テストデータとは: 意義、応用、課題

ヘルスケア、保険、金融、政府などの業界は、ソフトウェア ソリューションの品質を確保するために、膨大なデータに大きく依存しています。しかし、最も明白な選択肢のように思える本番データを使用してテストを行うことは、機密性が高く、データ量が多いため、大きな課題となります。ここで、テスト データがゲーム チェンジャーとして登場し、効率的で安全なテストを可能にします。ソフトウェア テストにおけるテスト データの意味は深いものですが、テスト データの準備から保存、管理まで、プロセス全体をナビゲートするのは簡単ではありません。そのため、Capgemini の調査によると、テスト担当者がテスト データに十分な知識を持っていなくても、テスト データに十分な知識がないことは驚くことではありません。 驚くべきことに時間の 44% を費やす テスト データ管理について学びます。この記事では、テスト データの概念のあらゆる側面を明らかにし、テスト データ管理の最新のアプローチを解説します。この記事を読み終える頃には、ソフトウェア チームの作業を楽にし、ソフトウェア配信プロセスを合理化する方法をすべて、新たな明確さで学べるでしょう。

ソフトウェアテストにおけるテストデータとは何ですか?

簡単に言えば、テスト データの定義は次のとおりです。テスト データは、欠陥を見つけ、ソフトウェアが想定どおりに動作することを確認するために使用される選択されたデータ セットです。 

テスターとエンジニアは、手動で組み立てられたテスト データ セット、または専用のテスト データ生成ツールを使用して組み立てられたテスト データ セットを使用して、ソフトウェアの機能の検証、パフォーマンスの評価、セキュリティの強化を行います。

この概念を拡張すると、テストにおけるテスト データとは何でしょうか。単なるデータ セットを超えて、テスト データにはさまざまな入力値、シナリオ、条件が含まれます。これらの要素は、成果物がソフトウェアに期待される厳格な品質と機能の基準を満たしているかどうかを検証するために慎重に選択されます。

テスト データの定義をより深く理解するために、さまざまな種類のテスト データを調べてみましょう。

テストデータにはどのような種類がありますか?

データのテストの主な目的はソフトウェアが期待どおりに動作することを確認することですが、ソフトウェアのパフォーマンスに影響を与える要因は大きく異なります。この変動性により、テスターはさまざまな条件でのシステムの動作を評価するために、さまざまな種類のデータを使用する必要があります。

それでは、ソフトウェア テストにおけるテスト データとは何かという質問に、例を挙げて答えてみましょう。

• 陽性の検査データ たとえば、障害物のない平坦な道路で車がスムーズに走行するかどうかを確認するなど、通常の動作条件でソフトウェアをテストするために使用されます。
• 陰性の検査データ 特定のスペアパーツが故障した状態で自動車の性能をテストするようなものです。無効なデータ入力やシステムの過負荷に対してソフトウェアがどのように反応するかを特定するのに役立ちます。
• 等価クラステストデータ ソフトウェア内の特定のグループまたはカテゴリの動作をテストするのに役立ちます。特に、ソフトウェアがさまざまなタイプのユーザーまたは入力をどのように処理するかをテストします。
• ランダムなテストデータ 特定のパターンなしで生成されます。これにより、ソフトウェアが予期しないシナリオをスムーズに処理できるようになります。
• ルールベースのテストデータ 事前定義されたルールまたは基準に従って生成されます。バンキング アプリでは、すべての取引が特定の規制要件を満たしていること、または口座残高が指定された制限内に保たれていることを確認するために生成された取引データとすることができます。
• 境界試験データ ソフトウェアが許容範囲の両端の値をどのように管理するかをチェックします。それは、ある機器を絶対的な限界まで押し上げることに似ています。
• 回帰テストデータ ソフトウェアへの最近の変更が新たな欠陥や問題を引き起こしていないかどうかを確認するために使用されます。

これらのさまざまな種類のテスト データを使用することで、QA スペシャリストはソフトウェアが意図したとおりに動作するかどうかを効果的に評価し、弱点やバグを特定し、最終的にシステムのパフォーマンスを向上させることができます。 

しかし、ソフトウェア チームはこのデータをどこで入手できるのでしょうか?次にそれについて議論しましょう。

テストデータはどのように作成されますか?

プロジェクトのテスト データを作成するには、次の 3 つのオプションがあります。

• 既存のデータベースからデータを厳選し、個人を特定できる情報 (PII) などの顧客情報をマスキングします。
• ルールベースのデータ アプリケーションを使用して、現実的なテスト データを手動で作成します。
• 合成データを生成します。 

多くのデータ エンジニアリング チームは、アプローチの 1 つだけに頼っており、テスト データ生成に最も時間と労力のかかる方法を選択することが多すぎます。たとえば、既存のデータベースからサンプル データを選択する場合、エンジニアリング チームはまず複数のソースからデータを抽出し、次にフォーマット、スクラブ、マスク処理を行って、開発環境やテスト環境に適合させる必要があります。

もう 1 つの課題は、データが特定のテスト基準 (精度、多様性、特定のソリューションへの特異性、高品質、個人データの保護に関する規制への準拠) を満たしていることを確認することです。ただし、これらの課題は、自動テスト データ生成などの最新のテスト データ管理アプローチによって効果的に解決されます。 

シンソプラットフォーム は、これらの課題に対処するための次のようなさまざまな機能を提供します。

• ツールがすべての PII を自動的に識別するスマートな匿名化により、専門家の時間と労力が節約されます。
• PII およびその他の識別子を合成識別子に置き換えることにより機密情報を回避する モックデータ ビジネスロジックとパターンに沿ったもの。
• データベースとシステム間で一貫したデータ マッピングにより参照整合性を維持します。

これらの機能については、後ほど詳しく説明します。まずは、テスト データの作成に関連する問題について詳しく説明し、その問題を認識して対処方法を理解しましょう。

ソフトウェアテストにおけるテストデータの課題

有効なテスト データの調達は、効果的なテストの基礎となります。ただし、エンジニアリング チームは、信頼性の高いソフトウェアを実現するまでの間に、多くの課題に直面します。

分散したデータソース

データ、特にエンタープライズ データは、レガシー メインフレーム、SAP、リレーショナル データベース、NoSQL、多様なクラウド環境など、さまざまなソースに存在します。この分散とさまざまな形式が相まって、ソフトウェア チームによる運用データへのアクセスが複雑になっています。また、テストに適したデータを取得するプロセスが遅くなり、無効なテスト データが生成されます。

フォーカスのサブセット化

エンジニアリング チームは、大規模で多様なテスト データセットを、対象を絞った小さなサブセットに分割することに苦労することがよくあります。しかし、この分割により、特定のテスト ケースに集中できるようになり、テスト データの量と関連コストを抑えながら、問題を再現して修正しやすくなるため、これは必須の作業です。

テストカバレッジの最大化

エンジニアには、定義されたテスト ケースを徹底的にテストし、欠陥密度を最小限に抑え、ソフトウェアの信頼性を強化するのに十分なテスト データが網羅されていることを確認する責任もあります。ただし、システムの複雑さ、リソースの制限、ソフトウェアの変更、データのプライバシーとセキュリティに関する懸念、スケーラビリティの問題など、さまざまな要因により、エンジニアはこの取り組みにおいて課題に直面します。

テストデータの現実性

テスト データにおけるリアリティの追求は、元のデータ値を最大限の忠実度で反映することがいかに重要であるかを示しています。誤検知や誤検出を回避するには、テスト データを本番環境と厳密に一致させる必要があります。このリアリティが達成されない場合、ソフトウェアの品質と信頼性が損なわれる可能性があります。そのため、専門家はテスト データを準備する際に細部に細心の注意を払う必要があります。

データの更新とメンテナンス

テスト データは、運用環境やアプリケーション要件の変化を反映するために定期的に更新する必要があります。ただし、このタスクには、特に規制遵守のためにデータへのアクセスが制限されている環境では、大きな課題が伴います。データ更新サイクルを調整し、テスト環境全体でデータの一貫性を確保することは、慎重な調整と厳格なコンプライアンス対策が必要となる複雑な作業になります。

実際のテストデータに関する課題

LinkedIn での Syntho の調査によると、 企業の 50% が実稼働データを使用、22% はマスクされたデータを使用してソフトウェアをテストしています。実データを選択するのは、実稼働環境から既存のデータをコピーし、テスト環境に貼り付けて、必要に応じて使用するという簡単な決定のように思われるためです。 

ただし、実際のデータをテストに使用すると、次のようないくつかの課題が生じます。

• マスキングデータ データプライバシー規制を遵守し、データセキュリティ侵害を回避し、テスト目的での実際のデータの使用を禁止する法律を遵守します。
• 通常、実稼働環境とは異なるテスト環境にデータを適合させます。
• データベースを定期的に更新する。

これらの課題に加えて、企業はテスト用の実際のデータを選択する際に 3 つの重要な問題に取り組んでいます。

限られた可用性

開発者が実稼働データを適切なテスト データと見なす場合、データが限られていたり、不足していたり​​、不足していたり​​することはよくあります。特に複雑なシステムやシナリオの場合、高品質のテスト データにアクセスすることはますます困難になります。このデータの不足により、包括的なテストおよび検証プロセスが妨げられ、ソフトウェア テストの取り組みの効率が低下します。 

コンプライアンスの問題

CPRA や GDPR などの厳格なデータ プライバシー法では、テスト環境での PII の保護が義務付けられており、データ サニタイズに厳格なコンプライアンス基準が課せられています。この文脈では、実稼働データに含まれる実名、住所、電話番号、社会保障番号は違法なデータ形式とみなされます。

プライバシーに対する懸念

コンプライアンスの課題は明らかです。元の個人データをテスト データとして使用することは禁止されています。この問題に対処し、テスト ケースの作成に PII が使用されないようにするには、テスト担当者は、機密データをテスト環境で使用する前に、機密データがサニタイズまたは匿名化されていることを二重に確認する必要があります。データ セキュリティにとって重要ですが、このタスクは時間がかかり、テスト チームにとって複雑さが増します。

品質テストデータの重要性

優れたテスト データは、QA プロセス全体の基盤として機能します。ソフトウェアが期待どおりに機能し、さまざまな状況で適切に動作し、データ侵害や悪意のある攻撃から保護されることを保証します。ただし、もう 1 つ重要な利点があります。

シフトレフト テストをご存知ですか? このアプローチでは、開発ライフサイクルの初期段階にテストをプッシュして、アジャイル プロセスの速度を低下させないようにします。シフトレフト テストでは、問題を早期に検出して修正することで、サイクルの後半でのテストとデバッグに関連する時間とコストを削減します。

シフトレフト テストがうまく機能するには、準拠したテスト データ セットが必要です。これらは、開発チームと QA チームが特定のシナリオを徹底的にテストするのに役立ちます。ここでは、自動化と手動プロセスの合理化が重要です。合成データを使用して適切なテスト データ生成ツールを使用することで、プロビジョニングを高速化し、ここで説明した課題のほとんどに取り組むことができます。

ソリューションとしての合成データ

合成データに基づいた テストデータ管理アプローチ これは比較的新しいですが、課題に取り組みながら品質を維持するための効率的な戦略です。企業は合成データ生成を利用して、高品質のテスト データを迅速に作成できます。 

定義と特徴

合成テスト データは、ソフトウェア開発のデータ テスト環境をシミュレートするために設計された人工的に生成されたデータです。PII を機密情報を含まない模擬データに置き換えることで、合成データによりテスト データ管理がより迅速かつ容易になります。 

合成テスト データにより、プライバシー リスクが軽減され、開発者は実際のシステムに影響を与えることなく、さまざまな潜在的なシナリオにわたってアプリのパフォーマンス、セキュリティ、機能を厳密に評価できるようになります。次に、合成データ ツールで他に何ができるかを見てみましょう。

コンプライアンスとプライバシーの課題に対処する

Syntho のソリューションを例に挙げてみましょう。コンプライアンスとプライバシーの課題に対処するために、当社は最先端の PII スキャン テクノロジーとともに高度なデータ マスキング技術を採用しています。 Syntho の AI を活用した PII スキャナー 直接 PII を含むユーザー データベース内の列を自動的に識別し、フラグを付けます。これにより手作業が軽減され、機密データが正確に検出されるため、データ侵害やプライバシー規制への違反のリスクが軽減されます。

PII を含む列が特定されると、Syntho のプラットフォームは、この場合に最適な匿名化方法として模擬データを提供します。この機能は、機密性の高いオリジナルの PII を、データベースやシステム間でのテスト目的で参照整合性を維持する代表的なモック データに置き換えることによって保護します。これは次のようにして達成されます。 一貫したマッピング機能これにより、GDPR や HIPAA などの規制に準拠しながら、置換されたデータがビジネス ロジックとパターンに一致することが保証されます。

テストに多用途性を提供

多用途のテスト データは、企業が利用できるデータが限られているという課題を克服し、テスト範囲を最大化するのに役立ちます。 Syntho プラットフォームは多用途性をサポートします。 ルールベースの合成データの生成. 

このコンセプトでは、事前定義されたルールと制約に従ってテスト データを作成し、実際のデータを模倣したり、特定のシナリオをシミュレートしたりします。ルールベースの合成データ生成は、さまざまな戦略を通じてテストの汎用性を高めます。

• データを最初から生成する: ルールベースの合成データを使用すると、実際のデータが限られているか、実際のデータが利用できない場合でもデータを生成できます。これにより、テスターと開発者は必要なデータを入手できるようになります。
• データの充実: 行と列を追加してデータを強化し、より大規模なデータセットを簡単に作成できるようにします。
• 柔軟性とカスタマイズ: ルールベースのアプローチにより、柔軟性を保ち、さまざまなデータ形式や構造に適応し、特定のニーズやシナリオに合わせた合成データを生成できます。
• データクレンジング： これには、データを生成する際に事前定義されたルールに従って不整合を修正し、欠落値を埋め、破損したテスト データを削除することが含まれます。これにより、データの品質と整合性が確保されます。これは、元のデータセットにテスト結果に影響を与える可能性のある不正確さが含まれている場合に特に重要です。

適切なデータ生成ツールを選択する際には、実際にチームの作業負荷を軽減できるかどうかを確認するために、特定の要素を考慮することが重要です。

合成データ ツールを選択する際の考慮事項

合成データ ツールの選択は、ビジネス ニーズ、統合機能、データ プライバシー要件によって異なります。組織はそれぞれ異なりますが、ここでは合成データ生成ツールを選択するための重要な基準を概説します。

データリアリズム

検討するツールが、実際のデータに非常によく似たテスト データを生成することを確認してください。そうすることで初めて、さまざまなテスト シナリオを効果的にシミュレートし、潜在的な問題を検出できるようになります。ツールには、運用環境のさまざまなデータ分布、パターン、異常を模倣するためのカスタマイズ オプションも用意されている必要があります。

データの多様性

テスト対象のソフトウェアに関連するさまざまなデータ型、形式、構造など、幅広いユースケースをカバーするサンプル データを生成できるツールを探してください。この多様性により、システムが堅牢であるかどうかを検証し、包括的なテスト範囲を確保できます。

スケーラビリティとパフォーマンス

特に複雑なシステムや大容量のシステムをテストする場合、ツールが大量の合成データをどの程度適切に生成できるかを確認してください。パフォーマンスや信頼性を損なうことなく、エンタープライズ規模のアプリケーションのデータ要件を満たすためにスケールアップできるツールが必要です。

データのプライバシーとセキュリティ

データ生成時に機密情報や機密情報を保護する機能が組み込まれたツールを優先します。プライバシーのリスクを最小限に抑え、法律を遵守するために、データの匿名化やデータ保護規制への準拠などの機能を探してください。

統合と互換性

既存のテスト設定にシームレスに適合するソフトウェアを選択して、ソフトウェア開発ワークフローへの導入と統合を容易にします。さまざまなデータ ストレージ システム、データベース、テスト プラットフォームと互換性のあるツールは、より汎用性が高く、使いやすくなります。

たとえば、 シンセのサポート Microsoft SQL Server、Amazon S3、Oracle などの一般的なオプションを含むさまざまなデータベース コネクタとファイルシステム コネクタにより、データの安全性と簡単なデータ生成が保証されます。

カスタマイズと柔軟性

合成データの生成を特定のテスト要件やシナリオに合わせて調整するための、柔軟なカスタマイズ オプションを提供するツールを探してください。データ生成ルール、関係、制約などのカスタマイズ可能なパラメーターを使用すると、生成されたデータをテスト基準や目的に合わせて微調整できます。

総括する

ソフトウェア開発におけるテスト データの重要性は、いくら強調してもし過ぎることはありません。テスト データは、ソフトウェア機能の欠陥を特定して修正するのに役立ちます。ただし、テスト データの管理は、利便性の問題だけではありません。規制やプライバシー ルールに準拠するためにも重要です。適切に管理することで、開発チームの作業負荷が軽減され、コストが削減され、製品をより早く市場に投入できるようになります。 

そこで合成データが役に立ちます。あまり時間のかかる作業を行わずに現実的で汎用性の高いデータを提供し、企業のコンプライアンスと安全性を維持します。合成データ生成ツールを使用すると、テスト データの管理がより迅速かつ効率的になります。 

最も重要な点は、目的に関係なく、すべての企業が高品質の合成テスト データを入手できることです。必要なのは、合成データ生成ツールの信頼できるプロバイダーを見つけることだけです。今すぐ Syntho にご連絡ください。 無料のデモを予約する 合成データがソフトウェア テストにどのようなメリットをもたらすかを確認してください。