generaci-n-de-datos-de-prueba-seguros

name	Generación de Datos de Prueba Seguros
description	Skill para generar datos sintéticos realistas y anonimizar subconjuntos de producción para testing

Generación de Datos de Prueba Seguros

Propósito

Crear datos de prueba que respeten constraints, relaciones y distribuciones reales sin exponer información sensible de producción.

Entradas

• Schema de base de datos objetivo
• Volumen deseado (número de filas por tabla)
• Columnas o tablas con datos sensibles a anonimizar
• Escenarios de prueba específicos (opcional)

Salidas

• Script de generación de datos sintéticos
• Script de anonimización para subconjuntos de producción
• Informe de cobertura de constraints y relaciones
• Nota de seguridad confirmando ausencia de datos reales

Pasos

1. Inventario de constraints y relaciones

SELECT
    fk.name AS clave_foranea,
    OBJECT_NAME(fk.parent_object_id) AS tabla_hijo,
    COL_NAME(fkc.parent_object_id, fkc.parent_column_id) AS columna_hijo,
    OBJECT_NAME(fk.referenced_object_id) AS tabla_padre,
    COL_NAME(fkc.referenced_object_id, fkc.referenced_column_id) AS columna_padre
FROM sys.foreign_keys fk
JOIN sys.foreign_key_columns fkc ON fk.object_id = fkc.constraint_object_id
ORDER BY tabla_padre, tabla_hijo;

2. Identificación de columnas sensibles

• Detecta columnas con nombres que sugieren datos personales (email, nombre, DNI, teléfono, dirección)
• Marca columnas para anonimización obligatoria

3. Estrategias de anonimización por tipo

Tipo	Estrategia
Email	usuario_[ID]@prueba.test
Nombre	Nombre_[hash corto]
Teléfono	000-000-[4 dígitos aleatorios]
NIF/DNI	00000000X
Dirección	Calle Prueba [número]
Fechas	Desplazar ±N días aleatorio
Importes	Multiplicar por factor aleatorio [0.8-1.2]

4. Validación de integridad

• Verifica FK integrity después de generación
• Confirma que ningún dato generado coincide con producción
• Ejecuta preflight de seguridad sobre el dataset generado

Checklist de Calidad

• Todas las FK respetadas en el orden de inserción
• Columnas sensibles anonimizadas sin excepción
• Dataset validado: sin datos reales identificables
• Script idempotente (truncate + insert)
• Preflight de seguridad ejecutado sobre salida