Sincronització en temps real de Salesforce a Snowflake sense Heroku Connect: la ruta directa per a equips de RevOps i analítica

Heroku Connect només suporta Heroku Postgres — no pot escriure directament a Snowflake. Els equips de RevOps i analítica que necessiten dades de Salesforce a Snowflake amb latència per sota del minut tenen tres opcions: el zero-copy share de Salesforce Data Cloud, ELT per lots (Fivetran, Airbyte) amb cadència de 5 minuts a 1 hora, o CDC en temps real amb 30 segons a 2 minuts. La majoria tria la tercera.

Per què això és una pregunta ara

El patró heretat era: Salesforce → Heroku Connect → Heroku Postgres → Fivetran → Snowflake. Dos salts, latència a cada capa, dues relacions amb proveïdors. Funciona, però està sobredimensionat per a analítica — i toca fons al voltant de 15 minuts de latència de punta a punta.

Van canviar dues coses.

Primera, Heroku Connect no pot escriure a Snowflake de manera nativa. Només escriu a Heroku Postgres, segons la documentació estàndard. Els equips que volien Snowflake havien de posar Heroku Postgres al mig com a relé, pagant tots dos productes i sumant latència.

Segona, la decisió de sustaining mode de Salesforce a principis del 2026 va canviar el càlcul sobre si mantenir aquell relé en marxa. La cobertura de Salesforce Ben va confirmar que les noves vendes Enterprise estan aturades i el desenvolupament congelat. Per a equips d'analítica amb el patró heretat de dos salts, la pregunta ara és: continuar pagant Heroku Postgres com a relé, o anar directe a Snowflake? Per al context complet del calendari, mira el nostre article complementari sobre el final de vida d'Heroku Connect.

La latència per sota del minut en dades de warehouse és el mínim per a analítica d'ingressos. El terra de 10 minuts d'Heroku Connect més la cadència de 5 minuts a 1 hora de Fivetran no la poden donar. L'arquitectura ha de canviar.

Les tres rutes de Salesforce a Snowflake

Ruta 1 — Zero-copy share de Salesforce Data Cloud

Salesforce Data Cloud suporta un zero-copy data share amb Snowflake — Snowflake consulta dades de Salesforce sense copiar-les a una taula pròpia. La latència és gairebé en temps real en el moment de la consulta; les dades viuen a Salesforce i Snowflake les materialitza sota demanda.

Fortaleses: sense duplicació de dades, sense pipeline d'ELT a mantenir, governança i llinatge gestionats a Data Cloud. Debilitats: exigeix llicència de Salesforce Data Cloud (un SKU a part), és de només lectura del costat de Snowflake, i els patrons d'accés són de temps de consulta i no de streaming. Ideal per a equips d'analítica que ja són a Data Cloud.

Ruta 2 — ELT per lots (Fivetran, Airbyte, Stitch)

El patró analític convencional. Fivetran o Airbyte corre segons un calendari (de 5 minuts a 1 hora) extraient de Salesforce via Bulk API 2.0 o REST i carregant a Snowflake. Preu normalment per fila; fiable a escala.

Fortaleses: eines madures, biblioteca forta de connectors, model operatiu senzill. Debilitats: terra de latència per lots (cadència de 5 minuts a 1 hora), el preu per fila escala amb el volum, sense ruta bidireccional. Ideal quan la tolerància de latència és de 15 minuts o més i el cas és analítica unidireccional.

Ruta 3 — Plataformes de CDC en temps real (Stacksync, Hightouch, Whalesync)

Una plataforma de CDC gestionada se subscriu als esdeveniments CDC de Salesforce per la Pub/Sub API i els aplica a un esquema d'aterratge a Snowflake gairebé en temps real. La latència sol estar per sota del minut de punta a punta — la majoria de plataformes aterra en 30 segons a 2 minuts des que canvia un registre a Salesforce fins que s'actualitza la fila a Snowflake. Algunes plataformes (Stacksync) suporten a més reverse-ETL — escriure puntuacions o dades enriquides de tornada a Salesforce — sense una eina a part.

Fortaleses: latència per sota del minut, una sola plataforma per a la ruta d'anada i la de tornada, preu de subscripció transparent. Debilitats: categoria més nova que l'ELT per lots, selecció de proveïdors més estreta. Ideal per a analítica en temps real, necessitats multi-destí i casos de reverse-ETL.

Comparativa costat a costat

La decisió sol reduir-se a una pregunta: la latència per sota del minut és un requisit dur?

Quan guanya el zero-copy share

Tres senyals.

Ja ets a Data Cloud. La llicència és cost enfonsat. El patró de zero-copy share ve inclòs o costa poc. No construeixes cap pipeline d'ELT.

La teva analítica és de només lectura. Sense reverse-ETL. Sense puntuacions de models escrites de tornada a Salesforce. Càrregues purament de consulta a Snowflake contra dades de Salesforce. El patró zero-copy encaixa perfectament.

Requisits forts de governança i llinatge. Data Cloud gestiona controls d'accés a nivell de fila i llinatge d'una manera que els pipelines d'ELT han de replicar a mà. Els sectors regulats ho obtenen de franc.

Quan guanya l'ELT per lots

Tolerància de latència de 15 minuts o més. La majoria dels dashboards de BI no necessita frescor per sota del minut. Si el teu equip d'analítica està bé amb dades de Salesforce de fa 15 minuts, Fivetran o Airbyte són madurs i previsibles.

Destí únic, unidireccional. Sense reverse-ETL previst. Sense un segon destí (Snowflake més Postgres, més un tercer). Analítica unidireccional simple.

El cost és la restricció principal. A volum baix i mitjà, Fivetran i Airbyte són competitius en preu. Per sobre de 5M de registres de Salesforce al dia, el preu per fila sol invertir-se i el CDC gestionat surt més barat.

Quan guanya el CDC en temps real

Latència per sota del minut en dashboards d'ingressos. Reporting de RevOps que ha de quadrar amb Salesforce en 60 segons. Atribució per etapa de pipeline que es trenca amb 15 minuts de retard. Dashboards de Customer 360 que sostenen eines operatives.

Múltiples destins. Snowflake per a analítica + un Postgres operatiu per a lectures d'aplicació + Redis per a memòries cau de baixa latència. Una plataforma de CDC en temps real reparteix un sol stream a diversos destins de manera barata.

Necessitats bidireccionals. Reverse-ETL de puntuacions de models (lead score, risc de churn, salut del client) de tornada a Salesforce. La majoria d'eines d'ELT per lots exigeix un producte de reverse-ETL a part (Hightouch, Census). Algunes plataformes de CDC en temps real porten les dues direccions, inclosa l'alternativa a Heroku Connect de Stacksync.

La depreciació d'Heroku Connect força la re-arquitectura igualment. La migració passarà. Consolida en una sola plataforma de temps real en lloc de reconstruir el patró heretat de dos salts amb un proveïdor nou.

Una arquitectura de referència per a Salesforce → Snowflake en temps real

El patró del 2026 cap al qual convergeixen els equips:

1. Font: CDC de Salesforce. Subscriu-te als esdeveniments CDC per la Pub/Sub API de Salesforce. Lliurament d'esdeveniments per sota del segon, finestra de replay de 72 hores. Per al fonament arquitectònic del CDC, mira el nostre article complementari sobre Salesforce CDC vs Heroku Connect.
2. Càrrega inicial massiva. La Bulk API 2.0 de Salesforce omple els registres històrics a l'esquema d'aterratge de Snowflake. Coordina-ho amb el flux de CDC perquè el canvi sigui exacte.
3. Motor de sincronització. Una plataforma de CDC gestionada (per exemple Stacksync) s'encarrega del replay, la deriva d'esquema, la resolució de conflictes i la reconciliació. L'alternativa autoallotjada és el connector Salesforce CDC Source de Confluent més un carregador propi de Snowflake; cobrim l'anàlisi a build vs buy: reemplaçar Heroku Connect amb Debezium, Airbyte o una plataforma de sincronització gestionada.
4. Destí: esquema d'aterratge a Snowflake (capa raw). L'esquema reflecteix l'estructura dels objectes de Salesforce. S'actualitza segons després dels canvis a l'origen. Marcat com a capa "raw" o "bronze".
5. Transformació: dbt / SQL. Models construïts a sobre de la capa raw. Patró estàndard d'analytics engineering. Els models incrementals de dbt funcionen bé perquè la capa raw porta metadades de CDC (timestamp de l'esdeveniment, tipus de canvi).
6. (Opcional) Reverse-ETL. Escriu les puntuacions enriquides de Snowflake de tornada a Salesforce. O bé per la mateixa plataforma de CDC gestionada (si suporta bidireccional) o bé amb una eina de reverse-ETL a part.

El resultat: latència de punta a punta de Salesforce a Snowflake en el rang de 30 segons a 2 minuts, segons la plataforma i la cadència d'execució de dbt. Per sota del minut és assolible.

I Heroku Postgres al mig?

El patró heretat era Salesforce → Heroku Connect → Heroku Postgres → Fivetran → Snowflake. Dos salts, dos productes, dues relacions amb proveïdors, latència apilant-se a cada capa.

Per què els equips el feien servir: quan Heroku Connect es va llançar el 2014, el CDC en temps real cap a un warehouse no era viable comercialment. Fivetran era la resposta correcta per a l'ELT del costat del warehouse i Heroku Connect ho era per al salt Salesforce–base de dades. Apilar-los era raonable.

Per què els equips estan traient la capa d'Heroku Postgres el 2026: el patró modern (CDC → Snowflake directe) aconsegueix latència per sota del minut en un sol salt, amb un proveïdor i una factura. El relé d'Heroku Postgres afegeix 10 minuts de latència de polling i costos de llicència sense resoldre cap problema nou. Amb Heroku en sustaining mode, l'argument operatiu per mantenir el relé cau del tot.

La seqüència de migració que segueixen la majoria d'equips: migrar primer l'analítica (Salesforce → Snowflake directe), després les lectures operatives (Salesforce → Postgres modern directe) i després donar de baixa Heroku Connect i Heroku Postgres. L'analítica sol ser de menor risc i més ràpida de validar que la sincronització operativa, així que va primer.

Casos d'ús concrets de RevOps

On importa a la pràctica el patró Salesforce–Snowflake per sota del minut.

Atribució d'etapa de pipeline en temps real. Dashboards d'ingressos que mostren el moviment del pipeline en menys de 60 segons des d'un canvi d'etapa a Salesforce. Crític per als cicles setmanals de forecasting de sales-ops.

Dashboards de Customer 360. Eines operatives que mostren l'estat del client quadrant amb Salesforce per sota del minut. Els fluxos de suport, èxit de client i gestió de comptes en depenen.

Reverse-ETL de puntuacions de models. Lead score, risc de churn, salut del client, propensió de compra — calculats a Snowflake o en una plataforma d'ML a part, escrits de tornada a Salesforce com a camps de l'objecte Account o Contact. Els comercials veuen la puntuació a la seva vista de Salesforce; l'equip d'analítica és propietari del model.

Rollups analítics multi-org / multi-tenant. Empreses SaaS amb orgs de Salesforce per client que les consoliden en un únic esquema de Snowflake per a analítica entre tenants. Els streams de CDC de cada org aterren en taules aïllades per tenant; els models de dbt agreguen per sobre.

Raons habituals per quedar-se al patró heretat

Dues de reals.

Càrregues existents a Heroku Postgres. Si hi ha aplicacions llegint d'Heroku Postgres en producció, no el pots donar de baixa només perquè l'analítica ja ha migrat. La seqüència passa a ser: analítica primer (Salesforce → Snowflake directe, amb Heroku Postgres encara corrent per a lectures operatives), després les lectures operatives (Salesforce → Postgres modern directe) i després apagar Heroku Connect.

Aplicacions operatives amb poca tolerància a la latència. Algunes aplicacions no toleren ni finestres breus de migració. El patró shadow-and-cutover ho resol: fes córrer la nova sincronització en paral·lel 14 dies, valida, canvia el trànsit d'escriptura i després el de lectura. Està cobert en detall a la nostra guia de migració pel final de vida d'Heroku Connect i al manual de Stacksync sobre reemplaçar Heroku Connect amb sincronització en temps real.

Preguntes freqüents

Heroku Connect pot sincronitzar amb Snowflake?
No. Heroku Connect només escriu a Heroku Postgres. Per portar dades de Salesforce a Snowflake fent servir Heroku Connect has d'afegir un segon salt: Heroku Postgres → Fivetran (o un ELT similar) → Snowflake. El patró de dos salts funciona, però afegeix latència i un segon proveïdor. Els equips moderns se salten el relé del tot.

Quina és la manera de menor latència de portar dades de Salesforce a Snowflake?
Les plataformes de CDC en temps real (Stacksync, Hightouch, Whalesync) donen latència per sota del minut subscrivint-se als esdeveniments CDC de Salesforce per la Pub/Sub API i escrivint en esquemes d'aterratge de Snowflake. De punta a punta, des que canvia un registre fins que s'actualitza la fila: normalment de 30 segons a 2 minuts.

Salesforce Data Cloud és el mateix que Snowflake?
No. Salesforce Data Cloud és la capa de plataforma de dades de client de Salesforce. Suporta un zero-copy share amb Snowflake, cosa que significa que Snowflake pot consultar dades de Data Cloud sense copiar-les. Són productes diferents que s'integren; Data Cloud no reemplaça Snowflake ni Snowflake reemplaça Data Cloud.

Fivetran suporta sincronització de Salesforce en temps real?
No en el sentit de per sota del minut. La cadència típica de sincronització de Salesforce a Fivetran va de 5 minuts a 1 hora, segons el tram i la configuració del connector. Per a latència per sota del minut, la forma correcta són les plataformes de CDC en temps real que se subscriuen a la Pub/Sub API, no Fivetran.

Puc fer reverse-ETL de Snowflake de tornada a Salesforce?
Sí, amb les eines adequades. Els productes de reverse-ETL independents (Hightouch, Census) ho cobreixen. Algunes plataformes de CDC en temps real (Stacksync) porten sincronització bidireccional integrada, eliminant la necessitat d'una eina a part. El reverse-ETL és el patró per escriure puntuacions de models, camps enriquits o mètriques agregades de Snowflake de tornada als registres de Salesforce.

Com es compara Stacksync amb Hightouch per a sincronització amb warehouse?
Hightouch és reverse-ETL primer (Snowflake → Salesforce) amb funcions fortes d'activació. Stacksync és sincronització bidireccional primer (Salesforce ↔ Snowflake o Postgres), amb les dues direccions en una plataforma. L'elecció depèn de quina sigui la direcció principal: si sobretot necessites activació de warehouse a SaaS, encaixa Hightouch. Si necessites bidireccional en temps real, encaixa Stacksync.

Quina és la manera més barata de reemplaçar Heroku Connect per a analítica?
Solen guanyar dues opcions. (1) Una plataforma de CDC en temps real escrivint directe a Snowflake, que elimina el relé d'Heroku Postgres del tot. (2) ELT per lots (Fivetran, Airbyte) si 15 minuts de latència són acceptables. Totes dues solen quedar per sota del cost de l'stack heretat de dos salts.

Puc fer córrer CDC en temps real al costat d'un pipeline existent d'Heroku Connect durant la migració?
Sí, i és el patró recomanat. Fes córrer la nova plataforma de CDC escrivint en un esquema o base de dades de Snowflake a part durant 14 dies mentre Heroku Connect continua escrivint a Heroku Postgres. Reconcilia la integritat de les dades. Canvia el trànsit d'analítica al nou pipeline. Migra les lectures operatives després. Dóna de baixa Heroku Connect al final.

Tancament — Seqüència de migració

Tres passos perquè un equip d'analítica migri fora del patró Heroku Connect → Heroku Postgres → Fivetran:

1. Tria la ruta. Latència per sota del minut requerida → plataforma de CDC en temps real. Tolerància de 15 minuts → ELT per lots. Ja a Data Cloud → zero-copy share.
2. Aixeca el nou pipeline en paral·lel. Esquema d'aterratge a Snowflake, mapejat als teus objectes de Salesforce. Fes-lo córrer en mode shadow 14 dies. Reconcilia contra l'esquema de Snowflake existent (el que facis servir avui per la ruta heretada).
3. Canvia primer l'analítica, després les operacions. L'analítica primer: menor risc, més fàcil de validar. Quan sigui estable, planifica la migració de les lectures operatives i dóna de baixa Heroku Connect.

L'alternativa a Heroku Connect de Stacksync explica com és la ruta de plataforma gestionada tant per a analítica com per a casos operatius.

Sobre l'autor

Bruno Galo — Fundador, Atypical Tech

Bruno Galo és el fundador d'Atypical Tech, una consultora de NetSuite que treballa amb clients del mercat mitjà a tota la Península Ibèrica. Està especialitzat a connectar sistemes CRM i ERP per aconseguir fluxos d'order-to-cash sense friccions, construint pipelines automatitzats de gestió de comandes que eliminen l'entrada manual de dades entre els equips de vendes i finances. Com a partner oficial d'implementació de Stacksync, en Bruno dissenya i desplega agents d'IA sobre plataformes d'integració per gestionar l'encaminament d'excepcions, el processament de documents i la conciliació — convertint fluxos de comandes fragmentats en sistemes fiables que es monitoren a si mateixos.

LinkedIn

Fonts

• Salesforce Ben — Salesforce Shuts Down Heroku Enterprise Sales: https://www.salesforceben.com/salesforce-shuts-down-heroku-enterprise-sales-for-new-customers/
• Salesforce — Snowflake as a Salesforce Data Cloud partner: https://www.salesforce.com/data/partners/snowflake/
• Salesforce Developers — Change Data Capture: https://developer.salesforce.com/docs/atlas.en-us.change_data_capture.meta/change_data_capture/cdc_intro.htm
• Salesforce Developers — Bulk API 2.0: https://developer.salesforce.com/docs/atlas.en-us.api_asynch.meta/api_asynch/asynch_api_intro.htm
• Snowflake — Data Loading Overview: https://docs.snowflake.com/en/user-guide/data-load-overview
• Heroku Dev Center — Heroku Connect documentation: https://devcenter.heroku.com/articles/heroku-connect
• Fivetran — Salesforce connector: https://www.fivetran.com/connectors/salesforce