Zajęci, ale nieopłacalni
in HealthTech i Digital Health

Krótka odpowiedź

Pełna rejestracja i cienkie marże to problem doboru kontraktów przebrany za operacje. Wersja tego pytania dla firm digital health nie jest tą ogólną. Ryzyko wyników jest podpisywane szybciej, niż firma może się dowiedzieć, czy jest w stanie je udźwignąć — okno pomiarowe 12-miesięczne wobec cyklu sprzedaży 11-miesięcznego — więc odpowiedź ignorująca udział przychodu at-risk będzie z pewnością błędna. Analiza musi zaczynać się od wskaźnika zaangażowania i marży brutto, a nie od przychodu.

Gdy firma digital health obsługuje dużą zarejestrowaną populację, a mimo to pokazuje słabe marże, odruchowo sprawdza się operacje dostawy. Pewna nieefektywność może istnieć, lecz jej usunięcie nie rozwiąże problemu, bo przyczyna leży wyżej: przyjęto kontrakty z udziałem przychodu at-risk, którego wskaźniki zaangażowania i marże brutto nie są w stanie udźwignąć.

Wzór powtarza się w portfelach. Mała liczba programów daje dodatni wkład po zmierzeniu wyników. Większy zestaw kontraktów zużywa czas personelu i pojemność platformy, dając niskie zaangażowanie i powtarzającą się rotację logo, więc organizacja wydaje się aktywna, podczas gdy pozycja gotówki się nie poprawia. Ponieważ te kontrakty już zajmują pojemność pomiaru i wsparcia, nie da się dodać lepszych układów dzielenia ryzyka.

Krok naprawczy to więc reguła doboru kontraktów, a nie inicjatywa produktywności. Gdy każdy układ da się uszeregować według oczekiwanego wkładu po oknie pomiarowym, większość kolejnych decyzji wynika bezpośrednio.

Operatorzy digital health trafiają w ten stan, gdy nowe umowy at-risk są podpisywane, zanim wcześniejsze kohorty zakończą swoje dwunastomiesięczne cykle wyników: pęd sprzedaży wypełnia kalendarz, podczas gdy firma wciąż nie ma danych, by wiedzieć, które warunki PMPM lub wyników osiągną cele marży brutto.

Jak rozpoznać, że to rzeczywiście Twój problem

Te trzy razem tworzą charakterystyczny obraz. Samo w sobie zwykle wskazuje na coś innego.

✓ Zespoły zgłaszają pełne obłożenie istniejącymi programami, a mimo to comiesięczne pobrania gotówki pozostają konieczne mimo raportowanego ARR.
✓ Finanse nie potrafią wskazać, które kontrakty lub kohorty członków dały dodatni wkład bez zlecania jednorazowej analizy.
✓ Kierownictwo nadal akceptuje nowe warunki at-risk, nawet gdy wewnętrzne przeglądy sygnalizują niskie prognozowane zaangażowanie lub podwyższone ryzyko churn.

Posunięcie, które zwykle pogarsza sprawę. Rozbudowa zatrudnienia lub pojemności platformy, by obsłużyć obecny portfel, co po prostu skaluje wolumen kontraktów o niskim wkładzie i powiększa tę samą rozbieżność.

Who this is for — and who it is not

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.

Jak to wygląda przy rzeczywistym uruchomieniu analizy

Below is an excerpt from a real run of this analysis on firma 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.

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

Co silnik robi z tym pytaniem

This question routes to Własna metodologia EFF, one of 29 engagements the platform runs. For firmy 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. Przeczytaj pełny raport tutaj if you would rather see the depth first.

Pytania, które ludzie zadają na ten temat

Jak wiedzieć, której pracy przestać przyjmować?

Uszereguj według wkładu na jednostkę rzeczywistego ograniczenia — godzina maszyny, godzina rozliczana, slot dostawy, stopa kwadratowa. Nie według przychodu ani według procentu marży brutto, bo oba te wskaźniki niezawodnie faworyzują niewłaściwą pracę, gdy ograniczeniem jest pojemność.

Czy odrzucanie pracy zaszkodzi relacji?

Czasem tak, i zwykle jest to tańsze niż alternatywa. W praktyce cena odzwierciedlająca zużycie pracy albo czyni konto rentownym, albo przenosi je do konkurenta, a obie te drogi są lepsze niż obecna.

Czy to problem cenowy, czy efektywności?

Sprawdź: gdyby każda praca przebiegła idealnie przy zerowym marnotrawstwie, czy te cienkie przyniosłyby zysk? Jeśli odpowiedź brzmi nie, to kwestia ceny i doboru, a żaden program efektywności tego nie osiągnie.

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.