MongoDB publicó el 1 de septiembre los resultados de su segundo trimestre fiscal de 2027, cerrado el 31 de julio. Los ingresos fueron de 771,8 millones de dólares, un 30 % más que un año antes: el mayor ritmo de crecimiento de la compañía en varios ejercicios. La suscripción aportó 747,1 millones (+31 %) y los servicios 24,6 millones (+29 %). Con estos números, la compañía elevó su previsión para el conjunto del año fiscal.
El desglose tiene un detalle que merece atención. Atlas, el servicio gestionado en la nube que concentra el relato de crecimiento de MongoDB, creció cerca del 29 %, mientras que Enterprise Advanced —la edición autogestionada, la que se despliega en la infraestructura del cliente— y el resto del negocio crecieron alrededor del 36 %. Es decir, el producto que se instala en casa avanzó más rápido que el de la nube. En número de clientes, la base supera los 70.600, de los que más de 69.300 usan Atlas, y hay 2.999 cuentas con más de 100.000 dólares de ingresos recurrentes anuales.
El otro titular es la rentabilidad. El resultado operativo GAAP fue positivo, 28,4 millones de dólares, frente a unas pérdidas de 65,3 millones en el mismo trimestre del año anterior; el operativo no-GAAP alcanzó 185,9 millones, más del doble que los 86,8 millones previos. El beneficio neto no-GAAP se situó en 162,6 millones, 1,90 dólares por acción. El consejero delegado, CJ Desai, atribuyó el impulso a las cargas de trabajo empresariales de siempre y al arranque de los casos de uso de IA, y describió la compañía como «la plataforma de datos inteligente para la era de la IA», apoyándose en sus capacidades de recuperación.
¿Por qué debería importarle esto a un arquitecto de datos en España? Por dos motivos. El primero es esa asimetría entre Atlas y Enterprise Advanced: sugiere que una parte de las cargas sigue instalándose fuera del cloud gestionado, algo coherente con requisitos de residencia del dato, contratos existentes o simple control de coste. Conviene no dar por hecho que la opción autogestionada es una vía muerta. El segundo es el posicionamiento de MongoDB como base de recuperación para aplicaciones de IA: la búsqueda vectorial integrada en la misma base que guarda el documento evita mantener un almacén vectorial aparte, y ese es exactamente el tipo de decisión —una pieza menos en el diagrama— que hay que evaluar con datos propios antes de comprometerse. Frente al 37 % de crecimiento de producto que acaba de publicar Snowflake, el sector envía una señal consistente: el gasto en plataformas de datos sigue subiendo, no ajustándose.
Más en Dataprix: Plataformas de datos: artículos y recursos en Dataprix
Fuente: MongoDB (PR Newswire)
Contenido elaborado con asistencia de inteligencia artificial y revisado editorialmente por el equipo de Dataprix.