than a customer — $62M ARR, 340,000 enrolled members.
Excerpt from a real Percision run · Cost Reduction & Efficiency · sample company profile
The move. Convert 180 existing employer relationships into $11.7M incremental outcomes-contingent revenue by Month 24 without new-plan procurement.
The leak it closes. $6.5M device leakage reduced by shifting kit cost to employer opt-in, improving gross margin 7 points on employer cohort
The assumption it rests on. 180 employers accept outcomes-contingent terms at 45% at-risk share — the engine put the probability at 0.7.
| Investment required | $0.6–0.9M total (2 FTE employer specialists @ $180K fully loaded each × 18 months + $120K enablement tools) |
| Expected return | 13.0× on $0.9M investment ($11.7M incremental revenue by Month 24) |
| Revenue, year 1 | $3.9M incremental employer outcomes revenue |
| Revenue, year 2 | $11.7M cumulative incremental employer outcomes revenue |
| Revenue, year 3 | $18.5M cumulative if employer cohort grows 15% YoY |
| Exit criteria | Terminate move if employer conversion rate <25% by Month 12 OR if employer at-risk share demanded exceeds 50% OR if device-kit leakage reduction <10 points by Month 18. |
This is one move out of a full analysis. Read a complete report — every page, no email required.
This question routes to Méthodologie EFF propriétaire, one of 29 engagements the platform runs. For entreprises de santé numérique it works through at-risk revenue share, engagement rate, gross margin and logo churn, then produces the sequence rather than a list of options — which move first, what it funds, and the observation that would say the sequence is wrong.
You watch the analysis get built before paying anything. Lire un rapport complet ici if you would rather see the depth first.
Classez par contribution par unité de votre vraie contrainte — heure machine, heure facturable, créneau de livraison, mètre carré. Pas par chiffre d'affaires, ni par pourcentage de marge brute, qui tous deux favorisent systématiquement le mauvais travail quand la contrainte est la capacité.
Parfois, et c'est généralement moins cher que l'alternative. En pratique, un prix qui reflète ce que le travail consomme rend soit le compte rentable, soit le fait passer chez un concurrent, et les deux issues sont meilleures que la situation actuelle.
Testez-le : si chaque mission se déroulait parfaitement sans aucun gaspillage, les moins rentables rapporteraient-elles de l'argent ? Si la réponse est non, il s'agit de prix et de sélection, et aucun programme d'efficacité n'y parviendra.
Materially, yes. Outcomes risk is being signed faster than the company can learn whether it can carry it — a 12-month measurement window against an 11-month sales cycle — which changes both the diagnosis and the order of the fixes. The metrics that decide it here are at-risk revenue share, engagement rate, gross margin, and an answer built on industry-general benchmarks will usually point at the wrong one first.
Less than most people expect. Your last twelve months of revenue and cost split the way you already split it, plus whatever you hold on at-risk revenue share and engagement rate. The analysis is explicit about what it is assuming where your data stops, which is more useful than waiting for numbers you may never have.
Percision is the wrong tool if you already know the answer and only need execution capacity, or if the business is pre-revenue — then the constraint is evidence about the market, not analysis of your own figures. Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library. Also wrong if you need facilitation, politics, or someone to sit with a lender or buyer. Those are human jobs.
Percision is not a lawyer, tax advisor, auditor, licensed appraiser, clinical or regulatory filer, or an AI implementation shop. It does not do HR casework, creative-only brand work, or impersonate a named consulting firm. It is a strategy analysis engine — not a template library.
Describe the situation in your own words and we will tell you which analysis answers it — before you sign up for anything.
Describe my situation →Prefer to skip ahead? Go straight to the free diagnostic.
English · Español · Deutsch · Português · Français · Italiano · Nederlands · 日本語 · 한국어 · 中文 · Polski · Svenska · Türkçe · العربية · Tiếng Việt · ไทย · हिन्दी · עברית