스노우플레이크

한 줄 정의 스노우플레이크(Snowflake): 기업이 여러 곳에 흩어진 데이터를 클라우드 한곳에 모아 저장·분석·공유하게 해주는 데이터 플랫폼 기업. 단순 데이터 저장소가 아니라 '저장·분석·공유'를 한 묶음으로 파는 소프트웨어 회사다.

통념 교정 흔히 "데이터를 쌓아두는 창고(데이터 웨어하우스) 회사"로만 안다. 실제로는 데이터를 저장하는 동시에 부서·외부 파트너와 안전하게 나누고, 그 위에서 분석·AI까지 돌리는 '데이터 운영 플랫폼'으로 영역을 넓혀 왔다. 또 '클라우드 회사'라며 AWS·Azure 같은 인프라 사업자와 한 묶음으로 보면 오해다. 스노우플레이크는 그 인프라 '위에서' 도는 소프트웨어이며, 인프라를 직접 깔지 않는다.

---

1.개요

스노우플레이크는 기업 데이터의 통합·활용을 핵심으로 하는 클라우드 데이터 플랫폼 기업으로, 미국 뉴욕증권거래소에 상장돼 있다. 고객은 자체 서버를 잔뜩 굴리지 않고도 클라우드 위에서 데이터를 적재·가공·분석하고 외부와 공유할 수 있다. 현대 기업의 경쟁력이 데이터 처리 속도와 활용 능력에 크게 좌우되면서, 데이터 분석의 사실상 표준에 가까운 위치를 노리는 회사로 평가된다. 같은 데이터·AI 플랫폼을 내세우는 팔란티어와 자주 비교되며, SaaS·AI 인프라 테마의 대표 종목 중 하나다.

2.연혁·역사

스노우플레이크의 출발점은 '데이터 창고를 클라우드에 다시 짓자'는 발상이었다. 2010년대 초, 기업들은 데이터를 분석하기 위해 자체 서버실에 무거운 데이터 웨어하우스 장비를 들여놓고 운영했다. 데이터가 늘면 장비를 더 사야 했고, 분석이 몰리면 저장과 연산이 같은 기계 안에서 서로 자원을 빼앗아 느려졌다. 전 오라클 출신 엔지니어 베노아 다주빌(Benoit Dageville)과 티에리 크루안(Thierry Cruanes), 그리고 마르친 주코프스키(Marcin Żukowski)는 이 구조적 한계를 정면으로 노렸다. 핵심 아이디어는 '저장(스토리지)과 연산(컴퓨트)을 떼어 놓는다'는 것이었다. 데이터는 클라우드의 값싼 저장소에 쌓아두고, 분석이 필요할 때만 연산 자원을 따로 불러 쓰면 둘이 서로 간섭하지 않고 각자 필요한 만큼만 확장할 수 있다.

이 회사는 한동안 '스텔스 모드'로 제품을 갈고닦다가 2010년대 중반 정식으로 모습을 드러냈다. 초기에는 데이터 업계 베테랑들이 합류하며 신뢰를 쌓았고, 특히 외부에서 영입된 경영진이 영업·시장 전략을 가다듬으면서 기업 고객을 빠르게 늘렸다. 회사가 대중에게 각인된 결정적 장면은 상장이었다. 2020년 가을 뉴욕증권거래소 데뷔는 당시 소프트웨어 분야 역대 최대 규모의 기업공개 가운데 하나로 기록되며, 워런 버핏의 버크셔해서웨이가 IPO 단계에서 이례적으로 투자에 참여한 것으로도 화제가 됐다. 평소 신규 상장주를 멀리하던 버핏 진영의 참여는 이 회사가 단순 유행주가 아니라 인프라성 소프트웨어로 받아들여졌음을 보여주는 상징이 됐다. 이후 스노우플레이크는 데이터 웨어하우스에서 출발해 데이터 레이크·데이터 공유·애플리케이션 실행으로 영역을 넓히며 스스로를 '데이터 클라우드'라 부르기 시작했고, 최근에는 생성형 AI 흐름을 타고 데이터 위에서 모델을 돌리고 업무를 자동화하는 'AI 플랫폼'으로 정체성을 다시 확장하고 있다.

3.사업 구조 / 작동 방식

스노우플레이크의 수익은 대부분 기업 고객의 '사용량'과 구독에서 나온다. 데이터를 많이 쌓고 많이 분석할수록 청구액이 커지는 소비 기반(consumption) 모델이라, 고객이 데이터를 활발히 쓸수록 매출 기회가 함께 늘어난다. 이는 자리값을 정액으로 받는 전통적 라이선스와 다른 점이다. 고객이 '쓰는 만큼' 내기 때문에 도입 문턱은 낮지만, 반대로 고객이 비용을 아끼려 분석을 줄이면 매출이 곧바로 줄어든다.

작동 방식의 핵심은 앞서 말한 '저장과 연산의 분리'다. 데이터는 클라우드 저장소에 한 벌로 보관되고, 분석 작업이 들어오면 '가상 웨어하우스'라 불리는 연산 클러스터가 그 데이터를 읽어 처리한다. 부서 A의 분석과 부서 B의 분석은 서로 다른 연산 자원에서 돌기 때문에 충돌하지 않고, 필요 없을 때 연산을 꺼두면 비용도 멈춘다. 또 하나의 특징은 데이터 공유다. 데이터를 복사해 주고받는 대신, 같은 데이터에 '읽기 권한'만 열어 주는 방식이라 외부 파트너나 다른 기업과 데이터를 즉시 결합해 분석할 수 있다. 금융·유통·제조·공공처럼 여러 시스템에 데이터가 흩어진 산업일수록 이런 통합·공유 수요가 커서 활용도가 높다.

4.핵심 사건·전환점

스노우플레이크의 서사에서 가장 극적인 장면은 시장의 기대와 실제 실적이 부딪히는 순간들이다. 고성장 소프트웨어 종목은 '얼마나 빨리 커지느냐'에 주가가 민감하게 반응하는데, 성장 둔화 우려가 깔린 상태에서 분기 실적이 시장 예상을 크게 웃돌면 단기간에 주가가 급반등하곤 했다. 특히 AI 워크로드(데이터 위에서 돌리는 AI 분석 작업) 수요가 실적으로 확인되자, 약세에 베팅했던 공매도 포지션이 한꺼번에 청산되면서 소프트웨어 섹터 전반이 함께 들썩이는 장면이 연출됐다. 스노우플레이크 한 종목의 반등이 세일즈포스·오라클·서비스나우·팔란티어 같은 동종 소프트웨어주의 투자심리까지 끌어올린 사례는 이 회사가 SaaS 업황의 '바로미터'로 읽힌다는 점을 보여준다.

또 하나의 전환점은 하이퍼스케일러와의 대형 약정이다. 스노우플레이크가 AWS와 다년간에 걸친 대규모 컴퓨트·AI 서비스 구매 약정을 맺은 사건은, 둘이 단순한 경쟁자가 아니라 깊게 얽힌 동반자임을 드러냈다. 시장은 이를 '스노우플레이크가 AI 시대에도 인프라 파트너와 함께 간다'는 신호로 받아들였고, 실적 호조와 맞물려 주가가 크게 움직였다. 동시에 아마존 입장에서도 스노우플레이크 같은 데이터 플랫폼과의 협력은 자체 AWS 생태계로 에이전트형 AI 수요를 끌어들이는 카드였다. 강한 실적이 나오면 월가에서 목표주가를 잇따라 올리고 매수 의견이 확산되는 패턴도 반복됐다.

5.경쟁 구도와 해자

핵심 해자는 '한 번 도입하면 쉽게 못 바꾸는' 락인(lock-in) 효과다. 기업의 데이터와 분석 파이프라인이 플랫폼 위에 얹히면 이전 비용이 커져 교체가 어렵다. 여러 클라우드를 넘나들며 데이터를 공유·결합하는 능력, 그리고 데이터를 사고팔 듯 주고받는 마켓플레이스 생태계도 차별점으로 꼽힌다. 경쟁자는 크게 둘이다. 하나는 데이터 레이크·오픈 포맷을 내세우는 데이터브릭스 같은 신흥 플랫폼이고, 다른 하나는 하이퍼스케일러가 자체적으로 끼워 파는 데이터 웨어하우스 서비스(구글 빅쿼리, 아마존 레드시프트 등)다. 스노우플레이크는 '어느 클라우드 위에서도 똑같이 작동하는 중립 플랫폼'이라는 점, 그리고 데이터 공유 생태계의 규모를 무기로 이들과 맞선다. 최근에는 분석에서 나아가 업무 자동화·실행까지 노리는 AI 플랫폼 방향을 제시하며, 단순 저장 회사에서 'AI 실행 플랫폼'으로 재평가될 여지를 만들고 있다.

6.산업 구조와 밸류체인

데이터 인프라는 크게 ① 데이터를 실제로 굴리는 하이퍼스케일러(클라우드 인프라), ② 그 위에서 저장·분석을 담당하는 데이터 플랫폼, ③ 분석 결과를 쓰는 응용 소프트웨어로 나뉜다. 스노우플레이크는 ②에 위치해 AWS·Azure·GCP 같은 인프라 위에서 돌아간다. 즉 하이퍼스케일러는 '땅'을, 스노우플레이크는 그 위의 '건물'을 짓는 셈이라, 이들과 협력하면서 동시에 그들의 자체 데이터 서비스와 경쟁하는 미묘한 관계에 놓인다. 이 '협력하는 경쟁(coopetition)' 구조는 스노우플레이크 사업을 이해하는 핵심 열쇠다. 인프라 비용은 하이퍼스케일러에 지불하면서도, 고객 데이터의 '운영 권한'은 스노우플레이크가 쥐고 있어 가치 사슬에서 자기 자리를 지킨다.

7.시장 사이클·관전 포인트

스노우플레이크는 성장 기대가 큰 종목 특성상 금리·기술주 심리·클라우드 투자 사이클에 따라 밸류에이션이 빠르게 재평가되며 주가 변동성이 큰 편이다. 따라서 매출 성장률만 보기보다, 신규 고객 증가, 기존 고객의 사용 확대(순수익 유지율), 클라우드 효율성, 영업이익 개선 여부를 함께 봐야 한다. 특히 '기존 고객이 시간이 갈수록 더 많이 쓰는가'를 보여주는 지표는 소비 기반 모델의 건강 상태를 가늠하는 핵심이다. 실적 발표 때마다 주가가 크게 출렁이는 것도 이런 지표와 가이던스가 시장 기대를 넘느냐 못 미치느냐에 달려 있기 때문이다. 같은 시기 메모리 반도체 등 다른 AI 관련 종목으로 개인 자금이 몰리는 흐름과 맞물려 소프트웨어 섹터 전반의 온도가 함께 움직이기도 한다. 관련 시장 흐름과 종목 반응은 아래 글들에서 자세히 다뤘다.

8.리스크와 쟁점

첫째, 소비 기반 매출이라 경기·비용 절감 사이클에 직접 노출된다. 기업이 IT 예산을 조이면 분석량부터 줄이기 쉬워 매출이 빠르게 흔들릴 수 있다. 둘째, 하이퍼스케일러가 비슷한 기능을 자체 서비스로 끼워 팔면 경쟁이 격화된다. 셋째, 데이터브릭스 등 오픈 포맷 진영과의 경쟁에서 '폐쇄적 플랫폼'이라는 비판을 받을 수 있다. 넷째, 고성장 기대가 주가에 선반영돼 있어, 성장률이 한 단계 꺾이면 밸류에이션 재평가로 주가가 크게 조정될 수 있다. 따라서 멋진 AI 테마 서사보다 실제 사용 확대와 수익성 개선이 따라오는지가 본질이다.

9.알아두면 좋은 포인트

한국 시장과의 접점도 늘고 있다. 국내 금융투자 인프라 사업자와 협력해 AI 클라우드 기반 데이터 플랫폼을 제공하기로 했고, 서울에 국내 오피스를 열며 한국 지원을 강화했다. 국내 개인투자자라면 스노우플레이크를 막연한 AI 테마주로 보기보다, 기업용 소프트웨어의 실적 지표(신규 고객·사용 확대·가이던스)로 접근하는 편이 이해에 도움이 된다. 또 한 가지, 스노우플레이크의 주가는 자기 실적뿐 아니라 SaaS 업황 전반의 심리를 비추는 거울처럼 움직이는 경향이 있어, 이 종목의 급등락은 종종 소프트웨어 섹터 전체의 분위기를 읽는 단서가 된다.

10.데이터 플랫폼 모델 비교

구분	데이터 웨어하우스(전통)	클라우드 데이터 플랫폼	특징
인프라	자체 서버 중심	하이퍼스케일러 위에서 동작	초기 설비 부담 차이
과금	라이선스·하드웨어	사용량 기반 소비 모델	쓸수록 비용·매출 연동
확장성	증설에 시간·비용	필요할 때 탄력적 확장	수요 변동 대응력
공유	부서 내부 위주	외부·멀티클라우드 공유	데이터 생태계 형성
연산·저장	한 기계에 묶임	분리되어 독립 확장	작업 간 간섭 여부

11.외부 링크 · 둘러보기

관련 문서: 클라우드 · AWS · Azure · GCP · 팔란티어 · SaaS · AI · 오라클

---

본 문서는 정보 제공용이며 투자 권유가 아닙니다.