dbt Core + Apache Airflow (meest gebruikt)

# Airflow DAG voor dbt Core
from airflow import DAG
from airflow.operators.bash import BashOperator
from datetime import datetime

with DAG('dbt_pipeline', schedule_interval='0 6 * * *',
         start_date=datetime(2026, 1, 1)) as dag:

    dbt_run = BashOperator(
        task_id='dbt_run',
        bash_command='cd /opt/dbt/project && dbt run --profiles-dir .'
    )

    dbt_test = BashOperator(
        task_id='dbt_test',
        bash_command='cd /opt/dbt/project && dbt test --profiles-dir .'
    )

    dbt_run >> dbt_test

Pro: Volledige controle, complex scheduling mogelijk
Con: Airflow opzetten en beheren kost tijd

dbt Core + GitHub Actions (goedkoop en simpel)

# .github/workflows/dbt.yml
name: dbt Run
on:
  schedule:
    - cron: '0 6 * * *'  # Dagelijks 06:00 UTC

jobs:
  dbt-run:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4

      - name: Setup Python
        uses: actions/setup-python@v5
        with:
          python-version: '3.11'

      - name: Install dbt
        run: pip install dbt-snowflake  # of dbt-bigquery, dbt-databricks

      - name: dbt run
        env:
          DBT_SNOWFLAKE_ACCOUNT: ${{ secrets.SNOWFLAKE_ACCOUNT }}
          DBT_SNOWFLAKE_PASSWORD: ${{ secrets.SNOWFLAKE_PASSWORD }}
        run: |
          dbt deps
          dbt run
          dbt test

Pro: Gratis (GitHub Actions free tier), geen extra infra
Con: Beperkte monitoring, geen retry-logica

dbt Cloud Scheduler (ingebouwd)

In de dbt Cloud interface maak je een job aan:

• Selecteer je project en environment
• Kies commando's: dbt run, dbt test, dbt snapshot
• Stel het schedule in (cron of interval)
• Configureer email/Slack notificaties bij fouten

Pro: Kant-en-klaar, mooie UI, run history, logs, retry
Con: Minder flexibel dan Airflow voor complexe afhankelijkheden