Dữ liệu tổng hợp chỉ hữu ích cho phát triển và kiểm thử khi phản ánh đúng dữ liệu thực. Nó cũng phải tuân thủ quy tắc nghiệp vụ và giữ nguyên quan hệ giữa các bản ghi. Nghiên cứu của Perforce Delphix được The New Stack phân tích cho thấy chỉ 38% lãnh đạo tin dữ liệu tổng hợp có đủ tính chân thực. Chỉ 34% tin rằng loại dữ liệu này duy trì được tính toàn vẹn tham chiếu.
Dữ liệu tổng hợp được kỳ vọng giúp doanh nghiệp mở rộng quyền truy cập dữ liệu mà không làm tăng rủi ro về quyền riêng tư. Tuy nhiên, các kết quả trên cho thấy chất lượng dữ liệu đang cản trở việc ứng dụng công nghệ này trong phát triển và kiểm thử phần mềm.
Lời hứa của dữ liệu tổng hợp
Dữ liệu tổng hợp tạo ra tập dữ liệu mang đặc điểm của dữ liệu sản xuất nhưng giảm rủi ro về quyền riêng tư. Giá trị đó phụ thuộc vào chất lượng. Dữ liệu an toàn vẫn không tạo ra kết quả kiểm thử đáng tin nếu sai lệch hành vi thực tế hoặc làm đứt quan hệ giữa các bản ghi.
Doanh nghiệp từ lâu phải cân bằng hai yêu cầu đối nghịch: cung cấp dữ liệu cần thiết cho các nhóm làm việc và bảo vệ thông tin nhạy cảm. Nếu quyền truy cập bị siết chặt, quá trình phát triển và kiểm thử có thể bị nghẽn. Nếu dữ liệu được phân phối rộng, rủi ro bảo mật và tuân thủ lại tăng lên.
Các cách bảo vệ dữ liệu nhạy cảm
Theo nghiên cứu của Perforce Delphix được The New Stack trích dẫn, 51% doanh nghiệp đã sử dụng dữ liệu tổng hợp để bảo vệ dữ liệu nhạy cảm. Doanh nghiệp cũng sử dụng các phương pháp khác như che dữ liệu tĩnh và động.
Nhu cầu về dữ liệu có thể sử dụng ngay càng rõ khi các tác tử trí tuệ nhân tạo cần lượng dữ liệu chất lượng cao. Tuy vậy, tạo ra dữ liệu tổng hợp không đồng nghĩa với tạo ra dữ liệu hữu ích. Một tập dữ liệu có thể trông hợp lệ nhưng vẫn không phản ánh đúng hành vi thực tế hoặc giữ được quan hệ giữa những bản ghi liên quan.
Nhà phát triển cần dữ liệu hữu ích, không chỉ an toàn
Nhà phát triển và người kiểm thử đánh giá dữ liệu tổng hợp qua khả năng mô phỏng hoạt động thực tế của ứng dụng. Dữ liệu phải hỗ trợ các tình huống kiểm thử phức tạp, giữ quan hệ giữa các hệ thống kết nối và tạo ra kết quả có ý nghĩa đối với môi trường sản xuất.
Khoảng cách giữa quản trị và kiểm thử
Lãnh đạo doanh nghiệp thường nhìn dữ liệu tổng hợp qua lăng kính quản trị. Nhóm phát triển lại đánh giá nó dựa trên khả năng phục vụ kiểm thử. Theo nghiên cứu của Perforce Delphix được The New Stack dẫn lại, 66% lãnh đạo phần mềm cho biết họ chưa dùng dữ liệu tổng hợp trong phát triển và kiểm thử.
Nhà phát triển và người kiểm thử cần biết dữ liệu có đại diện chính xác cho hành vi khách hàng hay không. Họ cũng cần xác định dữ liệu có hỗ trợ tình huống phức tạp và giữ được quan hệ giữa các hệ thống hay không. Kết quả kiểm thử phải phản ánh cách ứng dụng vận hành trong môi trường sản xuất.
Tính chân thực của dữ liệu kiểm thử
Một giá trị ngẫu nhiên trong trường xếp hạng tín dụng có thể đúng về kiểu dữ liệu nhưng vẫn không giống dữ liệu thực. Giá trị được tạo ra phải nằm trong giới hạn, khoảng phân bố và quy tắc nghiệp vụ phù hợp. Nếu không, nhóm kỹ thuật có thể kiểm thử những tình huống không xuất hiện trong thực tế, dẫn đến lỗi phần mềm, phát hành thất bại hoặc kết quả kiểm thử sai lệch.
Dữ liệu tổng hợp đáng tin cần có những gì?
Dữ liệu tổng hợp đáng tin phải duy trì quan hệ giữa các bản ghi và hệ thống. Quá trình tạo dữ liệu phải tuân theo thứ tự phụ thuộc và các giá trị phải phù hợp với quy tắc nghiệp vụ. Chất lượng cũng cần được kiểm tra khi lược đồ nguồn thay đổi để dữ liệu kiểm thử tiếp tục đại diện đúng cho hệ thống.
Nội dung cần kiểm tra trong dữ liệu tổng hợp
Để hỗ trợ phát triển phần mềm ở quy mô doanh nghiệp, dữ liệu tổng hợp phải vận hành giống hệ thống mà nó đại diện. Các quy tắc tạo dữ liệu cần duy trì tính toàn vẹn tham chiếu trong nhiều môi trường dữ liệu khác nhau.
Giữ quan hệ giữa nhiều hệ thống
Ứng dụng doanh nghiệp hiếm khi chỉ dùng một cơ sở dữ liệu. Thông tin khách hàng có thể nằm trong một hệ thống, đơn hàng ở hệ thống khác và dữ liệu thanh toán ở hệ thống thứ ba. Kiểm thử chỉ có ý nghĩa khi các mối quan hệ này vẫn nguyên vẹn. Nếu chúng bị tách rời, nhóm kỹ thuật chỉ đang kiểm thử từng thành phần riêng lẻ chứ không phải quy trình nghiệp vụ hoàn chỉnh.
- Dữ liệu phải giữ được quan hệ giữa nhiều cơ sở dữ liệu và hệ thống, không chỉ trong một lược đồ đơn lẻ. Chẳng hạn, hồ sơ nhà đầu tư phải luôn liên kết đúng với tài khoản đầu tư tương ứng.
- Quá trình tạo dữ liệu cần tuân theo thứ tự phụ thuộc để quan hệ cha con không bị phá vỡ trong toàn bộ môi trường.
- Các giá trị được tạo ra phải phù hợp với định dạng, phạm vi, phân bố và quy tắc nghiệp vụ dự kiến. Tập dữ liệu kiểm thử không nên chứa mã định danh không hợp lệ hoặc kết quả nghiệp vụ vô lý.
- Chất lượng dữ liệu cần được đánh giá liên tục khi lược đồ thay đổi. Nếu mỗi thay đổi ở hệ thống nguồn đều đòi hỏi cấu hình thủ công trên diện rộng, chất lượng và niềm tin sẽ giảm dần.
Những yêu cầu này liên quan trực tiếp đến cách doanh nghiệp quản trị và phân quyền dữ liệu. Dữ liệu được bảo vệ chỉ có giá trị cho công việc kỹ thuật khi vẫn giữ được ngữ cảnh cần thiết.
Trí tuệ nhân tạo khiến bài toán cấp bách hơn
Công cụ hỗ trợ viết mã làm tăng tốc độ tạo phần mềm. Khả năng cung cấp dữ liệu kiểm thử chất lượng cao chưa theo kịp tốc độ đó. Dữ liệu tổng hợp có thể thu hẹp khoảng cách bằng cách tạo dữ liệu theo nhu cầu cho những trường hợp chưa có dữ liệu sản xuất phù hợp.
Dữ liệu kiểm thử cho nhu cầu mới
Khả năng đó hữu ích khi nhóm phát triển cần dữ liệu riêng cho ứng dụng mới, tính năng mới, trường hợp biên hoặc sáng kiến trí tuệ nhân tạo mà dữ liệu sản xuất chưa tồn tại hoặc khó sử dụng. Nhóm kỹ thuật có thể dựng tình huống kiểm thử sớm hơn trong vòng đời phát triển. Đây cũng là một phần của thay đổi rộng hơn khi tác tử trí tuệ nhân tạo tham gia quy trình viết mã.
Dữ liệu tổng hợp không nhất thiết thay thế mọi phương pháp kiểm thử. Doanh nghiệp có thể dùng dữ liệu đã che cho các quy trình quen thuộc, đồng thời dùng dữ liệu tổng hợp để mở rộng phạm vi và kiểm thử những tình huống mới. Cách kết hợp này giữ được tính chân thực và sự linh hoạt.
Tương lai phụ thuộc vào niềm tin đối với dữ liệu
Việc ứng dụng dữ liệu tổng hợp phụ thuộc vào mức độ tin tưởng của các nhóm kỹ thuật. Dữ liệu cần được tạo đủ nhanh cho quá trình phát triển, nhưng vẫn phải phản ánh đúng quan hệ tham chiếu, quy trình nghiệp vụ và hành vi của hệ thống mà nó đại diện.
Niềm tin bắt đầu từ chất lượng dữ liệu
Doanh nghiệp không tạo lợi thế chỉ bằng cách sản xuất nhiều dữ liệu tổng hợp hơn. Giá trị đến từ dữ liệu đủ chân thực, giữ đúng quan hệ tham chiếu và phù hợp với mục đích sử dụng. Khi nhà phát triển tin vào dữ liệu kiểm thử, họ mới có cơ sở tăng tốc phát hành mà không đánh đổi độ chính xác.
Nếu doanh nghiệp đang cân nhắc dữ liệu tổng hợp, bước đầu tiên là kiểm tra chất lượng và tính toàn vẹn tham chiếu trước khi mở rộng phạm vi triển khai.
