Saltar al contenido

Lección 1 de 20 · Lectura y práctica

Conectar dbt Cloud a tu Data Warehouse

Concepto claveConectar dbt Cloud a tu data warehouse es el primer paso fundamental para transformar datos crudos en modelos analíticos confiables. Piensa en esto como configurar una linea de produccion en una fabrica: dbt Cloud.

Del concepto a la práctica

Taller de esta lección

La conexión debe probarse con el principio de mínimo privilegio: el perfil de desarrollo necesita leer las fuentes y escribir solo en su esquema, no administrar todo el warehouse. En un ejemplo autorizado, el esquema de Ana es dev_ana y el de producción es analytics; ambos contienen una tabla raw_orders.

Ejemplo resuelto

La comprobación esperada es conceptual: identidad correcta, destino correcto y permisos suficientes. Si una consulta de lectura devuelve 3 pedidos y una escritura de prueba crea dev_ana.check_connection, la conexión sirve para desarrollar. La tabla de producción no debe modificarse.

Pruébalo

  1. Anota usuario, proyecto, dataset o warehouse y esquema de destino.

  2. Ejecuta una lectura limitada sobre raw_orders.

  3. Crea una tabla temporal o de prueba dentro de tu esquema.

  4. Elimina esa tabla y registra el resultado de cada permiso.

Comprueba tu resultado

Error frecuente: usar el esquema compartido como destino de desarrollo. Corrígelo separando dev_<usuario> de producción y repite la lectura.

Ejercicio: con tres registros de prueba, verifica que puedes leer los tres, escribir una tabla en desarrollo y no escribir en producción. El resultado esperado es lectura 3/3, creación autorizada en desarrollo y rechazo o ausencia de permiso en producción.

Comprueba los permisos de producción leyendo la configuración de roles o concesiones autorizadas; no ejecutes una escritura de prueba allí. La ausencia de acceso se demuestra con el rol y su alcance, mientras la escritura funcional se prueba solo en el esquema de desarrollo.

Capas de acceso, actualización, copias y respuesta a incidentes alrededor de un sistema.
CursaloMapa de práctica
La seguridad necesita varias capas

El control de acceso, las actualizaciones y las copias de seguridad cubren riesgos distintos. Una alerta necesita un procedimiento de respuesta para contener y recuperar el servicio. Varias capas reducen la exposición, pero ninguna garantiza seguridad absoluta.

Ver la infografía en tamaño completo ↗

Concepto clave

Conectar dbt Cloud a tu data warehouse es el primer paso fundamental para transformar datos crudos en modelos analíticos confiables. Piensa en esto como configurar una linea de produccion en una fabrica: dbt Cloud es la maquinaria que procesa los materiales (datos), pero necesita una conexion segura y estable a la materia prima (tu warehouse). Sin esta conexion, por mas potente que sea tu herramienta, no podras comenzar a trabajar.

En esencia, dbt Cloud actua como un orquestador de transformaciones que ejecuta SQL en tu warehouse. No almacena datos directamente, sino que se comunica con tu plataforma de datos (como Snowflake, BigQuery o Redshift) para ejecutar modelos, tests y documentacion. La conexion se establece mediante credenciales seguras y configuraciones especificas que garantizan que dbt solo acceda a los datos y esquemas autorizados.

Como funciona en la practica

El proceso de conexion sigue estos pasos:

  1. Crear un proyecto en dbt Cloud y seleccionar tu tipo de data warehouse (ej: Snowflake).
  2. Configurar las credenciales en dbt Cloud: cuenta, usuario, contraseña, rol y warehouse (en Snowflake) o proyecto y dataset (en BigQuery).
  3. Definir el esquema de desarrollo y produccion donde dbt creara tus modelos.
  4. Probar la conexion ejecutando un modelo simple para verificar que todo funciona.

Un ejemplo real: si trabajas con Snowflake, necesitaras tu nombre de cuenta (como abc123.us-east-1), un usuario con permisos para crear tablas, y especificar el warehouse (como transform_wh) y la base de datos (como analytics). dbt Cloud usara estos parametros para conectarse y ejecutar SQL en tu entorno.

Codigo en accion

La configuracion principal se hace en el archivo profiles.yml (en dbt Core) o mediante la interfaz web en dbt Cloud. Aqui un ejemplo de como se veria la configuracion para Snowflake:

# Ejemplo de configuracion para Snowflake en dbt Cloud (equivalente en UI)
# En dbt Cloud, esto se configura en Settings > Project > Connections
connection_name: snowflake_analytics
account: abc123.us-east-1
user: dbt_user
password: "{{ env_var('DBT_PASSWORD') }}"  # Usa variables de entorno para seguridad
role: transformer
warehouse: transform_wh
database: raw_data
schema: "{{ target.schema }}"  # Variable que cambia segun entorno (dev/prod)
threads: 4

Y aqui un modelo simple para probar la conexion. Crea un archivo models/example/first_model.sql:

-- Modelo de prueba para verificar la conexion
{{ config(materialized='table') }}

SELECT 
    CURRENT_TIMESTAMP() as execution_time,
    'Connection successful' as status,
    COUNT(*) as row_count
FROM raw_data.events  -- Ajusta a una tabla real en tu warehouse
LIMIT 1

Errores comunes

  • Credenciales incorrectas: El error mas frecuente. Verifica que el usuario, contraseña y cuenta sean exactos. Usa variables de entorno para contraseñas en lugar de hardcodearlas.
  • Permisos insuficientes: El usuario de dbt necesita permisos para crear tablas, vistas y schemas en el warehouse. Asegurate de que el rol asignado tenga CREATE TABLE y USAGE en la base de datos.
  • Warehouse suspendido: En Snowflake, si el warehouse esta suspendido, dbt no podra ejecutar queries. Configura un warehouse que se auto-reanude o verifica su estado.
  • Problemas de red o firewall: Si tu warehouse esta en una VPC privada, asegurate de que dbt Cloud tenga acceso. Whitelist las IPs de dbt Cloud en tu configuracion de red.
  • Schema no especificado: Si no defines un schema valido, dbt intentara usar el schema por defecto del usuario, lo que puede causar errores. Siempre configura schema en tu conexion.

Checklist de dominio

  • Configurar una conexion a tu data warehouse en dbt Cloud con credenciales seguras.
  • Diferenciar entre entornos de desarrollo y produccion en la configuracion.
  • Probar la conexion ejecutando un modelo simple que consulte datos reales.
  • Verificar que el usuario de dbt tenga permisos adecuados (CREATE, SELECT) en el warehouse.
  • Usar variables como {{ target.schema }} para manejar multiples entornos.
  • Configurar un warehouse o cluster con suficiente capacidad para ejecuciones de dbt.
  • Entender como dbt Cloud maneja las credenciales (env vars, secrets) vs. dbt Core (profiles.yml).

Configurar una conexion a Snowflake en dbt Cloud y probarla con un modelo

Sigue estos pasos para conectar dbt Cloud a Snowflake y verificar que todo funciona:

  1. Accede a tu proyecto en dbt Cloud y ve a Settings > Project > Connections.
  2. Crea una nueva conexion seleccionando Snowflake como adaptador.
  3. Completa los campos con tu configuracion de Snowflake:
    • Account: Tu cuenta de Snowflake (ej: abc123.us-east-1)
    • Username y Password: Credenciales de un usuario con permisos adecuados
    • Role: transformer (o un rol similar)
    • Warehouse: transform_wh (ajusta al nombre real)
    • Database: raw_data
    • Schema: dbt_dev (para desarrollo)
  4. Guarda la conexion y haz clic en Test Connection para verificar.
  5. Crea un nuevo archivo en tu proyecto: models/connection_test.sql con este contenido:
    {{ config(materialized='table') }}
    SELECT 
        CURRENT_TIMESTAMP() as tested_at,
        'dbt Cloud to Snowflake' as connection_type,
        1 as test_value
  6. Ejecuta este modelo desde la interfaz de dbt Cloud y verifica que se cree una tabla en Snowflake en el schema dbt_dev.
Pistas
  • Si el test de conexion falla, revisa que el warehouse en Snowflake este activo y no suspendido.
  • Asegurate de que el usuario tenga el rol correcto asignado en Snowflake, no solo en la conexion de dbt.
  • Usa la pestaña 'Preview' en dbt Cloud para ver los logs detallados si la ejecucion falla.

Evalua tu comprension

Completa el quiz interactivo de arriba para ganar XP.

Práctica acompañada: Datos pequeños, preguntas claras

Consultas SQL y control de calidad. Usa este cuaderno como práctica complementaria de la ruta; el material original de la lección continúa siendo tu referencia.

Consultas SQL y control de calidad: Pregunta, Tabla, Consulta, Control
De la idea al resultado: una secuencia para practicar y revisar.

Práctica: modifica una condición

Filtra ahora las ventas del día 2026-09-02. Debes obtener 3 unidades y 2800 centavos. Después agrega otra fila de Papelería: una unidad a 500 centavos. Antes de ejecutar, predice cómo cambiarán el total y el resultado por categoría.

Repite el análisis en una tabla dinámica o con fórmulas de tu hoja de cálculo. Las dos herramientas deben producir el mismo resultado a partir de las mismas filas. Guarda por separado el archivo original y tu variante. Anota también una pregunta que estos datos no permiten responder; por ejemplo, margen de beneficio sin conocer el costo de cada producto.

Comprueba tu entrega

Entrega la consulta, el conjunto de datos y una tabla pequeña con los resultados. Incluye tres controles: número de filas, suma total y comprobación manual de una categoría. Evita gráficos tridimensionales o ejes que oculten la escala.

Sigue con Modelado de Datos en dbt Cloud: Tests, Documentación y Práctica

Esta lección forma parte de un curso de Cursalo. Revisa su programa y elige entre la compra individual o el acceso a toda la escuela.

Si ya tenías acceso a este curso, entra con tu cuenta: tus derechos y tu progreso se conservan. No necesitas comprarlo de nuevo.

01 / ELEGIR UNA RUTA

El próximo paso

Aprende IA mientras construyes algo que sí necesitas.

Empieza por el curso inicial o explora el catálogo para encontrar una práctica alineada con tu trabajo.