관측가능성 1위, 매출 +32%, 적정주가

데이터독은 뭐 하는 회사야?

데이터독은 서버·앱·클라우드의 상태를 실시간으로 감시하고 진단하는 관측가능성(Observability) 플랫폼입니다. 단일 에이전트로 인프라·APM·로그·보안·LLM 관측까지 약 26개 제품(모듈 60개 이상)을 하나로 통합합니다. FY2025 매출은 $3,427M(+28%), 2026년 1분기에는 분기 매출 첫 $1B를 돌파했고($1,006M, +32%), 고객은 160개국 33,200개에 이릅니다.

비행기 조종석에는 계기판이 수십 개입니다. 고도·속도·연료·엔진 온도가 따로 놀면 조종사는 사고를 막지 못합니다. 현대 소프트웨어도 똑같습니다. 서버, 애플리케이션, 데이터베이스, 사용자 화면, 보안 로그가 따로 흩어져 있으면 장애의 원인을 찾는 데 몇 시간이 걸립니다. 데이터독은 이 모든 계기를 한 화면에 모아주는 통합 관제탑입니다. 그리고 클라우드가 복잡해질수록 이 관제탑의 가치는 올라갑니다.

여기서 한 가지를 먼저 못 박아두겠습니다. 데이터독은 이 시장의 도전자가 아니라 독립 진영 1위(pure-play #1)입니다. 그래서 이 글의 긴장은 "이 회사가 이길 수 있는가"가 아닙니다. "이미 1등인 좋은 회사를 약 90배에 사는 게 맞는가"입니다.

단일 플랫폼 위에 26개 제품이 올라간다

데이터독의 구조를 이해하는 열쇠는 "단일 플랫폼"입니다. 한 번 설치한 에이전트가 데이터를 한 번 수집하면, 그 위에서 26개 제품이 같은 데이터를 나눠 씁니다. 인프라 모니터링이 입구이고, 그 위에 APM(애플리케이션 성능 추적), 로그 관리, RUM(실사용자 경험 모니터링), 시큐리티, 그리고 가장 새로운 LLM 관측까지 한 지붕 아래 쌓여 있습니다.

위 도넛은 6대 제품군의 개념적 구성을 보여주기 위한 것입니다. 데이터독은 사업부별 매출을 공시하지 않으므로 정확한 제품별 비중은 비공개입니다. 핵심은 "한 번 수집한 데이터를 26개 제품이 재사용한다"는 단일 플랫폼 구조입니다.

규모 스냅샷

데이터독은 시가총액 약 $79B 규모입니다(basic 발행주식 355.9M 기준). FY2025 매출은 $3,427M으로 전년비 +27.7% 성장했고, Q1 2026에는 분기 매출 $1,006M(+32.2%)으로 사상 처음 분기 $1B를 넘었습니다. Non-GAAP EPS는 FY2025 $2.05, FCF 마진은 26.7%입니다. R&D에 매출의 약 44%인 $1.5B을 쏟아붓고, 현금과 유가증권은 $4.76B을 들고 있으면서 전환사채는 $0.985B(이자율 0%)뿐인 순현금 회사입니다(GlobeNewsWire Q1 2026).

시가총액 산정 주식수 주: 위 시총은 basic 발행주식 355.9M 기준입니다. 5장 밸류에이션의 EPS·시뮬레이션은 희석주식수(372M→388M)를 쓰므로 주식수 베이스가 다릅니다. basic은 현재 시총용, diluted는 미래 EPS용입니다.

1. 한번 들어오면 못 나간다 (제품·해자)

데이터독의 해자는 "좋은 모니터링 도구"가 아닙니다. 고객을 작게 들여서(Land) 사용량과 제품 수를 함께 키우는(Expand) 플라이휠입니다. 자동 신호 상관관계가 마찰 없는 입구를 만들고, 그 위에 AI와 교차 워크플로우, 600개 통합이 깊이를 더합니다. 같은 고객이 1년 뒤 약 20% 더 쓰고(NRR 약 120%), 거의 빠지지 않습니다(GRR 90%대 후반). 이 장에서는 그 입구가 왜 마찰이 없는지, 깊이가 왜 깊은지, 그리고 그 해자가 어디서 깎이는지를 차례로 봅니다.

1.1 입구는 자동 신호 상관관계, 깊이는 그 위에 있다

"신호를 자동으로 엮어 보여주는 것"은 입구일 뿐입니다. 경쟁사도 따라 할 수 있습니다. 진짜 깊이는 그 위에 쌓인 AI와 워크플로우, 통합입니다.

먼저 입구를 봅시다. 데이터독은 서버 한 대에 단일 에이전트를 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. 이게 마찰 없는 입구입니다. 설치가 쉽고, 효과가 즉각적입니다.

그런데 입구가 쉽다는 건 양날입니다. 쉬우니까 들어오기 좋지만, 쉬우니까 경쟁사도 흉내 낼 수 있습니다. 그래서 데이터독의 진짜 해자는 입구가 아니라 그 위에 쌓인 깊이입니다.

이 깊이의 증거가 출시 속도입니다. 데이터독은 제품 약 26개에 $100M 이상 ARR을 내는 제품만 5개를 보유하고 있고, FY2025에 신규 피처를 400개 넘게 내놨습니다. 신호 상관관계 하나는 누구나 흉내 낼 수 있어도, 26개 제품을 단일 플랫폼 위에서 동시에 굴리며 매년 400개 피처를 쏟아내는 속도 자체는 경쟁사가 따라오기 어려운 격차입니다. 입구는 누구나 만들 수 있지만, 깊이는 누적된 시간이 만듭니다.

이 해자가 어디서 세고 어디서 깎이는지는 전용 딥다이브에서 정밀하게 다룹니다. 핵심만 미리 말하면, 해자는 land와 expand가 사용량 과금으로 동시에 작동하는 플라이휠만큼 세고, 계측·설정 이전을 푸는 자동화에서 깎입니다.

1.2 사용량 과금이 고객의 성장에 자동으로 올라탄다

데이터독의 요금은 사람 머릿수가 아니라 데이터량에 매겨집니다. 호스트 수, 수집한 로그 GB, 그리고 span에 따라 청구됩니다. span은 요청 하나가 처리되는 한 구간을 기록하는 분산추적 단위인데, 쉽게 말해 "이 요청이 어디서 얼마나 머물렀는지"를 쪼갠 조각입니다. 요점은 이것입니다. 고객의 클라우드가 커지면 데이터량이 늘고, 데이터량이 늘면 데이터독 매출이 자동으로 따라 오릅니다. 영업이 따로 팔지 않아도 고객의 성장에 매출이 올라타는 구조입니다.

이 구조가 숫자로 어떻게 나타나는지를 봅시다.

NRR과 GRR이 무엇이고 왜 SaaS의 핵심 지표인지는 NRR(순매출유지율) 쉽게 이해하기에서 더 자세히 볼 수 있습니다. 한 문장으로 요약하면, NRR이 100%를 넘으면 신규 고객을 한 명도 안 받아도 매출이 저절로 늘어난다는 뜻입니다. 데이터독의 120%는 그 위력을 보여줍니다.

확장의 또 다른 축은 멀티프로덕트 채택입니다. 한 고객이 인프라만 쓰다가 로그를 추가하고 APM을 추가하면, 같은 고객 안에서 지출이 계단식으로 커집니다.

세 구간 모두 전년 대비 올랐습니다. 3대 기둥(인프라·로그·APM)을 함께 쓰는 멀티프로덕트 고객은 단일 제품 고객보다 지출이 단연 큽니다. 정확한 배수는 회사가 공개하지 않으므로 단정하지 않지만, 방향은 분명합니다. 제품을 더 쓸수록 빠지기 어려워지고, 빠지기 어려워질수록 더 씁니다. 이게 플라이휠입니다.

1.3 해자는 영원하지 않다

여기까지만 보면 완벽한 해자처럼 보입니다. 그러나 정직하게 말하면, 이 해자는 영원하지 않습니다. 데이터독의 락인이 깎이는 자리를 먼저 인정하겠습니다.

계측 락인은 OTel(OpenTelemetry) 표준으로 풀리는 중입니다. OTel은 관측 데이터를 수집하는 벤더 비종속 공개 표준입니다. 쉽게 말해 "어느 회사 제품에도 묶이지 않는 공용 콘센트" 같은 것입니다. 예전에는 데이터독 에이전트로만 데이터를 모을 수 있었는데, OTel을 쓰면 데이터독 에이전트 없이도 데이터를 모을 수 있습니다. 그러면 신규 고객은 "당신 말고 다른 곳으로 갈아탈 수도 있어"라며 단가를 협상할 지렛대를 갖게 됩니다.

그래도 이탈이 낮은 이유는 남는 부분이 생각보다 무겁기 때문입니다. 이미 몇 년치 데이터가 쌓여 있고, 팀 전체가 데이터독 화면에 손이 익었으며, 600개 통합을 다시 연결하는 건 며칠로 끝나는 일이 아닙니다. 다만 이 마찰조차 자동화로 조금씩 깎입니다.

중요한 건 이 깎임이 어떻게 나타나느냐입니다. OTel이 풀어주는 건 "이탈"이 아니라 "신규 고객의 가격결정력"입니다. 즉 기존 고객이 떠나는 게 아니라, 새로 들어오는 고객의 평균판매단가(ASP)가 눌리는 형태로 나타납니다. 이 칼날의 정량적 귀결은 4장에서 다시 정밀하게 따집니다.

2. 가속하는데 GAAP은 적자? (재무)

여기서 독자가 가장 헷갈리는 지점이 나옵니다. 데이터독은 매출이 4분기 연속 가속했고(+25%에서 +32%로), 매출총이익률 80%에 FCF 마진 27%대를 내는데, GAAP 손익계산서를 펼치면 적자입니다. 좋은 회사인데 회계상 적자라니, 뭔가 잘못된 걸까요? 이 장의 결론을 먼저 말하면, 이 적자의 정체는 사업 문제가 아니라 SBC(주식보상비)입니다. 진짜 이익력은 Non-GAAP과 FCF에 있습니다. 다만 자사주 매입이 없어 SBC가 주식 수를 매년 2~3% 늘리는 희석은 별도로 인정해야 합니다.

2.1 매출: 4분기 연속 가속

고성장 SaaS는 보통 규모가 커지면 성장률이 둔화합니다. 매출이 커질수록 같은 % 성장을 내려면 더 큰 절대 금액이 필요하기 때문입니다. 그런데 데이터독은 거꾸로 다시 빨라졌습니다.

분기 성장률은 +24.6%(Q1 2025)에서 +32.2%(Q1 2026)로 가속했습니다. 매출 규모가 더 커졌는데 성장률이 빨라진 겁니다. 이건 흔한 일이 아닙니다. 게다가 RPO(잔여이행의무, 아직 매출로 인식하지 않은 계약 잔액)는 $3.48B으로 전년비 +51% 늘었습니다. 미래 매출의 가시성이 그만큼 높아졌다는 뜻입니다.

2.2 마진: 단일 파이프라인이 만드는 80%

매출총이익률 80%의 원천은 1장에서 본 단일 파이프라인입니다. 한 번 수집한 데이터를 26개 제품이 재사용하므로, 제품을 추가해도 한계 인프라 비용이 낮습니다. 여기에 완전 dogfooding(자기 제품으로 자기를 감시)이 효율을 받칩니다.

여기서 Rule of 40이라는 지표를 보겠습니다. 매출 성장률과 FCF 마진을 더한 값으로, 40을 넘으면 성장과 수익의 균형이 좋은 SaaS로 봅니다(자세한 정의는 Rule of 40 쉽게 이해하기). 데이터독은 FY2025 54.4에서 Q1 2026 60.9로 올랐습니다. 최상위 SaaS 구간입니다. 성장이 가속하면서 동시에 현금 창출력까지 좋아진 것입니다.

2.3 GAAP 적자의 정체는 SBC다

이제 본론입니다. 왜 이렇게 좋은 회사가 GAAP 적자일까요?

이 간극의 대부분이 SBC(주식보상비)입니다. 매출의 약 21%에 해당합니다. SBC는 직원에게 현금 대신 주식을 보상으로 주는 비용인데, 회사 통장에서 현금이 나가지는 않습니다(비현금 비용). 그래서 GAAP은 이걸 비용으로 깎아 적자로 보이게 하지만, 실제 현금흐름(FCF)에는 다시 더해집니다. FCF가 Non-GAAP 순이익보다 큰 이유가 바로 이것입니다. SBC가 무엇이고 왜 회계와 현금의 간극을 만드는지는 SBC 쉽게 이해하기에서 자세히 다룹니다.

그래서 데이터독의 이익력은 GAAP 적자가 아니라 Non-GAAP과 FCF로 봐야 합니다. GAAP 적자는 SBC 착시이지 사업 문제가 아닙니다. 다만 희석이라는 비용은 분명히 존재하고, 그것은 5장 적정가 계산에서 정직하게 반영됩니다.

2.4 부채와 현금: 순현금 회사

데이터독은 순현금 회사입니다. 현금과 유가증권을 $4.76B 들고 있고(2026-03-31 기준, FCF로 매년 증가), 갚을 빚은 전환사채 $0.985B뿐인데 이자율이 0%라 이자비용이 거의 없습니다(2029년 만기). 오히려 들고 있는 현금에서 나오는 이자수익이 이익을 떠받칩니다. 이 순이자수익은 5장 EPS 계산에서 $215M에서 $285M으로 더해집니다.

위험 신호

좋은 재무에도 모니터링할 신호는 있습니다. 정직하게 표로 정리합니다.

3. Dev와 Ops의 화해 (문화)

데이터독이라는 이름 자체가 한 편의 선언입니다. 소프트웨어 조직에는 오랜 갈등이 있습니다. 개발팀(Dev)은 새 기능을 빨리 내보내고 싶어 하고, 운영팀(Ops)은 시스템이 안 터지도록 변화를 늦추고 싶어 합니다. 장애가 나면 서로를 탓합니다. "코드가 문제다" "아니다, 서버가 문제다." 데이터독은 2010년 두 프랑스 엔지니어가 바로 이 끝없는 싸움을 화해시키려고 만든 회사입니다. 이 장에서는 그 창업 서사와, 그 위에서 자란 실행 문화, 그리고 거버넌스의 양면을 봅니다. 제품이 좋고 시장이 커도, 실행하는 조직이 받쳐주지 않으면 26개 제품을 동시에 굴릴 수 없기 때문입니다.

3.1 두 창업자: 같은 학교, 같은 회사 출신

CEO 올리비에 포멜(Olivier Pomel)과 CTO 알렉시 르콕(Alexis Le-Quoc)은 프랑스 명문 École Centrale Paris 동창이자, 미국 Wireless Generation에서 함께 일한 동료입니다. 두 사람은 개발팀과 운영팀이 서로를 탓하던 현장을 함께 겪었고, 그 싸움을 끝낼 도구를 만들기로 했습니다.

회사 이름 Datadog은 Dev와 Ops의 화해를 데이터로 이루겠다는 뜻을 담고 있습니다. 두 창업자 모두 CS 석사 출신이고, IBM과 Wireless Generation을 거친 엔지니어입니다. Glassdoor 평점 4.0/5.0에 CEO 지지율 91%로, 엔지니어 조직으로서의 내부 만족도도 높은 편입니다.

3.2 실행 문화: 자기 제품으로 자기를 감시한다

데이터독의 실행 문화를 한 단어로 요약하면 dogfooding입니다. 자기 회사 제품으로 자기 회사 인프라를 감시한다는 뜻입니다. "Datadog uses Datadog"이 사내 원칙입니다.

여기에 end-to-end 오너십이 더해집니다. 엔지니어가 기능을 처음부터 끝까지 책임집니다. 기획부터 배포, 운영까지 한 사람(또는 한 팀)이 끝까지 끌고 갑니다. 이 문화가 출시 속도의 뿌리입니다. 데이터독은 매출의 약 44%를 R&D에 쓰고, 연례 컨퍼런스 DASH에서 대량으로 신제품을 쏟아냅니다. FY2025 신규 피처 400개 이상이 그 결과입니다. 인수한 회사(볼트온 M&A 15건)도 단일 플랫폼 위로 흡수해, 따로 노는 제품을 만들지 않습니다.

3.3 거버넌스: 강점과 리스크

정직하게 거버넌스의 양면을 봅니다. 데이터독은 이중 의결권(dual-class) 구조입니다. Class B 주식이 의결권의 약 43%를 쥐고 있고, 이를 CEO 포멜이 보유합니다. 보통주 1주가 1표인데, Class B는 1주에 여러 표를 갖는 구조입니다(자세히는 이중 의결권 쉽게 이해하기).

포멜의 자본 배분 철학은 일관됩니다. 자사주 매입 대신 R&D(약 44%)와 볼트온 M&A(15건)에 돈을 씁니다. 그가 자주 하는 말이 있습니다. 사용량 과금은 가치를 못 주면 매출이 안 늘기 때문에 자기기만을 막는다는 것입니다. 그리고 AI가 코드를 더 많이 쓸수록 관측의 가치는 커진다고 봅니다.

리스크도 숨기지 않습니다. CEO가 주식을 정기적으로 매도하고 있는데, 다만 이것은 사전계획(10b5-1) 매도임을 구분해야 합니다. 10b5-1은 내부자가 미리 정해둔 일정과 수량대로 자동 매도하는 제도로, 정보 비대칭을 이용한 매도와는 성격이 다릅니다. 그럼에도 자사주 매입이 없는 상태에서 CEO 매도와 SBC 희석이 함께 진행되는 점은 소액주주 입장에서 리스크로 분명히 인식해야 합니다.

4. AI는 위협인가 기회인가 (미래)

데이터독에게 AI는 양날의 검입니다. 가장 흔한 위협 시나리오는 이렇습니다. "AI가 시스템을 알아서 감시하고 알아서 고치니, 사람이 들여다보는 대시보드는 필요 없어진다. 그러면 데이터독 같은 모니터링 회사는 죽는다." 직관적이지만, 이 통념은 빗나갑니다. 데이터독의 요금이 사람 수가 아니라 데이터량에 걸려 있기 때문입니다. 사람이 화면을 덜 봐도, 시스템이 만들어내는 데이터가 줄어들지 않으면 매출은 직접 줄지 않습니다. 진짜 위협은 다른 곳에 있고, 진짜 기회는 더 큰 곳에 있습니다. 이 장에서 그 둘을 가릅니다.

4.1 시장: 관측가능성 시장은 계속 커진다

먼저 시장입니다. 관측가능성 시장(SAM, 데이터독이 실제로 노릴 수 있는 시장 규모)은 $28B(2026)에서 $36.4B(2028)로 연 14% 성장합니다.

이 성장의 동력은 클라우드 capex입니다. 빅4(AWS·Azure·GCP·Meta)의 2026년 capex 가이던스를 합산하면 약 $725B로 전년비 +77%에 이릅니다(Tom's Hardware). 클라우드 인프라가 이렇게 커지면, 그 위에서 돌아가는 시스템을 감시할 수요도 함께 커집니다. 데이터독은 이 시장에서 5년 연속 Gartner Magic Quadrant Leader로 평가받고 있습니다.

4.2 기회: AI 워크로드가 데이터 볼륨을 폭증시킨다

진짜 기회는 AI 워크로드의 성격에서 나옵니다. AI 워크로드는 비결정적이고 복잡합니다. 같은 입력에도 다른 경로로 작동하고, 외부 도구를 수시로 호출하며, 추론 과정이 길고 불투명합니다. 그래서 AI 워크로드는 인프라·로그·트레이스 모든 계층에서 데이터를 폭증시킵니다. 데이터독은 데이터량에 과금하므로, 고객이 'AI 관측 제품'을 따로 사지 않아도 기존 core 제품의 소비가 자동으로 늘어납니다.

여기서 가장 결정적인 증거는 따로 있습니다. AI를 아예 안 쓰는 고객의 매출 성장도 mid-20%대로 가속했다는 점입니다. 무슨 뜻이냐면, AI가 AI-native 회사들에만 수요를 만드는 게 아니라, 산업 전체의 데이터 소비 밀도를 끌어올린다는 겁니다. AI 시대가 오면 모든 회사의 시스템이 더 복잡해지고, 더 복잡해지면 더 많이 감시해야 합니다. 데이터독은 그 밀도 상승에 올라타 있습니다.

4.3 위협: 진짜 칼날은 OTel 표준화다

이제 위협을 경중 순으로 정렬합니다. 흔한 위협부터 진짜 위협까지, 칼날의 무게가 다릅니다.

핵심은 진짜 위협의 발현 방식입니다. OTel은 신규 엔터프라이즈 고객의 선계측 비율이 이미 34%에 이릅니다. 이 비율이 50%를 넘고 동시에 호스트당 ASP가 하락하면, 데이터독의 가격결정력이 눌리기 시작합니다. 다시 강조하면, 이건 기존 고객이 떠나는 이탈이 아니라 새로 들어오는 고객의 ASP와 NRR이 눌리는 형태입니다. 즉 펀더멘털이 무너지는 게 아니라, 성장률과 멀티플이 천천히 압박받는 리스크입니다.

경쟁 지형은 4개 진영으로 갈립니다. 독립 진영(Dynatrace·Elastic), 하이퍼스케일러(CloudWatch), 오픈소스(Grafana·OTel), 그리고 AI 전용 신생 업체입니다. 데이터독은 독립 진영의 압도적 1위지만, 어느 진영도 무시할 수 없습니다.

그래서 우리는 기회와 위협의 균형을 5개 신호로 추적합니다. NRR이 115% 아래로 4분기, GRR이 93% 아래로, OTel 선계측이 50%를 넘으면서 ASP가 하락, 데이터 볼륨과 매출의 디커플링, AI-native 비중. 현재는 이 신호들이 모두 기회 측에 우세합니다.

이 양날을 정밀하게 가른 분석은 전용 딥다이브에 담았습니다. 결론만 미리 말하면, 모든 위협은 결국 '인입 데이터량 자체를 깎는 한 벡터'(OTel 표준화·청구서 쇼크·지능형 파이프라인)로 수렴하며, 현재는 기회 측이 우세합니다.

5. 적정가는 얼마인가 (밸류에이션)

이제 이 글의 관통 질문에 답할 차례입니다. 좋은 회사인 건 1장부터 4장까지 봤습니다. 그런데 약 90배는 비싼가요? 이 장의 핵심 질문이 바로 그것입니다. 결론을 먼저 말하면, 판정은 적정 부근에서 소폭 고평가입니다. 명목 적정가는 매년 오르지만, 자본비용으로 할인하면 모두 현재가 아래로 내려옵니다. 왜 그런지 차근차근 풀어보겠습니다.

5.1 계산 구조

데이터독은 사업부별 손익을 공시하지 않는 단일 플랫폼입니다. 그래서 적정가를 구하는 길은 단순합니다. 적정가 = Non-GAAP EPS × 적정 P/E입니다.

이 적정가는 16개의 핵심 가정 위에 서 있습니다. 하이브웍스의 인베스트 전용 AI 모델은 이 가정들을 매일 리서치하여 변동 시 즉시 재계산합니다. 적정 P/E를 어떻게 정했는지, SAM 경계를 어떻게 그었는지 같은 전 과정은 밸류에이션 딥다이브에서 한 단계씩 펼쳤고, 월가 47명이 이 회사를 어떻게 보는지는 증권사 분석에 담았습니다.

5.2 시장은 어떻게 보는가

월가는 데이터독을 어떻게 볼까요? 47명 중 44명이 Buy 계열로, 컨센서스는 Strong Buy, 평균 목표가는 $241입니다(중앙값 $243.65). 거의 만장일치의 매수입니다. 그런데 흥미로운 건 그 안의 분열입니다.

목표가는 Goldman $139에서 JPM $320까지 무려 2.3배 갈립니다. 같은 회사, 같은 실적을 보면서 이렇게 벌어집니다. 컨센서스 기준 FY2026 매출은 $4.35B(+26.9%), Non-GAAP EPS는 $2.42입니다. 목표가 범위를 내재 Forward P/E로 환산하면 약 57배에서 132배까지 흩어집니다.

5.3 우리의 분석: 매출·EPS·적정가

이제 밸류에이션 딥다이브에서 확정한 숫자를 그대로 가져옵니다. 새로 계산하지 않고, 매출(SAM × 점유율) → Non-GAAP EPS → 적정 P/E → 적정가의 순서로 전재합니다.

1단계: 매출 추정 (단일 플랫폼 = SAM × 점유율)

우리 CY2026 매출 $4.40B는 컨센서스 $4.35B를 소폭 상회합니다(beat 패턴 반영). CY2027 $5.50B는 컨센 $5.26B 대비 점유율 게인과 NRR 유지(약 120%)를 반영해 상회합니다. 핵심은 성장의 출처를 두 축으로 분해한 것입니다. 시장 자체가 14% 크고, 거기에 데이터독이 점유율과 소비 밀도로 13%포인트를 더 가져갑니다.

2단계: Non-GAAP EPS

산출 과정을 풀면 이렇습니다. 단일 플랫폼 매출에서 Non-GAAP OPM(22%에서 24%로 개선)을 적용해 영업이익을 구하고, 거기에 순현금에서 나오는 순이자수익($215M에서 $285M)을 더합니다. 세율 21%를 빼고 희석주식수(372M에서 388M으로 증가, SBC 희석 반영)로 나누면 Non-GAAP EPS가 나옵니다. GAAP EPS와의 큰 간극은 2장에서 본 대로 전부 SBC입니다.

3단계: 적정 P/E 프레임워크

같은 EPS라도 몇 배(P/E)를 곱하느냐에 따라 적정가가 달라집니다. 우리는 절대·상대·보조의 다중 검증으로 적정 P/E를 정했습니다.

여기서 핵심 발견이 하나 있습니다. 데이터독은 CrowdStrike보다 빠르게 성장하는데 P/E는 더 낮습니다(90x < 143x). 즉 같은 고성장 SaaS 코호트 안에서 보면 데이터독은 오히려 약간 싼 편입니다. 프리미엄은 정당하고, 코호트 안에서는 덜 비쌉니다. 단 이건 어디까지나 코호트 내 상대 비교입니다. 자본비용으로 할인한 절대 기준 판정(적정 부근~소폭 고평가)은 5.4에서 못 박습니다. 멀티플 개념을 더 보려면 PEG 쉽게 이해하기와 DCF 쉽게 이해하기를 참고하세요.

4단계: 적정가 (Base × 3개년, 명목 + 할인 후)

EPS × P/E를 곱하면 명목 적정가가 나옵니다. 그런데 여기서 끝이 아닙니다. 명목 적정가를 자본비용으로 할인해야 진짜 오늘 가치가 됩니다.

현재가는 우리 1년 명목 적정구간($201~$231)의 상단부에 위치합니다. 다만 자본비용으로 할인하면 적정가가 모두 현재가 아래로 내려옵니다. 쉽게 말하면, 현재가에서 명목 2~3년 중앙($240~$255)까지 주가가 올라줘도 연 기대수익은 약 3.5~4.4%뿐이라, 자본비용(9~10%)에 미달합니다. 따라서 자기 Base 기준 안전마진은 음(-)입니다. 안전마진이란 가격과 가치 사이에 둔 쿠션으로, 예측이 빗나가도 견디게 하는 장치입니다. (라이브 현재가 절대값은 상단 헤더에서 확인할 수 있습니다.)

증권사와의 차이

우리 위치는 컨센 평균 근방, JPM($320)과 Goldman($139) 사이입니다. 매출과 EPS는 beat 패턴과 점유율 게인으로 컨센을 소폭 상회하니 펀더멘털은 Bull 쪽입니다. 그러나 약 90배 멀티플의 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.

5.4 우리는 이렇게 판단합니다

그래서 어떻게 하느냐. 펀더멘털은 컨센을 소폭 웃돌아 보유는 유지하되, 추가 매수는 NRR 재가속이나 OPM 조기 안정 같은 Bull 신호가 확인될 때입니다. 강한 매수 논거는 성장이 base를 상회하는 Bull 시나리오에 의존합니다. 무엇이 그 판단을 바꾸는지는 아래 전환 트리거로 못 박습니다.

투자 함의

전환 트리거

시나리오별 적정가

5.5 당신의 승률

위에서 산출한 EPS와 P/E를 확률 분포로 놓고, 시나리오마다 확률(Base 50% / Bull 25% / Bear 25%)을 깔아 시뮬레이션을 돌립니다. 슬라이더에 당신의 매수 가격을 넣어보세요. 1년, 2년, 3년 후 각각의 본전·수익 구간을 눈으로 확인할 수 있습니다.