earning
MDB
MongoDB Q2 2026 실적발표

MongoDB Q2 2026 실적발표

#미국주식실적 #종목실적 #실적발표 #EARNINGS #미국주식 #MDB #Atlas

MongoDB (MDB) Q2 2026 실적발표 요약(2025-08-27)

1. 주요실적지표

  • 매출: 5.914억달러(YoY +24%), 컨센서스(5.56억달러) 대비 상회.
  • Atlas 매출: 분기 매출의 74%, YoY +29%로 가속.
  • Non-GAAP Gross Profit/마진: 4.364억달러, 마진 74%(전년 75%).
  • Non-GAAP 영업이익/마진: 0.868억달러, 마진 15%.
  • Non-GAAP EPS: 1.00달러(컨센서스 0.66달러 상회).
  • 고객 수: 분기 중 순증 2,800곳, 총 59,900+.
  • 순현금흐름·현금: 영업CF 7,210만달러, FCF 6,990만달러, 현금·현금성·단기투자·제한성 현금 합계 23억달러.
  • 주식환매: 2억달러 실행(분기).
  • 순손실(GAAP): -4,704만달러(주당 -0.58달러).

2. 제품별/사업부별

2. 제품별/사업부별

  • 구독(Subscription) 매출: 5.724억달러(YoY +23%). 서비스(Professional Services) 매출: 1,900만달러(YoY +33%).
  • 제품 믹스: Atlas 74% 비중으로 핵심 성장 엔진화(고객 및 워크로드 확장 중심).

3. 가이던스

  • 3Q FY26: 매출 5.87억5.92억달러, Non-GAAP EPS 0.760.79달러.
  • FY26: 매출 23.423.6억달러(직전 대비 +7,000만달러 상향), Non-GAAP EPS 3.643.73달러, Non-GAAP 영업이익 3.21~3.31억달러.
  • CFO는 상반기 호실적과 Atlas 성장 자신감을 근거로 연간 매출·마진 가이던스 상향(마진 가이던스 +150bp)했다고 언급.

4. CEO/CFO 코멘트 핵심

  • CEO: “Atlas의 가속과 대규모 고객 온보딩이 성과를 견인. 많은 신규 고객이 AI 애플리케이션 구축을 위해 MongoDB를 선택하며, MongoDB는 AI 인프라 스택의 핵심 구성요소로 자리잡고 있다”.
  • CFO: “EA 고객 기반에 대한 추가 워크로드 확장과 견조한 상반기 성과를 반영해 연간 가이던스를 상향”.

5. 기타(운영/조직/공공부문)

  • 구조조정: 전체 인력의 2% 미만 대상, 일회성 비용 약 500만달러(Non-GAAP에서 제외).
  • 공공부문 확장: Atlas for Government에 대해 FedRAMP High·미 국방부 IL5 인증 취득 추진 발표(정부·국방 수요 타깃).
  • AI 에코시스템·제품: Voyage AI(컨텍스트 임베딩·리랭크 모델) 통합, LangChain·Temporal·Galileo 등과 파트너 생태계 확대, MCP(Model Context Protocol) Server 공개 프리뷰로 개발자·에이전트 워크플로우 연결성 강화.

6. 시장 반응(주가/심리)과 이번 실적의 의미

  • 주가 반응: 실적/가이던스 상회 발표 직후 주가 +37% 급등, 톱·바텀라인 서프라이즈와 가이던스 상향이 투자심리 개선 촉매로 작용.

  • 추가 요인: (1) Atlas 성장률 26%→29%로 재가속, (2) 연간 매출·마진 가이던스 일제 상향, (3) 2억달러 자사주 매입 및 현금 23억달러의 재무 여력 등이 리레이팅에 기여.

    • 해석: 단순 “AI 테마”가 아닌, 실제 고객·워크로드 확장과 수익성 레버리지(비용 효율+스케일 효과)에서 성과를 증명. 특히 AI 앱 구축 파이프라인의 핵심 데이터 계층으로서 Atlas 채택이 늘며, 사용량 기반(Consumption) 모델의 가속이 가시화.

  • 리스크 밸런싱: 전사 Non-GAAP 마진은 개선됐지만 GAAP 기준 순손실 지속, 비(非)현금성 주식보상비용·총마진 소폭 하락(비용·클라우드 인프라 코스트)을 모니터링 필요.

7. 기술·제품 경쟁력(특히 AI 인프라에서의 위치)

  • 통합형 데이터·검색 스택: Atlas에 네이티브로 벡터 검색과 텍스트 검색을 통합(하이브리드 검색). 벡터 유사도+메타데이터 필터+어그리게이션 파이프라인 등 복합쿼리를 하나의 운영 DB에서 구현 가능해, 별도 벡터DB/검색엔진과의 동기화 복잡도를 낮춤.

  • 개발자·생태계: LangChain 연동, MCP Server(에이전트·IDE·툴과의 연결) 등으로 AI 앱 개발 효율·생산성 강화. Voyage AI 임베딩/리랭크 모델을 통한 검색 정확도·비용효율 개선으로 엔드투엔드 AI 워크로드 지원.

  • 공공·보안: FedRAMP High·IL5 추진으로 보안·컴플라이언스 요구가 높은 공공부문 진입장벽을 낮출 포지션 확보.
    결론적으로 MongoDB는 “운영 데이터베이스+검색+벡터”의 단일화된 데이터 계층을 강점으로, RAG/에이전틱(Agentic) 애플리케이션에서 데이터 일관성·성능·운영 단순화 측면에서 차별화 포인트를 강화 중.

8. 경쟁사 영향과 차별화 포인트

  • Snowflake(SNOW - 클라우드 데이터 웨어하우스/애널리틱스): 분석·웨어하우스가 강점. MongoDB는 운영 DB·앱 트랜잭션/검색/벡터의 단일 계층이라는 점에서 직접 대체보다는 보완적 포지션. 다만 양사 모두 AI 워크로드를 겨냥하며 중장기 고객 예산을 경쟁적으로 유치.

  • Amazon(AWS, AMZN - 1위 클라우드, DynamoDB 등 관리형 DB): 클라우드 인프라 리더로 고객 락인 효과 큼. MongoDB는 멀티클라우드·Run Anywhere 전략으로 종속 회피 니즈를 공략.

  • Microsoft(Azure, MSFT - 클라우드 2위, Cosmos DB): Azure는 AI 워크로드 확장으로 점유율을 높이는 중. Cosmos DB와의 경쟁 구도 속에서도

  • Alphabet(Google Cloud, GOOGL - Firestore 등): GCP 생태계와의 결합력은 강점. MongoDB는 멀티클라우드·크로스클라우드 일관성으로 차별화.

  • Oracle(ORCL - 엔터프라이즈 DB·자율 데이터웨어하우스): 전통 강자이자 클라우드 전환 속도 가속. 하지만 MongoDB는 비정형·유연 스키마·앱 속도/민첩성·AI 하이브리드 검색 측면에서 다른 장점을 제시.
    요약하면, MongoDB는 “운영 데이터+검색/벡터” 통합과 개발

마지막 수정 일자