Observability- og sikkerhedsplatform til cloud-native virksomheder
Datadog leverer en samlet SaaS-platform til overvågning, fejlfinding og sikring af moderne cloud-applikationer.
Platformen indsamler metrics, logs, traces, brugeroplevelsesdata og sikkerhedssignaler fra servere, containere, databaser og AI-modeller i ét fælles datalag.
Kunderne er udviklings-, drifts- og sikkerhedsteams i alt fra softwarescaleups til store globale koncerner.
Ved udgangen af andet kvartal 2026 havde selskabet omkring 4.720 kunder med en årlig kontraktværdi over 100.000 USD, og de udgør omkring 91 pct. af den samlede kontraktbase.
Forbrugsbaseret forretningsmodel med bred produkttrappe
Datadog tjener penge via abonnementer og forbrugsbaserede priser, hvor kunden betaler efter antal værter, indsamlede logs, traces og andre enheder.
Modellen gør, at selskabets omsætning vokser automatisk, når kundernes cloud-aktivitet og datamængder stiger, men den gør også omsætningen følsom over for optimeringsrunder, hvor kunderne skærer i forbruget.
Salgsmotoren er land-og-udvid: kunden starter typisk med ét produkt, og tilføjer derefter flere moduler som log management, sikkerhed og AI-overvågning.
Den største AI-kunde bruger nu 17 af Datadogs produkter, hvilket illustrerer, hvor dyb platformsadoptionen kan blive.
Samlet datalag og AI-drevne agenter som teknologisk forspring
Datadogs vigtigste tekniske styrke er, at alle signaltyper ligger i samme platform med fælles tagging og korrelation, så et team kan gå fra en alarm til en grundårsag uden at skifte værktøj.
Oven på datalaget bygger selskabet agentbaserede funktioner under navnet Bits AI, blandt andet en AI-sikkerhedsanalytiker, der nu kan bruges også på data uden for Datadogs egen SIEM.
Selskabet har desuden egen overvågning af LLM-applikationer og AI-agenter, hvilket placerer det tæt på de nye AI-arbejdsbyrder.
Produktudviklingen er hurtig, og et stort antal nye funktioner lanceres hvert år.
Konkurrencesituation og markedsposition
Datadogs nærmeste konkurrenter er Dynatrace, Cisco med Splunk, Grafana Labs, New Relic og Elastic samt hyperscalernes egne værktøjer som AWS CloudWatch og Azure Monitor.
Datadog differentierer sig ved den samlede platform, den hurtige produkttakt og stærk udvikleradoption, mens Dynatrace er stærkere i traditionelle, store enterprise-miljøer, og Grafana presser på med åben kildekode og lave priser.
Konkurrencefordelen er holdbar, fordi switching costs er høje, når tusindvis af dashboards, alarmer og integrationer er bygget ind i kundens drift, men den er ikke uigennemtrængelig: open source-alternativer og hyperscalernes gratis eller billige værktøjer kan lægge prispres på logs og simple use cases.
Størst risiko er, at store kunder bygger eller flytter dele af deres overvågning internt, som sket hos den største AI-kunde, der netop har reduceret sit forbrug.
Positionering i cloud-migrering og AI-megatrenden
Datadog er en direkte modtager af to langsigtede trends: fortsat migrering af virksomheders IT til cloud og eksplosionen i AI-applikationer, som skaber nye, mere komplekse miljøer, der skal overvåges.
Selskabet har over 750 AI-native kunder, hvoraf 31 bruger over 1 mio. USD årligt og otte over 10 mio. USD. Strategien er at udvide fra overvågning til sikkerhed, produktanalyse og automatiseret fejlretning med AI-agenter, så platformen bliver et driftsstyringslag for hele softwareorganisationen.
Det største strategiske spørgsmål er, om AI-agenter og automatiseret kode øger eller mindsker behovet for traditionelle overvågningsværktøjer på sigt.