Problemi › Consulenza in Eccellenza Operativa › HealthTech & Digital Health
I programmi di miglioramento migliorano sistematicamente i punti che non sono mai il vincolo, perché sono quelli più facili da migliorare. Le aziende di digital health hanno un vincolo specifico: il rischio sugli esiti viene assunto più velocemente di quanto l'azienda riesca a verificare di poterlo sostenere, con una finestra di misurazione di 12 mesi contro un ciclo di vendita di 11 mesi. Finché questo non viene prezzato, la quota di ricavi a rischio continuerà a spostarsi per ragioni non attribuibili e il dibattito sulla capacità al vincolo resterà opinione.
I programmi di miglioramento migliorano sistematicamente i punti che non sono mai il vincolo, perché sono quelli più facili da migliorare. Le aziende di digital health hanno un vincolo specifico: il rischio sugli esiti viene assunto più velocemente di quanto l'azienda riesca a verificare di poterlo sostenere, con una finestra di misurazione di 12 mesi contro un ciclo di vendita di 11 mesi. Finché questo non viene prezzato, la quota di ricavi a rischio continuerà a spostarsi per ragioni non attribuibili e il dibattito sulla capacità al vincolo resterà opinione.
Ogni operazione di digital health ha un solo elemento che limita gli esiti attribuiti in un dato momento: la finestra di misurazione di 12 mesi, la capacità di validare il tasso di engagement rispetto alla quota a rischio, o il team che deve reggere l'economia PMPM. Il lavoro fatto altrove non aumenta i ricavi che sopravvivono alla finestra; aumenta il volume di membri iscritti i cui esiti non possono ancora essere confermati. Non è controverso ed è noto da quaranta anni, eppure i programmi di miglioramento lo violano sistematicamente per una ragione strutturale: le iniziative nascono dai team che si propongono, e il team vincolato è per definizione quello senza capacità residua per proporsi mentre si firmano nuovi contratti a rischio.
Il risultato è un programma con ottima igiene e nessun effetto. I cruscotti di engagement vengono raffinati, si scrivono workflow standard e si tracciano le attività dei membri, ma la quota di ricavi che si converte dopo la finestra di misurazione resta invariata. Poiché l'attività è reale, la risposta a un margine lordo piatto è di solito più iniziative, che consumano ulteriore capacità dei team che non limitavano mai la conversione della quota a rischio.
Il secondo elemento nascosto è che il vincolo è spesso pieno di lavoro sbagliato. Un portafoglio a capacità su contratti i cui esiti attribuiti non generano ricavi non ha un problema di efficienza; ha un problema di selezione travestito da efficienza. Nessuna metodologia lo risolve e applicarla rende la quota a rischio non redditizia più economica da gestire, aumentando il volume.
Efficiency Transformation Strategy (catalog id T12) parte dal vincolo e da cosa lo occupa: throughput di esiti validati per unità di finestra di misurazione scarsa, contributo per unità di quota a rischio e cosa dovrebbe essere vero perché il contratto successivo paghi dopo la chiusura della finestra. Dove la risposta è che il processo è davvero il limite, un programma lean è l'acquisto corretto e l'analisi indicherà dove applicarlo.
Questi tre insieme sono la firma. Uno solo di solito indica altrove.
✓ Il tasso di engagement sale mentre il churn dei loghi e la quota di ricavi a rischio che sopravvive alla finestra di misurazione restano piatti
✓ Nessun singolo responsabile riesce a indicare quale passaggio determina se gli esiti attribuiti superano la finestra di 12 mesi prima della firma del contratto successivo
✓ I team più migliorati sono quelli il cui lavoro non tocca mai la validazione degli esiti che decidono il margine lordo sul libro a rischio
La mossa che di solito lo peggiora. Lanciare un metodo su tutta l'operazione, spendendo la capacità di miglioramento scarsa sui passaggi che non limitavano mai la conversione della quota a rischio.
It is for you if you run or finance a digital health company and a large number of completed improvement initiatives and unchanged output. 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 un'azienda di digital health. 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 · Customer Value Architecture · sample company profile
The move. Monetize the largest three-condition outcomes dataset to subsidize outcomes risk and generate 13% growth without increasing at-risk share.
The leak it closes. Reduces dependence on 38% at-risk PMPM revenue by adding non-at-risk, high-margin revenue stream
The assumption it rests on. State privacy laws do not mandate patient-level consent for de-identified data before 2029 — the engine put the probability at 0.7.
| Investment required | $1.8–2.4M over 18 months |
| Expected return | 2.3–3.8× on $2.1M midpoint investment within 36 months |
| Revenue, year 1 | $0.8–1.2M ARR (3–4 deals) |
| Revenue, year 2 | $2.4–3.6M ARR (9–12 deals) |
| Revenue, year 3 | $4.2–6.8M ARR (15–20 deals) |
| Exit criteria | Kill move if fewer than 2 deals ≥$150k ACV close by Month 12 OR if any state privacy statute requiring patient-level consent for de-identified data is enacted before Month 18; reallocate remaining budget to Clinical Coaching Capacity Marketplace node |
This is one move out of a full analysis. Read a complete report — every page, no email required.
This question routes to Efficiency Transformation Strategy, one of 29 engagements the platform runs. For aziende di digital health 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. Leggi un report completo qui if you would rather see the depth first.
Risolvono problemi diversi e la scelta conta meno della mira. Lean attacca flusso e attese; six sigma attacca variazione e difetti. Se il problema è che le cose restano in coda, lean. Se gli output sono inconsistenti, six sigma. Se non si sa ancora quale, la scelta del metodo è prematura e entrambi produrranno solo attività.
Le fasi di assessment costano circa £40k–£120k. Il deployment completo con practitioner embedded e formazione arriva comunemente a £250k–£1m in un anno, spesso quotato contro un multiplo promesso di risparmi. Chiedere come si fissa la baseline e chi verifica i risparmi, perché i benefici auto-verificati sono la norma e sistematicamente generosi.
Il metodo sì: il materiale è pubblico e poco costoso e molte aziende lo hanno imparato da sole. Ciò che è davvero difficile procurarsi internamente è il giudizio esterno su dove puntare e la disponibilità a dire che un dipartimento favorito non è il problema. È la parte che conviene acquistare ed è un acquisto molto più piccolo di un deployment.
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