Test Data Management

Put your test data management on autopilot. The UBS Hainer TDM Suite delivers the appropriate test data giving you more speed, better quality and optimal compliance.

Basic information
about TDM Suite

Features that maximize the quality of your test data and the flexibility of your procurement process

Agile Entwicklungsmethoden fordern passende Testfalldaten häufiger und früher im Entwicklungszyklus. Testdaten sollten daher auf einfache Weise bestellbar sein, am besten über einen Intranetshop.

Die Agile Programmierung integriert mehr und mehr Funktionsentwicklung und Test, schon im Sprint wird getestet. Daher werden Testdaten häufiger und früher im Entwicklungszyklus benötigt. Testdatenbesteller, die in der Regel keine Detailkenntnis über Tabellen und deren Beziehungen haben, können fein-granulare Testfalldaten über ein auf ihr Arbeitsgebiet abgestimmtes Webportal, anfordern. Pro App oder Sparte ist dort das Sortiment der bestellbaren Geschäftsobjekte aufgelistet und dokumentiert. Der Besteller wählt nur aus, bestimmt Menge, macht vielleicht noch weitere Angaben zu gewünschten Eigenschaften und erhält die Daten umgehend im bezeichneten Testsystem. Der Besteller benötigt keine Kenntnisse wie Tabellenstruktur, relationale Abhängigkeiten, etc. So wird wertvolle Entwicklerzeit auf die zentrale Aufgabe konzentriert.

Tester sollen keine Zeit mit der Beschaffung, Vorbereitung und Einbettung der Testdaten verschwenden. Die bestellten und gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Entwickler brauchen Testfalldaten, kurzfristig, oder zu einem bestimmten Zeitpunkt;in der Regel einige Hundert ausgewählte, relational-intakte, DSGVO-konforme Zeilen, Verträge, Kunden, oder allgemeiner, komplette Geschäftsobjekte. Man möchte die erforderlichen Testdaten einfach bestellen können, am besten über ein auf die Bedürfnisse der jeweiligen Applikation zugeschnittenes Webportal. Die Testdatenbelieferung soll in der Lage sein die gelieferten Daten sachgerecht in den Bestand des Testbetts nach Vorgaben einzubetten. Weitere Daten sollen im Verlauf der Entwicklung einfach hinzugefügt werden können.

Zurücksetzen:
Man möchte nach erfolgtem Test wieder leicht auf Anfang zurücksetzten können, oder die Daten auf einfache Weise austauschen; heute wird ein Problem der aktuellen Version bearbeitet, morgen geht es mit dem neuen Release weiter.
Einbetten:
Anfänglich generierte Daten sollen passgenau mit produktiven Daten ergänzt werden.

Modellierer pflegen und warten das Testdatenangebot.

Das Angebot im Testdatenshop wird von einem oder wenigen Modellierern gepflegt. Der Modellierer kennt die Entitäten der Domain und alle Details wie Kardinalität und die Verbindungen zu anderen Geschäftsbereichen oder Sparten. Er kann, falls sinnvoll oder notwendig die Konfigurationen anderer Sparten einbinden, z. B. die von gemeinsamen Stammdaten. Die Modellierung und damit die Definition neuer Beschaffungsvorgänge setzt in der Regel Kenntnisse voraus, die der Entwickler/Tester nicht zu haben braucht. Alle Besteller damit zu belasten wäre nicht effizient. Stattdessen wird die Mehrheit der Nutzer von unnötigem Ballast befreit und kann sich ganz auf Entwicklung und Test konzentrieren.

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

DSGVO und andere Vorgaben verlangen die De-Identifikation personenbezogener Testdaten. Es ist sinnvoll, die Anonymisierung in den Prozess der automatisierten Testdatenlieferung zu integrieren.d gelieferten Testdaten müssen automatisch in den Bestand des Testbetts integriert werden.

Wir bieten automatisierte Verfahren zur Bearbeitung der Testdaten hinsichtlich De-Identifikation. Sie sind sowohl nachträglich anwendbar, als sogenannte In-Place-Verfahren, als solche, die Verarbeitung von Massendaten erlauben, als auch in den Bereitstellungsprozess der Testfalldaten direkt integriert werden können.

Der PII Finder (personal info identifier) unterstützt den Prozessmodellierer bei der Erkennung relevanter Spalten/Felder. Die Software bietet standardisierte Methoden zur Anonymisierung/­Pseudonymisierung/Maskierung an: Vor- und Nachnamen, Adressen, Bankdaten, Sozialver­sicherungsnummern, etc. Der Anwender kann die Methoden modifizieren oder eigene einbringen. Das gleiche gilt für die zu verwendenden Wertebereiche, nationale/­internationale Adressbestände, usw.

Methoden und Regeln werden in Anwendungsmodellen für Unternehmensbereiche oder Sparten so integriert, dass je nach zu versorgendem Testbett die definierte Anonymisierung automatisch vorgenommen wird.

Mit unseren Verfahren anonymisieren oder pseudonymisieren Sie unternehmensweit einheitlich, ob Oracle, Db2, IMS, VSAM, LUW, MS SQL Server, PostgreSQL, SAP, applikationsübergreifend, einheitlich.

Anonymisierung nimmt eine wichtige Rolle in jedem Testdatenmanagement-Konzept ein. Produktive Daten dürfen meist nicht ohne weiteres für Testzwecke genutzt werden. Sei es der Schutz vor Mitbewerbern, das Outsourcing von Testabteilungen oder die Einhaltung des Datenschutzgesetzes, all diese Gründe erfordern eine Anonymisierung der Testdaten.

anonymisierungEin professionelles Konzept zur Testdaten-Anonymisierung gliedert sich meist in unterschiedliche Phasen. Es sind wichtige Vorarbeiten sind zu leisten, bevor die eigentliche Anonymisierung stattfinden kann.

Identifizierung
Das Datenmodell muss auf sensible Felder untersucht werden und Spalten, bzw. Attribute die Namen, Anschriften, Bankdaten, etc. enthalten, müssen identifiziert werden. Ohne Unterstützung einer effizienten Software kann diese Phase bereits eine der größten Hürden bei der Umsetzung einer Anonymisierungs-Strategie sein.

Implementierung
Anhand der identifizierten Felder müssen Regeln hinterlegt werden, die die Daten nach den Unternehmensvorgaben anonymisieren. Verfahren zum Umverteilen der bisherigen Daten stellen sicher, dass Randfälle, die in den produktiven Daten enthalten und entsprechend wertvoll für einen Test sind, weiterhin bestehen. Das konsistente Anonymisieren über Tabellen oder auch Systemgrenzen hinweg muss ebenfalls berücksichtigt werden.

Durchführung
Nachdem die relevanten Felder identifiziert und entsprechende Methoden zur Veränderung der Felder festgelegt wurden, müssen die Testdaten bei jedem Auffrischen anonymisiert werden. Dies sollte auf direktem Wege, während des Kopiervorgangs von Produktion nach Test, geschehen.

Die Testdatenmanagement-Suite bietet Ihnen folgende Vorteile:

Unterstützt Sie beim Identifizieren sensibler Daten. Komplexe Heuristiken finden sprichwörtlich “die Nadel im Heuhafen”. Dies reduziert den zeitlichen Aufwand erheblich.
Automatische Anonymisierung sensibler Daten direkt während der Testdaten-Bereitstellung. Es sind keine zeitaufwendigen Nacharbeiten notwendig.
Zentrale Pflege der Anonymisierungsstrategie in einem eigenen Repository. Die Anonymisierung findet ohne manuelles Zutun bei der Bereitstellung von Testdaten statt.
Geringerer Pflegeaufwand bei strukturellen Änderungen des Datenmodells.

Masked current data in your golden copy

Enables realistic testing with data from production without exposing personal information

GDPR and CCPA-compliant data protection

Powerful tools to find and mask GDPR and CCPA sensitive data

Automated provisioning

Automated copying and masking of current data into many individual test environments

Order test case data easily

The built-in DataShop delivers individual test data at the push of a button

Multiple generations of test data

The save and restore functions allow you to keep older generations of data on hand, ready to be used when it’s needed.

Cover the edge cases

Create synthetic test data for edge cases where real test data doesn’t already exist.

Start small, think big

Scalability: Start with one component and expand as needed

Service and quality

Improve data protection, quality, availability and communication.

Related
Products

Additional
information
about TDM

UBS Hainer – The experts for test data management. For over 20 years we have been serving customers from all over the world, including Belgium, Croatia, Denmark, France, Germany, Israel, Italy, Japan, Luxemburg, Mexico, the Netherlands, Norway, Switzerland and the USA.