MongoDB(MDB)는 얼핏 보면 풀꽃처럼 특별할 것 없는 그저 그런 주식처럼 보인다.
특히나 정량적 분석을 주로 하는 사람들에게는 더욱 그렇다.
이번 ‘25.4Q(특이하게 MDB는 1.31일에 회계 연도를 마감한다) 실적과 함께 발표한
‘26.1Q(‘25.2.1~4.30일), ’26년(‘25.2.1~’26.1.31일) 가이던스가 시장이 기대하는 성장률을 충족하지 못했다는 이유로 주가가 거세게 하락했다.
그리고 이어지는 목표가 하향, 셀 리포트..
하지만 나는 이러한 시장의 반응이 전적으로
1) 왜 회사의 BM이 AI트렌드의 최대 수혜를 받을 수밖에 없는지,
2) 이러한 수혜를 극대화하기 위한 회사의 전략이 무엇인지,
3) 회사가 발표한 가이던스가 어떻게 해서 도출된 것인지
이렇게 세 가지 측면에서 이해가 부족한 탓이라고 생각한다.
그리고 처음 ‘24.12.25일 분석했던 글 이후 ‘25.3.5일 발표한 ‘25.4Q 실적에서 흑자 전환했으며, 주가는 당시 $243.11 대비 $187.65까지 22.8%가량 하락했다.
또한 6가지 투자 판단 조건에 대해 더 긍정적으로 평가할만한 근거를 이번 실적 발표와 컨콜에서 찾아볼 수 있었다.
이를 통해 ‘25.2Q 포트폴리오 조정시 MDB를 포함시킬 계획이다.
왜 이제 막 적자에서 탈피하여 분기 EPS가 $0.2에 불과한 MDB에 대해 $187.65의 밸류에이션이 정당하다고 생각하는지, 어째서 이러한 프리미엄을 줄 수 있다고 생각하는지 한 번 이야기해보려고 한다.
BM의 이해
SEC 10-Q filing(미국의 사업보고서)에 따르면, MDB는 구독 매출 비중이 97%이며,
클라우드 환경에서 DB를 구독형으로 읽고 쓰며, 벡터 검색, 시계열 분석 등 다양한 분석 업무를 수행할 수 있는 Atlas 매출 비중이 ‘25.3Q 누적 기준 70%였다.
Atlas는 매월 고객들의 사용량에 따라 과금되는 형태이다.
그리고 MongoDB Enterprise Advanced(이하 ‘EA’)는 고객들이 클라우드, 설치, 클라우드-설치 혼합 중 원하는 환경에서 독점적인 DB 서버를 사용하는 서비스로,
‘25.3Q 누적 구독매출의 24%, 전체 매출의 23.2%였다.
EA는 통상 연단위로 구독하는 방식이며, 다년도 계약을 하는 경우도 있다.
(이 다년도 계약이 ’26년 가이던스 미스를 발생시킨 주범이다)
이외 컨설팅, 트레이닝 서비스를 통해 받는 서비스 매출이 ‘25.3Q 기준 3% 정도이다.
SQL과 NoSQL, 관계형DB와 비관계형DB
간략히 설명하자면(상세한 설명은 지난 분석글 참고),
관계형 DB는 엑셀과 같은 테이블형 데이터베이스로,
행렬 형태로 데이터가 작성되어야 하기 때문에 빈 데이터가 있으면 분석이 어렵고,
새로운 항목을 추가하는 것이 곤란하며,
다수의 유저가 정보를 읽고 쓸 때 데이터를 분산하여 저장하기 어렵고,
다수의 테이블을 결합할 때 성능 하락이 발생한다.
(AI 학습은 대체로 대규모 병렬 연산이 필요하기 때문에 테이블 결합시 성능 하락은 심각하다)
반면, MongoDB와 같은 NoSQL은 문서 형식으로 데이터 뭉치를 저장하게 되기 때문에 새로운 항목을 추가하는 것이 자유로우며,
검색에 필요한 시간과 노력이 크게 절약되며,
분석할 때 테이블 결합의 문제도 발생하지 않는다.
(테이블은 2차원이기 때문에 다차원의 데이터를 분석하기 위해서는 테이블 결합이 필요,
문서형 DB는 문서 하나에 다양한 데이터가 저장되기 때문에 결합 불필요)
위 영상을 클릭하면 MySQL과 MongoDB 성능을 분석하는 내용이 나온다.
구글 트렌드 기준으로는 MySQL의 사용량과 관심도가 높지만,
Github 커뮤니티 기준 MongoDB는 Fork 5.5k, Star 24.6k, Contributors 700명이다.
MySQL은 For 3.6k, Star 9.6k, Contributors 111명으로,
MongoDB가 생태계 내에서 오픈소스 개인 사용자들의 다양한 기능 확장(plug-in) 개발이 활발하게 이뤄지고 있다는 것을 확인할 수 있다.
이에 따라 유튜버는 MongoDB의 발전 가능성이 더 높다고 평가하고 있다.
또한, 영상에서는 Kelin 대학 컴퓨터 공학 석사학위 논문을 바탕으로 두 DB SW의 성능을 분석한다.
Insert : 한 테이블에 N개 데이터를 삽입할 때 걸리는 시간을 비교하면, 10,000개 데이터 삽입을 기준으로 하면 80배 이상 빠르며, 데이터 수가 늘어날수록 차이는 커진다.
Select : 조건을 처리한 후 열을 출력하는 작업은 MongoDB가 20ms 더 빠르게 나타났다.
Sub Select : 여러 조건을 순서대로 처리한 후 열을 출력하는 작업은 10,000개 이상의 데이터부터 MongoDB가 4배 이상 빠르다.
Update : MongoDB가 MySQL보다 30ms 느리다.
Delete : MongoDB가 MySQL보다 10ms 느리다.
조건문 기반 Delete : MongoDB가 MySQL보다 30ms 이상 빠르다.
이를 통해 보면 MongoDB가 대체로 MySQL에 비해 성능이 좋다.
특히 데이터 수가 늘어날수록 속도 차이가 더 커진다는 것을 알 수 있다.
PostgreSQL과의 비교(‘25.4Q 실적발표)
이번 실적발표에서 경쟁 환경에 대한 질문에 대해 CEO는 대표적인 관계형 오픈소스 DBaaS 솔루션 기업 PostgreSQL과 비교하여 강점을 설명했다.
1. PostgreSQL은 OLTP 서비스(인터넷을 통해 많은 사람이 실시간으로 DB를 처리할 수 있게 해주는 서비스)에 가까우며,
MongoDB는 그 안에서 데이터 분석, 벡터 검색 등 다양한 서비스를 한 번에 처리할 수 있고,
따라서 둘을 직접 비교하는 것은 정당하지 않으며,
소비자들은 당연히 서비스를 한 번에 처리할 수 있도록 설계된 MongoDB를 선호한다.
2. OLTP 성능 자체도 위 MySQL과 비교분석에서 본 바와 같이 MongoDB가 PostgreSQL을 압도한다.
이는 관계형 DB라는 PostgreSQL의 본질적 한계 때문이다.
MDB CEO는 궁극적으로 같은 작업을 놓고 경쟁하는 관계가 아니라고 표현했으며,
명시적으로 언급하지는 않았지만 AI DB 시장에서 PostgreSQL이 경쟁대상이 아님을 의미하는 것으로 추정된다.
결국 현재 시장의 다수를 차지하는 관계형 DB SW가 AI DB 관리에 사용될 수 없다면,
다수 기업들이 AI 서비스 앱을 출시할수록 MDB의 성장성은 부각될 수밖에 없다.
3. 이러한 차이에 따라 실제 영업 사원들은 PostgreSQL에 대한 승률(DB 플랫폼 이전을 말하는 것 같다)이 높다고 말하고 있으며, 이러한 ‘전투’가 많아지길 기대하고 있다.
고객들을 많이 만나 인식 수준을 높이는 영업을 통해 ‘전투’를 늘리는 것이 MDB의 전략이다.
이번 실적발표에서 Rish Jaluria라는 애널리스트는 PostgreSQL가 기존 SQL을 부분적으로 업데이트하면서 거둔 큰 성공을 언급하면서,
기업이 전환비용을 감수하고 전면적인 DB 구조 개편을 추진할 ‘모멘텀’을 문의했다.
이에 대해 CEO는 AI가 근본적으로 경쟁 역학을 변경시키고 있다는 것을 언급했다.
AI를 활용하기 위해서는 DB의 유연성과 적응성이 중요하며,
따라서 이를 전제로 한 데이터 인프라 구축이 필요하고, MongoDB는 이를 전제로 만들어졌다.
고객들의 AI 도입에 두 가지 요소가 문제인데 ‘환각현상’과 고객들의 개발 기술부족이다.
이를 해결하기 위해 MDB는
1) Voyage AI 인수를 통한 Embedding, Reranking 자동화 기술을 도입하여 Vector 검색을 통한 환각현상 최소화를 추구하고 있다.
Voyage AI는 Embedding, Reranking 모델을 통해 질문에 맞는 정보를 찾는 역할을 하면서 환각현상을 완화한다.
이에 따라 AI로부터 나온 답변의 신뢰도를 올려줄 수 있다.
2) 고객들에 대해서는 훈련과 컨설팅을 통해 DB 차원에서의 기술적 AI 도입 장벽을 낮추고 있다.
결론적으로 CEO는 관계형 DB에 머무는 것이 더 이상 ‘가능한 선택지가 아니라’고 강조한다.
하이퍼스케일러(구글 GCL, 아마존 AWS, MS Azure) 경쟁
MDB CEO는 하이퍼스케일러들은 복제 방식을 통해 DB 관리를 하고 있는데,
이들에 대한 승률이 굉장히 높으며,
하이퍼스케일러들도 일부 자사 DB로 이전을 추구하는 경우도 있지만 대체로는 클라우드 서비스 속에서 원만히 협업하면서 서비스를 하고 있다고 언급하고 있다.
내 생각에는 하이퍼스케일러들 또한 고객들에게 더 나은 서비스를 제공해야 한다는 측면에서 다른 클라우드 사업자들과 경쟁하고 있으며, DB 차원에서 더 나은 서비스를 제공하는 MongoDB를 배제하는 것은 고객 이탈을 초래할 수 있다는 점에서 사용하기 어려운 전략이라고 보여진다.
산업의 성장성
MDB의 타겟 시장
MDB는 DB 소프트웨어 시장을 타겟 시장으로 한다.
기업은 고객, 제품, 밸류체인 등 다양한 데이터를 저장, 관리, 분석해야 하며,
이를 자동화하여 실시간으로 운용하는 소프트웨어 패러다임을 DBaaS라 한다.
최근 모든 기업들이 Open AI, Gemini, DeepSeek 등 LLM 모델을 활용하여 비용 절감과 고객 만족도와 기업 효율성을 확대하는 등 최적화를 추구하고 있다.
그런데 이 과정에서 AI를 학습시키는 것이 가장 중요하며,
학습에는 데이터의 관리, 보안이 핵심이다.
이로 인해 DBaaS SW의 중요도가 높아지고 있다.
성장 내러티브
AI 도입에 따른 침투율 확대
DB SW 시장에서 현재 관계형 DB 점유율이 72%에 달한다.
하지만 AI가 도입되면서 관계형 DB는 확장성과 연산에 드는 시간과 비용 측면에서 비관계형 DB, 특히 MongoDB와 비교가 되지 않는다.
MDB CEO가 말한대로, 관계형 DB는 더이상 가능한 선택지가 아니다.
AI 도입 속도는 다소 점진적이겠지만, 신뢰도 확보와 소비자들이 AI에 보다 편안함을 느끼면서 모멘텀이 강화될 것으로 예상한다.
영업 생산성 개선
‘25.3Q 컨콜에서 사용량이 중간 수준인 고객으로부터 높은 수준(백만불 이상) 고객으로 영업의 초점을 변경시켜 훈련, 컨설팅 업무 등을 진행하면서 영업 생산성이 개선되었음을 언급했다.
성장성에 대한 의심, ’26년 가이던스
사실 이번 ‘25.4Q 실적은 컨센서스를 대폭 상회하는 호실적이었다.
매출은 5.5%, Non-GAAP EPS(Non-GAAP은 미국 표준 회계 처리기준을 따르지 않고 일회성 비용 등을 제외하는 기준을 의미한다)는 91.0% 상회하였다.
하지만 ‘26.1Q 가이던스는 컨센 대비 매출 중간값 0.15% 하회, Non-GAAP EPS 4.8% 상회,
’26년 전체 가이던스는 컨센 대비 매출 중간값이 3.00% 하회, Non-GAAP EPS 25.15% 하회하는 것으로 제시하여 시장의 ‘이익 성장에 대한 의심’이 강해졌다.
하지만 나는 이러한 반응이 정량적 지표만 바라보며 그 기저의 원인을 파악하지 못한 오류라고 생각한다.
환경 변화에 따라 기업의 성장경로에는 변동성이 있다.
하지만 원인이 일시적이라면 앞으로 꾸준하게 성장하는 기업을 성장 내러티브가 영구적으로 소멸된 기업이라고 잘못 판단하여 좋은 기업의 투자 기회를 놓칠 위험이 크다.
MDB는 이런 상황이 원인이 EA(非Atlas) 부문 다년도 계약이라고 밝히고 있다.
서비스 부문 매출 성장률을 제외하고, 큰 한자릿수 성장률의 중간값을 8%로 가정하면,
(1+a)×0.71+0.92×0.24=1.13×0.95로부터 a=20.10이 도출된다.
즉, Atlas 부문의 성장률은 20% 수준으로 유지되는 것을 회사가 예상하고 있는 것이다.
다만, EA 부문은 ’24, ’25년간 예상치 못한 다년도 계약이 연속해서 체결되면서 수주 여력이 부족해진 상황에서 ’26년에는 ’25년 대비 EA 부문에서 $5,000만 정도 매출 감소가 예상된다.
이를 가이던스에 반영하면서 성장성 감소에 대한 우려가 제기된 것이다.
경제적 해자
네트워크 효과
기술적 우위 유지를 위해 막대한 자금이 소요된다면 이는 강한 해자가 아니다.
하지만 MDB가 기술적 우위를 유지하는 방식은 ‘개발자 생태계’를 활용한 방식이다.
애플이 앱스토어에 즐길만한 게임이나 유용한 생산성 관리 앱을 최신 트렌드에 맞게 출시하기 위해 비용을 지출하는가?
오히려 애플은 30%에 달하는 막대한 앱스토어 수수료를 수취하면서도 최신의 앱들을 앱스토어에서 서비스할 수 있다.
이렇게 할 수 있는 것은 수많은 스마트폰 사용자들이 앱스토어에 방문하여 유용한 앱을 검색하고 다운로드 받아 개발자들에게 비용을 지불해주기 때문일 것이다.
마찬가지의 일이 MongoDB에서도 일어나고 있다.
MongoDB는 오픈소스 형태로 개발되어 기본 DB 관리 구조(architecture)는 MDB가 관리하지만, 유용한 다수의 플러그인들은 개발자들이 사용하면서 개발하고, 이를 오픈소스 플랫폼에 공개하여 활용도를 높이고 있다.
이익률
P×Q : 유저수와 사용량의 동반 증가
MDB는 공격적으로 영업을 진행한 결과 백만불 이상 고객 증가율이 전체 고객 증가율을 상회하는 성과를 거뒀으며, 이러한 추이는 AI 트렌드를 통해 강화될 것으로 예상된다.
’26년 가이던스는 다소 시장의 기대에 미치지 못했지만, 영업성과의 지속, 비Atlas 비중의 감소에 따른 성장률 희석 효과 완화와 다년도 매출 영향 감소로 ’27년부터는 성장률이 정상 궤도에 진입할 것으로 기대된다.
오히려, 이러한 약점을 숨기지 않고 명확히 밝히고 시장과 소통한 ‘정직한 경영진’에 대해 보다 가치있게 평가해야 하지 않을까?
C : 지금은 아끼지 않을 때
MDB 경영진은 현재는 고객 저변 확대를 위해 비용을 아낄 때가 아니라고 생각하는 것 같다.
이러한 전략적 고려에 따라 영업 비용이 확대되면서 이익률에는 부정적 영향을 미치고 있다.
하지만 이는 장기적인 주주가치 극대화 전략의 일부이다.
또한, AI를 통해 MongoDB 어플리케이션 고도화 비용을 절감하고 있어 향후 수익성 개선에 일부 기여할 것으로 예상된다.
자본배치
MDB 경영진들은 명확한 우선순위에 따라 성장성을 극대화하기 위해 노력하고 있으며, 현재 시점에 무엇을 해야 하는지 잘 알고 있다.
고객들은 반복되는 업무 뿐만 아니라 추론이 필요한 업무에도 AI를 도입하면 생산성이 개선될 수 있다는 것을 알면서도 신뢰성과 관련 기술 부족으로 AI 도입을 주저하고 있다.
Voyage AI 인수를 통해 AI 사용의 신뢰도를 높일 수 있는 ‘Embedding’와 ‘Rerank’ 자동화 기술을 도입하여 MongoDB에 통합하여 사용하게 되었다.
또한 고객들에게 직접 찾아가는 방식을 통해 MongoDB를 도입하면 무엇을 할 수 있으며,
어떻게 하면 효율성을 얼마나 개선할 수 있는지 인식 수준을 높이는 노력을 하고 있다.
결국 서비스 매출에 포함된 훈련, 컨설팅 매출은 규모는 작지만 성장성을 개선하는 요인이다.
MDB는 이러한 비용 지출을 통해 AI 시장에서 기회 요인을 극대화하는 전략적 접근을 사용하고 있으며, 이에 따라 주주가치가 극대화될 수 있을 것으로 보인다.
배당소득세, 거래세라는 값비싼 비용을 지불하는 배당, 자사주 매입이 주주환원이 아니다.
이렇게 향후 성장을 담보하고, 더 큰 매출과 이익을 담보할 수 있는 성장동력의 확보,
그것이 진정으로 훌륭한 자본배치라 생각한다.
CEO는 미래 성장성을 제한하면서 R&D 및 영업 비용을 줄여 수익성을 높일 수 있는 상황이지만,
이러한 선택을 하지 않은 것은 성장을 극대화하기 위한 전략적 결정이었다고 강조한다.
밸류에이션 : 풀꽃같은 주식
’26년 가이던스상의 Non-GAAP EPS를 기반으로 밸류에이션을 해보면,
현재 주가는 $187.65, Non-GAAP EPS 중간값은 $2.53이므로 fPER은 74.17이다.
하지만, 이는 EA 부문의 매출 과소인식을 감안하지 않은 수치로,
특히 EA 부문 수익성이 높다는 것을 감안하면 미래에 ‘정상화’될 것이다.
Atlas 부문 비중이 충분히 높아지게 되면 성장률은 20% 수준으로 유지될 것으로 보이며,
경영진이 말한대로 낮은 수익성은 외형성장을 추구하기 위한 선택의 결과이지 사업 자체의 현금창출력, 가격설정력, 협상력이 부족함에 따른 결과는 아니다.
’25년은 추론형/생성형 AI 에이전트의 한 해가 될 것이다.
아직은 완전히 현실화되지 않은 이러한 추세 속에서 MongoDB는 관계형 DB의 DBaaS 파이를 급격히 침투해나갈 것이며,
개발자 생태계를 바탕으로 굳건한 점유율을 확보하여 전환비용을 극대화시킨 다음에 수익성을 추구하려는 MDB의 전략은 매우 타당하다고 생각한다.
이러한 맥락 속에서 금번 실적 가이던스 미스로 주가가 하락한 것은 일시적인 하락이며,
AI 활용 증가, 추론형 AI 사용량 증가로 비관계형 DBaaS를 찾는 SW 기업들이 증가하는 것은 피할 수 없는 흐름이라는 점에서 현재의 밸류에이션으로 MDB의 가치를 평가하는 우를 범해선 안될 것이다.
내가 MDB를 매도하는 시점은 AI 트렌드가 더 이상 유효하지 않을 때일 것이다.
이러한 관점에서 ‘25.2Q 포트폴리오 재편에 MDB를 포함할 계획이며,
LTO 멤버들의 많은 피드백과 질의응답을 기대한다.
가치투자 커뮤니티를 성장시켜나가고 있습니다.
운영 계획과 방향성을 한 번 읽어보시고,
텔레그램과 유튜브 채널을 통해 소통하고 있으니 공감이 가신다면 참여해주세요!
쌍방향 소통을 원하는 분들은 카카오톡 채널로 와 주시면 좋을 거 같습니다.
자료실을 통해 리포트, 뉴스도 공유하고 있으니 참고하시면 도움이 될 거 같습니다.