Datageneratie

Heb je snel een grote hoeveelheid synthetische testdata nodig? Bijvoorbeeld voor een performance test? Wij kunnen op afroep een set testdata voor je genereren in elk gewenst volume. Het enige wat we nodig hebben is een voorbeeldrecord.

Wat is datageneratie?

Het genereren van synthetische data is iets anders dan het anonimiseren of pseudonimiseren van data. Datageneratie houdt in dat nieuwe, fictieve testgegevens worden aangemaakt. Die fictieve gegevens moeten in alle opzichten voldoen aan de eisen die je eraan stelt, zoals veldlengte, soort en onderlinge relaties.

Waarom kiezen voor synthetische data?

Soms is het wenselijk om (grote hoeveelheden) synthetische testdata te hebben. Voor een performancetest bijvoorbeeld. Daar is een grote verscheidenheid aan verschillende testgevallen voor nodig. Of denk aan een nieuw product, waarbij testgevallen nodig zijn die nog niet voorkomen in de productieomgeving. In die situaties moet je testdata genereren.

Onze oplossing? De DataFactory

EntrD heeft een oplossing ontwikkeld waarmee wij op afroepbasis kunnen
voorzien van een gegenereerde dataset. Deze dataset wordt specifiek voor je samengesteld en voldoet zowel qua lay-out als qua inhoud volledig aan de wensen. Op basis van een door jou aangeleverd voorbeeldrecord kunnen wij elk volume aan data voor je genereren. Dit kan snel: in de regel kost het niet meer dan een paar dagen. Je ontvangt de gegenereerde testset elektronisch en kunt hem direct gebruiken in willekeurig welke testomgeving.

Wil je meer informatie ontvangen? Neem dan contact met ons op!

Product specificaties DataFactory

Algemene eigenschappen

  • Eenvoudig te implementeren
  • Snel uit te rollen (gemiddeld 2 tot 6 weken)
  • Lage operationele kosten
  • Geanonimiseerde gegevens zijn onherleidbaar (in lijn met eisen vanuit de Wbp en de GDPR)
  • Versnelt de development cyclus
  • Sluit aan bij agile werken
  • Voorkomt de noodzaak van aanhouden van risicokapitaal (zie ook business case)
  • Voorkomt de impact van datalekken (boetes en reputatieschade)
  • Geanonimiseerde gegevens zijn breed inzetbaar (Test, Analyse, Opleiding, Demo, Ondersteuning, Outsourcing etc.)

Functionele eigenschappen

  • Consistent anonimiseren over tijd zonder gebruikmaking van een ‘vertaaltabel’
  • Consistent anonimiseren van een gehele keten
  • Behoud van relevante relaties (indien gewenst)
  • Geografische spreiding van relaties blijft intact (indien gewenst)
  • Leeftijden blijven ongewijzigd (indien gewenst)
  • Gegenereerde gegevens voldoen aan data specifieke regels (bijvoorbeeld de 11-proef)
  • Datakwaliteit blijft ongewijzigd
  • Geanonimiseerde data is eenvoudig te onderscheiden van productiegegevens

Technische eigenschappen

  • Volledig database onafhankelijk
  • Eenvoudig schaalbaar
  • Hoge performance
  • Cross platform
  • Minimale beheersinspanning
  • Eenvoudige integratie met CI
  • Ondersteunt grote datasets
  • Anonimiseren gebeurt volledig in-memory
  • Mogelijkheid om eigen maskeerregels toe te voegen
  • Standaard voorzien van ruim 10 mogelijkheden om gegevens te anonimiseren

Laatste nieuws

mei 22, 2024

Veilig testen en analyseren van data in de retail: het belang van anonimisering

In de retailsector is het analyseren en testen van data essentieel om inzicht…

Lees meer
mei 21, 2024

Bescherming van privacy in arbeidsbemiddeling

Anonimiseren van privacy gevoelige gegevens Eén van de kernaspecten van de…

Lees meer
mei 20, 2024

Robotisering in documentbeheer

De schoonmaakploeg van de toekomst in documentbeheer Ontdek hoe robots een…

Lees meer