Daisy Suite

Le trasformazioni che i Sistemi Informativi costantemente subiscono, come riflesso di frequenti e significative variazioni di assetto dell’impresa, evidenziano sempre maggiori esigenze di nuovi ambienti di prova che siano esaustivi dal punto di vista dei dati.

Spesso, per garantire la completezza funzionale del test, si ricorre alla creazione di basi dati speculari alla produzione, causando notevoli consumi di risorse.

Un “Subsetting” funzionalmente esaustivo e un “Data Masking” volto al pieno rispetto della riservatezza delle informazioni personali costituiscono la soluzione ottimale anche in osservanza delle normative nazionali e internazionali sempre più severe con riguardo alla privacy, al fine di impedire il riconoscimento dei soggetti anagrafici e di altri dati riservati da parte di personale interno ed esterno.

La soluzione Daisy Suite

Daisy Suite è la soluzione multipiattaforma che risponde in modo completo alle esigenze di Data Subsetting e Masking, garantendo in tutte le fasi di predisposizione delle basi dati di test un supporto tecnologico in grado di facilitare e accelerare le attività di definizione e attuazione dei processi, grazie al drastico abbattimento della manualità che in genere si riscontra in un tradizionale contesto di realizzazione “self made”.
Daisy porta ad un approccio standard, basato sulla conoscenza dei dati e applicabile ai diversi comparti potenzialmente coinvolti: Applicativo, Data e DB Administration, Operation.

L’interfaccia web e la navigazione intuitiva ne facilitano la fruibilità da parte degli utenti che, costruendo in modo interattivo i processi di riduzione e le regole di mascheratura dei dati, si trovano a documentare il proprio modello di subsetting e masking, pronto a essere attuato e ripetuto secondo le specifiche esigenze.

Obiettivi e Funzionalità

Il Repository
centrale del tool contiene gli elementi descrittivi degli archivi (relazionali: DB2/Oracle/SQLServer – File: text fixed record, csv, Vsam, Sequenziali, …) e gli elementi di definizione dei processi che su di essi agiscono, codificati in formato atomico, utilizzabili nelle varie fasi del progetto di subsetting e/o data masking:

  • La fase amministrativa, che consente all’utente di “istruire” Daisy, alimentandone il Repository, secondo un principio di minimizzazione degli interventi manuali. I numerosi “wizard” disponibili permettono di automatizzare operazioni ripetitive quali il discovery della definizione degli archivi e delle loro relazioni o la generazione massiva di processi di replica o di estrazione. In questa fase si definiscono altresì le regole di masking.
  • La fase dispositiva, che prevede la personalizza-zione e generazione automatica degli script batch orientati alla piattaforma di esecuzione (sistema operativo e DBMS)
  • La fase attuativa, in cui i batch generati vengono eseguiti da “process engines” specializzati per piattaforma, secondo le periodicità prestabilite o su richiesta utente.

Subsetting:
Daisy prevede diverse strategie di riduzione dei dati nel rispetto degli obiettivi di completezza e coerenza richiesti:

  • selezione in base a filtri generalizzati effettuati su metadati tramite valori specifici o liste di valori
  • selezione basata su “Driver Table”, e guidata da “chiavi” estratte da processi di subsetting di livello superiore
  • selezione basata su filtri complessi definiti dall’utente amministratore
  • replica totale (per a classi particolari di archivi, es.: tabelle di dominio)

Masking:
Daisy dispone di un proprio potente linguaggio per la definizione delle regole di masking, ed è caratterizzato da:

  • funzioni native di mascheramento per campi di tipologia standard (Codice Fiscale/ Partita Iva /Numero Carta di Credito/Codici univoci/Date/…)
  • lookup tables per la personalizzazione del masking di campi testuali non chiave (Nomì/Cognomi /Denominazioni societarie /Località /Indirizzi…)
  • mascheramento contestuale all’estrazione dei dati, per un più completo rispetto della privacy.
  • Data Meaning Discovery per il riconoscimento automatico del dominio dei dati

I dati soggetti a masking rispettano importanti requisiti della trasformazione:

  • Ripetibilità: la stessa trasformazione riproduce nel tempo lo stesso risultato a parità di condizioni
  • Coerenza: mantenimento della relazione funzionale tra dati, ad esempio la relazione tra Cognome, Nome, Data di nascita e Codice fiscale
  • Verosimiglianza: i dati mascherati risultano realistici rispetto all’originale
  • Omogeneità cross-platform: dati di piattaforme diverse possono essere mascherati in modo omogeneo e coerente
  • Irreversibilità del mascheramento: si rende impossibile risalire al dato originale.

Benefici

  • Unico punto di accesso nella gestione multi-piattaforma (approccio uniforme z/os – LUW)
  • Gestione semplificata delle procedure classiche di subsetting
  • Linguaggio versatile per il masking
  • Alta flessibilità e approccio modulare alle problematiche
  • Nessuna esigenza di scrivere codice ad hoc
  • Impegno contenuto per la manutenzione dei processi.