Casestudies
Synthetische data voor softwareontwikkeling en testen bij een toonaangevende Nederlandse bank
Over de klant
Onze klant, een toonaangevende bank, is een Nederlandse multinationale bank- en financiële dienstverlener. Deze bank behoort met ruim 5 miljoen klanten tot de 5 grootste banken van Nederland. Deze bank stond hoog op de lijst van “de veiligste banken ter wereld” van Global Finance en streeft ernaar haar positie op deze lijst te behouden en te verbeteren.
De situatie
Deze bank heeft een sterke datagedreven strategie, die erop gericht is de bank in staat te stellen concurrerend te blijven in een dynamisch en sterk concurrerend financieel landschap. In deze ambitie vertrouwt de bank sterk op data bij de ontwikkeling van haar kernbankfuncties (CRM-systeem, betalingssysteem, enz.) en innovatieve oplossingen (app voor mobiel bankieren, virtuele omgeving, enz.). De enorme hoeveelheid data bemoeilijkt het creëren van goede testdata. Bovendien worden de data opgeslagen in verschillende databases en moeten ze uit verschillende bronnen worden opgenomen.
Persoonsdata uit de productie zijn voor deze bank vanuit privacyoogpunt geen optie. In een poging dit probleem op te lossen, heeft de bank in het verleden bestaande tools voor het genereren van dummy- en nepdata uitgeprobeerd. Deze tools voldeden echter niet aan de verwachtingen, omdat ze geen universele en gestandaardiseerde aanpak voor het genereren van data boden, geen goede datakwaliteit handhaafden die er niet uitzag als productiedata en veel handmatig werk vereisten.
De oplossing
Het platform van Syntho biedt de mogelijkheid om productie-achtige data te genereren, waardoor deze bank nu kan profiteren van versneld testen zonder de originele datastructuren of relaties op te offeren. Door gebruik te maken van de kracht van AI-generatie, persoonlijk identificeerbare informatiescanners en subsetting heeft deze bank nu de oplossing om eenvoudig testdata te genereren en te onderhouden en de levenscycli van softwareontwikkeling te versnellen.
Na de succesvolle implementatie van synthetische data voor softwareontwikkeling en testen overweegt de bank het platform te gaan gebruiken voor data-analyse binnen de business intelligence-afdeling.
De voordelen
Productie-achtige testdata
Maakt de snelle simulatie van productie-achtige data mogelijk, waarbij de oorspronkelijke structuur behouden blijft, relaties worden gerepliceerd en gemakkelijk te onderhouden is. Dit zorgt niet alleen voor een goede test van systemen en applicaties, maar versnelt ook de ontwikkelingscycli terwijl de robuuste dataprivacy behouden blijft.
Privacy-door-ontwerp
Door gebruik te maken van synthetische data kunnen banken voldoen aan strikte regelgeving op het gebied van dataprivacy en toch nauwkeurige resultaten en innovatieve ontwikkelingen behalen. Door ervoor te zorgen dat gevoelige klantinformatie tijdens test- en ontwikkelingsprocessen beschermd blijft en dat persoonlijke data uit de productie niet zomaar als testdata worden gebruikt.
Snellere softwareontwikkelingscycli
Het gebruik van synthetische data versnelt de softwareontwikkeling, waardoor snelle iteratie en testen mogelijk zijn. De synthetische testdata zijn van hogere kwaliteit en vergelijkbaar in vergelijking met productiedata, waardoor de kwaliteit van de tests wordt verbeterd om bugs eerder op te sporen en sneller vrij te geven. Dit versnelt de lancering van nieuwe financiële producten en diensten, waardoor de concurrentiepositie van de bank op de markt wordt vergroot.
Subset van data
Bied de mogelijkheid om een kleinere representatieve subset van een database te creëren met behoud van referentiële integriteit. Hierdoor kon de bank een kleinere synthetische versie van de productiedata maken om het hardwareverbruik te verminderen.
Organisatie: Toonaangevende Nederlandse Bank
Locatie: Nederland
Industrie: Financiering
MAAT: 43000 + werknemers
Use case: Testdata
Doeldata: Kernbankdata, transactiedata
Website: op verzoek
Sla uw synthetische datagids nu op!
- Wat is synthetische data?
- Waarom gebruiken organisaties het?
- Klantcases met toegevoegde waarde op basis van synthetische data
- Hoe te beginnen
