Im Rahmen unserer Kundenprojekte mit Libelle DataMasking werden wir immer wieder zu Diskussionen über das Testdatenmanagement und dessen Prozesse hinzugezogen.
Hierbei werden verschiedene Gesichtspunkte betrachtet:
Beim Testdatenmanagement geht es nicht nur um den Datenschutz. Ferner geht es um die automatisierte Bereitstellung von Testdaten, wie es unser Dreamteam Libelle SystemCopy und Libelle DataMasking bietet. Des Weiteren geht es auch um das Zurücksetzen von Daten nach ihrer Nutzung, das Protokollieren der Validität, des Alters und der Verbrauchsstandes der Testdaten.
Die effiziente und damit einhergehend auch schnelle Bereitstellung von Testdaten ist ebenfalls Teil des Testdatenmanagementprozesses. Je nach Anwendungsfall können Testdaten automatisiert pro Testszenario oder aber auch vor einem Testlauf erstellt werden.
In häufigen Fällen haben die Testdaten bei den Kunden Abhängigkeiten über große SAP-Landschaften und deren Satellitensysteme hinweg. Die Konsistenz dieser Daten im Testfall zu wahren, ist eine der großen Herausforderungen des Testdatenmanagementprozesses.
Libelle DataMasking zeichnet sich z.B. dadurch aus, die Konsistenz systemübergreifend aufrechterhalten zu können.
Es liegt in den Händen des Testdatenmanagers, ob synthetisch erzeugte Daten zum Einsatz kommen oder Echtdaten zunächst pseudonymisiert oder anonymisiert werden, bevor sie für Testzwecke genutzt werden. Natürlich kann man in einem entsprechenden Projekt auch zum Schluss kommen, dass sowohl synthetische Daten als auch verfremdete Daten genutzt werden sollen.
Wenn Kunden uns zu Rate ziehen, sind sie oftmals schon mitten im Evaluationsprozess, ein geeignetes Produkt zur Behandlung von Testdaten zu finden und stellen sich die Frage, ob sich die Investition lohnt. Dass sich diese lohnt, steht spätestens seit dem Inkrafttreten der DSGVO außer Frage, insbesondere mit Blick auf das Strafmaß, dem sich ein Unternehmen aussetzt, wenn es sich keine Gedanken um den datenschutzkonformen Umgang mit seinen Testdaten macht. Dieses Strafmaß beläuft sich auf bis zu 20 Millionen Euro oder bis zu vier Prozent des weltweiten Jahresumsatzes – je nachdem, welcher Betrag am Ende höher ist.
Im Zusammenhang mit Testdaten spielen Produktivdaten und synthetische Daten oft eine wichtige Rolle. In unserem Blogbreitag „Der Unterschied zwischen Produktivdaten und synthetischen Daten“ erfahren Sie mehr über diese beiden Begriffe.