SNOW · 1Q26 · 사전 분석 노트
Cortex Code,
가속 성장의 진앙이 되다
이번 라운드에서는 6명의 Snowflake 세일즈 파트너와 인터뷰를 진행해 매출 추이와 1Q26 출시 플래그십 신제품인 Cortex Code에 대한 인사이트를 확보했다. Cortex Code의 성장 궤적은 매우 옵티미스틱(very optimistic)하게 관측된다.
EXECUTIVE SUMMARY · 3줄 요약
- Cortex Code는 SNOW 역사상 가장 빠른 신제품 성장 — 1Q26에서는 기여 미미하나, 2Q26부터 약 +2%p 증분 기여 예상. Claude Code의 "픽셀-퍼펙트 복제"이지만 SNOW 데이터 모델 이해도/GPU 락업/RBAC 거버넌스가 차별점.
- 1Q26 SNOW YoY 매출 성장률 ~31% 예상 — 가이던스 대비 +3%p 비트(통상적 비트 폭), 4Q25 대비 +1%p 가속. 2Q25 마이그레이션 일회성 베이스 부담은 Cortex Code 기여로 상쇄, 2Q26도 ~30% 유지 가능.
- AI Labs(OpenAI, Anthropic)가 톱-티어 고객으로 진입 — 3Q25 옵티마이제이션 완료 후 본격 기여. 미드-트레이닝/RL 워크로드가 신규 컨섬션 드라이버. OpenAI는 1Q26 기준 SNOW 최대 고객 중 하나로 부상.
한 줄 설명
Snowflake가 자체 "Claude Code"를 만들어 팔기 시작했는데, 이게 회사 역사상 가장 빠르게 팔리고 있고, 그래서 이번 분기 실적이 가이던스를 충분히 뛰어넘을 것으로 본다.
유레카 #1 — Anthropic GPU 부족이 SNOW 호재. Cortex Code는 SNOW가 GPU를 사전 확보(locked up GPUs ahead of time)해서 Claude Code보다 실제로 더 빠르게 돈다. Anthropic의 GPU/TPU/Trainium 제약이 풀리지 않는 한, Cortex Code가 Claude Code 워크로드의 일부를 잠식하는 구조다. Anthropic 캐파 부족 = SNOW의 알파.
유레카 #2 — Cortex Code의 진짜 해자는 RBAC. Claude Code/Cursor/Codex는 SQL 문법은 잘 쓰지만 퍼미셔닝·스키마·거버넌스 의존성이 있는 워크로드에는 무력하다. 프론티어 랩들은 이 영역을 우선순위로 두지 않을 가능성이 높다(Partner E). SNOW의 데이터 레이어 락인 강화 → "AI는 데이터 위에서 돈다"는 테제의 실증.
유레카 #3 — Cortex Code 마진 논쟁의 정답. Partner B는 "그로스마진 낮을 것"이라 우려하나, Partner C 시각이 더 정확해 보인다: SNOW가 Cortex Code를 Claude Code 대비 약 33% 비싸게 마크업하며, AWS Bedrock을 거치지 않고 SNOW 환경 내에서 직접 호스팅한다(Cortex Code는 Bedrock 위에서 안 돈다). 게다가 GPU 비용 상당 부분이 이미 전 기간에 인식됨. 1Q26 GM 훼손 없음이 base case.
유레카 #4 — Observe 인수의 진짜 의미는 FinOps. 단순 옵저버빌리티 진입이 아니다. Claude는 Gemini 대비 ~7x 비싸다 — 고객들이 곧 "왜 LLM 비용이 이렇게 폭증하나?", "어느 에이전트가 비용을 잡아먹나?"라는 질문을 1~2분기 내 던질 것이고, Observe는 그 답이 된다. SNOW의 Elastic/Splunk 플레이북 재현.
매출 달성률 §01 SALES ATTAINMENT
SNOW는 파트너를 주로 컨섬션(Consumption, 매출과 높은 상관관계) 지표로 평가하므로, 파트너 전문가의 성장률도 통상 컨섬션 기준으로 추적된다. 컨섬션 데이터를 보유하지 못한 일부 전문가는 컨설팅 매출을 대용 지표로 사용한다.
North America Partner A
1. 컨섬션 달성률
2. 1Q26 성과
- 예상치 부합 또는 소폭 상회.
- 매출은 목표 초과했으나, 파트너사가 비용 최적화/마진 확대 국면이라 마진 목표는 미달. 당초 비용 10% 절감 목표 → 이번 분기 미달 → 다음 분기에 달성 추진 중.
3. 2Q26 진행 상황
- 가속 성장의 주된 드라이버는 AI/GenAI 제품이 파일럿/실험에서 본격 구현·프로덕션으로 전환되고 있다는 점.
- 컴퓨트, 스토리지, 데이터 프로세싱, AI 워크로드, Snowpark, 분석 컨섬션 모두 우호적.
4. 2H26 성장에 대한 견해
전문가는 2Q26에 너무 많은 고객을 사이닝해 2H26에 다소 시즈널 위축이 있을 것으로 봄. (참고: 본 전문가가 컨설팅 매출과 컨섬션을 혼동하는 것으로 보임 — 2H26 컨섬션에 대한 부정적 시그널은 아님.)
North America Partner B
1. 컨섬션 달성률
- 1Q25: 가속 성장, 예상치 비트 BEAT
- 2Q25: 가속, 예상치 크게 상회 BEAT
- 3Q25: 감속, 예상치 미달 MISS
- 4Q25: 재가속, 예상치 비트 BEAT
- 1Q26: 4Q25 수준 성장률 유지 FLAT
- 2Q26E: 유사 성장률 유지 예상
2. 4Q25 프리뷰 시점에 지목한 2026 최대 드라이버는 Cortex Code와 Iceberg — 견해 재확인
"Cortex Code는 본질적으로 Claude Code를 픽셀-퍼펙트 복제(pixel-perfect replication)한 위에, Snowflake 특화 최적화를 광범위하게 입힌 것이다."
"Cortex Code는 SNOW 역사상 가장 빠르게 성장 중인 제품이다. 1Q26 기여는 미미하지만, 2Q26에 가시성이 매우 크게 올라왔다."
"1Q26에서는 뚜렷한 가속이 없었지만, 2Q26에서는 확실히 드러날 것으로 본다."
"Cortex Code가 2Q26 기준 이미 컨섬션의 거의 3%를 차지하며, W/W로 빠르게 성장 중이다."
North America Partner C
1. 컨섬션 달성률
- 1Q25: 4Q24 대비 가속, 예상치 15~20% 비트 BEAT
- 2Q25: 1Q25 대비 가속, 예상치 비트 BEAT
- 3Q25: 2Q25 대비 감속, 예상치 미달 MISS
- 4Q25: 3Q25 대비 재가속, 예상치 비트 BEAT
- 1Q26: 4Q25 대비 소폭 가속, 예상치 8% 비트 BEAT
- 2Q26E: 유사 성장률 유지, 추가 가속은 어려울 것
2. 2Q26 진행 상황
"우리는 이미 기대치를 하향 조정했다. 1Q26이 강했음에도 2Q26~4Q26 전망을 소폭 컷했고, 2Q26은 그 낮춰진 타깃에 부합할 것으로 본다."
"컷한 주된 이유는 매우 큰 한 곳의 금융 서비스 고객의 컨섬션이 옵티마이제이션 과정에서 플랜을 하회하고 있기 때문이다. 이게 Cortex Code와 Snowflake Intelligence의 업사이드 일부를 상쇄하고 있다."
North America Partner D
1. 컨섬션 달성률
당초 2026 연간 성장률 28~29% 예상 → 이제 풀이어 전망을 약 +2%p 상향 필요하다고 판단.
2. 1Q26 비트의 사유
- 기존 고객 기반에서 Snowflake Intelligence와 Cortex Code의 강한 성장
- Cortex AI 포트폴리오 전반의 견조한 수요: AI functions, LLM 액세스, 애널리틱스
- 견고한 데이터 모더나이제이션 수요: 전통적 데이터 웨어하우스 → 모던 데이터 레이크로의 마이그레이션 지속
- Data Sharing 및 Marketplace 강세 유지
- 멀티 클라우드 마이그레이션 트렌드: 고객들이 Redshift 이탈, 또는 Microsoft Fabric 과의존에서 Snowflake 같은 서드파티로 이동
3. 풀이어 2026 상향의 사유
"엔터프라이즈 지출이 상당히 강하다. 에이전틱 도입이나 AI 애플리케이션 얘기가 나올 때마다, 대부분의 활동이 데이터 레이어에서 일어나고 있다. 고객들은 공격적으로 데이터 환경을 모더나이즈하고, 다수의 데이터 소스를 통합하고, 그 위에 AI를 얹고 있다."
North America Partner E
1. Practice Revenue 달성률 (SNOW 제품 구현·컨설팅·서비스 매출 포함, 컨섬션 데이터 미보유)
- 3Q25: +29.2% YoY BEAT (예상 25.5~26.5%)
- 4Q25: +28.3% YoY BEAT (예상 25.5~26.5%)
- 1Q26: +26.6% YoY IN-LINE (예상 25.5~27%)
- 2Q26E: +27.5~28.5% YoY
- FY2026E: 26~27.5% → 28~30%로 상향
2. 1Q26이 비트하지 못한 이유
- 주로 본 전문가의 리포팅 케이던스 이슈: "지난 2~3년을 돌이켜보면 캘린더 Q1은 주요 성장 드라이버가 아니었다. 통상 Q2부터 가속이 시작된다 — 2025 vs. 2024 비교에서도 그랬다."
- 매크로 환경 악화로 고객들이 일부 망설임 노출
- AI 사이클 중간 단계 — 고객들이 AI 애플리케이션·워크로드 배포 시 주요 측면에서 브레이크를 밟는 중
- 옵저버빌리티 영역과 유사한 패턴: 하반기·Q1 약세 후 Q2 리바운드
3. 2Q26 재가속 사유
- AI와 데이터 스택의 컨버전스
- 고객들이 자사 AI 애플리케이션에 대한 명확성 확보
- AI 워크로드는 잘 정리·큐레이션·유지되는 데이터를 전제로 함
- Snowflake Intelligence, Cortex, Cortex Agents, Snowpark에서 인플렉션 포인트 예상
4. Datadog과의 비교
"Datadog의 경우 AI 라이프사이클이 SNOW보다 더 선형적인 확장을 만든다. SNOW의 램프는 더 느리지만 더 내구성이 강할 것 — 룩백·리트랙션은 예상하지 않는다. 데이터 웨어하우징이 중심에 남고, 그 위에 AI와 익스텐션 워크로드가 레이어링되는 구조다."
Europe Partner
1. 컨섬션 달성률
2. 1Q26이 예상을 소폭 하회한 사유
"3월 분기는 우리 예상 40% 대비 39%로 들어왔다. 39%도 매우 좋은 수치다. 분산 자체는 알람 요인이 아니며, 매출 인식 시점 이슈도 있다."
"SNOW가 사용되는 방식에 변화가 진행 중이다 — 과거에는 데이터 웨어하우징·데이터 플러밍이었다면, 이제는 훨씬 더 비즈니스 지향적·에이전트 주도형으로 가고 있다. 변화가 아직 거대하지는 않지만 매우 흥미롭다."
3. Cortex Code = 2Q26 가속의 드라이버
"Cortex Code는 SQL, Python, Scala 작성·디버깅·리팩터링을 위한 SNOW 네이티브 AI 코딩 에이전트다. Cognizant에서는 과거 GitHub Copilot을 썼다. 지난번 대화 이후 우리는 Anthropic을 엔터프라이즈 계약(Claude Code 포함)으로 도입했지만, Snowflake 관련 작업은 Cortex Code를 쓴다 — 네이티브 코딩 에이전트이기 때문이다. 11~12월에 출시한 것치고는 도입 속도가 매우 빨랐다."
4Q25 프리뷰 시점에는 전문가의 고객 중 Cortex Code 사용자가 없었고, 단기 기여도 없을 것이라 봤음 → 이번 분기 견해가 크게 전환됨.
· · ·
신제품 분석 §02 NEW PRODUCTS
이번 분기 최대 델타(변화)는 Cortex Code에서 발생했으며, 다른 제품에서도 주목할 만한 변화가 관측된다.
Partner A — 제품 컨섬션 믹스 및 Cortex Code 디테일
1. 제품 컨섬션 믹스 (6월 말 기준)
- 전통 애널리틱스 & BI: 30~35%
- Cortex AI 및 LLM 인퍼런스: ~20%
- Snowpark ML (AI/ML 워크로드 포함): ~15%
- Vector Search 및 RAG: ~10%
- Cortex Code: 5%
- 기타(데이터 엔지니어링 파이프라인, 데이터 셰어링 등): 잔여
2. Cortex Code 디테일
- 타임라인: GA(정식 출시) ~2026년 2월 / 3월부터 파일럿·쇼케이스 / 대부분 계정 4월 1일부터 빌링 시작
- 도입률: 거의 50% 계정이 어떤 형태로든(파일럿·프로덕션·평가) 사용 중
- 컨섬션 믹스: 6월 말 기준 ~5% → 연말 10~12% 도달 예상
코어 강점
- SQL 파이프라인 개발에 강력. 복잡한 SQL 쿼리에 크게 의존하는 은행·보험·통신·헬스케어 고객에 특히 적합.
"근본 원인을 다 파악한 것은 아니지만, 테이블·스키마·데이터 리니지에 대해 비범한 능력을 보인다. RBAC 파이프라인과 인증에도 강해서 매우 고품질의 복잡한 SQL을 작성할 수 있다."
주요 기능
복잡한 SQL 생성, 쿼리 최적화, ETL 파이프라인 생성, dbt 모델 생성, 쿼리 디버깅, 스키마 이해, 데이터 리니지, 데이터 디스커버리, 레거시 테이블 처리, 조인 디버깅, ETL 유지보수
주요 유스케이스
- SQL 생성·최적화 (최고 빈도, 엔트리 레벨)
- ETL 파이프라인 생성 (수기 코드 대체)
- dbt 모델 생성 (테스트 케이스 작성, 리니지 정의)
- 쿼리 디버깅·근본원인 분석 (깨진 SQL, 웨어하우스 실패, 슬로우 쿼리 해결 — 특히 은행·헬스케어)
- 스키마 이해·데이터 디스커버리 (메타데이터 검색, 리니지 해석, 의존성 식별, 시맨틱 관계 이해)
- Streamlit 앱 개발
고객 피드백
"Claude Code 대비 레이턴시 우위 — 벤치마크에서 최소 10~15% 우수, 실배포 후 8~12% 개선. 다른 플랫폼은 먼저 데이터를 가져와서 테이블 만들고 인덱스 빌드하고 AI 돌려야 하는데, 통상 별도 제품에서 한다. Cortex의 고유점은 스토리지 위에 AI 레이어를 올린다는 것 — 모든 AI 콜과 복잡한 테이블 연산이 데이터 옆에서, 스토리지의 확장으로 실행된다. 데이터 이동이 적을수록 성능이 좋다."
Claude Code 대비 거버넌스 기능도 더 우수.
3. Snowflake Intelligence
전문가는 강한 성장을 관측 중. 사유:
- 자연어 AI와의 페어링, 특히 엔터프라이즈 AI 프롬프팅 역량
- 기본 프롬프트로 복잡한 SQL과 BI 템플릿 생성 가능
- BI 템플릿 자동화, 데이터 엔지니어링 문제 해결
- 데이터 클리닝, 익스포트·프로세싱·리임포트 역량
- 강한 거버넌스·컴플라이언스 자세 — 헬스케어·보험·은행의 규제 니즈에 적합
- AI 에이전트가 잘 진척 중 — 리포트 생성, 워크플로우 트리거, 멀티스텝 리저닝
Cortex AI vs. Snowflake Intelligence — 전문가의 구분
"Snowflake Intelligence는 BI 도구에 더 가깝다. Cortex AI는 LLM 모델을 호스팅하는 엔진(플랫폼) — AI 엔진이며, 다른 LLM들과 강한 통합을 갖는다. Snowflake Intelligence는 Cortex AI 위에서 작동하는 애플리케이션 레이어 — BI를 위한 어시스턴트/AI 레이어다."
- Cortex AI = SNOW 내 기반 AI 플랫폼. LLM 레퍼런스 생성, 임베딩, 벡터 서치·파이프라인 실행처
- Snowflake Intelligence = Cortex AI 위의 솔루셔닝 레이어. AI 앱, 챗봇, 코파일럿, AI 에이전트, 자동화 워크플로우 — 고객 페이싱 스위트
4. Iceberg
- 성장 중이나, 가장 빠른 제품은 아님
- 유스케이스가 제한적, 주로 Snowflake/Databricks 코이그지스턴스 중심
- 독립 솔루션이 아님 — 코셀링 모션의 일부
5. SNOW의 Observe 인수
- 현 상태: 아직 실험적. 3~4월부터 논의 시작, 소수 고객이 파일럿 단계
- 시너지:
- Observe는 오픈소스 옵저버빌리티 플랫폼 — 로그·메트릭·트레이스·인프라 텔레메트리·앱 동작·에이전트 운영 모니터링
- SNOW 자체는 이미 로그 실패 캡처와 데이터 인사이트에 강력
- Observe는 그 위에 AI 솔루셔닝과 AI 에이전트에 집중하는 레이어
"이건 절대적으로 필요한 역량이다. 자체 구축하려면 엄청난 노력이 필요했을 것. 즉각적 니즈가 있기 때문에 매우 좋은 인수다. 고객들이 실험에서 프로덕션으로 넘어가 청구서를 받기 시작하면 옵저버빌리티가 필요해진다 — '왜 내 LLM 비용이 이렇게 높지? 어느 LLM과 AI 에이전트가 가장 많이 쓰지?'"
LLM 워크플로우에서 옵저버빌리티의 중요성
- Claude는 Gemini 대비 ~7배 비싸다 — 사용을 거버닝하려면 옵저버빌리티가 필요. 이래서 전용 FinOps(파이낸셜 오퍼레이션)·투명성·운영 데이터가 요구됨
- 페인 포인트는 1~2분기 내 부상할 것
- 가치는 FinOps 역량에 있음 — 어느 솔루션에 어느 LLM을 쓸지 최적화
Partner B — Cortex Code 디테일
"Cortex Code는 SNOW에서 내가 본 가장 빠르게 성장하는 제품이다 — 같은 단계의 Snowpark 궤적을 훨씬 뛰어넘는다."
"Cortex Code는 본질적으로 Claude Code 역량의 픽셀-퍼펙트 복제이며, SNOW가 사전에 GPU를 락업해뒀기 때문에 실제로 Claude Code보다 더 빠르게 돈다."
"SNOW가 AWS Bedrock으로 API 콜하는 게 아니라 Anthropic 모델을 직접 호스팅해야 한다. SNOW 세일즈팀은 특정 인퍼런스 최적화를 할 것이라 우리에게 알렸다."
"다만 Cortex Code의 그로스마진은 꽤 낮을 수 있다고 의심한다."
Partner C — Cortex Code 디테일
타임라인 및 도입
- 베타: 2025년 11월 / GA: 2026년 2월
- 도입률: SNOW 주장 52% 활성 사용 / 전문가 자체 수치는 ~40%
- 지원 모델: Claude Opus 4.6, OpenAI GPT-5.2 등
성능 — SNOW 주장 vs. 전문가 관측
- 개발 사이클 단축: SNOW 주장 8x~10x / AWS 관측 4x
- 워크로드 마이그레이션 시간: 18개월
- 에이전트 배포 속도: 4x
- 종합적으로 전문가의 실관측 임팩트는 SNOW 주장의 50~60% 수준
고객 피드백
- 전반적으로 긍정적
- 일부 고객은 여전히 "완전한 엔터프라이즈 레디"가 아니라 평가
- 일부 테크 고객은 생산성 향상을 공개적으로 언급
- 일부 금융 서비스 고객은 비교적 미진한 결과 보고
- 엔터프라이즈 아키텍트는 핵심 차별점 강조: 비용-성능 최적화, 멀티시스템 인지, 네이티브 통합
Cortex Code 아키텍처
- Cortex Code는 Amazon Bedrock 위에서 돌지 않는다 — Snowflake 플랫폼 내에서 네이티브로 실행
- 외부 API 키 없음
- 모델이 Snowflake 환경 내에서 실행 — 모델을 SNOW 외부에서 돌리고 싶은 고객에게는 중요한 우려 사항
주요 고객 푸시백: 비용
- Cortex Code는 높은 크레딧 컨섬션을 유발
- 한 대형 금융 서비스 고객은 단일 쿼리 비용이 $5,000까지 치솟은 사례
- 2Q26 핵심 우선과제는 Accenture·Deloitte와 파트너십으로 비용 낮추는 솔루션 구축
- 동등 Claude Code 사용 대비 ~33% 비쌈
- 1Q26 기여 미미 → 2Q26 더 높아짐
- 고객들은 대량 무료 트라이얼 크레딧·구독 받고 1~2월 실험 시작 → 3~4월부터 청구 발생
"SNOW는 학습 유도 위해 제품을 무료로 뿌렸다. 우리가 발견하는 건 고객들이 학습하면서 동시에 '얼마나 비싼지'도 발견한다는 점이다. 일부 고객은 불만족이다."
마진 관련 상대적으로 건설적 견해
"SNOW가 Cortex Code를 공격적으로 마크업하고 있어서 그로스마진이 낮다고 보지 않는다."
"내 추정: Cortex Code GM은 60% 이상이며, 2~4분기 내 80% 도달 가능."
"Cortex Code는 SNOW에게는 비싸지 않지만, 엔드 고객에게는 비싸다. Cortex Code로 쿼리 돌리는 엔드 고객 입장에선 비용이 처참할 수 있다. 이게 SNOW가 풀어야 할 근본 이슈다."
Cortex AI
전문가는 대형 제조 엔터프라이즈의 흥미로운 케이스를 강조:
"고객이 Amazon Bedrock AgentCore를 사용해 SNOW의 Cortex, Cortex Analyst, Cortex Search를 오케스트레이션하고, MCP를 통해 Claude 모델을 사용한다 — 그 통합 패턴은 존재한다. 하지만 Cortex Code 자체는 Bedrock에서 돌지 않는다."
Partner D — 제품 컨섬션 믹스 및 Cortex Code 디테일
1. 제품 컨섬션 믹스
- 연말 기준 에이전틱 AI 컨섬션이 데이터 웨어하우징을 상회할 수 있음 (DWH 컨섬션은 성숙 후 안정화되므로)
- 에이전틱 AI 포함 항목: Cortex AI 스위트(AI functions, AI search, Cortex analytics), Snowflake Intelligence, Snowpark, Cortex Code, Cortex Code SDK 등
AI 관련 컨섬션 믹스
2. Cortex Code
- 타임라인: GA 2025년 12월 / 2월부터 주요 기능 점진 출시 / 3월부터 대부분 고객 사용 / 4월 1일부터 일부 계정 빌링 / Snowsight 내 Cortex Code는 3월 초 출시
제품명 오해 소지 (전문가 견해)
"SNOW는 이름을 다시 지어야 한다. 'Cortex Code'라 부르지만 SNOW는 Claude Code, Cursor, OpenAI Codex와 경쟁하는 것이 아니다. Cortex Code는 데이터 플랫폼에 레이저 포커싱되어 있다 — 데이터 통합, 데이터 파이프라인, 데이터 마이그레이션 등. Cortex Code는 Cursor와 VS Code에서도 접근 가능하다. 즉, 첫째로 Cortex Code는 Claude Code/Microsoft GitHub Copilot/Cursor 같은 자율 코드 개발 도구가 아니다. 데이터 개발·데이터 통합·데이터 분석형 통합을 위한 목적 빌트(purpose-built) 도구다."
Cortex Code 주요 역량
- 데이터 쿼리와 SQL 작성 가속화
- Snowpark, 데이터 파이프라인, ML 기능과의 통합
- Cursor와 VS Code 내에서 사용 가능
Cortex Code의 경쟁 셋
- Microsoft Fabric Copilot
- Databricks Genie / Databricks Assistant
- Google BigQuery Studio / Gemini in BigQuery
Claude Code / Cursor / Codex와의 관계
- Claude Code, Cursor 등은 자동 코드 생성 도구
- 코드는 쓸 수 있지만, Cortex Code는 데이터 파이프라인 구축에 목적 빌트 — ERP, CRM, 메인프레임 앱, 정형/비정형 데이터 등을 연결, 훨씬 높은 컨텍스트 인지
- Cortex Code는 매우 데이터 중심적
- SNOW는 실제로 Claude Code와 Cortex Code의 통합 사용을 권장
Cortex Code 컨섬션 믹스
- 현재: 5~8% (전문가 추정) 또는 5% 미만
- 시간이 흐르면 10~12% 가능
- 궁극적으로 Snowflake Intelligence에 통합될 수 있음 (고객은 스탠드얼론보다 백엔드 자동화를 원함)
"Cortex Code가 자체적으로 매우 높은 컨섬션을 만들고 있나? 아니다. 하지만 드라이버다 — SNOW 상의 기능 개발을 더 쉽고 빠르게 만들어 간접적으로 전체 컨섬션을 견인한다."
Cortex Code 워크로드
- 데이터 중심 시나리오 외에는 여전히 Claude Code 워크로드 대부분이 남아있음
- 하지만 데이터 관련 요구사항 내에서는 Cortex Code가 리더 — SNOW가 가장 큰 시장 점유율을 갖고 있어서
3. Snowflake Intelligence
컨섬션 견인 2개 레이어:
- Cortex 컨섬션 타입: Cortex 상에서 실행
- 웨어하우스 컴퓨트 컨섬션: 데이터 웨어하우스 대상 쿼리
"Snowflake Intelligence는 ChatGPT·Anthropic을 쓸 때의 프런트엔드 서치 레이어 같다. 엔터를 누르면 데이터 레이크(정형·비정형)에서 데이터를 가져와 LLM 콜을 한다. 그 모든 작업이 데이터 웨어하우스·Cortex·Cortex Code에 대한 추가 쿼리를 발생시킨다 — 모든 서치는 증분 컨섬션이다."
데이터 플랫폼 복잡성 증가, 비즈니스 라인 사용자 도입 확대, 신제품 통합, SNOW Intelligence의 속도·편의성에 대한 고객 수요가 모두 테일윈드.
Cortex AI vs. Snowflake Intelligence
"Cortex AI는 다른 제품이다. 하지만 SNOW Intelligence는 고객 질문에 답하기 위해 Cortex AI의 역량을 후드 아래에서 사용한다. Cortex AI는 생성형 AI 인텔리전스로, SNOW가 내부 호스팅하며 AI functions를 노출, 다양한 LLM 모델 접근을 제공하고 데이터 환경 내 통합 가능하다. 서치 역량, 벡터 서치, 리랭킹, 파인튜닝 등을 포함한다. 본질적으로 LLM형 인텔리전스, 벡터 DB, 벡터 리랭킹 등. SNOW Intelligence는 그 위에서 돈다."
4. Snowpark
- 기존 고객 기반에서 강한 트랙션
- 복잡한 AI/ML 또는 MLOps 요구사항에서는 Snowpark가 Databricks만큼 강력하지 않음
- 데이터 엔지니어링·AI/ML만 스코핑된 그린필드 RFP에서 Snowpark는 Databricks 상대로 승률 약함
- Iceberg 테이블, 오픈 데이터 포맷 등이 향후 경쟁 변수
"Snowpark는 코어 역량의 확장 — SNOW 내부에서 네이티브 Python/Java/Scala를 돌리게 해준다(Databricks 대응). Snowpark는 Databricks가 SNOW 비즈니스를 잠식·캐니벌라이즈하지 않도록 경쟁 목적으로 존재한다."
5. SNOW의 Observe 인수
전략적 로직:
- SNOW의 플레이북은 여기서 Elastic, Splunk와 더 유사
- 고객은 앱에 데이터 저장 후 Datadog·Dynatrace·Splunk 등에 보내 프리미엄 가격 지불
- SNOW의 피치: "소위 옵저버빌리티 벤더에 데이터 저장 프리미엄을 내지 말라 — 그게 그들의 코어 강점도 아니다. 모던 포맷(오픈 텔레메트리 기반)으로 우리에게 저장하라."
Observe의 코어 포지셔닝:
- 주로 로그 매니지먼트 비즈니스
- Datadog·Dynatrace의 로그 스토리지/로그 매니지먼트 영역만 어드레스
- APM, 디지털 익스피리언스 매니지먼트, 인프라 모니터링, 앱 모니터링에서 Datadog/Dynatrace/AppDynamics의 풀 대체재 아님
- 오픈 텔레메트리와 효율적 로그 스토리지 중심
"이래서 SNOW가 이 영역을 공략하기에 유니크한 포지션이다. 모든 게 로그 데이터, 그리고 인텔리전스를 추출하기 위해 얼마나 효율적으로 로그 데이터를 저장할 수 있는가의 문제 — 사고를 사전 예방하기 위해."
가격:
- 로그 매니지먼트 영역에서 Datadog/Dynatrace의 프리미엄 가격보다 저렴
- 다만 직접 비교는 어려움
오픈소스 도구(Grafana / Prometheus 등) 대비:
- Datadog/Dynatrace는 에이전트 기반 — 모든 서버·OT/IT 장비·마이크로서비스·스토리지 레이어에 프로프라이어터리 에이전트 필요
- 스위칭 코스트가 높아 많은 고객이 좌절
- 그래서 Grafana, Prometheus, 기타 오픈 텔레메트리 제품이 트랙션 획득 중
- Observe는 이들과 호환되지만, Grafana/Prometheus 대비 명백한 우위는 아님
Partner E — 제품 컨섬션 믹스 및 신제품 디테일
1. 제품 컨섬션 믹스
현재 믹스:
- 코어 데이터 클라우드(스토리지 + 컴퓨트 + 웨어하우스): 60%
- Snowpark: 10~14%
- 데이터 셰어링 & 마켓플레이스: 7~10%
- Cortex (Cortex + Intelligence 합산): 4~7% (연말 7~10% 가능)
- Snowpipe: 3~6% 또는 4~7%
- Unistore: 2~5% (연말 5% 상회 가능)
- 기타(Dynamic Tables, SnowConvert, Native Apps, Collaboration, 산업 솔루션): ~20%
연말 전망:
- Snowpark: 연말 15% 임계 상회
- Cortex (AI 전체): high single digits, 연말 7~10%
- Unistore: 연말 또는 1Q27에 5% 돌파
- Cortex Code (스탠드얼론): 10% AI 버킷의 최소 1/3, 즉 ~3%
2. Cortex Code
- 현 진척: 오늘은 유의미한 매출 기여 없음. 최소 25% 고객이 트라이얼·POC·평가 단계. 매출 기여는 Q3/Q4에 나타날 것
- Cortex 패밀리(Cortex Search, Cortex Analyst, Cortex Agents, SQL, Cortex Code)는 고객 기반의 2/3 이상이 사용 중
고객이 Claude Code·OpenAI Codex 대신 Cortex Code를 선택하는 이유
"모든 플랫폼은 풋과 테이크가 있다. 우리는 Anthropic과 협력해 SDLC에 Claude 역량을 임베드한다. 하지만 특정 유스케이스에서 Cortex Code는 비할 데 없다(unmatchable) — 유스케이스가 데이터에 친밀하게 의존할 때(즉, 퍼미셔닝·스키마·거버넌스에 의존성이 있을 때), Cortex Code는 동급 경쟁자가 없다. 모든 프런티어 모델·프런티어 랩·엔터프라이즈 AI 프로바이더는 우아한 로직을 갖지만, 워크플로우와 비즈니스 로직에 대한 이해는 결여한다."
"SNOW를 무겁게 쓰는 사용자에게는 Claude Code의 SQL 문법 파악만으로 부족하다 — 파이프라인 자동화 흐름 전체와 무엇보다 퍼미셔닝/RBAC(역할기반 접근제어)를 이해하는 도구가 필요하다. 이것들은 Claude와 OpenAI Codex가 오늘 하지 못하며, 그들의 우선순위로도 보이지 않는다."
3. Snowpark
- Snowpark는 지난 2분기 mid-50s~mid-60s% YoY 성장 (이전 mid-40s 대비) — 명백한 가속
"Snowpark가 성장하는 이유: SNOW가 약 2년 전 Iceberg를 받아들이기로 했을 때, '스토리지를 포기한다'는 우려가 있었다. SNOW가 그렇게 한 이유는 고객이 자사 컴퓨트 엔진에 집중·레버리지하길 원했기 때문이다. 그 순효과가 Snowpark 확장이다 — 코드는 SNOW 내부에서 계속 실행되고, 비-SQL 워크로드(Java, Python 등)는 SNOW가 처리한다. 데이터 이동 불필요. Azure에 떠 있는 Oracle DB와 비슷 — Oracle은 CSP와 인터커넥트를 갖고, 데이터를 물리적으로 이동시키지 않고 데이터가 있는 곳에서 실행한다. 이게 개발자 커뮤니티에서 SNOW의 자세를 의미 있게 개선시키고 있다."
Snowpark Connect도 명백한 기여자
- 12월 GA
- 광범위한 Snowpark 도입에 증분 테일윈드
- Spark Connect 프로토콜로 배포
- PySpark·Spark SQL 워크로드를 SNOW 컴퓨트 내에서 실행 가능 (사용자는 Spark 클러스터 직접 볼 필요 없음)
- 12월 이후 더 복잡한 Scala 연산(flatMap, joinWith 등) 실행 가능
- Parquet 타입(예: decimals)과 스키마 정확성의 핸들링 개선
- 이전엔 기본 상호운용성이었던 게 이제 피처 패리티
4. Unistore
지난 ~12개월간 Unistore 진전을 강조한 유일한 전문가.
유스케이스:
- 금융 서비스: 사기 관리·탐지, 거래 분석, 이상치 플래깅, 리스크 관리. 동시 고트래픽 트랜잭션, 고처리량 트랜잭션, 준실시간 애널리틱스 필요
- SaaS/테크(이커머스, 또는 커머스 앵글 있는 B2B/B2C): 제품 추천, 실시간 사용자 행동 트래킹, SNOW에 직접 저장된 앱 — SNOW가 시스템 오브 레코드를 넘어 애널리틱스·AI 워크로드로 이동
- 제조·중공업·물류(아직 트라이얼): 북미·유럽 각 1개 트라이얼. 출하 업데이트·재고 실시간 트래킹, 공급망 알러팅
최근 가속 드라이버:
- SNOW의 Hybrid Tables 도입
- AI 일반이 실시간·실시간 처리·불필요 파이프라인/ETL/ELT 제거 수요를 견인
- 앱 개발이 점진적으로 SNOW 같은 플랫폼으로 이동 (다른 각도에서 MongoDB와 유사)
- 제로-카피 철학 — 데이터 이동 없음, 사실상 단일 시스템
"역사적으로 조직은 두 별도의 DB 접근을 사용했다. OLTP 세그먼트에서 SNOW는 DWH 마켓 리더로 등장했지만 트랜잭션은 아니었다. SNOW는 Hybrid Tables로 성숙했다. 두 번째 차원은 산업의 진화 — AI와 AI 지원 에코시스템의 기저 테마는 실시간·로우 레이턴시다. 업계가 ETL/ELT를 기다릴 수 없고 실시간 실행이 필요하다는 걸 광범위하게 인지했다. 이게 2025년 우리가 관측한 인플렉션 포인트다. 2025년 1월부터 고객들에게 Hybrid Tables의 초기 버전을 구현하기 시작한 기억이 난다. SNOW는 DWH에서 자리잡았고, 이제 코어 레코드와 API로 이동 중이며, 저레이턴시 앱 같은 새로운 워크로드도 추가된다. Unistore가 이네이블러지만, 오늘의 코어 유스케이스는 여전히 HTAP 세그먼트에 있다."
Europe Partner — Cortex Code 등 신제품 디테일
1. Cortex Code
- 전문가 추정 매출 기여: 5~10% (SNOW 인게이지먼트 내 번들이라 분리하기 어려움)
- 향후 성장: 7~8% 또는 10%까지는 가능하나, 30~40% 도달은 없을 것. 광범위한 SNOW 컨섬션의 간접 드라이버로 본다
생산성 업리프트 (전문가 관측)
- AI 코딩 에이전트 생산성 향상: 30~35%
- 다만 순수 코딩 영역에 국한 — 요구사항 수집, 아키텍처 설계, 테스팅, 배포, 하이퍼케어 등은 제외
유스케이스별 업리프트 차이
- 레거시 마이그레이션: 45~50% 더 빠름 (요구사항이 이미 정의되어 있고 개발·테스팅 위주라 하이엔드)
- 애널리틱스·대시보딩: 20~25% 더 빠름 (더 많은 사용자 대화, 데이터 준비, 인제스천, 포맷팅)
- 파이프라인 개발: 30~35% 미드포인트
Cortex Code의 차별점
"Cortex Code의 차별점은 실제 당신의 Snowflake 데이터 모델을 이해한다는 것이다. 개념적으로: 실제 SNOW 배포를 이해한다. Cursor나 GitHub Copilot은 제네릭 패턴에서 작동 — SQL, Python, Scala는 이해하지만 전체 배포나 데이터 모델은 인지하지 못한다."
유의미한 푸시백 없음
- 공식 컴플레인 없음
- 약간의 푸시백 — 고객은 선택권을 원하고 락인을 원치 않음
- 향후 12~18개월 내 특화 코딩 에이전트가 자신의 가치를 입증해야 함
2. Snowflake Intelligence
- 이전 연말 기여 전망 7% → 8%로 소폭 상향 (동일 레인지 내)
- 장기 잠재력은 더 크지만, 비즈니스 사용자 교육·이네이블먼트 필요해 도입은 더 느릴 것
- 에이전틱 자동화는 하이프가 아닌 실제 잠재력 — 하지만 여전히 이른 단계
- 프로덕션화·스케일은 여전히 어려움
3. Snowpark
- 컨섬션 성장: 40~45% YoY, 소폭 가속
- SNOW 전체 성장보다 약간 상회
- Snowpark Connect(작년 말 GA): 기존 Spark 코드를 SNOW 컴퓨트에서 실행 가능 → Databricks와 직접 경쟁(Databricks의 대규모 Spark 사용자 베이스 감안), 증분 테일윈드
4. Iceberg
- 성장: 35~40% YoY (SNOW 전체에 근접, 소폭 하회)
- 2025년 10월에 대체로 풀 GA 도달
- 필요한 역량이지만, 차별화하는 역량은 아님
5. Unistore
"Unistore는 퍼즐의 작은 조각 — SNOW 에코시스템에서 하이 비저빌리티 조각은 아니다. 주로 트랜잭션 워크로드 관련. 별도로 강조하지는 않겠다."
6. SNOW의 Observe 인수
- 주요 신규 릴리스 관측 없음
- 제품은 여전히 매출 레이더 밖 — 프리뷰 또는 얼리 GA
- 의미 있는 무빙은 기대 안 함
- 3개월 내 일부 시그널 나타날 수도
7. Project SnowWork
- Q1 말 출시, Claude Cowork와 유사, 여전히 POC 단계
- Claude Cowork와 유사 — 둘 다 에이전틱 자동화 플랫폼
- 엔터프라이즈는 수천 개의 백오피스·미들오피스 프로세스를 보유 — 룰 베이스가 아니라 에이전틱 컴포넌트로 자동화 필요
- 오케스트레이션(멀티 에이전트 협업), 감사가능성, 컨피던스 스코어링 등 필요
- Claude Cowork가 그쪽으로 움직이는 중 — SnowWork는 SNOW의 응수
"여전히 초기, 아직 성장에 임팩트는 없다. 리서치 프리뷰 단계지만 출시될 것 — 본질적으로 엔터프라이즈 AI 플랫폼이다. 대화형 프롬프트를 주고 그 위에 멀티스텝 워크플로우를 빌드. 최근 출시 기능(Snowflake Intelligence)과 어떻게 차별화할지는 완전히 명확하지 않지만, 추정컨대 더 엔터프라이즈 그레이드·더 오케스트레이션·더 엔드 투 엔드일 것."
· · ·
AI Lab 고객 성장 §03 AI LABS
1. 미드-트레이닝과 강화학습(RL)이 SNOW·Databricks·Datadog 등 데이터 인프라 플레이어 성장 견인
- 미드-트레이닝 관련 이전 리서치 노트 참조
- RL 실험에서 SNOW와 기타 데이터 분석 제품 빈번 사용
2. 3Q25 프리뷰에서 다음과 같이 언급
- 이 워크로드들은 3Q25에 기여 없을 것이나, 4Q25부터 기여 시작 가능
- 데이터 분석 속도에 엄격한 요구사항 — SNOW 추가 최적화 필요해 스케일 사용 전 단계
- 리서치 팀들은 SNOW의 쿼리 레이턴시에 불만 — 추가 압축 원함, 더 많은 최적화 작업 필요. 컨섬션은 2Q25 대비 낮을 수 있으나, 최적화 완료·신 유스케이스 온라인화 시 4Q25 가속 예상
3. 4Q25 프리뷰 노트에서
- SNOW가 이제 미드-트레이닝 요구를 초 단위로 완료 가능 → 미드-트레이닝과 RL을 스케일로 지원
- 미드-트레이닝과 RL이 견인하는 AI Lab 컨섬션 성장이 이번 분기 증분 기여자로 본다
유레카 #5 — OpenAI는 이미 SNOW의 톱-티어 고객. 이번 분기 프리뷰에서 OpenAI의 수요가 4Q25에 이어 계속 증가, 1Q26 기준 SNOW의 최대 고객 중 하나로 부상한 것으로 본다. 이번 라운드에서는 전문가들이 Anthropic도 명시적으로 언급했다 — 단 Claude Code 관련이 아니라, Claude 모델을 SNOW 내에서 사용할 수 있게 만드는 파트너십이다. 에이전틱 배포에 사용 가능(오케스트레이션·데이터가 SNOW에, 기저 클라우드 모델/LLM 접근). 통상의 헤지 베팅 관행 — SNOW는 OpenAI와도 파트너십 보유.
· · ·
AI 동료압박과 정리해고 §04 PEER PRESSURE
유럽 전문가와 이 주제를 심도 있게 논의.
1. 6개월 전 vs. 오늘
- 그때: 많은 POC와 작은 파일럿, 대부분 "파일럿 퍼거토리(pilot purgatory)"에 정체
- 지금: 스케일링의 초기 시그널, 그러나 여전히 매우 이른 단계
- 전반적으로 가벼운 좌절감
- 비즈니스 프로세스의 에이전틱 자동화는 거대한 체인지 매니지먼트 노력, 톱다운 스티어링, GDPR/규제 컴플라이언스, 데이터 프라이버시 필요
- 어느 플랫폼에 배포할지 결정 어려움 — Claude Cowork, UiPath agentic platform, Otera, Agentforce, ServiceNow가 모두 같은 것 푸시
2. 가장 큰 변화는 소프트웨어 개발자 측
- 전문가의 모든 클라이언트는 개발자 손에 코딩 에이전트 보유
- 모든 시스템 인티그레이터도 마찬가지
- 지난 6개월간 OpenAI·Anthropic과 엔터프라이즈 계약 체결 (Cognizant은 Anthropic 롤아웃)
- Deloitte, KPMG, McKinsey 등도 동일
- 6개월 전에는 여전히 코파일럿이 지배적
3. 남아있는 갭
- AI가 여전히 "상상력 없이" 사용 중 — 주로 이메일 초안과 문서 작성
- 팀 생산성 레이어에서의 협업은 아직 없음
- RFP 응답 같은 것에 대한 규율화된 프로세스가 아직 확립되지 않음
- 다음 웨이브는 조직 레벨에서의 AI 아웃풋
4. 데이터 엔지니어가 소프트웨어 엔지니어와 유사한 정리해고에 직면할까?
- 과거에는 데이터 사이언티스트가 거의 처음부터 모델을 빌드 — 상당한 통계 컴포넌트와 더 많은 수작업
- SNOW 같은 플랫폼이 그런 수작업의 많은 부분을 쉽게 만듦
- 데이터 사이언스는 SW 개발과 유사한 정도로 임팩트 받음
- 다만 데이터 사이언티스트 헤드카운트 베이스가 더 작아서 임팩트가 덜 가시적
· · ·
분기 전망 §05 QUARTERLY VIEW
이번 분기의 핵심 테이크어웨이
KEY TAKEAWAYS
- Cortex Code는 1Q26에 빠르게 성장 중이며, SNOW 역사상 가장 빠른 신제품이다. 1Q26 기여는 작지만 2Q26에 ~2% 증분 기여 추정.
- Cortex Code GM은 전통 DWH 대비 분명 낮지만, (i) Claude Code 대비 유의미한 가격 마크업, (ii) AWS Bedrock 의존 없이 SNOW가 직접 모델 호스팅, (iii) GPU 비용 일부가 이미 전 기간 인식 — 이번 분기 GM에 유의미 임팩트는 없을 전망.
- AI Labs는 SNOW에 증분 기여 지속. 3Q25에 대부분의 옵티마이제이션 작업이 완료된 후 이제 톱-티어 고객으로 부상.
이번 분기 SNOW YoY 성장률 ~31% 예상, 다만 2Q26 가이던스의 높은 베이스 감안하면 sequential하게 플랫 또는 소폭 감속 가능.
- 베이스 케이스: 31% 성장, 가이던스 대비 3% 비트 — 통상적 비트 폭에 부합 — 4Q25 대비 1%p 가속
- 2Q25에 일회성 마이그레이션 테일윈드 있었기 때문에 2Q26은 더 가파른 베이스 직면. 다만 Cortex Code 기여가 하이 베이스 헤드윈드를 일부 상쇄해 여전히 ~30% 성장 예상
- 지난 분기 우리는 SNOW Intelligence·Snowpark Container Service 등 AI 제품의 낮은 마진에도 불구, 빠듯한 헤드카운트와 생산성 개선이 추가 OPM 하락을 막을 것이라 주장. 경영진이 발표한 정리해고와 효율성 강조 감안, 이 트렌드 지속 예상
퀀티 셋업 §06 QUARTER SETUP
- Cortex Code가 진정으로 SNOW에 도움 되고 있다 — DWH·데이터 엔지니어링 유스케이스에 국한되지 않는다. Cortex Code는 Claude Code 워크로드의 일부 점유율을 잠식 중이며, 주된 이유는 Anthropic의 GPU/TPU/Trainium 제약으로 Claude Code의 코드 생성 속도가 Cortex Code보다 낮기 때문.
- 셋업은 Datadog과 비교 가능해 보인다. Cortex Code의 높은 가격이 향후 성장을 감속시킬 수 있으나, 이번 분기의 논쟁거리는 아님.
· · ·
재무 모델 §07 FINANCIALS
Income Statement (USD '000) · 1Q25~4Q26E
| 1Q25 | 2Q25 | 3Q25 | 4Q25 |
1Q26 | 2Q26 | 3Q26 | 4Q26 |
| 순매출 | 1,042,074 | 1,144,969 | 1,212,909 | 1,283,994 | 1,362,134 | 1,489,952 | 1,588,780 | 1,682,407 |
| Product | 996,813 | 1,090,496 | 1,158,377 | 1,226,631 | 1,300,988 | 1,423,067 | 1,517,460 | 1,606,883 |
| Prof. Services & Others | 45,261 | 54,473 | 54,532 | 57,363 | 61,146 | 66,884 | 71,321 | 75,524 |
| YoY Chg% | 26% | 32% | 29% | 30% | 31% | 30% | 31% | 31% |
| Product | 26% | 32% | 29% | 30% | 31% | 31% | 31% | 31% |
| (-) 매출원가 | 348,786 | 371,815 | 390,873 | 426,331 | 449,949 | 481,556 | 507,004 | 536,420 |
| 매출총이익 | 693,288 | 773,154 | 822,036 | 857,663 | 912,185 | 1,008,395 | 1,081,777 | 1,145,987 |
| GPM% | 66.5% | 67.5% | 67.8% | 66.8% | 67.0% | 67.7% | 68.1% | 68.1% |
| 매출총이익 (NonGAAP) | 752,124 | 835,287 | 880,328 | 920,692 | 975,444 | 1,072,284 | 1,146,806 | 1,212,184 |
| NonGAAP GPM% | 72.2% | 73.0% | 72.6% | 71.7% | 71.6% | 72.0% | 72.2% | 72.1% |
| NonGAAP Product Rev GPM% | 75.7% | 76.4% | 76.3% | 75.1% | 75.0% | 75.3% | 75.3% | 75.2% |
| S&M | 458,554 | 501,957 | 550,364 | 551,262 | 596,612 | 609,196 | 645,362 | 651,607 |
| R&D | 472,404 | 492,003 | 494,027 | 511,038 | 528,102 | 542,507 | 544,774 | 563,852 |
| G&A | 209,587 | 119,470 | 107,118 | 113,522 | 115,193 | 121,688 | 122,775 | 127,024 |
| 영업이익 | -447,257 | -340,276 | -329,473 | -318,159 | -327,711 | -264,995 | -231,134 | -196,496 |
| OPM% | -43% | -30% | -27% | -25% | -24% | -18% | -15% | -12% |
| 영업이익 (NonGAAP) | 91,658 | 127,572 | 131,313 | 139,175 | 158,020 | 223,642 | 261,571 | 279,887 |
| OPM (NonGAAP)% | 8.8% | 11.1% | 10.8% | 10.8% | 11.6% | 15.0% | 16.5% | 16.6% |
| 이자수익 | 51,092 | 47,393 | 43,406 | 40,367 | 38,710 | 47,641 | 49,974 | 52,097 |
| IRR% | 4% | 3% | 3% | 3% | 2% | 3% | 3% | 3% |
| 기타비용, 순 | -28,058 | -4,985 | -1,854 | -24,106 | | | | |
| 세전이익 | -424,223 | -297,868 | -287,921 | -301,898 | -289,002 | -217,354 | -181,160 | -144,399 |
| 세전이익 (NonGAAP) | 116,616 | 172,444 | 177,218 | 157,514 | 196,729 | 271,284 | 311,546 | 331,984 |
| 법인세 | 29,191 | 43,068 | 43,681 | 39,378 | 49,182 | 67,821 | 77,886 | 82,996 |
| 유효세율 | 25.0% | 25.0% | 24.6% | 25.0% | 25.0% | 25.0% | 25.0% | 25.0% |
| 비지배지분 | 140 | 87 | 2,354 | 0 | | | | |
| 순이익 | -453,554 | -341,023 | -333,956 | -341,276 | -338,184 | -285,175 | -259,047 | -227,395 |
| NPM% | -44% | -30% | -28% | -27% | -25% | -19% | -16% | -14% |
| 순이익 (NonGAAP) | 87,285 | 129,289 | 131,183 | 118,136 | 147,547 | 203,463 | 233,659 | 248,988 |
| NPM (NonGAAP)% | 8% | 11% | 11% | 9% | 11% | 14% | 15% | 15% |
Source: Company Data, FundaAI
Product Breakdown · 3Q24~4Q26E
| 3Q24 | 4Q24 | 1Q25 | 2Q25 | 3Q25 | 4Q25 |
1Q26 | 2Q26 | 3Q26 | 4Q26 |
| Product Revenue | 900,282 | 943,303 | 996,813 | 1,090,496 | 1,158,377 | 1,226,631 | 1,300,988 | 1,423,067 | 1,517,460 | 1,606,883 |
| DataWarehouse | 853,182 | 884,603 | 923,711 | 1,000,891 | 1,057,422 | 1,098,273 | 1,146,860 | 1,213,387 | 1,274,160 | 1,318,274 |
| DE-Snowpark | 27,500 | 31,500 | 38,000 | 46,000 | 49,500 | 63,000 | 74,100 | 82,800 | 84,150 | 94,500 |
| DE-Excl. SP & Iceberg | 14,000 | 16,000 | 19,302 | 23,365 | 25,143 | 32,000 | 37,638 | 42,057 | 42,743 | 48,000 |
| DE-Iceberg | 4,000 | 8,000 | 11,000 | 14,000 | 18,200 | 22,750 | 28,438 | 35,547 | 44,434 | 53,320 |
| Intelligence and Code | 800 | 1,600 | 2,400 | 3,120 | 4,368 | 6,115 | 8,561 | 42,806 | 64,210 | 83,472 |
| Container Service | 800 | 1,600 | 2,400 | 3,120 | 3,744 | 4,493 | 5,391 | 6,470 | 7,764 | 9,316 |
| Total ARR | 3,687,170 | 3,880,232 | 4,174,618 | 4,497,746 | 4,770,016 | 5,055,238 | 5,448,111 | 5,881,054 | 6,248,686 | 6,427,533 |
| DataWarehouse | 3,475,570 | 3,616,629 | 3,849,205 | 4,116,626 | 4,311,390 | 4,490,266 | 4,720,494 | 4,975,095 | 5,184,869 | 5,273,097 |
| DE-Snowpark | 118,000 | 139,000 | 168,000 | 191,000 | 225,000 | 274,200 | 313,800 | 333,900 | 357,300 | 378,000 |
| DE-Excl. SP & Iceberg | 60,000 | 70,603 | 85,333 | 97,016 | 114,286 | 139,276 | 159,390 | 169,600 | 181,486 | 192,000 |
| DE-Iceberg | 24,000 | 38,000 | 50,000 | 64,400 | 81,900 | 102,375 | 127,969 | 159,961 | 195,508 | 213,281 |
| Intelligence and Code | 4,800 | 8,000 | 11,040 | 14,976 | 20,966 | 29,353 | 102,735 | 214,032 | 295,364 | 333,890 |
| Container Service | 4,800 | 8,000 | 11,040 | 13,728 | 16,474 | 19,768 | 23,722 | 28,466 | 34,160 | 37,265 |
| YoY Chg% | 29% | 28% | 26% | 32% | 29% | 30% | 31% | 30% | 31% | 31% |
| DataWarehouse | 25% | 24% | 21% | 26% | 24% | 24% | 24% | 21% | 20% | 20% |
| DE-Snowpark | 129% | 97% | 100% | 100% | 80% | 100% | 95% | 80% | 70% | 50% |
| DE-Excl. SP & Iceberg | 129% | 96% | 100% | 100% | 80% | 100% | 95% | 80% | 70% | 50% |
| DE-Iceberg | | | 900% | 437% | 241% | 169% | 156% | 148% | 139% | 108% |
| Intelligence and Code | | | | 649% | 337% | 267% | 831% | 1329% | 1309% | 1038% |
| Container Service | | | | 586% | 243% | 147% | 115% | 107% | 107% | 89% |
| Rev Mix% | 100% | 100% | 100% | 100% | 100% | 100% | 100% | 100% | 100% | 100% |
| DataWarehouse | 94.8% | 93.8% | 92.7% | 91.8% | 91.3% | 89.5% | 88.2% | 85.3% | 84.0% | 82.0% |
| DE-Snowpark | 3.1% | 3.3% | 3.8% | 4.2% | 4.3% | 5.1% | 5.7% | 5.8% | 5.5% | 5.9% |
| DE-Excl. SP & Iceberg | 1.6% | 1.7% | 1.9% | 2.1% | 2.2% | 2.6% | 2.9% | 3.0% | 2.8% | 3.0% |
| DE-Iceberg | 0.4% | 0.8% | 1.1% | 1.3% | 1.6% | 1.9% | 2.2% | 2.5% | 2.9% | 3.3% |
| Intelligence and Code | 0.1% | 0.2% | 0.2% | 0.3% | 0.4% | 0.5% | 0.7% | 3.0% | 4.2% | 5.2% |
| Container Service | 0.1% | 0.2% | 0.2% | 0.3% | 0.3% | 0.4% | 0.4% | 0.5% | 0.5% | 0.6% |
Source: Company Data, FundaAI
Disclaimer. 본 리포트의 모든 애널리스트 진술과 견해는 해당 증권·발행인에 관한 개인적 판단을 진정성 있게 반영한다. 보수는 본 리포트의 특정 추천·견해와 직·간접적 연관이 없다. Consensus AI Technology Pte. Ltd.(이하 회사)는 싱가포르에 등록된 독립 리서치 기관이며, 어떤 증권 딜러·투자은행·자산운용사와도 제휴 관계가 없으며 어떤 관할에서도 라이선스 투자자문업자·브로커로 등록되어 있지 않다. 회사는 커버 기업과 IB·언더라이팅 비즈니스 관계가 없고 상장사로부터 자금을 받지 않는다. 본 리포트의 모든 컨텐츠(심층 리서치 리포트, 산업 분석, 전문가 인터뷰 요약, 센티먼트 데이터, 주간 뉴스레터 등)는 참조용이며 어떠한 투자 자문·매수·매도·보유 추천 또는 법률·세무·금융 자문이 아니다. 본 리포트에 인용된 제3자 데이터는 공개 또는 승인된 채널에서 입수했다. 회사는 그 정확성·완전성에 관해 명시적·묵시적 보장을 하지 않는다. 독자는 투자 결정 전 독자적 판단을 하고 전문 금융 자문가에 상담해야 한다. 포워드룩킹 예측, 이익 추정, 산업 트렌드 판단은 불확실성에 따르며 실제 결과는 기대와 실질적으로 다를 수 있다. 회사는 본 리포트 내용 사용으로 발생하는 직·간접 손실에 대해 법적 책임을 지지 않는다. 본 리포트와 Funda·AI 플랫폼의 모든 컨텐츠는 회사의 독점 재산이며 저작권법으로 보호된다. 회사의 명시적 서면 승인 없이 어떠한 형태로도 본 리포트 또는 그 일부를 복사·전달·판매·재배포할 수 없다. 기관 클라이언트는 내부 컴플라이언스 범위 내에서 본 리포트를 사용할 수 있으나, 제3자에게 공개·공유할 수 없다. © 2026 Funda·AI.