- Publicación
- Actualización
Evitar copias de datos reales de participantes puede favorecer la privacidad durante las pruebas. Sin embargo, los ejemplos sintéticos demasiado simples pueden pasar por alto defectos importantes porque nunca ejercitan comentarios largos, valores faltantes o relaciones realistas entre registros.
Conservar el significado de los datos
Diseñe los datos de prueba atendiendo a algo más que el número de filas. Cree una lista de cobertura de límites críticos de campos, relaciones entre registros y excepciones esperadas. Los registros sintéticos deben ser reconocibles y debe impedirse que entren en los flujos reales del estudio. Eliminar identificadores directos no establece automáticamente una privacidad adecuada en todos los contextos; las partes responsables deben evaluar por separado las disposiciones propuestas de uso de datos.
Ejemplo práctico
Por ejemplo, cada participante de prueba tiene una visita y un nombre corto. Un participante de producción con varias visitas genera después vínculos incorrectos durante la transferencia. El equipo añade visitas repetidas, resultados corregidos y entregas demoradas a un participante sintético y escribe de antemano las relaciones esperadas. Aquí resulta más útil una complejidad dirigida que más filas aleatorias.
Comprobaciones de revisión
- Identifique el ejemplo sintético que representa cada requisito crítico.
- Cubra conjuntamente texto largo, campos vacíos, límites y registros vinculados.
- Impida utilizar identidades de prueba como participantes reales de producción.
Aceptación y límites
La aceptación significa que el conjunto de datos representa los riesgos operativos definidos y que sus resultados esperados pueden entenderse de forma independiente. Un generador de datos sintéticos no debe crear expectativas incorrectas; revise los ejemplos críticos. Los datos reales innecesarios no refuerzan la evidencia de prueba. Mantenga recuperables la versión del ejemplo y las pruebas en las que se utilizó cuando sea necesario reconstruirlas.
Preguntas frecuentes
- ¿Más filas de prueba significan siempre mejor cobertura?
- El volumen puede probar una cuestión diferente; los escenarios críticos faltantes pueden seguir ausentes incluso en un conjunto de datos grande.
- ¿Los datos de origen desidentificados son sintéticos?
- No. Distinga los datos derivados de una fuente de los ejemplos totalmente inventados y mantenga explícitas sus condiciones de uso.