{"id":2906,"date":"2021-01-24T22:38:43","date_gmt":"2021-01-25T06:38:43","guid":{"rendered":"https:\/\/www.gudusoft.com\/?page_id=2906"},"modified":"2026-07-12T02:05:58","modified_gmt":"2026-07-12T10:05:58","slug":"snowflake-data-lineage","status":"publish","type":"page","link":"https:\/\/www.gudusoft.com\/de\/schneeflocken-datenherkunft\/","title":{"rendered":"Snowflake-Datenherkunft: Herkunft auf Spaltenebene aus dem Abfrageverlauf"},"content":{"rendered":"<p><strong>Snowflake-Datenherkunft<\/strong> ist die Spalten\u00fcbersicht, die zeigt, wie Daten durch Ihr Snowflake-Konto flie\u00dfen: welche Quelltabellen und -spalten die einzelnen Zieltabelle, Ansichten oder Dashboards speisen und welche Transformationen \u2013 Joins, <code>FLATTEN<\/code> Erweiterungen, Fensterfunktionen, Filter \u2013 all das geschieht im Laufe der Entwicklung. Snowflake <code>KONTO-NUTZUNG<\/code> Views zeigen Ihnen, auf welche Objekte zugegriffen wurde, aber sie enden bei der Zugriffshistorie auf Tabellenebene; um zu wissen, wie eine Spalte aus einer anderen berechnet wurde, m\u00fcssen Sie das SQL selbst analysieren. <strong>Gudu SQLFlow<\/strong> Genau das tut es: Es liest Ihre Snowflake-Abfragehistorie, DDL und Views ein, analysiert jede Anweisung mit einer Snowflake-spezifischen Grammatik und erzeugt ein interaktives Herkunftsdiagramm auf Spaltenebene.<\/p>\n\n\n\n<div class=\"wp-block-group alignfull has-background is-layout-constrained\" style=\"background-color:#eef7fb;padding-top:24px;padding-bottom:24px\"><div class=\"wp-block-group__inner-container\">\n\n<p><strong>Jetzt ansehen:<\/strong> F\u00fcgen Sie eine beliebige Snowflake-Abfrage in die folgende ein: <a href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=snowflake-data-lineage\" target=\"_blank\" rel=\"noreferrer noopener\">kostenloser Online-Snowflake-Linien-Visualisierer<\/a> W\u00e4hlen Sie den Snowflake-Dialekt und erhalten Sie ein interaktives Spaltendiagramm. Die Cloud-Edition bietet eine kostenlose Basisversion.<\/p>\n\n<\/div><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Was Snowflake standardm\u00e4\u00dfig bietet \u2013 und wo es aufh\u00f6rt.<\/h2>\n\n\n\n<p>Snowflake zeichnet bereits eine Menge auf. <code>KONTO-NUTZUNG<\/code> Das Schema erm\u00f6glicht Einblicke in die Aktivit\u00e4ten Ihres Kontos und erlaubt es Ihnen, nachzuvollziehen, welche Tabellen eine Abfrage gelesen und welche Objekte sie ge\u00e4ndert hat. Dies ist \u00e4u\u00dferst n\u00fctzlich f\u00fcr die Zugriffs\u00fcberwachung und die grobe Ermittlung von Abh\u00e4ngigkeiten. Jede Strategie zur Datenherkunftsanalyse in Snowflake sollte daher auf diesen Daten basieren und sie nicht ignorieren.<\/p>\n\n\n\n<p>Was die Telemetriedaten zur Kontonutzung Ihnen nicht liefern, ist <em>verwandeln<\/em> Herkunftsnachverfolgung auf Spaltenebene. Wissen, dass eine Abfrage eine Spalte ber\u00fchrt hat. <code>Rohbestellungen<\/code> und schrieb <code>Analyse.Umsatz<\/code> sagt dir nicht, dass <code>Gesamtumsatz<\/code> Ist <code>SUMME(orders.amount)<\/code> nach einem Statusfilter, oder dass ein <code>QUALIFIZIEREN<\/code> Die Klausel hat stillschweigend Zeilen basierend auf einer Spalte verworfen, die in der Ausgabe nie erscheint. Diese Information ist genau an einer Stelle vorhanden: im SQL-Text der Anweisung. Um sie zu extrahieren, ist ein echter Snowflake-SQL-Parser erforderlich \u2013 einer, der versteht <code>FLATTEN<\/code>, <code>QUALIFIZIEREN<\/code>, halbstrukturiert <code>VARIANTE<\/code> Pfade, mehrstufige CTEs und <code>W\u00c4HLEN *<\/code> Erweiterung gegen\u00fcber dem tats\u00e4chlichen Schema.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Ableitung der Abfragehistorie aus QUERY_HISTORY erstellen: Was wurde tats\u00e4chlich ausgef\u00fchrt?<\/h2>\n\n\n\n<p>SQLFlow unterst\u00fctzt <strong>Snowflake-Abfrageverlauf als native Eingabe<\/strong>Anstatt Ihre Pipelines anhand von Dokumentationen oder Konfigurationen geplanter Jobs zu erraten, \u00fcbergeben Sie SQLFlow die Anweisungen, die Snowflake tats\u00e4chlich ausgef\u00fchrt hat \u2013 die <code>CREATE TABLE AS SELECT<\/code>, <code>EINF\u00dcGEN<\/code>, <code>VERSCHMELZEN<\/code>, Und <code>KOPIE<\/code> Anweisungen aus Ihrem Abfrageverlauf \u2013 plus die DDL- und Ansichtsdefinitionen, die diesen Anweisungen ihren Schemakontext geben. Das Ergebnis ist eine realit\u00e4tsnahe Herkunftsnachverfolgung:<\/p>\n\n\n\n<ul><li><strong>Keine blinden Flecken durch Ad-hoc-SQL.<\/strong> Einmalige Backfills, von Analysten erstellte CTAS-Anweisungen und Abfragen aus Notebooks oder BI-Tools werden alle im Abfrageverlauf angezeigt und sind somit in Ihrer Datenherkunft sichtbar. Konfigurationsgesteuerte Ans\u00e4tze, die lediglich das Repository Ihres Orchestrators durchsuchen, erfassen diese Daten hingegen gar nicht.<\/li>\n<li><strong>Die Ansichten werden korrekt aufgel\u00f6st.<\/strong> SQLFlow erfasst Ansichtsdefinitionen zusammen mit dem Abfrageverlauf, sodass eine Abfrage gegen <code>vw_customer_360<\/code> Verfolgt die Daten vom View-Body bis hin zu den Basistabellen und -spalten.<\/li>\n<li><strong>Die Sternexpansion verwendet Ihr reales Schema.<\/strong> Mit geladenem DDL, <code>W\u00c4HLEN *<\/code> wird auf die tats\u00e4chliche Spaltenliste erweitert, sodass die Kanten auf Spaltenebene pr\u00e4zise bleiben und nicht auf Sch\u00e4tzungen auf Tabellenebene reduziert werden.<\/li><\/ul>\n\n\n\n<p>Neben eingef\u00fcgtem SQL-Code und hochgeladenen Dateien akzeptiert SQLFlow auch Live-Metadaten \u00fcber JDBC und dbt-Manifestdateien. So k\u00f6nnen Sie die Herkunft ausgef\u00fchrter Abfragen mit der modelldefinierten Herkunft in einem einzigen Graphen kombinieren. Redshift-Abfrageprotokolle werden in einer Multi-Warehouse-Umgebung analog verarbeitet.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Herkunftsnachverfolgung auf Spaltenebene durch echtes Snowflake SQL<\/h2>\n\n\n\n<p>Snowflake SQL entspricht nicht dem generischen ANSI-Standard. Betrachten wir einen Pipeline-Schritt, der halbstrukturierte Positionen entpackt und die drei wichtigsten Bestellungen jedes Kunden beibeh\u00e4lt:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>CREATE OR REPLACE TABLE analytics.top_customer_orders AS SELECT o.customer_id, f.value:sku::STRING AS sku, f.value:qty::NUMBER AS quantity, o.order_total FROM raw.orders o, LATERAL FLATTEN(input =&gt; o.line_items) f QUALIFY ROW_NUMBER() OVER ( PARTITION BY o.customer_id ORDER BY o.order_total DESC ) &lt;= 3;<\/code><\/pre>\n\n\n\n<p>Eine korrekte Abstammungsanalyse dieser einen Aussage muss Folgendes belegen: <code>Artikelnummer<\/code> Und <code>Menge<\/code> abgeleitet von <code>raw.orders.line_items<\/code> VARIANT-Spalte durch eine <code>FLATTEN<\/code> Tabellenfunktion und eine Typumwandlung; dass <code>Kunden-ID<\/code> Und <code>Bestellsumme<\/code> direkt durchflie\u00dfen; und dass die <code>QUALIFIZIEREN<\/code> Die Klausel macht <code>Kunden-ID<\/code> Und <code>Bestellsumme<\/code> Das Ergebnis-Set wird ein zweites Mal geformt \u2013 diesmal jedoch durch Zeilenfilterung, nicht durch Datenfluss. Der Snowflake-Parser von SQLFlow modelliert all dies, da die zugrundeliegende Lineage-Engine (dieselbe) <a href=\"https:\/\/www.sqlparser.com\/\">Allgemeiner SQL-Parser<\/a> Die Engine, die anhand von rund 13.600 Testf\u00e4llen pro Dialekt validiert wurde, l\u00f6st jede Spaltenreferenz \u00fcber das vollst\u00e4ndige semantische Modell der Anweisung auf.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Direkte vs. indirekte Abstammung: Warum QUALIFY wichtig ist<\/h2>\n\n\n\n<p>Das <code>QUALIFIZIEREN<\/code> Diese Klausel verdeutlicht eine Unterscheidung, die die meisten Abstammungsanalyse-Tools auslassen. <strong>Direkte Abstammung<\/strong> ist Datenfluss: <code>orders.order_total<\/code> landen in <code>top_customer_orders.order_total<\/code>. <strong>Indirekte Abstammung<\/strong> ist Einfluss: <code>Bestellsumme<\/code> SQLFlow entscheidet auch, welche Zeilen den Fensterfilter \u00fcberstehen. Daher wirkt sich eine \u00c4nderung der Berechnungsmethode selbst auf Spalten aus, die nie betroffen sind. SQLFlow protokolliert direkte und indirekte Datenherkunft als separate, umschaltbare Beziehungstypen. Informationen zur Auswirkungsanalyse auf Snowflake finden Sie hier. <code>QUALIFIZIEREN<\/code>, <code>WO<\/code>, Verkn\u00fcpfungsbedingungen und <code>GRUPPE NACH<\/code> Die Schl\u00fcssel beinhalten echte Gesch\u00e4ftslogik \u2013 diese Unterscheidung ist der Unterschied zwischen einer genauen Absch\u00e4tzung des Explosionsradius und einer tr\u00f6stlichen Untersch\u00e4tzung.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">dbt auf Snowflake<\/h2>\n\n\n\n<p>Wenn Ihre Snowflake-Transformationen \u00fcber dbt laufen, importiert SQLFlow die <strong>DBT-Manifest<\/strong> SQLFlow erm\u00f6glicht die direkte Abfrage und erzeugt eine spaltenbasierte Herkunftsnachverfolgung Ihrer Modelle \u2013 detaillierter als die von dbt selbst gerenderte Modell-zu-Modell-Grafik. Da SQLFlow auch die Data-Warehouse-Seite (DDL, Views, Abfrageverlauf) erfasst, k\u00f6nnen Sie die Deklarationen Ihres dbt-Projekts mit den tats\u00e4chlichen Ausf\u00fchrungen Ihres Snowflake-Kontos abgleichen: Die im dbt-Projekt implementierte, improvisierte CTAS-Konfiguration wird neben den Modellen im selben Diagramm angezeigt.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">So erhalten Sie die Datenherkunft von Snowflake: drei Wege<\/h2>\n\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Weg<\/th><th>Eingang<\/th><th>Am besten geeignet f\u00fcr<\/th><\/tr><\/thead><tbody>\n<tr><td><a href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=snowflake-data-lineage\">SQLFlow Cloud<\/a><\/td><td>SQL-Anweisungen einf\u00fcgen, Dateien hochladen, Quellen im Browser verbinden<\/td><td>Ich teste es heute; einzelne Anfragen und Projekte. Kostenlose Version; Premium-Version $49,99\/Monat.<\/td><\/tr>\n<tr><td><a href=\"https:\/\/www.gudusoft.com\/de\/sqlflow-on-premise-version\/\">SQLFlow vor Ort<\/a><\/td><td>Abfrageverlauf, DDL, dbt-Manifeste \u2013 alles innerhalb Ihres Netzwerks<\/td><td>Regulierte Umgebungen, in denen SQL-Text Ihre Infrastruktur nicht verlassen darf. Docker\/Kubernetes; 1.500 TP\/Monat oder einmalig 4.800 TP pro Datenbanktyp.<\/td><\/tr>\n<tr><td>REST-API \/ Java-Bibliothek \/ JS-Widget<\/td><td>Programmatische Analyse und eingebettete Diagramme<\/td><td>Integration der Produktlinie in Ihre eigene Plattform oder Ihren Katalog.<\/td><\/tr>\n<\/tbody><\/table><\/figure>\n\n\n\n<p>Im Unternehmensma\u00dfstab durchsucht SQLFlow im Batch-Verfahren Best\u00e4nde von \u00fcber 100 Datenbanken und \u00fcber einer Million Spalten mit inkrementellen Scans und einem persistenten Herkunftsarchiv und exportiert die Ergebnisse. <strong>DataHub, Microsoft Purview und OpenMetadata<\/strong> So kann die Snowflake-Datenlinie in Ihren bestehenden Katalog integriert werden. Katalogplattformen eignen sich hervorragend f\u00fcr Inventarisierung, Besitzverwaltung und Auffindbarkeit Ihrer gesamten Infrastruktur. F\u00fcr die pr\u00e4zise Umwandlung komplexer SQL-Abfragen in Spalten profitieren sie von einer spezialisierten Engine. Der Datenschutz ist durchgehend gew\u00e4hrleistet: SQLFlow f\u00fchrt ausschlie\u00dflich statische Analysen von SQL-Code und Schema-Metadaten durch und liest niemals die Zeilen Ihrer Snowflake-Tabellen.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Jenseits von Snowflake: Ein Stammbaum \u00fcber 39 Dialekte hinweg<\/h2>\n\n\n\n<p>Nur wenige Snowflake-Konten existieren isoliert. Typischerweise umfassen solche Systeme ein \u00e4lteres Oracle- oder SQL-Server-System, das die Data Warehouse speist, parallel dazu Spark- oder Databricks-Jobs und dar\u00fcber hinaus SQL-basierte Business-Intelligence-Prozesse. SQLFlow liefert dialektspezifische Parser f\u00fcr 39 Datenbanken und Abfrage-Engines, sodass dieselbe Engine, die Ihre Snowflake-Abfragehistorie liest, auch die Daten f\u00fcr die Data Warehouses verarbeitet. <a href=\"https:\/\/www.gudusoft.com\/de\/bigquery-data-lineage\/\">BigQuery-Datenherkunft<\/a> Und <a href=\"https:\/\/www.gudusoft.com\/de\/databricks-datenherkunft\/\">Databricks- und Spark SQL-Herkunft<\/a>Hinzu kommen prozedurintensive Quellen wie Oracle PL\/SQL und T-SQL \u2013 einschlie\u00dflich dynamischem SQL innerhalb von Prozeduren. Dies ist besonders wichtig bei Migrationen zu Snowflake, da der Abh\u00e4ngigkeitsgraph des Altsystems genau dem entspricht, was vor dem Umzug abgebildet werden muss. Ein vollst\u00e4ndiges Bild der Funktionsweise der Engine finden Sie unter [Link einf\u00fcgen]. <a href=\"https:\/\/www.gudusoft.com\/de\/sql-datenherkunftstool\/\">\u00dcberblick \u00fcber SQL-Datenherkunftstools<\/a>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">H\u00e4ufig gestellte Fragen<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">Kann ich die Herkunft auf Spaltenebene ausschlie\u00dflich aus den ACCOUNT_USAGE-Views von Snowflake abrufen?<\/h3>\n\n\n<p>Nein. Die Telemetrie zur Kontonutzung liefert den Zugriffsverlauf auf Tabellenebene \u2013 welche Objekte eine Abfrage gelesen und geschrieben hat. Die Transformationsherkunft auf Spaltenebene (welche Quellspalten welche Ausgabespalten speisen, durch welche Funktionen und Filter) erfordert das Parsen des SQL-Textes der Anweisungen selbst, was SQLFlow leistet.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Wie kann SQLFlow mein Snowflake-Konto einlesen?<\/h3>\n\n\n<p>Es gibt mehrere M\u00f6glichkeiten: Snowflake-Abfrageverlauf als native Eingabe, Live-Schema-Metadaten \u00fcber JDBC, hochgeladene DDL- und Ansichtsdefinitionen, eingef\u00fcgtes SQL und dbt-Manifestdateien. Die Kombination aus Abfrageverlauf und DDL ist am effektivsten \u2013 die Herkunft wird anhand tats\u00e4chlich ausgef\u00fchrter Anweisungen ermittelt, mit vollst\u00e4ndigem Schemakontext f\u00fcr die Sternexpansion und Ansichtsaufl\u00f6sung.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Versteht SQLFlow die Snowflake-spezifische Syntax wie FLATTEN und QUALIFY?<\/h3>\n\n\n<p>Ja. SQLFlow verwendet eine spezielle Snowflake-Grammatik, keinen generischen ANSI-Parser, daher <code>SEITLICHE ABFL\u00dcGELUNG<\/code>, <code>QUALIFIZIEREN<\/code>, VARIANT Pfadausdr\u00fccke wie <code>Wert:sku::STRING<\/code>, Und <code>CREATE TABLE AS SELECT<\/code> werden auf Spaltenebene analysiert und nachverfolgt, wobei Filterklauseln als indirekte Herkunft erfasst werden.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Kann SQLFlow die Daten in meinen Snowflake-Tabellen lesen?<\/h3>\n\n\n<p>Nein. SQLFlow f\u00fchrt eine statische Analyse des SQL-Codes durch und liest optional Schema-Metadaten (Tabellen- und Spaltendefinitionen). Es liest niemals Tabellenzeilen. Bei der On-Premise-Edition bleibt selbst Ihr SQL-Text innerhalb Ihres Netzwerks \u2013 relevant, wenn Ihr Abfrageverlauf sensible Literale enth\u00e4lt.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Kann ich die Snowflake-Herkunft in meinen Datenkatalog exportieren?<\/h3>\n\n\n<p>Ja. Enterprise-Implementierungen umfassen Exportadapter f\u00fcr DataHub, Microsoft Purview und OpenMetadata sowie JSON-, CSV- und PNG-Exporte und eine REST-API f\u00fcr benutzerdefinierte Integrationen.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Welche Kosten entstehen durch die Snowflake-Lineage mit SQLFlow?<\/h3>\n\n\n<p>SQLFlow Cloud ist kostenlos; die Premium-Version kostet 1 TP3T49,99\/Monat. SQLFlow On-Premise kostet 1 TP3T500\/Monat oder einmalig 1 TP3T4.800 pro ausgew\u00e4hltem Datenbanktyp (Snowflake z\u00e4hlt als ein Typ) und kann auf zwei Servern installiert werden. Siehe <a href=\"https:\/\/www.gudusoft.com\/de\/preisgestaltung\/\">Preisgestaltung<\/a> f\u00fcr weitere Details.<\/p>\n\n\n\n<div class=\"wp-block-group alignfull has-background is-layout-constrained\" style=\"background-color:#60d5f6;padding-top:32px;padding-bottom:32px\"><div class=\"wp-block-group__inner-container\">\n\n<h2 class=\"wp-block-heading\">Kartiere noch heute deine Snowflake-Abstammung.<\/h2>\n\n\n<p>F\u00fcgen Sie eine Snowflake-Abfrage in den kostenlosen Visualisierer ein oder sprechen Sie mit uns \u00fcber das Scannen Ihres Abfrageverlaufs und Ihres gesamten Datenbestands.<\/p>\n\n\n<div class=\"wp-block-buttons is-layout-flex\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=snowflake-data-lineage\" target=\"_blank\" rel=\"noreferrer noopener\">Testen Sie SQLFlow kostenlos<\/a><\/div>\n<\/div>\n\n\n<div class=\"wp-block-buttons is-layout-flex\">\n<div class=\"wp-block-button\"><a class=\"wp-block-button__link wp-element-button\" href=\"https:\/\/www.gudusoft.com\/de\/kontakt\/\">Fordern Sie eine Enterprise-Demo an<\/a><\/div>\n<\/div>\n\n<\/div><\/div>\n\n\n\n<script type=\"application\/ld+json\">{\n    \"@context\": \"https:\\\/\\\/schema.org\",\n    \"@graph\": [\n        {\n            \"@type\": \"SoftwareApplication\",\n            \"name\": \"Gudu SQLFlow\",\n            \"applicationCategory\": \"DeveloperApplication\",\n            \"applicationSubCategory\": \"SQL Data Lineage Tool\",\n            \"operatingSystem\": \"Web, Linux, Windows, macOS\",\n            \"url\": \"https:\\\/\\\/www.gudusoft.com\\\/snowflake-data-lineage\\\/\",\n            \"description\": \"Automated Snowflake data lineage: SQLFlow ingests Snowflake query history, DDL, views, and dbt manifests and produces interactive column-level lineage diagrams, including FLATTEN, QUALIFY, and indirect lineage.\",\n            \"featureList\": \"Snowflake query history ingestion, column-level lineage, indirect\\\/impact lineage, dbt manifest support, JDBC metadata ingestion, REST API, DataHub\\\/Purview\\\/OpenMetadata export, AI lineage query\",\n            \"softwareVersion\": \"8.2.3\",\n            \"offers\": [\n                {\n                    \"@type\": \"Offer\",\n                    \"name\": \"SQLFlow Cloud Free\",\n                    \"price\": \"0\",\n                    \"priceCurrency\": \"USD\"\n                },\n                {\n                    \"@type\": \"Offer\",\n                    \"name\": \"SQLFlow Cloud Premium\",\n                    \"price\": \"49.99\",\n                    \"priceCurrency\": \"USD\",\n                    \"priceSpecification\": {\n                        \"@type\": \"UnitPriceSpecification\",\n                        \"price\": \"49.99\",\n                        \"priceCurrency\": \"USD\",\n                        \"billingIncrement\": 1,\n                        \"unitText\": \"MONTH\"\n                    }\n                },\n                {\n                    \"@type\": \"Offer\",\n                    \"name\": \"SQLFlow On-Premise\",\n                    \"price\": \"4800\",\n                    \"priceCurrency\": \"USD\"\n                }\n            ],\n            \"publisher\": {\n                \"@type\": \"Organization\",\n                \"name\": \"Gudu Software\",\n                \"url\": \"https:\\\/\\\/www.gudusoft.com\\\/\"\n            }\n        },\n        {\n            \"@type\": \"FAQPage\",\n            \"mainEntity\": [\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Can I get column-level lineage from Snowflake's ACCOUNT_USAGE views alone?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"No. Account-usage telemetry gives you table-level access history. Column-level transform lineage requires parsing the SQL text of the statements themselves, which is what SQLFlow does.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"How does SQLFlow ingest my Snowflake account?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Snowflake query history as a native input, live schema metadata over JDBC, uploaded DDL and view definitions, pasted SQL, and dbt manifest files. Query history plus DDL gives lineage built from statements that actually ran, with full schema context.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Does SQLFlow understand Snowflake-specific syntax like FLATTEN and QUALIFY?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Yes. SQLFlow uses a dedicated Snowflake grammar, so LATERAL FLATTEN, QUALIFY, VARIANT path expressions, and CREATE TABLE AS SELECT are parsed and traced at column level, with filter clauses captured as indirect lineage.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Does SQLFlow read the data in my Snowflake tables?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"No. SQLFlow performs static analysis of SQL code and optionally reads schema metadata. It never reads table rows. With the On-Premise edition, even your SQL text stays inside your network.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"Can I export Snowflake lineage to my data catalog?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"Yes. Enterprise deployments include export adapters for DataHub, Microsoft Purview, and OpenMetadata, plus JSON, CSV, and PNG exports and a REST API for custom integrations.\"\n                    }\n                },\n                {\n                    \"@type\": \"Question\",\n                    \"name\": \"What does Snowflake lineage with SQLFlow cost?\",\n                    \"acceptedAnswer\": {\n                        \"@type\": \"Answer\",\n                        \"text\": \"SQLFlow Cloud starts free; premium is $49.99\\\/month. SQLFlow On-Premise is $500\\\/month or $4,800 one-time per selected database type, installable on two servers.\"\n                    }\n                }\n            ]\n        }\n    ]\n}<\/script>","protected":false},"excerpt":{"rendered":"<p>Snowflake data lineage is the column-level map of how data moves through your Snowflake account: which source tables and columns feed each target table, view, or dashboard, and which transformations \u2014 joins, FLATTEN expansions, window functions, filters \u2014 happen along the way. Snowflake&#8217;s ACCOUNT_USAGE views tell you which objects were accessed, but they stop at table-level access history; to know how one column was computed from another, you have to parse the SQL itself. Gudu SQLFlow does exactly that: it ingests your Snowflake query history, DDL, and views, parses every statement with a Snowflake-specific grammar, and produces an interactive column-level\u2026<\/p>","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":[],"blocksy_meta":{"styles_descriptor":{"styles":{"desktop":"","tablet":"","mobile":""},"google_fonts":[],"version":5}},"_links":{"self":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages\/2906"}],"collection":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/comments?post=2906"}],"version-history":[{"count":30,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages\/2906\/revisions"}],"predecessor-version":[{"id":6749,"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/pages\/2906\/revisions\/6749"}],"wp:attachment":[{"href":"https:\/\/www.gudusoft.com\/de\/wp-json\/wp\/v2\/media?parent=2906"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}