SlideShare una empresa de Scribd logo
1 de 15
Descargar para leer sin conexión
www.steria.com
JFTL 2014: Rôle et apports de la
génération de données dans le Test
01.04.2014 – J.L. Pacherie & G. Rols
Données de test : douleurs et motivations
14-6-20 2
SOLUTION DE SERVICE
INDUSTRIALISEE
SOLUTION DE SERVICE
INDUSTRIALISEE
COÛTS
QUALITE
DELAIS
JFTL 2014: Rôle et apports de la génération de données dans le Test
Données de test : retour d’expérience Steria
14-6-20 3
Besoins
 Une intégration des outils de
jeux de données (JdD) dans la
chaîne des outils de test
 Une approche fonctionnelle de
la production des jeux de données
 Un pilotage par le besoin et non
par les contraintes
 Une couverture du besoin de
création
Savoir-faire
 Echantillonner de manière
cohérente des bases de différents
systèmes d’un même SI
 Extraire des données ciblées sur
des besoins fonctionnels
 Assurer la sécurité et la
confidentialité des données.
JFTL 2014: Rôle et apports de la génération de données dans le Test
Préconisation : organisation d’une cellule de JdD
Les Fonctions
Support à l’usage des
données en hors prod
Gérer et consolider les
demandes
Gérer le patrimoine de
référentiels et d’outils
Données statiques
Extraction de production
Données dynamiques
Génération de données
Intégrer la génération dans une solution de service
Gestion de la
Capitalisation
Dynamique
Gestion des Demandes
(catalogue de service)
Statique
Extraction
Support & Traçabilité
Testeur Testeur Testeur
Gestion de la
Capitalisation
Testeur
Génération
ProfilageProfilage
ModélisationModélisation
CertificationCertification
CiblageCiblage
AnonymisationAnonymisation
EchantillonnageEchantillonnage
11
22
33
44
55
414-6-20 JFTL 2014: Rôle et apports de la génération de données dans le Test
Objectifs de la génération dans la solution
14-6-20 5
COÛTS QUALITEDELAIS
 Réduire les délais de mise à disposition
des données de tests
 S’affranchir de la dépendance aux
environnements de production
 Industrialiser les travaux de création de
données
 Réduire les délais de mise à disposition
des données de tests
 S’affranchir de la dépendance aux
environnements de production
 Industrialiser les travaux de création de
données
 Simuler des comportements
complexes: dynamique des données
 Créer les données indisponibles en
production
 Homogénéiser la création des jeux de
données des tests manuels
 Variabiliser les scripts
d’automatisation
Production de données de Test vs Production des données des tests
La génération n’est en aucun cas liée au hasard
JFTL 2014: Rôle et apports de la génération de données dans le Test
Génération de données dynamiques (1/2)
14-6-20 6
• Initialiser les plateformes
• Provisionner des données
qui n’existent pas en
production
• Provisionner des états du
système
ENJEUXENJEUX
• Plus de liberté et d’agilité
• Possibilité de créer des
situations inobservées
• Coût de production
minimes
GAINSGAINS
SOLUTIONSOLUTION
• Intégrer une ou plusieurs
interfaces d’injection
• Modéliser dans les
générateurs les
contraintes
• Assurer des points de
paramétrage
 Maitriser le processus de modélisation de la qualité des données pour la génération
 Disposer d’interfaces d’injection opérationnelles sur la plateforme de test
 S’assurer des mécanismes de propagation de la création de données dans un système
multi-applicatif
 Maitriser le processus de modélisation de la qualité des données pour la génération
 Disposer d’interfaces d’injection opérationnelles sur la plateforme de test
 S’assurer des mécanismes de propagation de la création de données dans un système
multi-applicatif!
Créer des données socles
JFTL 2014: Rôle et apports de la génération de données dans le Test
Génération de données dynamiques (2/2)
14-6-20 7
• Simuler les
comportements pour
disposer des séquences
d’événements
ENJEUXENJEUX
• Une approche métier
• Tester des cinématiques
complexes
• Le coût est proportionnel à
la complexité de
modélisation du profil
GAINSGAINS
SOLUTIONSOLUTION
• Modéliser les
événements
• Analyser le réalisme de
chaque événement
• Contrôler la séquence
et les corrélations
entre les événements
d’une séquence
 L’outillage d’injection et de génération doivent être coordonnés.
 La production de séquence doit se faire sur des données en base (clients connus du
système, produits au catalogue, etc.) et nécessite la constitution de référentiel de
données transverses.
 L’outillage d’injection et de génération doivent être coordonnés.
 La production de séquence doit se faire sur des données en base (clients connus du
système, produits au catalogue, etc.) et nécessite la constitution de référentiel de
données transverses.!
Créer des événements sur des profils de comportements
JFTL 2014: Rôle et apports de la génération de données dans le Test
Atelier en ligne pour la génération des données
14-6-20 8
ISDN
N° INSEE
I BAN
ADRESSE
DATE
HEURE
Permet de concevoir et exécuter des générateurs à partir
de règles prédéfinies que l’on peut assembler librement
JFTL 2014: Rôle et apports de la génération de données dans le Test
Moteur de génération de données : GEDIS Studio
Solution collaborative pour la génération de
données
Espace Projet 1 Espace Projet 2 Espace Projet 3
Espace Partagé
Les utilisateurs et les administrateurs n’ont
pas besoin d’être sur le même site.
L’intervention d’experts / support est facilitée
Les utilisateurs et les administrateurs n’ont
pas besoin d’être sur le même site.
L’intervention d’experts / support est facilitée
Testeur
Chaque projet sélectionne les générateurs
et données de référence qui conviennent à
son objectif de test ET produit ses
données
Chaque projet sélectionne les générateurs
et données de référence qui conviennent à
son objectif de test ET produit ses
données
La cellule JdD publie des générateurs
et des données de référence dans un
espace partagé qu’elle administre
La cellule JdD publie des générateurs
et des données de référence dans un
espace partagé qu’elle administre
Générateurs
Générateurs
Générateurs
Générateurs
Générateurs
914-6-20 JFTL 2014: Rôle et apports de la génération de données dans le Test
Générateurs
Générateurs
FRANCE
POLOGNE
INDE
Génération de données : bonnes pratiques
14-6-20 10
Simuler des modèles de réalisme et non
pas la réalité
Procéder par étapes
JFTL 2014: Rôle et apports de la génération de données dans le Test
Rechercher la donnée pivot
(structure et qualité des données)
Configurer de manière fonctionnelle les
générateurs
Cas d’usage : un opérateur Telecom leader en
Europe (1/2)
14-6-20 11
Enjeux client
 Vérifier les règles de valorisation d’un usage multi-services (voix,
SMS, data) en fonction du contrat et des options souscrites
!
Défis
 Variantes des options sur les contrats impactant le calcul
 Variantes des usages (appels surtaxés, internationaux, gratuits, etc.)
 Gestion des horodatages, multi-formats, clients brûlés, etc.
 Rapidité de mise à disposition des données
 Simplification des oracles de tests
 Transparence des formats et valorisation technique des CDR
 Rapidité de mise à disposition des données
 Simplification des oracles de tests
 Transparence des formats et valorisation technique des CDR
Vérifier les règles de valorisation …
JFTL 2014: Rôle et apports de la génération de données dans le Test
Solution
 Etablir des profils de comportement paramétrables par type de contrat
 Simuler des usages en générant les traces d’appel (CDR)
JFTL 2014: Rôle et apports de la génération de données dans le Test
Cas d’usage : un autre opérateur Telecom
leader en Europe (2/2)
14-6-20 12
Enjeux client
 Valider des algorithmes analytiques permettant d’optimiser le
positionnement d’antennes en fonction des usages
 Agilité et coûts : test d’un scenario en moins de 15 minutes
 Tests en taille significative, jusqu’à taille réelle
 Simulation prospective
 Agilité et coûts : test d’un scenario en moins de 15 minutes
 Tests en taille significative, jusqu’à taille réelle
 Simulation prospective
… vers les problématiques de Big Data
!
Défis
 Evénements « minute par minute » de plus de 2000
usagers sur 6 mois
 Plus de 10 types de services et 10 profils d’usage
 Déplacements avec des centres d’attraction mouvants
15 millions
d’événements par
simulation
Solution
 Faire évoluer les profils d’usage pour y inclure la mobilité
 Retrouver les motifs de comportement utilisés par le générateur via les
algorithmes à tester
Cas d’usage : un éditeur du secteur bancaire
14-6-20 13
Enjeux client
 Valider un algorithme de détection de transactions SWIFT portant
sur des personnes blacklistées (OFAC SDN List)
!
Défis
 Mise à jour fréquente des listes noires
 Nombreuses combinaisons de mutations à tester
 Qualification de chacune des règles du filtre
Qualifier les outils de lutte contre le blanchiment d‘argent
 15 750 000 messages
SWIFT différents générés
 Disponibles en seulement
quelques minutes
 15 750 000 messages
SWIFT différents générés
 Disponibles en seulement
quelques minutes
JFTL 2014: Rôle et apports de la génération de données dans le Test
Solution
Génération de données : un élément clé pour
l’industrialisation de la gestion des données
14-6-20
La génération de données
 Création de données absentes
 Simulation des comportements
 Couverture plus large des tests
 Réduction des coûts de production
La génération de données
 Création de données absentes
 Simulation des comportements
 Couverture plus large des tests
 Réduction des coûts de production
Solution de service
 Reconnaître le rôle des JdD dans les difficultés des tests
 Faire face à la résistance au changement vis-à-vis de la génération
 Responsabiliser l’utilisateur sur son rôle de pilote de la qualité des données
 Reconnaître le rôle des JdD dans les difficultés des tests
 Faire face à la résistance au changement vis-à-vis de la génération
 Responsabiliser l’utilisateur sur son rôle de pilote de la qualité des données!
 Une intégration des processus et outils
14 JFTL 2014: Rôle et apports de la génération de données dans le Test
 2 besoins : données
statiques et dynamiques
 2 technologies : extraction
et génération
www.steria.com
JFTL 2014: Rôle et apports de la
génération de données dans le Test
Q&R – Merci pour votre attention

Más contenido relacionado

Destacado

3056 CIC eFlyer 2015
3056 CIC eFlyer 20153056 CIC eFlyer 2015
3056 CIC eFlyer 2015Aung Myat
 
5530: Chapter 7
5530: Chapter 75530: Chapter 7
5530: Chapter 7bodo-con
 
IJPC2015 D問題解説
IJPC2015 D問題解説IJPC2015 D問題解説
IJPC2015 D問題解説yokozuna57
 
The Fallacy of Women Entrepreneurship in the MENA Region
The Fallacy of Women Entrepreneurship in the MENA RegionThe Fallacy of Women Entrepreneurship in the MENA Region
The Fallacy of Women Entrepreneurship in the MENA RegionEconomic Research Forum
 
Introduction to Nanotechnology: Part 4
Introduction to Nanotechnology:  Part 4Introduction to Nanotechnology:  Part 4
Introduction to Nanotechnology: Part 4glennfish
 
10+ Steps to Scaling Your Cheer Squad - Entrepreneurship 101
10+ Steps to Scaling Your Cheer Squad - Entrepreneurship 10110+ Steps to Scaling Your Cheer Squad - Entrepreneurship 101
10+ Steps to Scaling Your Cheer Squad - Entrepreneurship 101MaRS Discovery District
 
From targets of charity to citizens? Emerging lessons on gender-responsive so...
From targets of charity to citizens? Emerging lessons on gender-responsive so...From targets of charity to citizens? Emerging lessons on gender-responsive so...
From targets of charity to citizens? Emerging lessons on gender-responsive so...Economic Research Forum
 
Logo Design Tips
Logo Design TipsLogo Design Tips
Logo Design Tips199.design
 

Destacado (13)

3056 CIC eFlyer 2015
3056 CIC eFlyer 20153056 CIC eFlyer 2015
3056 CIC eFlyer 2015
 
bisnis sistik sayuran
bisnis sistik sayuranbisnis sistik sayuran
bisnis sistik sayuran
 
Screenplay: Final
Screenplay: FinalScreenplay: Final
Screenplay: Final
 
Ghanshyam padshala
Ghanshyam padshalaGhanshyam padshala
Ghanshyam padshala
 
5530: Chapter 7
5530: Chapter 75530: Chapter 7
5530: Chapter 7
 
IJPC2015 D問題解説
IJPC2015 D問題解説IJPC2015 D問題解説
IJPC2015 D問題解説
 
The Fallacy of Women Entrepreneurship in the MENA Region
The Fallacy of Women Entrepreneurship in the MENA RegionThe Fallacy of Women Entrepreneurship in the MENA Region
The Fallacy of Women Entrepreneurship in the MENA Region
 
Introduction to Nanotechnology: Part 4
Introduction to Nanotechnology:  Part 4Introduction to Nanotechnology:  Part 4
Introduction to Nanotechnology: Part 4
 
10+ Steps to Scaling Your Cheer Squad - Entrepreneurship 101
10+ Steps to Scaling Your Cheer Squad - Entrepreneurship 10110+ Steps to Scaling Your Cheer Squad - Entrepreneurship 101
10+ Steps to Scaling Your Cheer Squad - Entrepreneurship 101
 
liver injury
liver injuryliver injury
liver injury
 
Data Logging
 Data Logging Data Logging
Data Logging
 
From targets of charity to citizens? Emerging lessons on gender-responsive so...
From targets of charity to citizens? Emerging lessons on gender-responsive so...From targets of charity to citizens? Emerging lessons on gender-responsive so...
From targets of charity to citizens? Emerging lessons on gender-responsive so...
 
Logo Design Tips
Logo Design TipsLogo Design Tips
Logo Design Tips
 

Similar a STERIA - JFTL 2014 v9

Talend, Leading Open Source DataIntegration plateform. Cedric Carbone
Talend, Leading Open Source DataIntegration plateform. Cedric CarboneTalend, Leading Open Source DataIntegration plateform. Cedric Carbone
Talend, Leading Open Source DataIntegration plateform. Cedric CarboneCedric CARBONE
 
IBM Information Management - Pas de décision de qualité sans informations de ...
IBM Information Management - Pas de décision de qualité sans informations de ...IBM Information Management - Pas de décision de qualité sans informations de ...
IBM Information Management - Pas de décision de qualité sans informations de ...Nicolas Desachy
 
Session découverte de la Logical Data Fabric soutenue par la Data Virtualization
Session découverte de la Logical Data Fabric soutenue par la Data VirtualizationSession découverte de la Logical Data Fabric soutenue par la Data Virtualization
Session découverte de la Logical Data Fabric soutenue par la Data VirtualizationDenodo
 
Denodo, pilier central de votre stratégie API
Denodo, pilier central de votre stratégie APIDenodo, pilier central de votre stratégie API
Denodo, pilier central de votre stratégie APIDenodo
 
Session découverte de la Logical Data Fabric soutenue par la Data Virtualization
Session découverte de la Logical Data Fabric soutenue par la Data VirtualizationSession découverte de la Logical Data Fabric soutenue par la Data Virtualization
Session découverte de la Logical Data Fabric soutenue par la Data VirtualizationDenodo
 
20070320 04 - Plateforme d'integration continue (PSA)
20070320 04 - Plateforme d'integration continue (PSA)20070320 04 - Plateforme d'integration continue (PSA)
20070320 04 - Plateforme d'integration continue (PSA)LeClubQualiteLogicielle
 
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...Excelerate Systems
 
SQL Server et les développeurs
SQL Server et les développeurs SQL Server et les développeurs
SQL Server et les développeurs Microsoft
 
20120124 05 - Le Model-based Testing aujourd'hui (Inria)
20120124 05 - Le Model-based Testing aujourd'hui (Inria)20120124 05 - Le Model-based Testing aujourd'hui (Inria)
20120124 05 - Le Model-based Testing aujourd'hui (Inria)LeClubQualiteLogicielle
 
Apprentissage automatique avec RapidMiner
Apprentissage automatique avec RapidMinerApprentissage automatique avec RapidMiner
Apprentissage automatique avec RapidMinerMajdi Hannachi
 
2009-02-12 DAT211 Prendre ou reprendre le contrôle de vos instances SQL Serve...
2009-02-12 DAT211 Prendre ou reprendre le contrôle de vos instances SQL Serve...2009-02-12 DAT211 Prendre ou reprendre le contrôle de vos instances SQL Serve...
2009-02-12 DAT211 Prendre ou reprendre le contrôle de vos instances SQL Serve...Patrick Guimonet
 
JSS2014 - StreamInsight
JSS2014 - StreamInsightJSS2014 - StreamInsight
JSS2014 - StreamInsightGUSS
 
2008-09-30 Présentation Générale SQL Server 2008
2008-09-30 Présentation Générale SQL Server 20082008-09-30 Présentation Générale SQL Server 2008
2008-09-30 Présentation Générale SQL Server 2008Patrick Guimonet
 
Adoption incrémentale des tests dans VS ALM
Adoption incrémentale des tests dans VS ALMAdoption incrémentale des tests dans VS ALM
Adoption incrémentale des tests dans VS ALMGrégory Ott
 
Tra optimiser preparation_tests_v1
Tra optimiser preparation_tests_v1Tra optimiser preparation_tests_v1
Tra optimiser preparation_tests_v1SQLI
 

Similar a STERIA - JFTL 2014 v9 (20)

X-Datatest - FR
X-Datatest - FRX-Datatest - FR
X-Datatest - FR
 
Talend, Leading Open Source DataIntegration plateform. Cedric Carbone
Talend, Leading Open Source DataIntegration plateform. Cedric CarboneTalend, Leading Open Source DataIntegration plateform. Cedric Carbone
Talend, Leading Open Source DataIntegration plateform. Cedric Carbone
 
Informatica 9 pervasive dq
Informatica 9 pervasive dqInformatica 9 pervasive dq
Informatica 9 pervasive dq
 
IBM Information Management - Pas de décision de qualité sans informations de ...
IBM Information Management - Pas de décision de qualité sans informations de ...IBM Information Management - Pas de décision de qualité sans informations de ...
IBM Information Management - Pas de décision de qualité sans informations de ...
 
Session découverte de la Logical Data Fabric soutenue par la Data Virtualization
Session découverte de la Logical Data Fabric soutenue par la Data VirtualizationSession découverte de la Logical Data Fabric soutenue par la Data Virtualization
Session découverte de la Logical Data Fabric soutenue par la Data Virtualization
 
Denodo, pilier central de votre stratégie API
Denodo, pilier central de votre stratégie APIDenodo, pilier central de votre stratégie API
Denodo, pilier central de votre stratégie API
 
Session découverte de la Logical Data Fabric soutenue par la Data Virtualization
Session découverte de la Logical Data Fabric soutenue par la Data VirtualizationSession découverte de la Logical Data Fabric soutenue par la Data Virtualization
Session découverte de la Logical Data Fabric soutenue par la Data Virtualization
 
20070320 04 - Plateforme d'integration continue (PSA)
20070320 04 - Plateforme d'integration continue (PSA)20070320 04 - Plateforme d'integration continue (PSA)
20070320 04 - Plateforme d'integration continue (PSA)
 
SIP@iPLM2015
SIP@iPLM2015SIP@iPLM2015
SIP@iPLM2015
 
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
Enterprise Data Hub - La Clé de la Transformation de la Gestion de Données d'...
 
SQL Server et les développeurs
SQL Server et les développeurs SQL Server et les développeurs
SQL Server et les développeurs
 
20120124 05 - Le Model-based Testing aujourd'hui (Inria)
20120124 05 - Le Model-based Testing aujourd'hui (Inria)20120124 05 - Le Model-based Testing aujourd'hui (Inria)
20120124 05 - Le Model-based Testing aujourd'hui (Inria)
 
Apprentissage automatique avec RapidMiner
Apprentissage automatique avec RapidMinerApprentissage automatique avec RapidMiner
Apprentissage automatique avec RapidMiner
 
2009-02-12 DAT211 Prendre ou reprendre le contrôle de vos instances SQL Serve...
2009-02-12 DAT211 Prendre ou reprendre le contrôle de vos instances SQL Serve...2009-02-12 DAT211 Prendre ou reprendre le contrôle de vos instances SQL Serve...
2009-02-12 DAT211 Prendre ou reprendre le contrôle de vos instances SQL Serve...
 
JSS2014 - StreamInsight
JSS2014 - StreamInsightJSS2014 - StreamInsight
JSS2014 - StreamInsight
 
Dev ops Monitoring
Dev ops   MonitoringDev ops   Monitoring
Dev ops Monitoring
 
2008-09-30 Présentation Générale SQL Server 2008
2008-09-30 Présentation Générale SQL Server 20082008-09-30 Présentation Générale SQL Server 2008
2008-09-30 Présentation Générale SQL Server 2008
 
Adoption incrémentale des tests dans VS ALM
Adoption incrémentale des tests dans VS ALMAdoption incrémentale des tests dans VS ALM
Adoption incrémentale des tests dans VS ALM
 
Adoption incrémentale des tests dans VS ALM
Adoption incrémentale des tests dans VS ALMAdoption incrémentale des tests dans VS ALM
Adoption incrémentale des tests dans VS ALM
 
Tra optimiser preparation_tests_v1
Tra optimiser preparation_tests_v1Tra optimiser preparation_tests_v1
Tra optimiser preparation_tests_v1
 

STERIA - JFTL 2014 v9

  • 1. www.steria.com JFTL 2014: Rôle et apports de la génération de données dans le Test 01.04.2014 – J.L. Pacherie & G. Rols
  • 2. Données de test : douleurs et motivations 14-6-20 2 SOLUTION DE SERVICE INDUSTRIALISEE SOLUTION DE SERVICE INDUSTRIALISEE COÛTS QUALITE DELAIS JFTL 2014: Rôle et apports de la génération de données dans le Test
  • 3. Données de test : retour d’expérience Steria 14-6-20 3 Besoins  Une intégration des outils de jeux de données (JdD) dans la chaîne des outils de test  Une approche fonctionnelle de la production des jeux de données  Un pilotage par le besoin et non par les contraintes  Une couverture du besoin de création Savoir-faire  Echantillonner de manière cohérente des bases de différents systèmes d’un même SI  Extraire des données ciblées sur des besoins fonctionnels  Assurer la sécurité et la confidentialité des données. JFTL 2014: Rôle et apports de la génération de données dans le Test
  • 4. Préconisation : organisation d’une cellule de JdD Les Fonctions Support à l’usage des données en hors prod Gérer et consolider les demandes Gérer le patrimoine de référentiels et d’outils Données statiques Extraction de production Données dynamiques Génération de données Intégrer la génération dans une solution de service Gestion de la Capitalisation Dynamique Gestion des Demandes (catalogue de service) Statique Extraction Support & Traçabilité Testeur Testeur Testeur Gestion de la Capitalisation Testeur Génération ProfilageProfilage ModélisationModélisation CertificationCertification CiblageCiblage AnonymisationAnonymisation EchantillonnageEchantillonnage 11 22 33 44 55 414-6-20 JFTL 2014: Rôle et apports de la génération de données dans le Test
  • 5. Objectifs de la génération dans la solution 14-6-20 5 COÛTS QUALITEDELAIS  Réduire les délais de mise à disposition des données de tests  S’affranchir de la dépendance aux environnements de production  Industrialiser les travaux de création de données  Réduire les délais de mise à disposition des données de tests  S’affranchir de la dépendance aux environnements de production  Industrialiser les travaux de création de données  Simuler des comportements complexes: dynamique des données  Créer les données indisponibles en production  Homogénéiser la création des jeux de données des tests manuels  Variabiliser les scripts d’automatisation Production de données de Test vs Production des données des tests La génération n’est en aucun cas liée au hasard JFTL 2014: Rôle et apports de la génération de données dans le Test
  • 6. Génération de données dynamiques (1/2) 14-6-20 6 • Initialiser les plateformes • Provisionner des données qui n’existent pas en production • Provisionner des états du système ENJEUXENJEUX • Plus de liberté et d’agilité • Possibilité de créer des situations inobservées • Coût de production minimes GAINSGAINS SOLUTIONSOLUTION • Intégrer une ou plusieurs interfaces d’injection • Modéliser dans les générateurs les contraintes • Assurer des points de paramétrage  Maitriser le processus de modélisation de la qualité des données pour la génération  Disposer d’interfaces d’injection opérationnelles sur la plateforme de test  S’assurer des mécanismes de propagation de la création de données dans un système multi-applicatif  Maitriser le processus de modélisation de la qualité des données pour la génération  Disposer d’interfaces d’injection opérationnelles sur la plateforme de test  S’assurer des mécanismes de propagation de la création de données dans un système multi-applicatif! Créer des données socles JFTL 2014: Rôle et apports de la génération de données dans le Test
  • 7. Génération de données dynamiques (2/2) 14-6-20 7 • Simuler les comportements pour disposer des séquences d’événements ENJEUXENJEUX • Une approche métier • Tester des cinématiques complexes • Le coût est proportionnel à la complexité de modélisation du profil GAINSGAINS SOLUTIONSOLUTION • Modéliser les événements • Analyser le réalisme de chaque événement • Contrôler la séquence et les corrélations entre les événements d’une séquence  L’outillage d’injection et de génération doivent être coordonnés.  La production de séquence doit se faire sur des données en base (clients connus du système, produits au catalogue, etc.) et nécessite la constitution de référentiel de données transverses.  L’outillage d’injection et de génération doivent être coordonnés.  La production de séquence doit se faire sur des données en base (clients connus du système, produits au catalogue, etc.) et nécessite la constitution de référentiel de données transverses.! Créer des événements sur des profils de comportements JFTL 2014: Rôle et apports de la génération de données dans le Test
  • 8. Atelier en ligne pour la génération des données 14-6-20 8 ISDN N° INSEE I BAN ADRESSE DATE HEURE Permet de concevoir et exécuter des générateurs à partir de règles prédéfinies que l’on peut assembler librement JFTL 2014: Rôle et apports de la génération de données dans le Test Moteur de génération de données : GEDIS Studio
  • 9. Solution collaborative pour la génération de données Espace Projet 1 Espace Projet 2 Espace Projet 3 Espace Partagé Les utilisateurs et les administrateurs n’ont pas besoin d’être sur le même site. L’intervention d’experts / support est facilitée Les utilisateurs et les administrateurs n’ont pas besoin d’être sur le même site. L’intervention d’experts / support est facilitée Testeur Chaque projet sélectionne les générateurs et données de référence qui conviennent à son objectif de test ET produit ses données Chaque projet sélectionne les générateurs et données de référence qui conviennent à son objectif de test ET produit ses données La cellule JdD publie des générateurs et des données de référence dans un espace partagé qu’elle administre La cellule JdD publie des générateurs et des données de référence dans un espace partagé qu’elle administre Générateurs Générateurs Générateurs Générateurs Générateurs 914-6-20 JFTL 2014: Rôle et apports de la génération de données dans le Test Générateurs Générateurs FRANCE POLOGNE INDE
  • 10. Génération de données : bonnes pratiques 14-6-20 10 Simuler des modèles de réalisme et non pas la réalité Procéder par étapes JFTL 2014: Rôle et apports de la génération de données dans le Test Rechercher la donnée pivot (structure et qualité des données) Configurer de manière fonctionnelle les générateurs
  • 11. Cas d’usage : un opérateur Telecom leader en Europe (1/2) 14-6-20 11 Enjeux client  Vérifier les règles de valorisation d’un usage multi-services (voix, SMS, data) en fonction du contrat et des options souscrites ! Défis  Variantes des options sur les contrats impactant le calcul  Variantes des usages (appels surtaxés, internationaux, gratuits, etc.)  Gestion des horodatages, multi-formats, clients brûlés, etc.  Rapidité de mise à disposition des données  Simplification des oracles de tests  Transparence des formats et valorisation technique des CDR  Rapidité de mise à disposition des données  Simplification des oracles de tests  Transparence des formats et valorisation technique des CDR Vérifier les règles de valorisation … JFTL 2014: Rôle et apports de la génération de données dans le Test Solution  Etablir des profils de comportement paramétrables par type de contrat  Simuler des usages en générant les traces d’appel (CDR)
  • 12. JFTL 2014: Rôle et apports de la génération de données dans le Test Cas d’usage : un autre opérateur Telecom leader en Europe (2/2) 14-6-20 12 Enjeux client  Valider des algorithmes analytiques permettant d’optimiser le positionnement d’antennes en fonction des usages  Agilité et coûts : test d’un scenario en moins de 15 minutes  Tests en taille significative, jusqu’à taille réelle  Simulation prospective  Agilité et coûts : test d’un scenario en moins de 15 minutes  Tests en taille significative, jusqu’à taille réelle  Simulation prospective … vers les problématiques de Big Data ! Défis  Evénements « minute par minute » de plus de 2000 usagers sur 6 mois  Plus de 10 types de services et 10 profils d’usage  Déplacements avec des centres d’attraction mouvants 15 millions d’événements par simulation Solution  Faire évoluer les profils d’usage pour y inclure la mobilité  Retrouver les motifs de comportement utilisés par le générateur via les algorithmes à tester
  • 13. Cas d’usage : un éditeur du secteur bancaire 14-6-20 13 Enjeux client  Valider un algorithme de détection de transactions SWIFT portant sur des personnes blacklistées (OFAC SDN List) ! Défis  Mise à jour fréquente des listes noires  Nombreuses combinaisons de mutations à tester  Qualification de chacune des règles du filtre Qualifier les outils de lutte contre le blanchiment d‘argent  15 750 000 messages SWIFT différents générés  Disponibles en seulement quelques minutes  15 750 000 messages SWIFT différents générés  Disponibles en seulement quelques minutes JFTL 2014: Rôle et apports de la génération de données dans le Test Solution
  • 14. Génération de données : un élément clé pour l’industrialisation de la gestion des données 14-6-20 La génération de données  Création de données absentes  Simulation des comportements  Couverture plus large des tests  Réduction des coûts de production La génération de données  Création de données absentes  Simulation des comportements  Couverture plus large des tests  Réduction des coûts de production Solution de service  Reconnaître le rôle des JdD dans les difficultés des tests  Faire face à la résistance au changement vis-à-vis de la génération  Responsabiliser l’utilisateur sur son rôle de pilote de la qualité des données  Reconnaître le rôle des JdD dans les difficultés des tests  Faire face à la résistance au changement vis-à-vis de la génération  Responsabiliser l’utilisateur sur son rôle de pilote de la qualité des données!  Une intégration des processus et outils 14 JFTL 2014: Rôle et apports de la génération de données dans le Test  2 besoins : données statiques et dynamiques  2 technologies : extraction et génération
  • 15. www.steria.com JFTL 2014: Rôle et apports de la génération de données dans le Test Q&R – Merci pour votre attention