Impossible de savoir si la stratégie fonctionne
in HealthTech & Digital Health

La réponse courte

Une stratégie qui ne peut pas être fausse ne peut pas être vérifiée, et la plupart des stratégies écrites en santé numérique sont rédigées de manière à ne pas pouvoir être fausses. Les entreprises de santé numérique portent une contrainte spécifique — le risque sur les résultats est signé plus vite que l'entreprise ne peut apprendre si elle peut le porter — une fenêtre de mesure de 12 mois contre un cycle de vente de 11 mois. Tant que cela n'est pas pris en compte, la part de chiffre d'affaires à risque continue de bouger pour des raisons que personne ne peut attribuer, et le débat sur les indicateurs avancés reste une question d'opinion.

La raison habituelle pour laquelle une stratégie ne peut pas être évaluée est qu'elle n'a jamais été énoncée sous une forme qui pourrait échouer. Des affirmations comme développer les résultats attribués ou augmenter la part de chiffre d'affaires à risque ne produisent aucune observation qui pourrait les contredire, donc elles survivent indéfiniment quels que soient les résultats.

Une stratégie vérifiable nomme le mécanisme — ce changement du taux d'engagement produit ce déplacement de la part de chiffre d'affaires à risque à cette date — et l'observation qui dirait que le mécanisme ne fonctionne pas. Cette seconde moitié transforme un plan en quelque chose que le PDG ou le DAF peut piloter.

L'autre cause fréquente est le décalage. Les stratégies opèrent sur des horizons plus longs que les cycles de reporting, donc la réponse honnête est d'identifier des indicateurs avancés comme le taux d'engagement qui bougent tôt et d'indiquer à l'avance ce qu'ils devraient afficher.

Comment savoir si c'est vraiment votre problème

Ces trois réunis forment la signature. Un seul renvoie généralement ailleurs.

✓ Personne ne peut nommer le taux d'engagement ou la part de chiffre d'affaires à risque qui prouverait que les contrats actuels sont intenables.
✓ Les mises à jour hebdomadaires listent les implémentations terminées et les membres inscrits sans aucun lien avec un changement du PMPM ou de la marge brute.
✓ Le PDG et le DAF tirent des conclusions différentes sur la viabilité du risque sur les résultats et ne peuvent pas le trancher à partir des mêmes chiffres.

Le mouvement qui empire habituellement la situation. Ajouter plus de reporting sur l'activité réalisée, ce qui augmente le volume de nombres sans rendre le lien avec la part de chiffre d'affaires à risque ou le churn de logos falsifiable.

Who this is for — and who it is not

It is for you if you run or finance a digital health company and the strategy has no failure condition written anywhere. 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.

Ce que cela donne quand l'analyse est vraiment lancée

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.

This is one move out of a full analysis. Read a complete report — every page, no email required.

Ce que le moteur fait avec cette question

This question routes to Proprietary EFF Methodology, 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.

Questions que les gens posent à ce sujet

Que dois-je mesurer pour savoir si une stratégie fonctionne ?

Le mécanisme dont elle dépend, pas le résultat qu'elle promet. Les résultats arrivent en retard ; les mécanismes bougent tôt et indiquent plus vite si l'affirmation causale tient.

Combien de temps avant de juger une stratégie ?

Décidez avant de commencer, et liez-le au cycle naturel du mécanisme. Décider après coup garantit que le calendrier est choisi pour coller au résultat obtenu.

Que faire si les chiffres sont ambigus ?

C'est généralement le signe que la stratégie n'était pas assez précise pour produire un test clair. Réduisez-la jusqu'à ce qu'un seul chiffre tranche l'argument.

Is this different in healthtech & digital health than in other industries?

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.

What data do I need before this analysis is worth running for a digital health company?

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.

When is Percision the wrong tool?

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.

Does Percision replace a lawyer, tax advisor, auditor, or AI implementation team?

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.