Apresentação DataPeers - Evento de Lançamento IT Business

DADOS 100% SEGUROS

DADOS 100% PROTEGIDOS

Desafio na Gestão de Dados

Custos de Manutenção

Gerenciar e Manter Dados

Qualidade de Dados

Dados Sensíveis

Como é hoje?

Redução de Custos

de Manuten

ção

Fornecer Dados de Qualidade

Gerenciar e Manter Dados Proteger

Dados Sensíveis

Desafios


A Segurança de Dados em Foco (Por Maurício Renner - Baguete - Criado em 01/07/2011 )




Qualidade de Dados

Dados Sensíveis

Como é hoje?

84% das empresas usam informações reais de seus clientes durante o desenvolvimento e teste de software;

70% utilizam dados de consumidores e 51% usam informações de crédito, débito e outros dados de pagamentos.

45% não protegem as informações reais usadas em desenvolvimento e teste.

Cerca de 75% dos entrevistados não têm certeza se suas empresas seriam capazes de detectar roubo ou perda acidental de informações usadas no desenvolvimento ou em testes.

Um estudo com 430 profissionais da área apontou que:



O ETERNO CRESCIMENTO DOS STORAGES• O volume de informações criadas nas organizações, continua a crescer em um ritmo

exponencial, dobrando a cada 4 anos.• As organizações modernas, muitas vezes, mantém várias cópias dos mesmos dados.

SCRIPTS CASEIROS – replica de produção• Scripts que extraem dados e recriam modelos, têm um alto custo de manutenção.(Eles

devem ser atualizados a cada simples fato novo).



Qualidade de Dados

Dados Sensíveis

Como é hoje?



SCHEMAS DE PRODUÇÃO• Schemas de Produção são constantemente

atualizados.• Teste, QA e ambientes

de treinamento também devem refletir essas alterações frequentes.



Qualidade de Dados

Dados Sensíveis

Como é hoje?

REQUISITOS• A lógica do negócio é como uma "entidade viva" - muda de

acordo com as demandas da companhia, gerando novas exigências.

QA

Testes

Produção



COERÊNCIA

Relações Explícitas• Integridade referencial.• Inter-relação entre bancos de dados.• Interação com fontes de dados externos – arquivos, valores definidos pelo usuários, etc.

Lógica de Negócio• Regras de negócio empregadas nas aplicações.


Dados Sensíveis

Como é hoje?


Qualidade de Dados

QA

Testes

Produção




Qualidade de Dados

Dados Sensíveis

Como é hoje?


POLíTICA SEGURANÇA CORPORATIVA

• Teste, QA e desenvolvimento.

• Ambientes devem cumprir com as políticas de SEGURANÇA.

COERÊNCIA

• O mascarar de dados deve MANTER A LÓGICA original. Por Exemplo: Números de telefone, cartão de crédito, nomes, etc.

EXPOSIÇÃO

• Os dados de produção são informações valiosas, que NÃO PODEM ESTAR EXPOSTAS a consultores, funcionários, equipes externas, etc.



Várias réplicas dos dados de produção, disponíveis para os contratados e terceiros , sem controle ou auditoria.


Qualidade de Dados

Dados Sensíveis

Como é hoje?


Desenvolvimento

QA

Treinamento

DesenvolvedoresTerceirosSubcontratados

Conjunto de Dados CompletosDados Sensíveis ExpostosAmbiente Desprotegido

Conjunto de Dados CompletosDados SensíveisAmbiente Protegido

Produção

Cópia

Cópia

Cópia

Ambiente de Produção

Outros Ambientes

DADOS 100% PROTEGIDOSDADOS 100% SEGUROS

Abordagem DataPeers

Como Funciona

Processo DataPeers

Desenvolvimento

QA

Treinamento

Conjunto de Dados ParcialDados Sensíveis MascaradosAmbiente Protegido

Conjunto de Dados CompletosDados SensíveisAmbiente Protegido

Produção

DATAPEERS


Outros Ambientes

Subdivisão InteligenteMasking Avançado

Metadados Extração Carga


Abordagem DataPeers

Como Funciona

Processo DataPeers

Desenvolvimento

QA

Treinamento

Produção

DATAPEERS


Outros Ambientes

Réplica Temporária

Outro Ambiente

Duplicação



Ambiente de

Produção

DatapeersAdmin

METADATA Modelo de MetadadosEXTRATOR

Aplicação+

Conector

leitura

Lê o schema Identifica todos os

objetos do BD Identifica possíveis

relações Registrá-lo

IDENTIFICA: Regras de Negócios Relações Implícitas Dimensões Conjuntos de Dados (parâmetros) Dados Sensíveis

Extração

Define Dimensões da Extração

Obtém os dados referentes aos parâmetros informados

na extração

Obter todos os objetos do BD

produção



Ambiente de

Produção Usuários

METADATA Modelo de Metadados

EXTRATOR

Aplicação+

Conector

Armazena modelo atual deMetadados

Extração

Identifica e escolhe o destino UPLOADER

leitura

Ambiente QAAmbiente deTreinamento

Ambiente deDesenvolvimento

leituraprodução



Abordagem DataPeers

Como Funciona

Processo DataPeers

• Dimensões• Relações• Regras de negócio• Datasets• Critérios de Masking

Definição metadados

• Redução de dados• Os dados são obtidos

em um formato coeso e independente de tecnologia

Extração

• Criação do modelo de dados

• População de dados• Suporte multi base de

dados na origem e no destino

Carregamento



Abordagem DataPeers

Como Funciona

Processo DataPeers Metadados Extração Carga

DEFINIÇÃO DE METADADOS

Os metadados definem: Todas as conexões da base de dados; Dimensões de extração (ex. Clientes, Artigos, Lojas, Departamentos, ...); Regras de negócio; Campos confidenciais; Relações implícitas; Conjuntos de Dados (Parâmetros).

Desenho modularO DATAPEERS é puramente baseado em metamodelos, o que torna possível utilizar diferentes tecnologias de bases de dados.


Abordagem DataPeers

Como Funciona

Processo DataPeers

CONFIDENCIALIDADE DE DADOSA sua informação tem valor comercial inestimável!

Apenas os dados reais podem assegurar que testes sobre novos desenvolvimentos produzem resultados confiáveis.


O DATAPEERS garante a confidencialidade dos dados: Dados confidenciais são substituídos por dados novos; Os novos dados são baseados nos originais e são resultado

de funções altamente configuráveis e seguras que garantem coerência;

Os novos dados cumprem todas as regras de integridade referencial (incluindo chaves primárias e estrangeiras);

Os novos dados não afetam a performance da base de dados.


Abordagem DataPeers

Como Funciona


• Após a definição do metamodelo, os dados podem ser extraídos de forma a observarem todas as regras e relações do modelo;

• No momento da Extração, Datasets expecíficos poderão ser criados, com base nas definições de PARÂMETROS. Esta funcionalidade seleciona o universo de informações desejadas, a ser copiado para a base de dados destino, criando assim bases reduzidas.

• A extração é baseada numa camada consistente de dados que segue a definição lógica do metamodelo;

• Criar um novo ambiente é tão simples quanto especificar a extração a ser aplicada sobre o ambiente alvo;


Abordagem DataPeers

Como Funciona


• Definir a base de dados destino e carregar os dados;

• As bases de dados destino são sempre coerentes, seguras e totalmente funcionais;

• É possível criar múltiplas bases de dados a partir de uma única extração.


Abordagem DataPeers

Como Funciona

Processo DataPeers

GERADOR DE DADOS DE TESTE

E se não existirem dados de produção para alimentar os ambientes de testes e qualidade?Como garantir a qualidade dos dados?

Através de inferência de modelo de dados e algoritmos avançados de geração é possível

garantir que os dados gerados:

São humanamente legíveis e percebidos como dados reais;

São produzidos na quantidade requerida, de acordo com regras especificadas;

Permitem recriar condições extremas de teste, tornando os testes unitários mais eficazes e

permitindo a identificação imediata de bugs de software.



Benefícios Vantagens Competitivas

Caso Prático

Redução de Custos ExtrasQualidade Extra AutomaçãoNovas

Funcionalidades

Situação Atual x DataPeers




Caso Prático

Reduz

custos de

manutenção

Produz dados de qualidade

Ajuda a gerir e manter dados

Protege dados

confidenciais




Caso Prático

Flexível

Multi tecnologia de BD

Independente de plataforma

Inferência do modelo de dados

Elevado desempenho

Consistência entre aplicações




Caso Prático

SITUAÇÃO: Um varejista líder de mercado necessita fornecer informação de CRM para uma empresa externa, para análise de fidelização. Para essa análise, apenas os clientes com compras superiores a $100 devem ser considerados.

Principais preocupações: Não se pode fornecer nomes reais de clientes nem os verdadeiros SKUs dos produtos A informação de vendas reside numa base de dados diferente

• CRM – SQL Server• Vendas – Oracle

Os resultados da análise de fidelização que referenciam nomes de clientes e SKUs devem poder ser revertidos para os originais




Caso Prático

PROPOSIÇÃO:

1. Usando o DATAPEERS, criou-se um dataset com todos os id_cliente cujo valor de compras é

superior a $100 baseado na base de dados de vendas (Oracle);

2. Os nomes dos clientes foram mascarados com a função Smart Name Generator;

3. Os SKUs dos produtos foram mascarados usando a função Shuffle;

4. A dimensão Cliente baseada em id_cliente foi criada;

5. O extrator foi parametrizado para usar a dimensão Cliente com o dataset criado em 1;

6. O carregamento criou duas novas bases de dados:

BD com dados protegidos para fornecer à empresa externa

BD segura com um conjunto de funções para reverter os dados mascarados


A análise de fidelização é agora feita com maior frequência – o DATAPEERS assegura um

processo rápido e confiável para providenciar toda a informação.

DADOS 100% SEGUROS



Caso Prático

BENEFÍCIOS

Apenas perfis autorizados têm acesso aos resultados reais de análise de fidelização.

O varejista pode fornecer dados confidenciais sem qualquer preocupação .

O DATAPEERS permitiu inter-relacionar duas

aplicações distintas para fornecer uma única Lógica de

Negócio.


Alguma Pergunta?


Nome: Juliano Stedile / Luiz Carlos Gewehr

E-mail: [email protected]

Telefone: (51) 3019-1001

Technology

Apresentação DataPeers - Evento de Lançamento IT Business