Sincronización en tiempo real de Salesforce a Snowflake sin Heroku Connect: la ruta directa para equipos de RevOps y analítica

Heroku Connect solo soporta Heroku Postgres — no puede escribir directamente en Snowflake. Los equipos de RevOps y analítica que necesitan datos de Salesforce en Snowflake con latencia por debajo del minuto tienen tres opciones: el zero-copy share de Salesforce Data Cloud, ELT por lotes (Fivetran, Airbyte) con cadencia de 5 minutos a 1 hora, o CDC en tiempo real con 30 segundos a 2 minutos. La mayoría elige la tercera.

Por qué esto es una pregunta ahora

El patrón heredado era: Salesforce → Heroku Connect → Heroku Postgres → Fivetran → Snowflake. Dos saltos, latencia en cada capa, dos relaciones con proveedores. Funciona, pero está sobredimensionado para analítica — y toca fondo en torno a 15 minutos de latencia de punta a punta.

Cambiaron dos cosas.

Primera, Heroku Connect no puede escribir en Snowflake de forma nativa. Solo escribe en Heroku Postgres, según la documentación estándar. Los equipos que querían Snowflake tenían que poner Heroku Postgres en medio como relé, pagando ambos productos y sumando latencia.

Segunda, la decisión de sustaining mode de Salesforce a principios de 2026 cambió el cálculo sobre si mantener ese relé en marcha. La cobertura de Salesforce Ben confirmó que las nuevas ventas Enterprise están paradas y el desarrollo congelado. Para equipos de analítica con el patrón heredado de dos saltos, la pregunta ahora es: ¿seguir pagando Heroku Postgres como relé, o ir directo a Snowflake? Para el contexto completo del calendario, mira nuestro artículo complementario sobre el fin de vida de Heroku Connect.

La latencia por debajo del minuto en datos de warehouse es lo mínimo para analítica de ingresos. El suelo de 10 minutos de Heroku Connect más la cadencia de 5 minutos a 1 hora de Fivetran no pueden darla. La arquitectura tiene que cambiar.

Las tres rutas de Salesforce a Snowflake

Ruta 1 — Zero-copy share de Salesforce Data Cloud

Salesforce Data Cloud soporta un zero-copy data share con Snowflake — Snowflake consulta datos de Salesforce sin copiarlos a una tabla propia. La latencia es casi en tiempo real en el momento de la consulta; los datos viven en Salesforce y Snowflake los materializa bajo demanda.

Fortalezas: sin duplicación de datos, sin pipeline de ELT que mantener, gobierno y linaje gestionados en Data Cloud. Debilidades: exige licencia de Salesforce Data Cloud (un SKU aparte), es de solo lectura del lado de Snowflake, y los patrones de acceso son de tiempo de consulta y no de streaming. Ideal para equipos de analítica que ya están en Data Cloud.

Ruta 2 — ELT por lotes (Fivetran, Airbyte, Stitch)

El patrón analítico convencional. Fivetran o Airbyte corre según un calendario (de 5 minutos a 1 hora) extrayendo de Salesforce vía Bulk API 2.0 o REST y cargando en Snowflake. Precio normalmente por fila; fiable a escala.

Fortalezas: tooling maduro, biblioteca de conectores fuerte, modelo operativo sencillo. Debilidades: suelo de latencia por lotes (cadencia de 5 minutos a 1 hora), el precio por fila escala con el volumen, sin ruta bidireccional. Ideal cuando la tolerancia de latencia es de 15 minutos o más y el caso es analítica unidireccional.

Ruta 3 — Plataformas de CDC en tiempo real (Stacksync, Hightouch, Whalesync)

Una plataforma de CDC gestionada se suscribe a los eventos CDC de Salesforce por la Pub/Sub API y los aplica a un esquema de aterrizaje en Snowflake casi en tiempo real. La latencia suele estar por debajo del minuto de punta a punta — la mayoría de plataformas aterriza en 30 segundos a 2 minutos desde que cambia un registro en Salesforce hasta que se actualiza la fila en Snowflake. Algunas plataformas (Stacksync) soportan además reverse-ETL — escribir puntuaciones o datos enriquecidos de vuelta en Salesforce — sin una herramienta aparte.

Fortalezas: latencia por debajo del minuto, una sola plataforma para la ruta de ida y la de vuelta, precio de suscripción transparente. Debilidades: categoría más nueva que el ELT por lotes, selección de proveedores más estrecha. Ideal para analítica en tiempo real, necesidades multi-destino y casos de reverse-ETL.

Comparativa lado a lado

La decisión suele reducirse a una pregunta: ¿la latencia por debajo del minuto es un requisito duro?

Cuándo gana el zero-copy share

Tres señales.

Ya estás en Data Cloud. La licencia es coste hundido. El patrón de zero-copy share viene incluido o cuesta poco. No construyes ningún pipeline de ELT.

Tu analítica es de solo lectura. Sin reverse-ETL. Sin puntuaciones de modelos escritas de vuelta en Salesforce. Cargas puramente de consulta en Snowflake contra datos de Salesforce. El patrón zero-copy encaja perfecto.

Requisitos fuertes de gobierno y linaje. Data Cloud gestiona controles de acceso a nivel de fila y linaje de una forma que los pipelines de ELT tienen que replicar a mano. Los sectores regulados lo obtienen gratis.

Cuándo gana el ELT por lotes

Tolerancia de latencia de 15 minutos o más. La mayoría de los dashboards de BI no necesita frescura por debajo del minuto. Si tu equipo de analítica está bien con datos de Salesforce de hace 15 minutos, Fivetran o Airbyte son maduros y predecibles.

Destino único, unidireccional. Sin reverse-ETL previsto. Sin un segundo destino (Snowflake más Postgres, más un tercero). Analítica unidireccional simple.

El coste es la restricción principal. A volumen bajo y medio, Fivetran y Airbyte son competitivos en precio. Por encima de 5M de registros de Salesforce al día, el precio por fila suele invertirse y el CDC gestionado sale más barato.

Cuándo gana el CDC en tiempo real

Latencia por debajo del minuto en dashboards de ingresos. Reporting de RevOps que necesita cuadrar con Salesforce en 60 segundos. Atribución por etapa de pipeline que se rompe con 15 minutos de retardo. Dashboards de Customer 360 que respaldan herramientas operativas.

Múltiples destinos. Snowflake para analítica + un Postgres operativo para lecturas de aplicación + Redis para cachés de baja latencia. Una plataforma de CDC en tiempo real reparte un solo stream a varios destinos de forma barata.

Necesidades bidireccionales. Reverse-ETL de puntuaciones de modelos (lead score, riesgo de churn, salud del cliente) de vuelta a Salesforce. La mayoría de herramientas de ELT por lotes exige un producto de reverse-ETL aparte (Hightouch, Census). Algunas plataformas de CDC en tiempo real traen las dos direcciones, incluida la alternativa a Heroku Connect de Stacksync.

La deprecación de Heroku Connect fuerza la re-arquitectura de todos modos. La migración va a ocurrir. Consolida en una sola plataforma de tiempo real en vez de reconstruir el patrón heredado de dos saltos con un proveedor nuevo.

Una arquitectura de referencia para Salesforce → Snowflake en tiempo real

El patrón de 2026 hacia el que convergen los equipos:

1. Fuente: CDC de Salesforce. Suscríbete a los eventos CDC por la Pub/Sub API de Salesforce. Entrega de eventos por debajo del segundo, ventana de replay de 72 horas. Para el fundamento arquitectónico del CDC, mira nuestro artículo complementario sobre Salesforce CDC vs Heroku Connect.
2. Carga inicial masiva. La Bulk API 2.0 de Salesforce rellena los registros históricos en el esquema de aterrizaje de Snowflake. Coordínalo con el stream de CDC para que el cambio sea exacto.
3. Motor de sincronización. Una plataforma de CDC gestionada (por ejemplo Stacksync) se encarga del replay, la deriva de esquema, la resolución de conflictos y la reconciliación. La alternativa auto-alojada es el conector Salesforce CDC Source de Confluent más un cargador propio de Snowflake; cubrimos el análisis en build vs buy: reemplazar Heroku Connect con Debezium, Airbyte o una plataforma de sincronización gestionada.
4. Destino: esquema de aterrizaje en Snowflake (capa raw). El esquema refleja la estructura de los objetos de Salesforce. Se actualiza segundos después de los cambios en origen. Marcado como capa "raw" o "bronze".
5. Transformación: dbt / SQL. Modelos construidos encima de la capa raw. Patrón estándar de analytics engineering. Los modelos incrementales de dbt funcionan bien porque la capa raw lleva metadatos de CDC (timestamp del evento, tipo de cambio).
6. (Opcional) Reverse-ETL. Escribe las puntuaciones enriquecidas de Snowflake de vuelta en Salesforce. O bien por la misma plataforma de CDC gestionada (si soporta bidireccional) o bien con una herramienta de reverse-ETL aparte.

El resultado: latencia de punta a punta de Salesforce a Snowflake en el rango de 30 segundos a 2 minutos, según la plataforma y la cadencia de ejecución de dbt. Por debajo del minuto es alcanzable.

¿Y Heroku Postgres en medio?

El patrón heredado era Salesforce → Heroku Connect → Heroku Postgres → Fivetran → Snowflake. Dos saltos, dos productos, dos relaciones con proveedores, latencia apilándose en cada capa.

Por qué los equipos lo usaban: cuando Heroku Connect se lanzó en 2014, el CDC en tiempo real hacia un warehouse no era viable comercialmente. Fivetran era la respuesta correcta para el ELT del lado del warehouse y Heroku Connect lo era para el salto Salesforce–base de datos. Apilarlos era razonable.

Por qué los equipos están quitando la capa de Heroku Postgres en 2026: el patrón moderno (CDC → Snowflake directo) consigue latencia por debajo del minuto en un solo salto, con un proveedor y una factura. El relé de Heroku Postgres añade 10 minutos de latencia de polling y costes de licencia sin resolver ningún problema nuevo. Con Heroku en sustaining mode, el argumento operativo para mantener el relé se cae por completo.

La secuencia de migración que siguen la mayoría de equipos: migrar primero la analítica (Salesforce → Snowflake directo), luego las lecturas operativas (Salesforce → Postgres moderno directo) y después dar de baja Heroku Connect y Heroku Postgres. La analítica suele ser de menor riesgo y más rápida de validar que la sincronización operativa, así que va primero.

Casos de uso concretos de RevOps

Dónde importa en la práctica el patrón Salesforce–Snowflake por debajo del minuto.

Atribución de etapa de pipeline en tiempo real. Dashboards de ingresos que muestran el movimiento del pipeline en menos de 60 segundos desde un cambio de etapa en Salesforce. Crítico para los ciclos semanales de forecasting de sales-ops.

Dashboards de Customer 360. Herramientas operativas que muestran el estado del cliente cuadrando con Salesforce por debajo del minuto. Los flujos de soporte, éxito de cliente y gestión de cuentas dependen de ello.

Reverse-ETL de puntuaciones de modelos. Lead score, riesgo de churn, salud del cliente, propensión de compra — calculados en Snowflake o en una plataforma de ML aparte, escritos de vuelta en Salesforce como campos del objeto Account o Contact. Los comerciales ven la puntuación en su vista de Salesforce; el equipo de analítica es dueño del modelo.

Rollups analíticos multi-org / multi-tenant. Empresas SaaS con orgs de Salesforce por cliente que las consolidan en un único esquema de Snowflake para analítica entre tenants. Los streams de CDC de cada org aterrizan en tablas aisladas por tenant; los modelos de dbt agregan por encima.

Razones habituales para quedarse en el patrón heredado

Dos reales.

Cargas existentes en Heroku Postgres. Si hay aplicaciones leyendo de Heroku Postgres en producción, no puedes darlo de baja solo porque la analítica ya migró. La secuencia pasa a ser: analítica primero (Salesforce → Snowflake directo, con Heroku Postgres aún corriendo para lecturas operativas), luego las lecturas operativas (Salesforce → Postgres moderno directo) y después apagar Heroku Connect.

Aplicaciones operativas con poca tolerancia a la latencia. Algunas aplicaciones no toleran ni ventanas breves de migración. El patrón shadow-and-cutover lo resuelve: corre la nueva sincronización en paralelo 14 días, valida, cambia el tráfico de escritura y luego el de lectura. Está cubierto en detalle en nuestra guía de migración por el fin de vida de Heroku Connect y en el manual de Stacksync sobre reemplazar Heroku Connect con sincronización en tiempo real.

Preguntas frecuentes

¿Puede Heroku Connect sincronizar con Snowflake?
No. Heroku Connect solo escribe en Heroku Postgres. Para llevar datos de Salesforce a Snowflake usando Heroku Connect tienes que añadir un segundo salto: Heroku Postgres → Fivetran (o un ELT similar) → Snowflake. El patrón de dos saltos funciona, pero añade latencia y un segundo proveedor. Los equipos modernos se saltan el relé por completo.

¿Cuál es la forma de menor latencia de llevar datos de Salesforce a Snowflake?
Las plataformas de CDC en tiempo real (Stacksync, Hightouch, Whalesync) dan latencia por debajo del minuto suscribiéndose a los eventos CDC de Salesforce por la Pub/Sub API y escribiendo en esquemas de aterrizaje de Snowflake. De punta a punta, desde que cambia un registro hasta que se actualiza la fila: normalmente de 30 segundos a 2 minutos.

¿Salesforce Data Cloud es lo mismo que Snowflake?
No. Salesforce Data Cloud es la capa de plataforma de datos de cliente de Salesforce. Soporta un zero-copy share con Snowflake, lo que significa que Snowflake puede consultar datos de Data Cloud sin copiarlos. Son productos distintos que se integran; Data Cloud no reemplaza a Snowflake ni Snowflake a Data Cloud.

¿Fivetran soporta sincronización de Salesforce en tiempo real?
No en el sentido de por debajo del minuto. La cadencia típica de sincronización de Salesforce en Fivetran va de 5 minutos a 1 hora, según el tramo y la configuración del conector. Para latencia por debajo del minuto, la forma correcta son las plataformas de CDC en tiempo real que se suscriben a la Pub/Sub API, no Fivetran.

¿Puedo hacer reverse-ETL de Snowflake de vuelta a Salesforce?
Sí, con el tooling adecuado. Los productos de reverse-ETL independientes (Hightouch, Census) lo cubren. Algunas plataformas de CDC en tiempo real (Stacksync) traen sincronización bidireccional integrada, eliminando la necesidad de una herramienta aparte. El reverse-ETL es el patrón para escribir puntuaciones de modelos, campos enriquecidos o métricas agregadas de Snowflake de vuelta a los registros de Salesforce.

¿Cómo se compara Stacksync con Hightouch para sincronización con warehouse?
Hightouch es reverse-ETL primero (Snowflake → Salesforce) con funciones fuertes de activación. Stacksync es sincronización bidireccional primero (Salesforce ↔ Snowflake o Postgres), con las dos direcciones en una plataforma. La elección depende de cuál sea la dirección principal: si sobre todo necesitas activación de warehouse a SaaS, encaja Hightouch. Si necesitas bidireccional en tiempo real, encaja Stacksync.

¿Cuál es la forma más barata de reemplazar Heroku Connect para analítica?
Suelen ganar dos opciones. (1) Una plataforma de CDC en tiempo real escribiendo directo en Snowflake, que elimina el relé de Heroku Postgres por completo. (2) ELT por lotes (Fivetran, Airbyte) si 15 minutos de latencia son aceptables. Las dos suelen quedar por debajo del coste del stack heredado de dos saltos.

¿Puedo correr CDC en tiempo real junto a un pipeline existente de Heroku Connect durante la migración?
Sí, y es el patrón recomendado. Corre la nueva plataforma de CDC escribiendo en un esquema o base de datos de Snowflake aparte durante 14 días mientras Heroku Connect sigue escribiendo en Heroku Postgres. Reconcilia la integridad de los datos. Cambia el tráfico de analítica al nuevo pipeline. Migra las lecturas operativas después. Da de baja Heroku Connect al final.

Cierre — Secuencia de migración

Tres pasos para que un equipo de analítica migre fuera del patrón Heroku Connect → Heroku Postgres → Fivetran:

1. Elige la ruta. Latencia por debajo del minuto requerida → plataforma de CDC en tiempo real. Tolerancia de 15 minutos → ELT por lotes. Ya en Data Cloud → zero-copy share.
2. Levanta el nuevo pipeline en paralelo. Esquema de aterrizaje en Snowflake, mapeado a tus objetos de Salesforce. Corre en modo shadow 14 días. Reconcilia contra el esquema de Snowflake existente (el que uses hoy por la ruta heredada).
3. Cambia primero la analítica, luego las operaciones. La analítica primero: menor riesgo, más fácil de validar. Cuando esté estable, planifica la migración de las lecturas operativas y da de baja Heroku Connect.

La alternativa a Heroku Connect de Stacksync explica cómo es la ruta de plataforma gestionada tanto para analítica como para casos operativos.

Sobre el autor

Bruno Galo — Fundador, Atypical Tech

Bruno Galo es el fundador de Atypical Tech, una consultora de NetSuite que trabaja con clientes del mercado medio en toda Iberia. Se especializa en conectar sistemas CRM y ERP para lograr flujos de order-to-cash sin fricciones, construyendo pipelines automatizados de gestión de pedidos que eliminan la entrada manual de datos entre los equipos de ventas y finanzas. Como partner oficial de implementación de Stacksync, Bruno diseña y despliega agentes de IA sobre plataformas de integración para gestionar el enrutamiento de excepciones, el procesamiento de documentos y la conciliación — convirtiendo flujos de pedidos fragmentados en sistemas fiables que se monitorizan a sí mismos.

LinkedIn

Fuentes

• 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