Volg ons op Twitter: @DATPROF Test Data Management (Subsetting en anonimisering) - Valori, 31 maart 2011 - Harald Kikkers Hilbrand Kikkers Tim Bakker www.datprof.com
ITCG / DATPROF TEST DATA MANAGEMENT SUBSET GENERATIE ANONIMISERING DEMO Harald Kikkers Hilbrand Kikkers Tim Bakker www.datprof.com
ITCG / DATPROF Opgericht in 1998 15 medewerkers 2 vestigingen ITCG Diensten ITCG Holding DATPROF Producten Gespecialiseerd in data integratie Methoden, Technieken & Producten
Data warehousing Data conversie Data kwaliteit Testdata management
Ontwikkel data warehouse, data migratie & data kwaliteit oplossingen Creëer representatieve subsets van productie databases Anonimiseer vertrouwelijke en privacy gevoelige data Identificeer, los op & voorkom dubbele registratie Extraheer extreem snel data uit Oracle databases
Test Data Management Test systemen Productie systemen Outsourcing Representatieve data Training
Test Data Management Consequenties: Test systemen Werken met volledige kopieën: Productie systemen Outsourcing Werken met persoonsgegevens: Representieve data Training
Creëer representatieve subsets van productie databases www.datprof.com
Waarom subsetten? Gebruik representatieve subsets van productiedata Bespaar op hardware & infrastructuur Breng doorlooptijden terug Beheer testdata efficiënter Creëer representatieve subsets van productie databases
Zelfde structuur Classificatie % Start punt Relatief: t.o.v startpunt Volledig: stamtabellen Productie data Leeg: log tabellen Test data Overslaan: temp tabellen Selectie criterium Creëer representatieve subsets van productie databases
Voorbeeld Alle Alle klanten contracten uit productie, uit productie, die wonenmet in Amersfoort een waarde groter dan 100.000 euro Productie omgeving Test omgeving Regressietest: Gebruik zelfde regels als vorige keer Ketentest: Gebruik zelfde regels als op systeem B Creëer representatieve subsets van productie databases
Workflow 1. Create application 2. Import Data model 3. Configure subset 4. Deployment Deploy subset Subset Creëer representatieve subsets van productie databases
Anonimiseer vertrouwelijke en privacy gevoelige data www.datprof.com
Waarom anonimiseren Bescherm relaties Voldoe aan wetgeving Voorkom imago schade Beveilig concurrentie gevoelige data www.datprof.com
Elk gegeven over een geïdentificeerde of identificeerbare natuurlijke persoon Bron: Wet Bescherming Persoonsgegevens Anonimiseer vertrouwelijke en privacy gevoelige www.datprof.com data
Voorbeeld Verwissel bestaande achternamen (shuffle) Genereer fictieve banknummers (expression) Maak email adressen onleesbaar (scramble) Wijzig geboortedatum met maximaal 1 maand (first day in same month) Regressietest: Gebruik zelfde regels als vorige keer Ketentest: Gebruik zelfde regels als op systeem B Anonimiseer vertrouwelijke en privacy gevoelige data
Workflow Audit report 1. Create application 2. Import Data model 3. Configure anonymization 4. Deployment Deploy anonymization Anonimiseer vertrouwelijke en privacy gevoelige data
Onderscheidend vermogen Uitstekende prijs/prestatie, laagdrempelige instap Korte implementatietijd (snelle installatie, korte leercurve) Op zichzelf staande oplossing Configureerbaar (meta-data, templates) Lage onderhoudskosten (o.a. database synchronisatie) Sterk in complexe omgevingen (ketentest ondersteuning) Continuїteit (sinds 1998; gepatenteerde algoritmen)
Extra informatie Website: www.datprof.com Twitter: @DATPROF Publicatie (linkedin Hilbrand Kikkers) Probeer de volledige functionaliteit: > Download gratis trials via www.datprof.com > Ervaar via Proof of Concept (2 dagen)
DEMO
Creëer representatieve subsets van productie databases www.datprof.com
Anonimiseer vertrouwelijke en privacy gevoelige data www.datprof.com
Volg ons op Twitter: @DATPROF Test Data Management (Subsetting en anonimisering) - Valori, 31 maart 2011 - Harald Kikkers Hilbrand Kikkers Tim Bakker www.datprof.com