관측가능성 1위, 매출 +32%, 적정주가

입구는 단일 파이프라인, 자동 상관관계는 마찰을 없앤다

먼저 입구를 봅니다. 데이터독은 서버 한 대에 단일 에이전트(Agent)를 한 번 설치하면, 인프라·앱·로그가 같은 태그로 자동으로 묶입니다. 한밤중에 결제 서비스가 느려졌다고 합시다. 예전 같으면 인프라 담당자, 앱 담당자, 데이터베이스 담당자가 각자 다른 화면을 보며 "내 쪽은 멀쩡한데"를 반복했습니다. 데이터독은 같은 태그로 묶인 신호를 자동으로 상관시켜 "결제 서비스 → 이 컨테이너 → 이 데이터베이스 쿼리"까지 한 줄로 짚어줍니다. 기술적으로는 단일 에이전트가 데이터가 호스트를 떠나기 전에 env/service/version 태그를 붙이기(Unified Service Tagging) 때문입니다. 설치가 쉽고 효과가 즉각적인, 마찰 없는 입구입니다.

이 입구가 되는 근본 구조는 "단일 파이프라인"입니다. 한 번 수집한 데이터를 26개 제품(모듈 60개 이상)이 같은 경로에서 나눠 씁니다. 고객이 인프라 모니터링만 쓰다가 로그나 APM(애플리케이션 성능 모니터링)을 켤 때, 에이전트를 새로 설치하거나 데이터를 다시 보낼 필요가 없습니다. 이미 흐르는 데이터에 제품을 켜기만 하면 됩니다. 반면 오픈소스 조합(Prometheus + Loki + Tempo + Grafana)은 도구마다 독립 인입 경로를 가져 태그 스키마를 수동으로 맞춰야 하고, 그래서 연결 공백이 생깁니다.

다만 냉정하게 짚을 것이 있습니다. 이 자동 상관관계는 "실질 우위"이지만 "구조적으로 깊은 해자"는 아닙니다. 우위의 원천이 단일 파이프라인 통제인데, OpenTelemetry(OTel, 벤더 비종속 관측 표준)의 표준 태그 규약이 바로 그 통제 없이 같은 상관관계를 재현할 길을 열어주기 때문입니다. 그래서 진짜 깊은 해자는 상관관계 자체가 아니라, 그 위에 얹은 것입니다. 자동 상관관계는 입구이고, 깊이는 다음 절부터입니다.

Expand: 한 고객이 어떻게 몇 배로 자라는가

입구로 들어온 고객은 두 축으로 자랍니다. 제품 수가 늘고(멀티프로덕트), 같은 제품의 사용량이 늡니다(사용량 과금). 두 축이 곱해진 결과가 land-and-expand 엔진의 종합 성적표입니다.

먼저 제품 수입니다. 여러 제품을 함께 쓰는 고객 비율이 모든 구간에서 매년 오르고 있습니다. 특히 8개 이상을 쓰는 깊은 채택이 1년 전 13%에서 20%로 뛴 점이 중요합니다. 고객이 점점 더 깊이 들어옵니다. 대부분의 SaaS는 좌석(seat) 기반이라 인원이 늘어야 매출이 늘지만, 데이터독은 제품 수 확장과 사용량 확장이 곱해지는 구조라 확장 천장이 다릅니다.

다음은 사용량 과금입니다. 데이터독의 요금은 사람 머릿수가 아니라 데이터량(호스트 수, 로그 GB, span: 요청 처리 한 구간을 기록하는 분산추적 단위)에 매겨집니다. 인프라 호스트 수는 클라우드 서버 수에, 로그 GB는 로그 볼륨에 비례하므로, 고객이 클라우드를 키우면 데이터독 매출이 영업 없이 자동으로 따라 오릅니다. 이것이 순매출유지율(NRR) 플라이휠의 동력입니다.

두 축이 곱해진 결과가 NRR 120%입니다. 같은 고객 코호트가 1년 뒤 약 20% 더 쓴다는 뜻입니다. 짝지표인 총유지율(GRR)은 mid-to-high 90s%로 안정적이어서 이탈이 거의 없습니다. GRR이 높다는 건 한번 들어온 고객이 거의 안 빠진다는 뜻이고, NRR이 100%를 크게 넘는다는 건 남은 고객이 매년 더 쓴다는 뜻입니다. Land(거의 안 빠짐)와 Expand(더 씀)가 동시에 작동하는 증거입니다. 고객 품질도 같은 방향입니다. 연 $100K 이상을 쓰는 고객이 4,550개로 1년 만에 21% 늘었고, 이들이 전체 ARR의 약 90%를 차지합니다. 전체 고객은 약 약 32,700입니다.

락인은 어디에 남는가: 계측은 풀리고, 워크플로우는 남는다

그렇다면 자란 고객은 왜 안 떠날까요. 흔히 "데이터가 쌓여서 못 떠난다"(데이터중력)를 해자의 본체로 내세우지만, 정직하게 보면 그것마저 깎이는 중입니다. 과거 전환비용의 핵심은 계측 락인이었습니다. 데이터독을 쓰려면 앱에 데이터독 전용 코드를 심어야 했고, 갈아타려면 전부 다시 심어야 했습니다. 그런데 OTel이 표준 규격으로 한 번 계측하면 어느 백엔드로든 보낼 수 있게 하면서, 이 재계측 비용이 사라지고 있습니다. 게다가 대시보드·알림 설정도 점점 코드(config-as-code)로 관리돼 자동 이전이 가능해집니다.

그래서 남는 마찰을 정확히 좁히면 둘입니다. 첫째, 운영팀이 손에 익힌 멀티프로덕트 교차 워크플로우입니다. 설정 파일은 자동 번역돼도, 인시던트 대응 절차와 런북은 새 도구 방식으로 다시 익혀야 합니다(재훈련 비용). 둘째, 600개 이상 통합의 재연결 공수입니다. 경쟁 백엔드가 같은 폭을 재현하는 데 시간이 걸립니다. 데이터중력은 이제 1차 해자가 아니라 "약화 중인 보조 락인"입니다.

핵심은 락인의 무게중심이 "계측"에서 "워크플로우·통합"으로 이동했고, 그조차 자동화가 조금씩 깎는 "시한 있는 마찰"이라는 점입니다. 그래서 OTel은 신규 고객의 진입 협상력을 키우고 기존 고객의 이탈 장벽도 낮추지만, 이미 깊이 들어온 멀티프로덕트 고객의 즉각 이탈을 직접 일으키지는 못합니다. GRR이 mid-to-high 90s%로 높은 것이 그 정황 증거입니다. 이 깎임이 매출에 어떻게 발현되는지(이탈이 아니라 신규 단가·볼륨 압박)는 3장에서 정량으로 다룹니다.

해자 3엔진과 GM 80%의 기술 원천 (실행 문화 포함)

기술 관점에서 데이터독의 해자를 세 엔진으로 나눠 판정하면 강점과 약점이 선명해집니다.

이 해자를 실제로 돌리는 연료가 조직 문화입니다. 데이터독이라는 이름 자체가 개발팀(Dev)과 운영팀(Ops)의 끝없는 싸움을 화해시키겠다는 선언입니다(2010년 두 프랑스 엔지니어가 뉴욕에서 창업). 이 회사는 자사 제품으로 자사 인프라를 감시하고(완전 dogfooding), 엔지니어가 기능을 처음부터 끝까지 책임집니다(end-to-end 오너십). R&D에 매출의 약 44%를 쏟는 이 실행 문화가 "신규 세그먼트가 생길 때마다 데이터독이 디폴트 후보가 되는" 출시 속도(연 400개 이상 피처)의 뿌리입니다. 문화가 별도의 방어적 해자라기보다, land-and-expand 엔진을 빠르게 넓히는 실행력으로 나타납니다.

마지막으로 이 구조는 마진에도 직접 드러납니다. GAAP 매출총이익률 80.2%는 회계 마법이 아니라 단일 파이프라인의 산물입니다. 매출원가 대부분이 클라우드 호스팅인데, 한 번 수집한 데이터를 26개 제품이 재사용하므로 제품을 추가해도 한계 인프라 비용이 낮습니다. 단 호스팅이 매출에 연동되는 인프라 무거운 사업이라 순수 소프트웨어(85% 이상)보다는 낮고, 천장은 약 80~82%로 봅니다.

매출: 4분기 연속 가속

먼저 규모입니다. 고성장 SaaS는 보통 규모가 커지면 성장률이 둔화하는데, 데이터독은 거꾸로 다시 빨라졌습니다. 매출은 FY2023 $2,128M에서 FY2024 $2,684M, FY2025 $3,427M로 늘었고, 성장률은 FY2025에 27.7%였습니다. 그리고 2026년 1분기에 매출 $1,006M로 사상 처음 분기 $1B를 넘었습니다(전년 대비 +32.2%). 분기 성장률이 1년 전 +24.6%에서 +32.2%로 올라선, SaaS 대형주에서 보기 드문 재가속입니다.

이 재가속은 계약 백로그에서도 읽힙니다. 소비 기반 모델에서는 고객이 실제로 쓰기 전까지 매출로 잡히지 않지만, 계약된 미래 소비는 잔여이행의무(RPO)로 먼저 드러납니다. Q1 2026 RPO는 $3.48B로 전년 대비 +51% 늘었습니다. 매출 성장(+32%)보다 백로그 성장(+51%)이 더 빠르다는 것은, 앞으로 인식될 소비가 지금 인식되는 소비보다 빠르게 쌓이고 있다는 신호입니다. 연환산 반복매출(ARR)도 $4.23B에 이릅니다.

마진: 80% 매출총이익률과 Rule of 40

데이터독의 이익은 세 지표로 갈립니다. GAAP(거의 0), Non-GAAP(22%대), FCF(27%대)입니다. 세 개의 차이를 이해하지 못하면 적정가를 틀립니다.

성장과 수익성을 함께 보는 지표인 Rule of 40(매출 성장률 + FCF 마진)으로 보면 데이터독은 FY2025 54.4에서 Q1 2026 60.9로 올랐습니다. 우량 SaaS 기준선(40)을 크게 웃도는 최상위 구간입니다. 성장과 현금창출의 균형 자체는 흠잡기 어렵습니다.

GAAP 적자의 정체는 SBC다

그렇다면 왜 GAAP은 적자일까요. FY2025 GAAP 영업이익은 -$44M, 영업이익률은 -1.3%로 손익분기 부근입니다. 그런데 같은 해 Non-GAAP 영업이익은 $768M입니다. 이 큰 간극의 주인이 SBC입니다.

SBC(주식보상비)는 FY2025에 $751M로 매출의 21.9%에 달합니다. 이건 보상 구조 이슈이지 단일 플랫폼 효율의 한계가 아닙니다. 그래서 이익력은 Non-GAAP과 FCF로 봅니다. FCF가 Non-GAAP 순이익보다 큰 이유도 SBC가 비현금이라 현금흐름에 다시 더해지기 때문입니다. 참고로 Non-GAAP 희석 EPS는 FY2023 $1.32에서 FY2025 $2.05로 자랐고, Q1 2026에는 $0.60로 컨센서스를 크게 상회했습니다. 반면 GAAP 희석 EPS는 FY2025 $0.31에 불과합니다.

단, 정직하게 한 가지를 인정해야 합니다. 데이터독은 자사주 매입이 없으므로, SBC가 매년 주식 수를 2~3%씩 늘리는 희석이 누적됩니다. 이 희석은 Non-GAAP 이익에는 안 보이므로 밸류에이션(5장)에서 별도로 반영합니다.

순현금과 거버넌스: 강점과 리스크

부채와 현금 구조는 튼튼합니다. 데이터독은 현금과 유가증권을 $4,759M 들고 있고, 전환사채는 $0.985B(이자율 0%, 2029년 만기)뿐인 순현금 회사입니다. 이 현금의 이자수익이 이익을 떠받칩니다.

다만 거버넌스에는 양면이 있습니다. 데이터독은 이중 의결권(dual-class) 구조로, Class B가 의결권의 약 43%를 쥐고 CEO Olivier Pomel이 보유합니다. 창업자 장기 비전에는 강점이지만 소액주주 견제력은 약합니다. 여기에 자사주 매입이 없다는 점, CEO의 정기 매도(사전계획 10b5-1)와 앞서 본 SBC 희석이 진행 중이라는 점은 리스크로 명시해야 합니다. 요약하면, 튼튼한 현금과 순이자수익이라는 강점 위에 dual-class·SBC 희석이라는 소액주주 리스크가 겹쳐 있는 구조입니다.

AI라는 홍수: 왜 데이터 폭증이 곧 수요인가

먼저 기회 측입니다. 데이터독이 서 있는 관측가능성 시장(SAM)은 계속 커집니다. 채택 SAM은 $24.6B(2025)에서 $36.4B(2028E)로 연 약 14% 성장합니다. 동력은 클라우드 capex입니다. 빅4(AWS·Azure·GCP·Meta)의 2026년 capex 가이던스 합산이 약 $725B로 전년 대비 크게 늘어, 고객들의 클라우드 지출 자체가 커지는 방향이 사용량 과금의 순풍입니다.

그 위에 AI가 두 방식으로 데이터를 폭증시킵니다. 직접적으로는 LLM과 에이전트라는 새 관측 차원을 만듭니다. AI 앱은 비결정적이고, 환각·프롬프트 인젝션 같은 새 실패 양식이 있으며, 토큰을 얼마나 먹었는지가 곧 비용입니다. 데이터독은 이걸 새 제품군(LLM Observability·AI Agent Monitoring·Bits AI SRE·MCP Server)으로 흡수했고 채택이 가파릅니다.

간접적으로는 모든 계층의 데이터량을 끌어올립니다. AI 워크로드가 도는 인프라·로그·트레이스의 볼륨이 전부 늘고, 데이터량 과금이라 "AI 관측 제품"을 안 사도 core 소비가 자동으로 오릅니다. 결정적 증거는 AI를 핵심 사업으로 하지 않는 고객의 매출 성장률마저 가속됐다는 사실입니다(1년 전 약 19% → Q1 2026 mid-20%대). 단 이것만으로 단정하지는 않습니다. 2022~23년 클라우드 비용 최적화 역풍이 풀린 기저효과와 멀티프로덕트 확장으로도 같은 가속을 설명할 수 있어, "역풍 소멸·멀티프로덕트 위에 AI 인접 데이터 증가가 더해졌다"가 더 정확합니다.

과금의 비밀: 사람 수가 아니라 데이터량

위협을 재계산하려면 먼저 과금 구조를 못 박아야 합니다. 데이터독은 자리(seat)당 과금이 아니라 호스트·GB·span 같은 데이터량으로 과금합니다. 이 한 가지가 AI 위협 논쟁의 절반을 무력화합니다.

"AI가 사람의 운영 업무를 대신하면 관측 도구가 필요 없어진다"는 위협은 자리당 과금 회사에만 성립합니다. 사람이 덜 봐도 시스템이 뿜는 데이터는 줄지 않고, AI 시스템은 오히려 더 많이 뿜습니다. 그래서 진짜 위협은 "사람을 줄이는" 쪽이 아니라 "데이터량을 줄이는" 쪽에서 옵니다.

진짜 위협은 OTel: 네 갈래를 분해한다

데이터독을 향한 위협은 네 갈래로 들어옵니다. 각각을 기술적 인과로 분해하면 진짜와 과장이 갈립니다.

가장 현실적인 1순위 위협은 OTel입니다. OTel이 표준 규격으로 재계측 비용을 없애면서 "갈아타는 비용"의 핵심을 무너뜨립니다. 다만 OTel이 푸는 것은 계측 레이어뿐이고, 데이터가 쌓이는 백엔드·상관분석·자체 AI·600개 통합은 못 풉니다(1장 참조). 그래서 발현 형태는 "고객 이탈"이 아니라 두 채널입니다. 새로 들어오는 고객의 단가가 눌리고(ASP 압박), 기존 고객은 떠나지 않되 볼륨을 줄여 확장 매출(NRR)을 깎습니다. 신규 엔터프라이즈 고객의 OTel 선계측 비율은 이미 34%입니다.

특히 self-healing 위협은 "과장"이 아니라 "엉뚱한 경로로 오해된" 위협입니다. 사람이 덜 보는 경로는 데이터량 과금이 완충하지만, 같은 AI가 노이즈 텔레메트리를 솎아내거나 지능형 파이프라인이 인입 전에 데이터를 샘플링하면 과금이 걸린 볼륨 자체가 줄어듭니다. 흥미롭게도 데이터독은 이 무기(Observability Pipelines·BYOC)를 자기가 팝니다. 고객 이탈을 막는 방어이자, 호스트당 단가를 스스로 깎는 자기잠식의 양날입니다.

경쟁 4진영과 균형의 저울

위협이 사람이라면, 그 사람들은 누구인가. 관측가능성 시장은 네 진영으로 나뉩니다. 독립 전문기업, 하이퍼스케일러 네이티브, 오픈소스, AI 전용 신생기업입니다. 데이터독은 매출 규모로 독립 진영의 압도적 1위이며 2위 Dynatrace의 약 두 배이고, 5년 연속 Gartner Magic Quadrant Leader입니다. 다만 시장은 한 조직이 평균 8개 도구를 동시에 쓰는 과밀 시장이라, 데이터독의 싸움은 독점이 아니라 "8개 슬롯 중 가장 비싼 슬롯을 몇 개 차지하느냐"입니다.

각 경쟁사는 데이터독의 약점을 정확히 한 칼씩 노립니다. Dynatrace는 대규모 환경의 가격, Grafana는 오픈소스 비용, CloudWatch는 단일 클라우드 번들, Elastic은 로그 검색입니다. AI라는 새 지류에서는 전용 신생기업(LangSmith·Arize·Galileo)이 "AI만 깊게 판다"로 맞서고, 데이터독은 "한 화면에서 LLM을 인프라·앱·사용자와 함께 본다"는 통합 컨텍스트로 방어합니다. 골드만삭스는 데이터독의 LLM 관측을 "전용 대비 기능 추가 수준"이라 깎지만, 통합의 넓이와 전용의 깊이는 실제 trade-off이며 승부는 진행 중입니다.

그래서 지금 저울은 어디로 기울어 있는가. 현재는 기회 측이 우세합니다. 데이터 볼륨이 폭증하고, Non-AI 고객까지 가속했으며, 신제품 채택이 가파릅니다. 그러나 무적은 아니고, 균형이 깨지는 신호는 측정 가능합니다. 균형 5신호(NRR 4분기 연속 115% 미만·GRR 93% 미만·OTel 선계측 50%+ & ASP 하락·데이터 볼륨 디커플·AI-native 비중 급락)를 가정 모니터링이 매일 추적합니다.

커버리지: 합창단과 외로운 곰

데이터독을 커버하는 애널리스트는 47명이고, 이 중 44명(93.6%)이 매수 계열입니다. 컨센서스 등급은 Strong Buy입니다. 그런데 진짜 정보는 등급이 아니라 목표주가의 편차에 있습니다. 평균 목표가는 $241.36인데, 범위는 최저 $139.00(골드만삭스 Sell)에서 최고 $320.00(JP모건)까지 2.3배로 벌어집니다.

여기에 함정이 있습니다. NVDA에 가까운 "거의 만장일치"인데, 평균 목표가의 업사이드가 좁습니다. 47명이 같은 방향을 본다는 것은 "이미 좋은 소식이 가격에 반영됐다"는 뜻이기도 합니다. 합의가 강할수록 남은 상승 여력은 얇아집니다. 그리고 그 강한 합의에 정면으로 반대하는 매도 의견이 Tier-1 하우스(골드만삭스)에서 나온다는 점이 NVDA와 다른 지점입니다.

암묵 멀티플: 공개된 자가 없으니 목표가를 역산한다

데이터독은 GAAP 적자 근처라 P/E를 쓸 수 없고, 그래서 증권사들은 Non-GAAP P/E·P/S·Rule of 40을 섞어 쓰되 대부분 구체 멀티플을 공개하지 않습니다. 그래서 거꾸로 갑니다. 목표가를 컨센서스 EPS로 나누면, 그들이 암묵적으로 적용한 멀티플이 드러납니다.

먼저 컨센서스 실적입니다. FY2026E 매출은 $4.35B(+26.9%), Non-GAAP EPS는 $2.42입니다. FY2027E는 $5.26B·$2.86입니다. 회사 가이던스(Non-GAAP EPS $2.36~$2.44)에 컨센서스가 거의 붙어 있어, 시장은 이미 "가이던스 상회"를 기본값으로 깔고 있습니다.

현재가를 컨센서스 EPS로 나눈 시장의 암묵 멀티플은 109.1배입니다. 골드만(57배)과 JP모건(132배) 사이, 컨센서스 평균(100배)마저 웃도는 자리입니다. 즉 시장은 지금 합창단의 낙관 쪽에 가격을 두고 있습니다.

Bull vs Bear, 그리고 사각지대

Bull과 Bear는 큰 그림에 동의합니다. "AI 에이전트와 모델 배포가 클라우드 복잡성을 키운다." 갈라지는 곳은 두 군데입니다. 그 복잡성이 데이터독에 귀속되는가 아니면 저비용 대안·하이퍼스케일러로 새는가, 그리고 Non-GAAP만 흑자인 회사에 몇 배의 멀티플이 정당한가입니다.

47명이 합의한 평균에는 구조적 사각지대가 있습니다. 첫째, 가속을 견인한 AI-native 코호트 매출 비중을 회사가 Q3 2025(12% 정점) 이후 비공개로 돌렸는데, 그 가속의 몇 %가 AI-native에서 오는지 정량 분해한 곳이 없습니다. 성장이 핵심 변수인데 그 구성을 아무도 모릅니다. 둘째, 목표가에서 역산한 멀티플이 57~132배로 펼쳐져 있는데 "왜 90배인가, 왜 132배인가"를 정량 검증한 리포트가 보이지 않습니다. 셋째, 골드만의 협공 논거(OTel·하이퍼스케일러·청구서 쇼크)는 정성적으로만 다뤄집니다. 개인 투자자가 데이터독 리포트를 볼 때 "이 목표가의 암묵 멀티플은 몇 배인가", "이 가속은 무엇이 만들고 있는가"를 스스로 물어야 하는 이유입니다.

계산 구조와 현재 밸류 스냅샷

먼저 오늘의 좌표입니다. 현재가는 $264.00, 시가총액은 $94.0B입니다. 이 현재가를 내년 컨센서스 Non-GAAP EPS로 나눈 선행 P/E는 109.1배입니다. GAAP 순이익이 SBC로 거의 0에 눌려 있어 GAAP P/E는 의미가 없으므로, 컨센서스·피어와 직접 비교되는 Non-GAAP 기준을 씁니다.

현재가의 위치를 미리 못 박아 둡니다. 선행 P/E 109.1배는 아래에서 도출할 적정 P/E 밴드(80~92배)의 위쪽 끝마저 넘어선 자리입니다. 현재가 절대값은 매일 바뀌는 시세이므로 이 값들은 발행본을 정본으로 두고, 적정가·EPS·P/E 같은 시세 아닌 값은 절대값으로 기술합니다.

매출: 시장 × 점유율

데이터독의 매출은 관측가능성 시장에서 점유율을 차지하며 발생합니다. 채택 SAM은 $24.6B(2025)에서 $36.4B(2028E)로 연 약 14% 커지고, 그 안에서 점유율이 점진 상승합니다. FY2025 점유율은 매출 $3,427M ÷ 동년 SAM = 약 13.9%이고, 매출이 시장보다 빠르게 자라므로(27% > 14%) 점유율이 오릅니다.

점유율이 오르는 근거는 희망이 아니라 메커니즘입니다. 2025년 400개 이상 신규 피처와 M&A 15건 흡수로 인접 시장을 끌어와 분모를 키우며 점유하고, 멀티프로덕트로 기존 고객 지갑을 더 차지하며(4+ 56%·6+ 35%·8+ 20%), AI-native 상위 20개 중 14개를 고객으로 둡니다. 단 게인은 감속합니다(+1.8pp→+1.5pp→+1.2pp). 분모가 커질수록 같은 매출 증분의 점유율 효과가 줄기 때문이며, 게인이 감속하지 않으면 점유율이 비현실적으로 빨리 포화합니다.

수익력: OPM에서 EPS까지

매출을 이익으로 바꿉니다. GAAP 영업이익은 손익분기 부근이지만 이는 SBC 문제이고(2장), 진짜 이익력은 Non-GAAP 영업이익률(OPM)과 FCF에 있습니다. R&D가 매출의 44%로 레버리지 여력이 크지만, AI 인프라 투자와 OTel발 ASP 압박이 상쇄 변수라 OPM은 급등이 아니라 점진 개선(22%→24%)으로 둡니다.

과거 Non-GAAP EPS 실적에 이 Base 궤적을 이어 그리면, 최근의 상승이 앞으로 더 가팔라지는 모습이 보입니다.

정직하게 짚어 둘 한계가 있습니다. Non-GAAP EPS는 SBC(매출의 약 21%)를 비용에서 뺀 값이라, SBC를 실비용으로 반영하면 EPS는 GAAP 수준(약 $0.56/$0.88/$1.28)으로 떨어집니다. 또 EPS에는 순이자수익이 섞여 있는데 이는 채권성 현금흐름이라 영업이익과 같은 고멀티플 대상이 아닙니다. 이 두 한계는 적정가 판정에서 다시 계량합니다.

적정 멀티플: 절대·상대·보조 다중 검증

이익에 몇 배를 줄지 정합니다. 고성장 소비형 SaaS라 순환기 P/E는 부적합하므로, 절대(역DCF)와 상대(피어)를 두 다리로 세우고 PEG·역사 밴드를 보조로 둡니다.

절대 다리(역DCF)는 현재가가 무엇을 내재하는지 거꾸로 묻습니다. 현재 선행 P/E가 자본비용(요구수익률 9.5%)을 5년간 충족하려면, terminal 멀티플이 낮아질수록 EPS가 그만큼 더 커져야 합니다. 5년 뒤 66배를 유지한다 해도 연 16% EPS 성장이 필요하고, 45배로 압축되면 연 26%가 필요한데 이는 Base(약 20%)를 상회합니다. 즉 현재가에는 Base보다 낙관적 기대가 내재돼 있습니다. 상대 다리(피어)로 보면, CrowdStrike의 선행 P/E는 약 143배(성장 ~20%)로 데이터독보다 비싸고 느립니다. 데이터독은 코호트 안에서 상대적으로 덜 비싼 편이지만, 이는 상대 적정성일 뿐 코호트 동반 고평가 위험은 별개입니다.

적정가와 증권사 차이

적정가는 EPS에 적정 멀티플을 곱한 값입니다. EPS가 자라므로 적정가는 매년 오르고, 성장이 감속하므로 멀티플은 매년 압축됩니다.

왜 명목 적정가는 오르는데 판정은 비싸다인가. 오늘의 명목 값은 사실 '미래 시점의 가치'입니다. 지금 그 가격을 다 주고 사면 그 시점까지 기다려야 본전이라, 자본비용(연 9~10%)만큼 더 싸게 사야 수익이 납니다. 현재가가 명목 2~3년 중앙에 도달하며 함의하는 연 기대수익은 약 3.5~4.4%로 자본비용에 미달합니다. 여기에 이자수익 멀티플 분리(약 -$30)와 SBC 실비용까지 반영하면 안전마진은 더 얇아집니다.

우리 위치는 컨센 평균 근방, JPM과 Goldman 사이입니다. 매출·EPS는 beat 패턴·점유율 게인으로 컨센을 소폭 상회하니 펀더멘털은 Bull 쪽입니다. 그러나 고멀티플의 영속은 수용하지 않으니 멀티플은 신중합니다. Goldman과 다른 점은, 우리는 OTel·하이퍼스케일러 위협이 이탈이 아니라 신규 ASP 압박으로 발현한다고 본다는 것입니다. 펀더멘털 붕괴가 아니라 멀티플 리스크입니다.

이 모든 계산을 직접 움직여 볼 수 있게, 진입가와 시간축을 조정하는 시뮬레이터를 둡니다. 미래 EPS와 P/E를 확률 분포로 놓고 시나리오마다 확률(Base 50% / Bull 25% / Bear 25%)을 깔아 1만 번 돌립니다.

모니터링 가정

위 적정가는 아래 가정들 위에 서 있습니다. 발행 후 매일 전량 점검하고, 가정이 바뀌면 적정가도 바뀝니다. 데이터독은 이익이 소비 볼륨에 직결되므로, 경보는 거의 전부 매출·NRR·마진 엔진에서 먼저 켜집니다.

우리는 이렇게 판단합니다

한 숫자를 든다면 CY2027E Base 명목 적정가는 $239.40입니다. 다만 이는 미래 시점의 명목 값이고, 할인하면 오늘 기준으로는 더 낮습니다. 현재가는 이미 명목 1년 적정가를 웃돌고, 할인 후 세 시간축의 적정가가 모두 현재가 아래에 있습니다. 그래서 펀더멘털은 컨센을 소폭 웃돌아도, 자기 Base 기준 안전마진은 뚜렷한 음(-)입니다.