Mój wstępniak na You Tube
No i mamy za sobą 1 października. Dzień, kiedy te trochę starsze dzieci idą do szkoły zwanej „wyższą uczelnią”. Zaczynam obrabiać moje 630-godzinne pensum przewidziane na ten semestr i jednocześnie nie przestaję myśleć. W sumie, jak uczę, to staram się nie myśleć za wiele, bardziej się wczuwam, ale myślę przed zajęciami, a czasem i po. Myślę teraz nad związkiem pomiędzy etyką i biznesem: czy działając etycznie firma zmniejsza czy zwiększa swoją zdolność przetrwania i rozwoju ? Poprawność polityczna nakazuje powiedzieć „zdecydowanie tak, etyczne działanie przyczynia się do zwiększenia konkurencyjności”. Przegląd literatury naukowej na ten temat nie jest już jednak tak jednoznaczny: czasami jest tak, a czasami zupełnie inaczej.
Chcę wykorzystać to ogólne pytanie, tzn. „Czy w biznesie opłaca się działać etycznie ?” jako pretekst to kolejnej gawędy na temat metody naukowej, a dokładnie na temat badania związku między zjawiskami. Chcę się bliżej przyjrzeć trzem metodom badania takiego związku: statystycznej analizie korelacji, analizie współzmienności (zwanej też analizą krańcową) oraz analizie Bayesowskiej.
Czy w biznesie opłaca się działać etycznie ? Z naukowego punktu widzenia to pytanie przekłada się na założenie, że jestem w stanie zaobserwować dwa odmienne zjawiska – etykę w działaniu (czy też stopień urzeczywistnienia wartości etycznych w działaniu) z jednej strony i opłacalność z drugiej strony. Ważne pytanie: czy jestem w stanie mierzyć twa dwa zjawiska z podobną precyzją ? Pytanie jest ważne, ponieważ od razu rzutuje na to, którą z trzech wymienionych powyżej metod badania zależności wybiorę.
Czy mogę zmierzyć etykę działania przedsiębiorstwa tak samo dokładnie, jak mierzę jego opłacalność ? Jeżeli chcę zmierzyć ją bezpośrednio, to mam problem. Przestrzeganie albo nieprzestrzeganie norm postępowania – etycznych, prawnych, technicznych itp. – jest oparte na osądzie kategorycznym. Przestrzegam albo nie przestrzegam. Trudno byłoby popełnić 60% kradzieży. Twierdzenie że jestem w 36% uczciwym pracodawcą niekoniecznie byłoby najlepszą reklamą na rynku pracy. Możliwą furtką jest pomiar częstości naruszenia norm etycznych i chyba to jest właśnie powód, dla którego przedsiębiorstwa odchodzą od polityki społecznej odpowiedzialności pojmowanej jako kodeks etyczny w kierunku tzw. polityki zrównoważonego rozwoju. W przeciwieństwie do przestrzegania norm etycznych, przestrzeganie zasad zrównoważonego rozwoju to stosunkowo łatwy pomiar. Można dokładnie policzyć, ile spośród zużywanych przez moją firmę kilowatogodzin energii pochodzi ze źródeł odnawialnych, czy też jaki procent odpadów generowanych w mojej firmie poddaję recyklingowi.
Tak czy inaczej, kiedy badam zależność między opłacalnością biznesu a etyką jego działania, mogę się znaleźć w jednej z trzech sytuacji poznawczych: a) mam dwa zjawiska obiektywnie mierzalne z podobną dokładnością b) ma dwa zjawiska, z których każde jest obiektywnie mierzalne, ale pomiar jednego z nich jest wyraźnie mniej dokładny niż tego drugiego c) mam dwa zjawiska, z których przynajmniej jedno nie ma zobiektywizowanej skali pomiaru i moja obserwacja opiera się na osądzie kategorycznym, czyli na zaliczaniu obserwacji do stosunkowo szerokich kategorii.
Zacznijmy od rzutu oka na pierwszy wariant: mierzę dwa różne zjawiska przy pomocy skal pomiaru o zbliżonej dokładności. Wtedy mogę założyć, że każde z moich zjawisk ma swoją wartość średnią, czyli mam jakąś średnią opłacalność obserwowanych firm i średni poziom przestrzegania norm etycznego działania. Urok średniej arytmetycznej polega na tym, że ona istnieje tylko częściowo. Jeżeli wezmę zbiór liczb 4, 6, 12, 56, 9 oraz 7, ich średnia arytmetyczna jest równa 15,66666667. Jest to wartość, której nie obserwuję w zbiorze, ale ona jednak jakoś tam jest, tak jakby przynależy i jest skoligacona. Jednakowoż z faktu, że jednak tak do końca to jej tam nie ma wynika istotny wniosek: każda wartość w zbiorze jest w jakiś sposób odchylona od średniej ze zbioru. Jeżeli wezmę 100 firm i policzę ich średnią opłacalność, każda pojedyncza firma będzie w którąś stronę odchylona od tej średniej, na plus albo na minus. Możemy policzyć średnią wartość typowego odchylenia od średniej i mamy wtedy miarę statystyczną zwaną odchyleniem standardowym. Odchylenie standardowe jest jak ten typowo chwiejny krok osób, które stosunkowo często wracają do domu przyswoiwszy uprzednio znaczną ilość napojów wyskokowych. Chwieję się i mnie znosi na boki i wiem o tym i wiem jak balansować tymi długimi białymi skrzydłami u ramion żeby jednak nie upaść.
Jeżeli mam dwa takie mierzalne zjawiska i chcę zbadać ich wzajemny związek, mogę spróbować odpowiedzieć sobie na pytanie: jeżeli jedno zjawisko jest odchylone od swojej własnej średniej o 20% na plus, to jakie jest prawdopodobieństwo że drugie też będzie odchylone o 20% na plus ? Obserwuję wtedy, jakie odchylenie od średniej w ramach zjawiska B towarzyszy odchyleniu od średniej w zjawisku A. Powiedzmy, że dana firma jest odchylona o 20% na plus pod względem opłacalności i 30% na minus pod względem etyki w działaniu. Mnożę to plus 20% razy minus 30% i wychodzi mi – 6%. Te -6% to jest lokalna kowariancja, w tej konkretnej firmie, między etyką i opłacalnością.
Teraz biorę moje wszystkie 100 firm i dla każdej z nim mam taką lokalną kowariancję. Wyciągam średnią arytmetyczną z tych wszystkich lokalnych kowariancji i mam wtedy ogólną kowariancję, w tym zbiorze obserwacji, między opłacalnością a etyką. Każda z moich dwóch zmiennych ma swoje własne odchylenie standardowe, czyli swój własny, chwiejny, pijacki krok. Chodzi o to, żeby sprawdzić, w jakiej części ogólna kowariancja naszych zmiennych to wyłącznie statystyczna iluzja, wynikająca z nałożenia się dwóch odchyleń standardowych, a w jakiej mierze to jest coś naprawdę ważnego, jakiś związek między zjawiskami. Bułka z masłem. Liczę tzw. korelację, czyli dzielę ogólną kowariancję dwóch zmiennych przez iloczyn ich odpowiednich odchyleń standardowych.
Jeżeli wyjdzie mi korelacja między -1 a -0,3, etyka jest istotnie ujemnie skorelowana z opłacalnością. Im uczciwsi, tym biedniejsi. Jeżeli moja korelacja zawiera się między -0,3 a 0,3, z reguły nie ma o czym pisać na Fejsie. W zasadzie brak podstaw do stwierdzenia jakiejkolwiek korelacji. Jeżeli wreszcie mój współczynnik korelacji jest gdzieś między 0,3 a 1, no to wtedy opłaca mi się być uczciwym: im więcej etyki w działaniu, tym więcej kasy. Pięknie.
No dobra, ale to było wszystko przy idealnym założeniu, że mogę mierzyć etykę w działaniu tak samo, jak opłacalność biznesu. Teraz pora na lekką rozbieżność skal pomiarowych: mogę mierzyć etykę mojego działania, ale nie tak samo dokładnie jak opłacalność mojego biznesu. Badanie korelacji może być ciekawe, ale jednocześnie mylące. Tym bardziej mylące, im większa rozbieżność skal pomiarowych. Z reguły mamy wynik zafałszowany w dół: korelacja statystyczna wychodzi nieistotna w sytuacji, kiedy jednak jakiś związek jest. W takiej sytuacji można użyć klasycznego narzędzia analitycznego nauk ekonomicznej: analizy elastyczności, zwanej inaczej analizą wartości krańcowych.
Matematycznie rzecz biorąc, analiza elastyczności opiera się na pojęciu pochodnej. Pochodna funkcji to inaczej ∆y/∆x, czyli (y1 – y0)/(x1 – x0). Przypuśćmy teraz, że rozluźniamy nieco założenia odnośnie związku pomiędzy zmiennymi: x oraz y mogą być ze sobą jakoś funkcjonalnie związane, ale nie muszą. Mogą być wzajemnie niezależne. Iloraz ∆y/∆x mówi wtedy, w jakiej proporcji zmieni się wartość zmiennej y, jeżeli zmienna x wzrośnie albo zmaleje o jednostkę. W jakiej proporcji wzrośnie albo spadnie opłacalność biznesu – jaka będzie ∆y – jeżeli stopień urzeczywistnienia wartości etycznych w działalności tej firmy wzrośnie albo spadnie (czyli ∆x) o jednostkę ?
Współczynnik elastyczności nadaje się przede wszystkim do badania zależności dynamicznych. Wiadomo: mówimy o zmianie. Interesuje nas przebieg zjawisk w czasie. Wyliczamy nasz współczynnik ∆(opłacalność)/∆(etyczne działanie) dla każdego przypadku, w którym możemy mniej więcej określić skalę zmiany w zakresie etycznego działania przedsiębiorstwa. Sprawdzamy, czy w naszej próbce obserwacji wartość tego współczynnika jest raczej powtarzalna czy też mocno rozstrzelona. W pierwszym przypadku możemy mówić o jakiejś zależności, w drugim raczej nie.
Teraz opuszczamy wygodny i nieco fikcyjny świat, w którym stopień urzeczywistnienia wartości etycznych jest mierzalny na jakiejś powtarzalnej skali. Wchodzimy do świata, w którym albo jesteśmy w porządku albo nie, a więc gdzie etyczna wartość naszych działań opiera się na osądzie kategorycznym. Dla mnie to świetny pretekst, żeby ponownie nawiązać do filozofii matematycznej Thomasa Bayesa, będącej podstawą metody zwanej dzisiaj statystyką Bayesowską. Pisałem na temat jej podstaw już wcześniej, we wpisie pod tytułem „Dwie kule w Kalifornii i wielebny Thomas Bayes”. Teraz mam okazję pokazać inne jej praktyczne zastosowanie.
Przypuśćmy znowu, że badamy 100 firm, pod względem etyki ich działalności oraz jej związku z opłacalnością biznesu. Wyznaczamy standard etyczny działalności tak, żeby można było dokonać podziału logicznego tej populacji, na tych, którzy są w porządku oraz na tych, którzy niezupełnie. W ten sposób dzielimy naszą populację na dwie kategorie, czyli w świecie metody Bayesa dzielimy prostokąt rzeczywistości na dwa pod-prostokąty: jeden odpowiadający firmom działającym etycznie, drugi zaś obejmujący te działające nieetycznie. W praktyce, ten drugi prostokąt jest łatwiejszy do wyznaczenia. Selekcjonujemy te firmy, które możemy bez wątpienia uznać za odpowiednik ludzkiej kategorii „ten cholerny skurwysyn” i grupujemy je w jednym podzbiorze, a więc w jednym z naszych dwóch pod-prostokątów.
Pierwsze obliczenie ilościowe polega zwyczajnie na analizie proporcji. Jeżeli w naszym całkowitym zbiorze 100 firm jest pięciu „cholernych skurwysynów” i 95 firm, które przynajmniej trochę przestrzegają wartości etycznych, to pod-prostokąt nieetycznych jest jak 5 do 100, a więc 5%, podczas gdy pod-prostokąt tych przynajmniej mniej więcej w porządku jest jak 95 do 100, czyli 95%.
Teraz skupiamy się na tych 95% firm, które przynajmniej wyglądają jakby były w miarę w porządku pod względem etyki w działaniach biznesowych. Przyjrzyjmy się im. Być może wyłonią się jakieś intuicyjne kategorie. To tak, jakby każda z tych 95 firm była odrębną, zapisaną kartką papieru i my staramy się intuicyjnie podzielić je na dwa albo więcej odrębnych stosów. No to podzielmy. Wyszły trzy intuicyjnie odrębne stosy ? No i dobrze. Teraz zróbmy dokładniejszy przegląd: czym te stosy kartek (firm) różnią się między sobą wzajemnie ? Aha, przestrzeganie praw pracowniczych. W stosie A ponad 80% pracowników skarży się na mobbing albo na łamanie ich praw. W stosie A ta proporcja oscyluje pomiędzy 30% a 50%. W stosie C utrzymuje się systematycznie poniżej 10%. Mamy trzy kategorie etyczne. Jest to podejście kontekstualne do wartości etycznych, a więc patrzymy na etykę przez pryzmat efektów, w tym wypadku skarg ze strony pracowników. Emmanuel Kant miałby zapewne kilka słów do powiedzenia na ten temat, np. że wartość etyczna musi być treścią i zamierzonym celem działania, a nie tylko jego efektem. No tak, ale lepiej mieć miarę etyki kontekstualnej niż nie mieć miary etyki w ogóle.
Podzieliliśmy nasze 100 firm na kategorie. Jest to coś w rodzaju mierzalnej skali, jednak tylko coś w rodzaju. Porządna skala czegokolwiek – np. temperatura na termometrze – jest podzielona na równe, przylegające odcinki. Są takie termometry w sklepach z zabawnymi gadżetami, które zamiast pokazywać temperaturę na normalnej skali wyświetlają kategorie, np. „strasznie zimno”, „tylko trochę zimno, ale może być”, „herbata już nie zamarza”, „przyjemne ciepło” i „no, mogłoby być trochę chłodniej”. My, w naszym dzieleniu populacji 100 firm na odrębne kategorie pod względem obserwowalnej etyki w działaniu, stworzyliśmy właśnie takie kategorie. Ani równe, ani przyległe, ale lepsze to niż nic.
Liczymy, ile firm mamy w każdym ze stosów: A – 30, B – 50, C – 15. Podsumowując, jeżeli nasza próbka 100 firm jest reprezentatywna dla ogólnej populacji, to rzeczona ogólna populacja składa się zapewne z: 5/100 = 5% tych kompletnie pozbawionych wartości etycznych w biznesie, 30/100 = 30% takich niezbyt sympatycznych, 50/100 = 50% takich w sumie całkiem w porządku i wreszcie 15/100 = 15% takich prawie zupełnie OK. Intuicyjne dzielenie próbki badawczej na kategorie pozwoliło odtworzyć coś w rodzaju struktury. Mogę spróbować wyciągnąć z tego jeszcze więcej. W oparciu o otrzymane wyniki, stawiam przykładową hipotezę typu Bayesowskiego: prawdopodobieństwo, że badając kolejne 100 firm napotkam 50 firm typu B oraz 50 przedstawicieli pozostałych trzech kategorii, wynosi P = {n!/[p!(n-p)!]}*ap*bq = {100!/[50!(100 – 50)!]}*0,550*0,550 = 7,96%. Mogę tej hipotezy użyć do dalszego badania sensowności kategorii, jakie wyznaczyłem. Sprawdzam kolejne próbki firm i jeżeli faktycznie wyjdzie mi te 7,96%, to znaczy że moja kategoryzacja jest solidna. Jeżeli nie, trzeba szukać dalej.
Obliczamy teraz średnie wartości wskaźników opłacalności w tych kategoriach, (np. średnią stopę zwrotu z kapitału własnego) oraz odchylenia standardowe od tych średnich. W ten sposób możemy dojść do kilku alternatywnych wniosków. Scenariusz nr 1: w miarę przechodzenia od niższej do wyższej kategorii etycznej, opłacalność systematycznie wzrasta. Opłaca się działać etycznie. Scenariusz 2: do pewnego momentu warto działać etycznie, np. opłaca się przejść z kategorii „cholernych skurwysynów” do stosu A, ale dalej to już nie jest takie oczywiste. Mamy coś w rodzaju garbatego wielomianu kwadratowego wybrzuszonego w górę. Scenariusz 3: w sumie na odwrót niż w scenariuszu [2], tzn. opłacalność biznesów w kategorii A jest wyraźnie niższa niż w kategorii „cholernych skurwysynów”, ale potem kategorie B oraz C wykazują coraz wyższą opłacalność. No i wreszcie mamy scenariusz 4, w sumie najgorszy: „cholerne skurwysyny” mają najbardziej opłacalne biznesy, na drugim miejscu są ci z kategorii
Aha, no i jeszcze poza tym odjazdem teoretycznym, funduję moim czytelnikom trochę praktycznie przydatnego materiału do dydaktyki, czyli typową, szkolną analizę przypadku na temat amerykańskiej firmy Life Point Health. Life Point Health Inc. jest amerykańską firmą, która prowadzi sieć lokalnych szpitali, regionalnych systemów opieki zdrowotnej, przychodni oraz oddziałów opieki nad pacjentami po intensywnej terapii[1]. Sieć obiektów prowadzonych przez Life Point Health jest ukierunkowana przede wszystkim na prowincję (co formalnie jest określane przez firmę jako ‘tereny inne niż miejskie’) i liczyła sobie, na koniec 2016 roku, 72 obiekty zlokalizowane w 22 stanach USA, przy całkowitym zasobie łóżek szpitalnych wynoszącym 9 424. Szpitale Life Point Health typowo świadczą opiekę zdrowotną w zakresie: chirurgii ogólnej, interny, położnictwa, oddziałów ratunkowych, radiologii, onkologii, diagnostyki, kardiologii, oraz rehabilitacji ruchowej. W niektórych lokalizacjach ten typowy profil jest wzbogacony czy to o świadczenia bardziej specjalistyczne – operacje na otwartym sercu, kwalifikowana opieka pielęgniarska, psychiatria oraz neurochirurgia – czy też o szerszy zakres opieki pozaszpitalnej i ambulatoryjnej takich, jak chirurgia jednego dnia, badania laboratoryjne, radiologia i diagnostyka obrazowa, terapia oddechowa, medycyna sportowa czy wreszcie litotrypsja[2].
Możecie traktować Life Point Heath Inc. jako przypadek reprezentatywny dla dwóch kategorii: opieki zdrowotnej z jednej strony oraz organizacji sieciowej z drugiej strony. Zaczynamy od specyfiki branży, czyli opieki zdrowotnej. Tabela 1, poniżej, ukazuje strukturę przychodów Life Point Health w podziale na kategorie płatników: publiczne programy opieki zdrowotnej, prywatnych ubezpieczycieli oraz samych pacjentów. Dla tych z Was, którzy nie do końca rozumieją ten mechanizm, kilka słów wyjaśnienia. Kiedy korzystamy z opieki zdrowotnej, możemy finansować otrzymywane świadczenia na trzy sposoby. Po pierwsze, mogą one być opłacane przez państwo, czyli, jak to się potocznie mówi w Polsce, „na NFZ”. Po drugie, możemy korzystać z finansowania świadczeń przez prywatnych ubezpieczycieli. Obejmuje to także tzw. abonamenty zdrowotne (np. Luxmed, Medicover), które nie są umowami ubezpieczenia w ścisłym tego słowa znaczeniu, ale działają na podobnej zasadzie ekonomicznej: ciągły strumień regularnych płatności ze strony pacjenta oraz okazjonalne finansowanie świadczeń przez firmę otrzymującą te płatności. Po trzecie wreszcie, możemy płacić za każde otrzymane świadczenie zdrowotne bezpośrednio z własnej kieszeni. Znamy to szczególnie z kontaktów ze stomatologami czy fizjoterapeutami.
Jak widać w tabeli 1, Life Point Health opiera swoją działalność na swego rodzaju płynnej równowadze między świadczeniami finansowanymi przez sektor publiczny a tymi opłacanymi przez prywatnych ubezpieczycieli. Relacje firmy z klientami odbywają się na dwóch poziomach: klientem jest płatnik z jednej strony oraz pacjent z drugiej. Marketing jest ukierunkowany na tworzenie długofalowych więzi z płatnikami, udokumentowanych odpowiednimi umowami, a jednocześnie na zachęcanie pacjentów do korzystania ze świadczeń zdrowotnych. Według danych Banku Światowego[3], w USA ok. 48,3% wydatków na opiekę zdrowotną pochodzi z programów publicznych, 40,65% to świadczenia opłacane przez prywatnych ubezpieczycieli, a 11,05% to płatności bezpośrednie od pacjentów. Struktura przychodów Life Point Health jest więc zbliżona do struktury rynku jako całości.
Zagadnienie nr 1: W jaki sposób organizacja może stworzyć taką strukturę kontaktów z klientami, która naśladuje strukturę rynku jako całości ?
Jak może wyglądać proces takiego przystosowania ?
Jak mogą wyglądać alternatywne wzorce biznesu w przypadku Life Point Health Inc. ?
Jaką różnicę w funkcjonowaniu organizacji moglibyśmy dostrzec, gdyby ta firma była stosunkowo bardziej skupiona na świadczeniach opłacanych bezpośrednio przez pacjentów ?
Co by było, gdyby skupiła się wyłącznie na relacjach z prywatnymi ubezpieczycielami albo wyłącznie na obsłudze publicznych programów opieki zdrowotnej ?
Tabela 1 Struktura przychodów Life Point Health Inc. według kategorii płatników
| Rok 2016 | Rok 2015 | Rok 2014 | ||||
| Przychody według kategorii płatników | Kwota w MLN USD | % przychodów przed rezerwą | Kwota w MLN USD | % przychodów przed rezerwą | Kwota w MLN USD | % przychodów przed rezerwą |
| Publiczna opieka zdrowotna (Medicare, Medicaid) | 3 294,90 | 45,3% | 2 750,10 | 45,7% | 2 247,40 | 42,4% |
| Prywatne ubezpieczenia zdrowotne | 3 015,00 | 41,5% | 2 393,50 | 39,8% | 2 210,50 | 41,7% |
| Świadczenia opłacane wprost przez pacjentów | 832,80 | 11,4% | 749,00 | 12,5% | 744,90 | 14,1% |
| Inne świadczenia | 130,90 | 1,8% | 121,80 | 2,0% | 98,10 | 1,9% |
| Przychody przed rezerwą na poczet rachunków trudno ściągalnych | 7 273,60 | 100,0% | 6 014,40 | 100,0% | 5 300,90 | 100,0% |
| Rezerwa na poczet rachunków trudno ściągalnych | (909,60) | -12,5% | (800,10) | -13,3% | (817,80) | -15,4% |
| Przychody po rezerwie na poczet rachunków trudno ściągalnych | $6 364,00 | 87,5% | 5 214,30 | 86,7% | 4 483,10 | 84,6% |
Źródło: http://www.lifepointhealth.net/investor-relations
Tabela 2, poniżej, pokazuje wyniki finansowe Life Point Health Inc. Tabela 3, dalej poniżej, zawiera dane bilansowe firmy. W strukturze bieżącego wyniku finansowego (Tabela 2) widać szczególną kategorię: „Odpis na rachunki trudno ściągalne”. Chodzi tu o pacjentów, dla których brak jest jasno określonego sposobu sfinansowania świadczeń. Można podejrzewać, że chodzi o osoby stosunkowo ubogie, pozbawione ubezpieczenia zdrowotnego albo też o niejasnej sytuacji ubezpieczeniowej, którzy są jednakowoż przyjmowani do szpitala. Odpis na rachunki trudno ściągalne jest to więc wartość świadczeń zdrowotnych udzielonych takim pacjentom. Widać, że udział tego odpisu w przychodach stopniowo maleje z roku na rok tak, jakby organizacja czegoś się uczyła. Struktura kosztów operacyjnych wydaje się stosunkowo stabilna. Jednakowoż, stopa zysku brutto jest zmienna z roku na rok. Dane bilansowe (Tabela 3) wskazują na akumulację kapitału po stronie aktywów. Z finansowego punktu widzenia biznes Life Point Health wygląda więc, jakby zbliżał się do stabilizacji.
Zagadnienie nr 2: Co wiecie o strategicznych cechach organizacji, których finanse wyglądają stabilnie ?
Możecie wykorzystać modele analityczne takie, jak macierz BCG albo macierz McKinseya. Co w związku z tym możecie wywnioskować na temat innowacyjności w Life Point Health Inc. ?
Czy wyniki finansowe firmy wskazują raczej na daleko posuniętą innowacyjność w zakresie nowych technologii medycznych, czy też raczej na konserwatyzm ?
Tabela 2 Wyniki finansowe Life Point Health Inc.
| 2016 | 2015 | 2014 | ||||
| Kategoria | Kwota [MLN USD] | % udział w przychodach przed odpisem | Kwota [MLN USD] | % udział w przychodach przed odpisem | Kwota [MLN USD] | % udział w przychodach przed odpisem |
| Przychody przed odpisem na rachunki trudno ściągalne | 7 273,60 | 100,0% | 6 014,40 | 100,0% | 5 300,90 | 100,0% |
| Odpis na rachunki trudno ściągalne | (909,60) | -12,5% | (800,10) | -13,3% | (817,80) | -15,4% |
| Przychody po odpisie na rachunki trudno ściągalne | 6 364,00 | 87,5% | 5 214,30 | 86,7% | 4 483,10 | 84,6% |
| Wynagrodzenia i dodatki do wynagrodzeń | 3 047,40 | 41,9% | 2 496,90 | 41,5% | 2 134,50 | 40,3% |
| Zakupy zewnętrzne | 1 066,60 | 14,7% | 815,00 | 13,6% | 699,00 | 13,2% |
| Inne koszty operacyjne | 1 558,10 | 21,4% | 1 246,40 | 20,7% | 1 087,30 | 20,5% |
| Inne dochody | (29,90) | -0,4% | (49,70) | -0,8% | (71,90) | -1,4% |
| Amortyzacja | 344,60 | 4,7% | 279,00 | 4,6% | 250,50 | 4,7% |
| Odsetki netto od zobowiązań finansowych | 149,20 | 2,1% | 114,40 | 1,9% | 123,00 | 2,3% |
| Koszty z tytułłu zmiany wyceny wartości aktywów | 1,20 | 0,0% | 13,80 | 0,2% | 57,70 | 1,1% |
| Saldo innych zdarzeń | 22,00 | 0,3% | (4,00) | -0,1% | – | 0,0% |
| Koszty razem | 6 159,20 | 84,7% | 4 911,80 | 81,7% | 4 280,10 | 80,7% |
| Zysk brutto przed opodatkowaniem | 204,80 | 2,8% | 302,50 | 5,0% | 203,00 | 3,8% |
| Odpis na podatek dochodowy | 73,00 | 1,0% | 109,50 | 1,8% | 68,10 | 1,3% |
| Zysk netto po opodakowaniu | 131,80 | 1,8% | 193,00 | 3,2% | 134,90 | 2,5% |
Źródło: http://www.lifepointhealth.net/investor-relations
Tabela 3 Bilans Life Point Health Inc.
| Bilans, MLN USD | 2016 | 2015 |
| Aktywa płynne | 1 315,30 | 1 266,00 |
| Gotówka i odpowiedniki | 96,10 | 284,00 |
| Należności | 912,70 | 743,70 |
| Zapasy | 154,30 | 127,70 |
| Wydatki przedpłacone | 71,90 | 50,80 |
| Inne aktywa płynne | 80,30 | 59,80 |
| Aktywa trwałe | 5 209,20 | 4 322,30 |
| Grunty | 191,60 | 162,80 |
| Budynki | 2 601,60 | 2 272,30 |
| Sprzęt | 2 237,70 | 1 767,80 |
| Bodowy w toku | 178,30 | 119,40 |
| Skumulowana amortyzacja | (2 142,40) | (1 840,00) |
| Aktywa niematerialne | 80,30 | 70,60 |
| Inne aktywa długoterminowe | 78,70 | 510,40 |
| Wartość firmy (ang. Goodwill) | 1 777,90 | 1 667,50 |
| Aktywa razem | 6 319,00 | 5 996,80 |
| Zobowiązania | 3 976,90 | 3 584,40 |
| Kapitał własny | 2 342,10 | 2 412,40 |
| Pasywa razem | 6 319,00 | 5 996,80 |
Źródło: http://www.lifepointhealth.net/investor-relations
Tabele 4 – 6, poniżej, pokazują strukturę sieci szpitali Life Point Health Inc. w podziale na rynki poszczególnych stanów w USA. Dodatkowo, tabela 7 dalej poniżej, dostarcza informacji na temat rynków poszczególnych stanów. Sieć Life Point Health skupia się na rynkach ośmiu stanów: Karoliny Północnej, Kentucky, Tennessee, Virginii, Pensylwanii, Michigan, Georgii oraz Nowego Meksyku. Firma ma swoje placówki także w innych stanach, jednak te osiem rynków stanowych przynosi lwią część przychodów firmy. Z drugiej strony, porównanie tychże przychodów z rozmiarami rynków świadczeń zdrowotnych w tych stanach (patrz: Tabela 7) wskazuje, że w żadnym z nich Life Point Health nie ma pozycji chociażby zbliżonej do monopolu. Wracamy w ten sposób do kwestii sposobu, w jaki organizacja przystosowuje się do otoczenia.
Zagadnienie nr 3: Proszę wymodelować proces rozwoju sieci placówek Life Point Health Inc. W jaki sposób struktura sieciowa w ogóle może zacząć się tworzyć ? Jakie mechanizmy i jakie bodźce rynkowe mogą spowodować, że dwie lub więcej placówek medycznych łączą się w sieć ?
Tabela 4 Przychody Life Point Health Inc. w układzie geograficznym
| Przychody w MLN USD | ||||
| Stan | Liczba obiektów | 2016 | 2015 | 2014 |
| Karolina Północna | 9 | 947,90 | 580,30 | 372,60 |
| Kentucky | 10 | 679,90 | 638,50 | 587,90 |
| Virginia | 6 | 661,80 | 641,90 | 624,40 |
| Pensylwania | 4 | 562,50 | 566,50 | * |
| Michigan | 3 | 468,00 | 476,20 | 460,80 |
| Georgia | 2 | 453,70 | * | * |
| Tennessee | 10 | 450,10 | 420,70 | 404,50 |
| Nowy Meksyk | 2 | 320,40 | 287,30 | 266,50 |
| Inne stany | 26 | 2 729,30 | 2 403,00 | 2 584,20 |
Źródło: http://www.lifepointhealth.net/investor-relations
Tabela 5 Struktura geograficzna przychodów Life Point Health Inc. w ujęciu procentowym
| Udział w przychodach [%] | |||
| Stan | 2016 | 2015 | 2014 |
| Karolina Północna | 20,9% | 16,1% | 13,7% |
| Kentucky | 15,0% | 17,7% | 21,6% |
| Virginia | 14,6% | 17,8% | 23,0% |
| Pensylwania | 12,4% | 15,7% | * |
| Michigan | 10,3% | 13,2% | 17,0% |
| Georgia | 10,0% | * | * |
| Tennessee | 9,9% | 11,6% | 14,9% |
| Nowy Meksyk | 7,1% | 8,0% | 9,8% |
| Inne stany | 37,5% | 40,0% | 48,8% |
Źródło: http://www.lifepointhealth.net/investor-relations
Tabela 6 Zróżnicowanie geograficzne sieci obiektów Life Point Health Inc.
| Przychody na 1 obiekt w MLN USD | |||||
| Stan | 2016 | 2015 | 2014 | Wzrost przychodów 2014 – 2016 [%] | Wzrost liczby ludności 2014 – 2016 [%] |
| Karolina Północna | 105,32 | 64,48 | 41,40 | 154,4% | 2,1% |
| Kentucky | 67,99 | 63,85 | 58,79 | 15,6% | 0,5% |
| Virginia | 110,30 | 106,98 | 104,07 | 6,0% | 1,1% |
| Pensylwania | 140,63 | 141,63 | * | 100,0% | 0,0% |
| Michigan | 156,00 | 158,73 | 153,60 | 1,6% | 0,1% |
| Georgia | 226,85 | * | * | 100,0% | 2,2% |
| Tennessee | 45,01 | 42,07 | 40,45 | 11,3% | 1,6% |
| Nowy Meksyk | 160,20 | 143,65 | 133,25 | 20,2% | -0,1% |
| Inne stany | 104,97 | 100,13 | 129,21 | 5,6% | ## |
Źródło: http://www.lifepointhealth.net/investor-relations
Tabela 7 Wielkość i dynamika rynku poszczególnych stanów
| Stan | Wydatki na opiekę zdrowotną w USD na głowę mieszkańca [2014][4] | Liczba ludności[5] | Wartość rynku opieki zdrowotnej w MLN USD | Udział Life Point Health w rynku stanowym |
| Karolina Północna | $7 264,00 | 9 934 399 | 72 163,47 | 1,31% |
| Kentucky | $8 004,00 | 4 413 057 | 35 322,11 | 1,92% |
| Virginia | $7 372,00 | 8 317 372 | 61 315,67 | 1,08% |
| Pensylwania | $9 258,00 | 12 790 565 | 118 415,05 | 0,48% |
| Michigan | $8 055,00 | 9 915 767 | 79 871,50 | 0,59% |
| Georgia | $6 587,00 | 10 087 231 | 66 444,59 | 0,68% |
| Tennessee | $7 556,00 | 6 544 663 | 49 451,47 | 0,91% |
| Nowy Meksyk | $7 214,00 | 2 083 024 | 15 026,94 | 2,13% |
Źródło: www.kff.org , www.census.gov
Zalecenia dla prowadzącego zajęcia
Ogólne zalecenie dla analizy przypadków jest takie, żeby traktować ją jak trening w rozumowaniu naukowym. Kiedy w zagadnieniach do analizy pojawia się pytanie typu „W jaki sposób może się wydarzyć to czy tamto ?”, możemy to interpretować jako różne możliwe sekwencje zdarzeń (sposób wydarzania się czegoś to sekwencja zjawisk składających się na to zdarzenie). W ten sposób można w praktyce zastosować zasady dowodu naukowego według Miltona Friedmana: dla każdego stanu rzeczy można sformułować tak wiele hipotez, że w praktyce ich liczba jest nieskończona, tylko dla niektórych z tych hipotez można znaleźć sposób weryfikacji i w efekcie weryfikacji tylko dla niektórych z nich można jednoznacznie określić, w jakich warunkach są prawdziwe, a w jakich fałszywe.
Zagadnienie nr 1
Struktura przychodów odzwierciedlająca strukturę rynku zakłada istnienie jakiejś hipotetycznej sekwencji zdarzeń, która pozwala firmie osiągnąć taką właśnie strukturę. Można założyć, że to Life Point Health przystosowała strukturę swojej działalności do struktury rynku, a nie odwrotnie. Wiemy, że organizacja nie przystosowuje się „sama”. Musi istnieć jakiś mechanizm przetwarzający informacje na temat rynku na decyzje kierownicze, Te ostatnie muszą być rzeczywiście wdrożone, żeby organizacja faktycznie się zmieniała. To zagadnienie odsyła więc do takich narzędzi zarządzania strategicznego, jak Strategiczna Karta Wyników (ang. Balanced Scorecard) czy też model CANVAS i jego filozofia generowania rozwiązań wewnątrz organizacji. Interesującą ścieżką pracy grupowej jest stworzenie modelowej sekwencji zdarzeń, które prowadzą firmę do takiego właśnie „przystawania” do struktury rynku. W modelowaniu takiej sekwencji można pokazać twórcze zastosowanie narzędzi analizy ryzyka: staramy się określić prawdopodobieństwo że wystąpią określone sekwencje zdarzeń.
Zagadnienie nr 2
Domyślna odpowiedź w tym przypadku jest taka, że Life Point Health to organizacja stosunkowo konserwatywna. Stabilna struktura kosztów i malejący udział odpisu na rachunki trudno ściągalne świadczy o dążeniu do redukcji ryzyka. W macierzy BCG oznaczałoby to skupienie się na „dojnych krowach”, w macierzy McKinseya na obszarach o niskim potencjale wzrostu i dużym potencjale zysku. Można tu jednak pokierować pracą studentów tak, aby połączyli zagadnienia 1 i 2, a więc aby zastanowili się „co by było, gdyby ?”. W jaki sposób, na przykład, Life Point Health mogłaby przejść od strategii stosunkowo konserwatywnej do strategii bardziej ryzykownej ?
Zagadnienie nr 3
To konkretne zagadnienie daje okazję do szerokiego przeglądu wiedzy studentów z zakresu ekonomii, socjologii i zarządzania. Tworzenie sieci można interpretować jako łączenie się niezależnych podmiotów – w oparciu o wspólne interesy – albo też jako stopniowe przejmowanie kontroli przez jeden podmiot nad innymi. Można stosować modele gier – np. gra kooperatywna w zestawieniu z grą bez kooperacji, dylemat więźnia itp. – a do tych modeli można dokładać zmienne typowo ekonomiczne, chociażby w postaci wyników ekonomicznych poszczególnych jednostek w strukturze sieciowej. Dla studentów jest to okazja do swego rodzaju freestyle’u analitycznego, gdzie wszystkie chwyty są dozwolone tak długo, jak coś wiarygodnie wyjaśniają.
No i tyle byłoby tej prawie nowej nauki na dzisiaj.
[1] Informacje na temat firmy Life Point Health Inc. zostały zaczerpnięte z serwisu relacji inwestorskich: http://www.lifepointhealth.net/investor-relations (data ostatniego dostępu 22-12-2017)
[2] Litotrypsja – zabieg urologiczny polegający na pozaustrojowym skruszeniu kamienia w pęcherzu moczowym, moczowodzie lub nerce.
[3] https://data.worldbank.org/data-catalog/health-nutrition-and-population-statistics , last accessed 19/12/2017
[4] Na podstawie: www.kff.org , ostatni dostęp 23-12-2017
[5] Na podstawie: www.census.gov , ostatni dostęp 23-12-2017