{"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\/es\/linaje-de-datos-de-copos-de-nieve\/","title":{"rendered":"Linaje de datos de Snowflake: Linaje a nivel de columna a partir del historial de consultas"},"content":{"rendered":"<p><strong>Linaje de datos de Snowflake<\/strong> es el mapa a nivel de columna de c\u00f3mo se mueven los datos a trav\u00e9s de su cuenta de Snowflake: qu\u00e9 tablas y columnas de origen alimentan cada tabla, vista o panel de destino, y qu\u00e9 transformaciones (uniones, <code>APLANAR<\/code> expansiones, funciones de ventana, filtros: suceden en el camino. Snowflake <code>USO DE LA CUENTA<\/code> Las vistas indican a qu\u00e9 objetos se accedi\u00f3, pero se limitan al historial de acceso a nivel de tabla; para saber c\u00f3mo se calcul\u00f3 una columna a partir de otra, hay que analizar el propio c\u00f3digo SQL. <strong>Flujo de SQL de Gudu<\/strong> Hace precisamente eso: procesa el historial de consultas, el DDL y las vistas de Snowflake, analiza cada instrucci\u00f3n con una gram\u00e1tica espec\u00edfica de Snowflake y genera un diagrama de linaje interactivo a nivel de columna.<\/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>V\u00e9alo ahora:<\/strong> Pegue cualquier consulta de Snowflake en el <a href=\"https:\/\/sqlflow.gudusoft.com\/?utm_source=gudusoft&amp;utm_medium=website&amp;utm_campaign=snowflake-data-lineage\" target=\"_blank\" rel=\"noreferrer noopener\">Visualizador de linaje Snowflake gratuito en l\u00ednea<\/a> \u2014 Seleccione el dialecto Snowflake y obtenga un diagrama interactivo a nivel de columna. La edici\u00f3n en la nube tiene un plan gratuito.<\/p>\n\n<\/div><\/div>\n\n\n\n<h2 class=\"wp-block-heading\">Lo que Snowflake te ofrece de forma nativa y d\u00f3nde se detiene<\/h2>\n\n\n\n<p>Snowflake ya graba mucho. <code>USO DE LA CUENTA<\/code> El esquema ofrece informaci\u00f3n sobre la actividad de tu cuenta, lo que te permite reconstruir qu\u00e9 tablas consult\u00f3 y qu\u00e9 objetos modific\u00f3. Esto resulta muy \u00fatil para la auditor\u00eda de acceso y la detecci\u00f3n de dependencias generales, y cualquier estrategia de trazabilidad en Snowflake deber\u00eda partir de esta telemetr\u00eda en lugar de ignorarla.<\/p>\n\n\n\n<p>Lo que la telemetr\u00eda de uso de la cuenta no te da es <em>transformar<\/em> linaje a nivel de columna. Saber que una consulta toc\u00f3 <code>pedidos crudos<\/code> y escribi\u00f3 <code>an\u00e1lisis.ingresos<\/code> no te dice eso <code>ingresos.total<\/code> es <code>SUMA(pedidos.cantidad)<\/code> despu\u00e9s de un filtro de estado, o que un <code>CALIFICAR<\/code> La cl\u00e1usula descart\u00f3 silenciosamente filas bas\u00e1ndose en una columna que nunca aparece en la salida. Esa informaci\u00f3n existe en un solo lugar: el texto SQL de la instrucci\u00f3n. Extraerla requiere un analizador SQL de Snowflake real, uno que entienda <code>APLANAR<\/code>, <code>CALIFICAR<\/code>, semiestructurado <code>VARIANTE<\/code> rutas, CTE multinivel y <code>SELECCIONAR *<\/code> expansi\u00f3n con respecto al esquema actual.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Generar linaje a partir de QUERY_HISTORY: lo que realmente se ejecut\u00f3<\/h2>\n\n\n\n<p>SQLFlow admite <strong>Historial de consultas de Snowflake como entrada nativa<\/strong>En lugar de adivinar sus canalizaciones a partir de la documentaci\u00f3n o las configuraciones de trabajos programados, usted alimenta SQLFlow con las sentencias que Snowflake realmente ejecut\u00f3: <code>CREAR TABLA COMO SELECCIONAR<\/code>, <code>INSERTAR<\/code>, <code>UNIR<\/code>, y <code>COPIAR<\/code> Las sentencias de su historial de consultas, junto con las definiciones DDL y de vista que proporcionan a esas sentencias su contexto de esquema, dan como resultado un linaje basado en la realidad.<\/p>\n\n\n\n<ul><li><strong>Sin puntos ciegos derivados de SQL ad-hoc.<\/strong> Las operaciones de relleno puntuales, las sentencias CTAS escritas por analistas y las consultas ejecutadas desde cuadernos o herramientas de BI aparecen en el historial de consultas, por lo que se registran en el linaje. Los enfoques basados en la configuraci\u00f3n que solo analizan el repositorio del orquestador los pasan por alto por completo.<\/li>\n<li><strong>Las vistas se resuelven correctamente.<\/strong> SQLFlow ingiere definiciones de vista junto con el historial de consultas, por lo que una consulta contra <code>vw_customer_360<\/code> traza el cuerpo de la vista hasta las tablas y columnas base.<\/li>\n<li><strong>La expansi\u00f3n en estrella utiliza tu esquema real.<\/strong> Con DDL cargado, <code>SELECCIONAR *<\/code> Se expande a la lista de columnas real, por lo que los bordes a nivel de columna se mantienen precisos en lugar de reducirse a estimaciones a nivel de tabla.<\/li><\/ul>\n\n\n\n<p>Adem\u00e1s de las consultas SQL pegadas y los archivos cargados, SQLFlow tambi\u00e9n acepta metadatos en tiempo real a trav\u00e9s de JDBC y archivos de manifiesto dbt, lo que permite combinar el linaje de las consultas ejecutadas con el linaje definido por el modelo en un solo gr\u00e1fico. Los registros de consultas de Redshift reciben el mismo tratamiento nativo si se utiliza una infraestructura con varios almacenes de datos.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Linaje a nivel de columna a trav\u00e9s de SQL real de Snowflake<\/h2>\n\n\n\n<p>Snowflake SQL no es ANSI gen\u00e9rico. Consideremos un paso de la canalizaci\u00f3n que desanide elementos de l\u00ednea semiestructurados y conserva los tres pedidos principales de cada cliente:<\/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>Un an\u00e1lisis de linaje correcto de esta afirmaci\u00f3n tiene que establecer que <code>sku<\/code> y <code>cantidad<\/code> derivar de la <code>art\u00edculos_de_l\u00ednea.de.pedidos.crudos<\/code> Columna VARIANT a trav\u00e9s de una <code>APLANAR<\/code> funci\u00f3n de tabla y una conversi\u00f3n; que <code>ID del cliente<\/code> y <code>total_del_pedido<\/code> fluyen directamente a trav\u00e9s de; y que el <code>CALIFICAR<\/code> cl\u00e1usula hace <code>ID del cliente<\/code> y <code>total_del_pedido<\/code> dar forma al conjunto de resultados por segunda vez, ya que el filtrado de filas influye, no el flujo de datos. El analizador Snowflake de SQLFlow lo modela todo, porque el motor de linaje subyacente (el mismo) <a href=\"https:\/\/www.sqlparser.com\/\">Analizador SQL general<\/a> El motor, validado con aproximadamente 13.600 conjuntos de pruebas por dialecto, resuelve cada referencia de columna a trav\u00e9s del modelo sem\u00e1ntico completo de la instrucci\u00f3n.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Linaje directo vs. linaje indirecto: por qu\u00e9 QUALIFY es importante.<\/h2>\n\n\n\n<p>Eso <code>CALIFICAR<\/code> Esta cl\u00e1usula ilustra una distinci\u00f3n que la mayor\u00eda de las herramientas de linaje omiten. <strong>Linaje directo<\/strong> es el flujo de datos: <code>pedidos.total_de_pedidos<\/code> tierras en <code>pedidos_de_clientes_principales.total_de_pedidos<\/code>. <strong>Linaje indirecto<\/strong> es influencia: <code>total_del_pedido<\/code> Tambi\u00e9n decide qu\u00e9 filas sobreviven al filtro de ventana, por lo que un cambio en c\u00f3mo se calcula altera la salida incluso para las columnas que nunca toca. SQLFlow registra el linaje directo e indirecto como tipos de relaci\u00f3n distintos y que se pueden activar o desactivar por separado. Para el an\u00e1lisis de impacto en Snowflake, donde <code>CALIFICAR<\/code>, <code>D\u00d3NDE<\/code>, condiciones de uni\u00f3n y <code>AGRUPACI\u00d3N POR<\/code> Las claves conllevan una l\u00f3gica empresarial real; esa distinci\u00f3n es la diferencia entre un radio de explosi\u00f3n preciso y una subestimaci\u00f3n tranquilizadora.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">dbt en Snowflake<\/h2>\n\n\n\n<p>Si sus transformaciones de Snowflake se ejecutan a trav\u00e9s de dbt, SQLFlow importa el <strong>manifiesto dbt<\/strong> Genera directamente un linaje a nivel de columna en todos tus modelos, m\u00e1s profundo que el gr\u00e1fico de modelo a modelo que muestra la propia documentaci\u00f3n de dbt. Dado que SQLFlow tambi\u00e9n procesa la parte del almac\u00e9n de datos (DDL, vistas, historial de consultas), puedes conciliar lo que declara tu proyecto dbt con lo que ejecuta tu cuenta de Snowflake: el CTAS ad hoc que alguien ejecut\u00f3 en dbt aparece junto a los modelos, en el mismo gr\u00e1fico.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">C\u00f3mo obtener el linaje de datos de Snowflake: tres rutas<\/h2>\n\n\n\n<figure class=\"wp-block-table\"><table><thead><tr><th>Camino<\/th><th>Aporte<\/th><th>Lo mejor para<\/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\">Nube SQLFlow<\/a><\/td><td>Pegar SQL, subir archivos, conectar fuentes en el navegador<\/td><td>Pru\u00e9balo hoy mismo; consultas y proyectos individuales. Plan gratuito; plan premium $49.99\/mes.<\/td><\/tr>\n<tr><td><a href=\"https:\/\/www.gudusoft.com\/es\/version-local-de-sqlflow\/\">SQLFlow local<\/a><\/td><td>Historial de consultas, DDL, manifiestos dbt: todo dentro de su red.<\/td><td>Entornos regulados donde el texto SQL no debe salir de su infraestructura. Docker\/Kubernetes; $500\/mes o $4,800 pago \u00fanico por tipo de base de datos.<\/td><\/tr>\n<tr><td>API REST \/ Biblioteca Java \/ Widget JS<\/td><td>An\u00e1lisis program\u00e1tico y diagramas integrados<\/td><td>Integrar el linaje en tu propia plataforma o cat\u00e1logo.<\/td><\/tr>\n<\/tbody><\/table><\/figure>\n\n\n\n<p>A escala empresarial, SQLFlow realiza escaneos por lotes de conjuntos de m\u00e1s de 100 bases de datos y m\u00e1s de un mill\u00f3n de columnas con escaneos incrementales y un repositorio de linaje persistente, y exporta a <strong>DataHub, Microsoft Purview y OpenMetadata<\/strong> \u2014 para que el linaje de Snowflake se integre en el cat\u00e1logo que ya utilizas. Las plataformas de cat\u00e1logo son excelentes para el inventario, la propiedad y el descubrimiento en toda tu infraestructura; para analizar SQL complejo y convertirlo en detalles precisos a nivel de columna, se benefician de un motor especializado. La pol\u00edtica de privacidad es estricta en todo momento: SQLFlow realiza un an\u00e1lisis est\u00e1tico \u00fanicamente del c\u00f3digo SQL y los metadatos del esquema, y nunca lee las filas de tus tablas de Snowflake.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">M\u00e1s all\u00e1 de Snowflake: un gr\u00e1fico de linaje que abarca 39 dialectos.<\/h2>\n\n\n\n<p>Pocas cuentas de Snowflake viven solas. Los entornos suelen incluir un antiguo sistema Oracle o SQL Server que alimenta el almac\u00e9n de datos, trabajos de Spark o Databricks junto a \u00e9l, y SQL de capa BI encima. SQLFlow incluye analizadores espec\u00edficos de dialecto para 39 bases de datos y motores de consulta, por lo que el mismo motor que lee el historial de consultas de Snowflake tambi\u00e9n gestiona <a href=\"https:\/\/www.gudusoft.com\/es\/linaje-de-datos-de-bigquery\/\">Linaje de datos de BigQuery<\/a> y <a href=\"https:\/\/www.gudusoft.com\/es\/linaje-de-datos-de-databricks\/\">Linaje de Databricks y Spark SQL<\/a>, adem\u00e1s de fuentes con gran cantidad de procedimientos almacenados como Oracle PL\/SQL y T-SQL, incluyendo SQL din\u00e1mico dentro de los procedimientos. Esto es especialmente importante durante las migraciones a Snowflake, donde el gr\u00e1fico de dependencias del sistema heredado es precisamente lo que se necesita mapear antes de migrar. Para obtener una visi\u00f3n completa de c\u00f3mo funciona el motor, consulte la <a href=\"https:\/\/www.gudusoft.com\/es\/herramienta-de-linaje-de-datos-sql\/\">Descripci\u00f3n general de la herramienta de linaje de datos SQL<\/a>.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Preguntas frecuentes<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">\u00bfPuedo obtener el linaje a nivel de columna solo a partir de las vistas ACCOUNT_USAGE de Snowflake?<\/h3>\n\n\n<p>No. La telemetr\u00eda de uso de la cuenta proporciona un historial de acceso a nivel de tabla: qu\u00e9 objetos ley\u00f3 y escribi\u00f3 una consulta. El linaje de transformaci\u00f3n a nivel de columna (qu\u00e9 columnas de origen alimentan qu\u00e9 columnas de salida, a trav\u00e9s de qu\u00e9 funciones y filtros) requiere analizar el texto SQL de las propias sentencias, que es lo que hace SQLFlow.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">\u00bfC\u00f3mo importa SQLFlow los datos de mi cuenta de Snowflake?<\/h3>\n\n\n<p>Existen varias opciones: historial de consultas de Snowflake como entrada nativa, metadatos de esquema en tiempo real a trav\u00e9s de JDBC, definiciones de DDL y vistas cargadas, SQL pegado y archivos de manifiesto dbt. La combinaci\u00f3n de historial de consultas y DDL es la m\u00e1s eficaz: un linaje construido a partir de sentencias ejecutadas, con contexto de esquema completo para la expansi\u00f3n en estrella y la resoluci\u00f3n de vistas.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">\u00bfSQLFlow entiende la sintaxis espec\u00edfica de Snowflake, como FLATTEN y QUALIFY?<\/h3>\n\n\n<p>S\u00ed. SQLFlow utiliza una gram\u00e1tica Snowflake dedicada, no un analizador ANSI gen\u00e9rico, por lo que <code>APLANAMIENTO LATERAL<\/code>, <code>CALIFICAR<\/code>, expresiones de ruta VARIANT como <code>valor:sku::CADENA<\/code>, y <code>CREAR TABLA COMO SELECCIONAR<\/code> se analizan y rastrean a nivel de columna, y las cl\u00e1usulas de filtro se capturan como linaje indirecto.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">\u00bfSQLFlow lee los datos de mis tablas de Snowflake?<\/h3>\n\n\n<p>No. SQLFlow realiza un an\u00e1lisis est\u00e1tico del c\u00f3digo SQL y, opcionalmente, lee los metadatos del esquema (definiciones de tablas y columnas). Nunca lee las filas de las tablas. Con la edici\u00f3n local, incluso el texto SQL permanece dentro de la red, lo cual es importante si el historial de consultas contiene literales confidenciales.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">\u00bfPuedo exportar el linaje de Snowflake a mi cat\u00e1logo de datos?<\/h3>\n\n\n<p>S\u00ed. Las implementaciones empresariales incluyen adaptadores de exportaci\u00f3n para DataHub, Microsoft Purview y OpenMetadata, adem\u00e1s de exportaciones en formato JSON, CSV y PNG, y una API REST para integraciones personalizadas.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">\u00bfCu\u00e1nto cuesta integrar Snowflake con SQLFlow?<\/h3>\n\n\n<p>SQLFlow Cloud comienza gratis; la versi\u00f3n premium cuesta 49,99 \u00a3\/mes. SQLFlow On-Premise cuesta 500 \u00a3\/mes o 4800 \u00a3 (pago \u00fanico) por tipo de base de datos seleccionado (Snowflake cuenta como un tipo), instalable en dos servidores. Ver <a href=\"https:\/\/www.gudusoft.com\/es\/precios\/\">precios<\/a> Para m\u00e1s detalles.<\/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\">Mapea hoy tu linaje de copo de nieve<\/h2>\n\n\n<p>Pegue una consulta de Snowflake en el visualizador gratuito o p\u00f3ngase en contacto con nosotros para que analicemos su historial de consultas y todo su dominio.<\/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\">Prueba SQLFlow gratis<\/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\/es\/contacto\/\">Solicite una demostraci\u00f3n para empresas.<\/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\/es\/wp-json\/wp\/v2\/pages\/2906"}],"collection":[{"href":"https:\/\/www.gudusoft.com\/es\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.gudusoft.com\/es\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gudusoft.com\/es\/wp-json\/wp\/v2\/comments?post=2906"}],"version-history":[{"count":30,"href":"https:\/\/www.gudusoft.com\/es\/wp-json\/wp\/v2\/pages\/2906\/revisions"}],"predecessor-version":[{"id":6749,"href":"https:\/\/www.gudusoft.com\/es\/wp-json\/wp\/v2\/pages\/2906\/revisions\/6749"}],"wp:attachment":[{"href":"https:\/\/www.gudusoft.com\/es\/wp-json\/wp\/v2\/media?parent=2906"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}