MongoDB (MDB) – Análisis de resultados – 8 de diciembre de 2023
MongoDB es un actor clave en el almacenamiento y análisis de datos con una configuración orientada a documentos. Más adelante explicaré lo que significa.
Su producto más interesante se llama MongoDB Atlas. Se trata de su servicio de base de datos para implementar un grupo de servidores (o un clúster) utilizado para almacenar realmente los datos. La naturaleza del producto MongoDB permite añadir o eliminar clústeres con facilidad para facilitar su ampliación y reducción en función de las necesidades. También ofrece MongoDB Realm como entorno móvil para la creación de aplicaciones, MongoDB Stitch para crear aplicaciones sin servidores ni mantenimiento de infraestructura y MongoDB Search para la consulta de datos. Por último, ofrece MongoDB Data Lake específico para datos no estructurados que compite directamente con actores como Snowflake. Hay más productos, pero estos son los grandes con novedades que se comentan a continuación.
Demanda
MongoDB superó las estimaciones de ingresos en un cómodo 7,2% y superó sus previsiones en un 7,7%. Su CAGR de ingresos a 2 años del 38,1% se compara con el 46,0% del último trimestre y el 42,3% de hace 2 trimestres.
Fuente: Brad Freeman – Archivos de la SEC, presentaciones de la empresa y comunicados de prensa de la empresa
Fuente: Brad Freeman – Archivos de la SEC, presentaciones de la empresa y comunicados de prensa de la empresa
Márgenes
MongoDB arrasó con las expectativas de beneficios. El EBIT superó en un 78% las estimaciones y en un 85% sus previsiones. Ganó 0,97 dólares por acción frente a las expectativas de ganar 0,50 dólares. Este es su tercer trimestre consecutivo en el que supera ampliamente todas las expectativas. Al igual que en el caso de Nvidia, es probable que la magnitud de estas constantes superaciones haga que las estimaciones de los vendedores diverjan positivamente de sus previsiones con el tiempo. Elevará el listón de lo que se considera un trimestre de éxito. Un gran problema teniendo en cuenta que se basa en un rendimiento estelar.
Obsérvese que algunos gastos de marketing se trasladaron del tercer al cuarto trimestre. Esto ayudó un poco a los márgenes. Aun así, los grandes aumentos anuales de beneficios y márgenes demuestran que ésta no fue la principal fuente de superación.
Fuente: Brad Freeman – Archivos de la SEC, presentaciones de la empresa y comunicados de prensa de la empresa
Fuente: Brad Freeman – Archivos de la SEC, presentaciones de la empresa y comunicados de prensa de la empresa
Orientaciones para el cuarto trimestre
- Las previsiones de ingresos superan las estimaciones en un 4,1%.
- Las previsiones de EBIT superan las estimaciones en un 17,7%.
- Las previsiones de 0,45 dólares por BPA superan en 0,09 dólares las estimaciones.
Como resultado de la subida, se elevaron las previsiones anuales en todos los ámbitos.
Balance
- 1.900 millones en efectivo y equivalentes; 1.100 millones en pagarés preferentes.
- El número de acciones aumentó un 3,8% interanual.
Aspectos destacados de la convocatoria y la publicación
Demanda y macroeconomía
El éxito del trimestre se vio impulsado por la expansión de los clientes existentes y la demanda de carga de trabajo de nuevos clientes. Según la dirección, el éxito fue «a pesar de las difíciles condiciones del mercado». ¿Cómo destaca este software en el entorno actual? Lo has adivinado… como todos los demás destacados. La demanda de su nivel completo de plataforma de productos (denominado Enterprise Advanced (EA)) es galopante. La dirección habló de su plataforma de datos integral como sustituta de soluciones puntuales para clientes de referencia como AT&T. Se trata de encontrar el equilibrio necesario entre la reducción de los costes de los clientes y la mejora de la eficacia. Otro ejemplo es la migración de EY a MongoDB, que supuso una reducción del 50% en los costes de datos y, al mismo tiempo, duplicó el rendimiento.
Los ingresos de EA también se vieron favorecidos por más contratos plurianuales de lo esperado. Estos ingresos se reconocen cuando se inicia un contrato. A diferencia de Atlas, que genera ingresos principalmente en función del uso.
«Los clientes quieren hacer más con menos. Quieren consolidar proveedores y reducir la complejidad de su arquitectura de datos. MongoDB aumenta drásticamente la productividad de los desarrolladores y admite una amplia variedad de casos de uso, eliminando la necesidad de muchas soluciones puntuales. Esta combinación resuena con los clientes en este macroentorno». – CEO Dev Ittycheria
Búsqueda vectorial en MongoDB
MongoDB Vector Search se puso a disposición de los clientes la semana pasada. Como era de esperar, este nuevo producto imita sus otras herramientas de creación de aplicaciones, pero centrándose en las aplicaciones GenAI. Alerta de disco rayado: las aplicaciones y modelos GenAI consumen datos insaciablemente. Cuantos más datos, mejor; cuanto más relevantes sean esos datos, mejor. MongoDB proporciona escalado de datos y acceso seguro a los datos de origen de un cliente. Los datos de origen son el conjunto de datos más relevante para los casos de uso específicos de los clientes. Combina estos conocimientos de datos con amplios marcos de lenguajes de programación para liberar a los desarrolladores y que puedan llevar su trabajo a sus datos. Snowflake habla de esta misma idea todo el tiempo.
Esta nueva herramienta ofrece búsqueda semántica, que permite a los clientes extraer información de los datos sin problemas. Permite realizar consultas por temas e ideas en lugar de sólo por palabras. También proporciona generación aumentada por recuperación (RAG). De este modo, los resultados de la búsqueda semántica se introducen en grandes modelos lingüísticos asociados para aumentar la precisión de las consultas. Según un reciente estudio de investigación «retool», la búsqueda de Atlas Vector tiene el Net Promoter Score (NPS) de promotores más alto del sector.
Más sobre GenAI
- Siguiendo el mismo tema de GenAI, MongoDB Atlas Search Nodes (otro nuevo producto) es una nueva herramienta que libera a los desarrolladores para trabajar con tiempos de consulta un 60% más rápidos y una gestión completa de la infraestructura.
- Nueva integración de Amazon Bedrock para reforzar la gama de LLM con los que pueden trabajar los desarrolladores. Ya cuenta con integraciones con Amazon CodeWhisperer y Microsoft GitHub Copilot, así como con muchos creadores de modelos fundacionales como OpenAI y Hugging Face.
Atlas
Este es el producto más importante para MongoDB en la actualidad. Los ingresos de Atlas aumentaron un 36% interanual hasta alcanzar el 66% de las ventas totales frente al 63% interanual. El número de clientes del producto aumentó un 21,4% interanual hasta alcanzar los 44.900. Al igual que Snowflake y GitLab, estos ingresos se basan en el uso, no en suscripciones. ¿Qué significa? La retención y el crecimiento fuertes y continuados indican directamente lo fundamental que es esta empresa en nuestro mundo digital. Aquí es más fácil recortar el gasto que con los abonos contratados (y más fácil gastar más en épocas mejores). Teniendo en cuenta que la retención de ingresos netos sigue siendo del 120%, eso no está ocurriendo.
La evolución del consumo mejoró secuencialmente, como se esperaba. Estaban en línea con las expectativas de la empresa ofrecidas en la última convocatoria.
Resulta alentador que la eficiencia de Atlas fuera también la fuente de la expansión del margen bruto de la empresa y de sus mejores resultados. Esto significa que a medida que Atlas crezca como porcentaje de los ingresos totales, debería haber más margen al alza.
Base de datos relacional (Snowflake) frente a NOSQL, base de datos orientada a documentos (MongoDB)
Las bases de datos relacionales heredadas almacenan los datos en filas y columnas estáticas vinculadas por fórmulas implementadas. Estas bases de datos parecen hojas de cálculo Excel gigantes y utilizan un lenguaje de consulta estructurado (SQL) para funcionar. Las bases de datos relacionales heredadas no pueden gestionar sin problemas los datos no estructurados como lo hace el lago de datos de MongoDB. Se trata de una gran limitación si se tiene en cuenta lo importantes que son los datos no estructurados para los casos de uso de GenAI. Las bases de datos relacionales heredadas tienen dificultades para escalar y desbloquear las consultas más avanzadas. Los conjuntos de datos son fijos y el formato y el filtrado son más limitados. La falta de capacidad para proporcionar «no sólo SQL» (NOSQL) puede ralentizar el rendimiento y disminuir el valor.
La base de datos NOSQL de MongoDB y el almacenamiento de datos tipo documento solucionan estos problemas. Por eso sigue aumentando el ritmo de la migración.
Es importante destacar que NOSQL no es mejor en lo que respecta a la consulta de datos estructurados y a la coherencia de los datos. No superior, sólo mejor en ciertas cosas. Como prueba de ello, podría decirse que uno de los actores más disruptivos en el mundo general de las bases de datos es Snowflake. El almacén de datos de Snowflake es una base de datos relacional… sólo que una versión de última generación. Ofrece NOSQL, mayor escalabilidad gracias a la separación de datos y cálculo, y consultas no estructuradas. Se decantó por un enfoque de «hacer bases de datos relacionales mucho mejores», mientras que MongoDB aplicó un enfoque de «pasar a NOSQL». Snowflake se considera más avanzado en datos estructurados. Algunos dirían que su oferta de seguridad y gobernanza también es mejor. MongoDB destaca por su flexibilidad, facilidad de uso y destreza con los datos no estructurados. En este sentido, técnicamente son herramientas complementarias y pueden utilizarse conjuntamente en algunos casos. Aun así, ambos siguen invadiendo el territorio del otro como vemos en otras áreas como la ciberseguridad, la publicidad programática y DevSecOps.
Migración de bases de datos relacionales heredadas y migración local
Con frecuencia, los clientes expresan su frustración por no poder migrar algunas cargas de trabajo a NOSQL con la rapidez deseada. Les «faltan habilidades y capacidad para modernizarse, pero saben que necesitan modernizarse». Aquí es donde entra en juego el migrador relacional de MongoDB. Esta herramienta de servicio completo supervisa la migración de los clientes a MongoDB.
También ayuda a los clientes a migrar de la nube local a la nube pública. Algunos sectores, como los servicios financieros y la sanidad, tienen normativas muy estrictas que dificultan mucho las migraciones a la nube. MongoDB ayuda mucho en este sentido. También ofrece una versión local de su paquete de productos, lo que permite al cliente controlar mejor el ritmo de migración.
MongoDB busca expandirse más allá de la migración de datos al «ciclo de vida completo de la migración de modernización de apps.» Quiere «reducir el esfuerzo que supone» este tedioso proceso. Como muchos otros, esto es código para «queremos desplazar más soluciones puntuales». Para ello, ha presentado una herramienta de conversión de consultas que permite integrar de forma intuitiva aplicaciones heredadas basadas en SQL en MongoDB.
«Para ser claros, la modernización de las aplicaciones llevará tiempo, pero es una de las mayores oportunidades de crecimiento a largo plazo para nuestro negocio». – CEO Dev Ittycheria
Opinión
Otro trimestre impresionante para esta empresa. Es evidente que la dirección sigue sin prometer lo suficiente ante la incertidumbre macroeconómica. Esa incertidumbre macroeconómica no se está traduciendo en una disminución de la demanda, de ahí la enorme magnitud de las subidas y bajadas a lo largo de 2023. A 108 veces el EBIT de los próximos 12 meses y 160 veces el FCF de los próximos 12 meses, las expectativas son muy altas y exigen un rendimiento superior. Lo ha hecho a raudales este año y debe seguir siendo así para seguir justificando la prima… Al igual que GitLab y muchos otros nombres de software que se han comportado agresivamente en los últimos tiempos. Gran trimestre.
