Datos ficticios para pruebas: por qué no usar datos reales

PublicadoHerramientaGenerador de datos ficticios

Contenido
  1. Hasta dónde llegan los datos de producción cuando los copias
  2. Cómo comprobar si los datos de prueba que usas ahora contienen valores reales
  3. Reglas para generar valores que no existen
  4. Errores frecuentes al generar datos
  5. En resumen
  6. Preguntas frecuentes

Cuando necesitas datos para un entorno de desarrollo o de QA, la vía más rápida es copiar algunos registros de la base de datos de producción. Pero a partir de ese momento, los nombres y los datos de contacto de personas reales empiezan a circular fuera de producción.

En resumen: para las pruebas debes usar valores que no existan. Por suerte, las reglas para crear «valores que parecen reales pero nunca han existido» están en gran parte definidas en estándares, así que no hace falta inventarlas: basta con seguirlas.

Resumen ① Los datos reales se replican a través de la base de datos de staging, los logs, los informes de errores y los artefactos de CI, y una vez que se han propagado es difícil reconstruir hasta dónde han llegado. ② Para los correos y los dominios se usan los nombres reservados por la RFC 2606. example.com, example.net y example.org, junto con .test, .example, .invalid y .localhost, no están asignados a nadie. ③ Los nombres y las direcciones se combinan al azar a partir de listas de candidatos, y los UUID se generan con crypto.randomUUID() desde el navegador.

Hasta dónde llegan los datos de producción cuando los copias

El problema no termina cuando copias los datos y los metes en la base de datos de desarrollo. Esos datos siguen replicándose por rutas que el desarrollador no tenía previstas.

Las cinco rutas de replicación más habituales son:

  • Archivos de volcado de la base de datos de staging
  • Informes de errores con datos adjuntos para reproducir un fallo
  • Capturas de pantalla hechas en local y subidas a un chat
  • Artefactos de prueba que deja CI
  • Archivos seed (semilla) incluidos en un commit del repositorio

Y hay una más: son valores que conectan con la realidad. Si el código de prueba envía un correo o un SMS por error, quien lo recibe es un cliente real.

Cuánto puedes tratar los datos personales depende del país, el sector y el contrato. Este artículo no toma esa decisión por ti: solo explica cómo comprobar si se han colado valores reales y cómo generar valores que no puedan coincidir con ellos.

Cómo comprobar si los datos de prueba que usas ahora contienen valores reales

Lo más rápido es empezar por los archivos seed que ya tienes dando vueltas. Hay cosas que puedes comprobar sin abrir ni un solo archivo.

1) Reúne todos los dominios de correo. Da igual si trabajas con CSV o JSON: basta con una línea en la terminal.

grep -oE '@[A-Za-z0-9._-]+' seed.csv | sort -u

Si aparece el dominio de tu empresa o el de un servicio de correo real, esos valores son direcciones que pueden llegar a alguien. Lo seguro es que solo queden dominios reservados.

2) Fíjate en si los teléfonos tienen un formato real. Aunque el número se haya generado al azar, puede coincidir con uno que esté activo en una operadora. Si vas a hacer pruebas de envío, lo más fiable es bloquear el propio canal de envío, no el número.

3) Comprueba si la combinación identifica a una persona. Aunque ocultes el nombre, si la fecha de nacimiento, la dirección y la empresa aparecen juntas, se puede acotar hasta dar con una persona concreta. El enmascaramiento borra columnas, pero no elimina las combinaciones.

4) Comprueba si puedes explicar de dónde salió. Si no puedes responder al momento a «¿de dónde ha salido este archivo?», es muy probable que venga de un volcado de producción.

Reglas para generar valores que no existen

A partir de aquí toca crearlos. Puedes hacerlo a mano y sin herramientas.

Correos y dominios: usa nombres reservados

La RFC 2606 reserva tres dominios de segundo nivel para documentación y ejemplos: example.com, example.net y example.org. Puedes usarlos como ejemplo sin necesidad de consultarlo con nadie.

También hay cuatro dominios de nivel superior reservados. .test sirve para probar código relacionado con DNS, .example para documentación y ejemplos, .invalid para nombres que deben ser inválidos sin excepción, y .localhost para loopback.

Por eso, el correo de una cuenta de prueba puede ser user001@example.com. Aunque se envíe por error, no habrá ningún destinatario real.

Nombres, teléfonos y direcciones: combina listas de candidatos

Aquí no hay ningún estándar. Basta con tener en arrays los apellidos, los nombres, los distritos y los nombres de calles, y elegir combinaciones al azar. Pega lo siguiente en la consola de las herramientas de desarrollo del navegador (normalmente F12) y lo tendrás al momento.

const SUR = ["김", "이", "박", "최", "정"];
const GIV = ["민준", "서연", "도윤", "하은", "지우"];
const pick = (a) => a[Math.floor(Math.random() * a.length)];
const p4 = () => String(Math.floor(Math.random() * 10000)).padStart(4, "0");
const rows = Array.from({ length: 10 }, (_, i) => ({
  id: i + 1,
  name: pick(SUR) + pick(GIV),
  email: "user" + String(i + 1).padStart(3, "0") + "@example.com",
  phone: "010-" + p4() + "-" + p4(),
}));
console.log(JSON.stringify(rows, null, 2));

Hay algo que no debes generar: números de identificación cuyas reglas de validación son públicas, como el número de registro de residente coreano o los números de tarjeta. Si ajustas el formato, pueden coincidir con un número realmente emitido y, en cuanto coinciden, ya no son datos falsos.

Los UUID los genera el navegador

Si necesitas un identificador, un UUID es cómodo. Ejecuta crypto.randomUUID() en la consola y obtendrás un UUID de versión 4 cada vez.

Esta API solo está disponible en contextos seguros. Funciona en páginas https y en localhost, pero en una dirección http servida desde una IP interna puede que te diga que la función no existe.

Un UUID tiene 128 bits en total, y en la versión 4 122 bits son aleatorios. Los otros 6 bits quedan fijos en los campos de versión y de variante (RFC 9562). Ese campo de versión es la razón de que el tercer bloque empiece siempre por 4.

El problema es que tienes que encadenar estos métodos cada vez. Si añades un campo o quieres cambiar la salida a CSV, tienes que volver a tocar el código.

Pruébalo con nuestro Generador de datos ficticios. Elige cuántos registros quieres generar (de 1 a 500) y marca los campos que quieres incluir; obtendrás JSON o CSV al momento, con botones para copiar y descargar el archivo.

Generador de datos ficticios

Se genera al instante en el navegador, sin instalar nada ni registrarte, y los datos creados no se envían al servidor.

La herramienta genera 12 tipos de campos: número (id), nombre, sexo, fecha de nacimiento, edad, correo electrónico, teléfono, dirección, empresa, profesión, usuario y UUID. Al principio hay cinco activados: número, nombre, correo electrónico, teléfono y dirección.

Cada vez que pulses «🎲 Generar de nuevo» se crea un conjunto completamente distinto. La lista no incluye números de registro de residente ni números de tarjeta por el motivo que ya hemos visto.

Errores frecuentes al generar datos

SituaciónQué hacer
Pruebas con envíos reales (correo o SMS)Cambia el dominio del correo a example.com o .invalid y bloquea el propio canal de envío
Sustituir los datos reales por datos enmascaradosLa combinación de campos puede volver a identificar a la persona, así que es más sencillo generar valores inexistentes desde el principio
Cuando necesitas números aleatorios para seguridadLos UUID de los datos de prueba sirven solo para mostrar. Para tokens y claves secretas usa una API de números aleatorios criptográficos como crypto.randomUUID()
Archivos seed que vas a incluir en un commit del repositorioDeja en un comentario del archivo si lo creó una persona a mano o si es un volcado de producción
Capturas de pantalla y material de presentaciónComprueba visualmente que los valores que aparecen en pantalla son generados

Los correos que genera la herramienta usan dominios de servicios reales como gmail.com o naver.com. Para usos en los que el valor tiene que «parecer creíble», como un mockup de pantalla, esta opción es la adecuada.

Ahora bien, si la prueba puede acabar enviando algo de verdad, lo más seguro es sustituir solo la parte del dominio por un dominio reservado. Descarga el CSV y reemplaza en bloque todo lo que va después de la @ en la columna de correo.

En resumen

  • Mover datos de producción a las pruebas hace que se sigan replicando a través de volcados de base de datos, logs, informes y artefactos, y que puedan llegar a destinatarios reales.
  • Revisa los archivos seed que ya tienes con cuatro comprobaciones: la lista de dominios de correo, el formato de los teléfonos, la combinación de campos y el origen.
  • Para los correos, usa example.com, example.net y example.org, reservados por la RFC 2606; para los dominios, .test, .example, .invalid y .localhost.
  • Para nombres y direcciones basta con combinar listas de candidatos al azar, y para los identificadores puedes usar UUID de versión 4.
  • No generes números con formato válido cuyas reglas de validación sean públicas, como números de registro de residente o números de tarjeta.
Generador de datos ficticios

Se genera al instante en el navegador, sin instalar nada ni registrarte, y los datos creados no se envían al servidor.

Preguntas frecuentes

¿No basta con enmascarar los datos reales y usarlos así?

El enmascaramiento es una operación que oculta columna por columna, y no elimina las combinaciones que se pueden hacer con las columnas que quedan. Aunque ocultes el nombre, si junto a él siguen la fecha de nacimiento, la dirección, el lugar de trabajo y la fecha de registro, se puede acotar hasta identificar a una persona concreta. Si desde el principio generas valores que no existen, ya no necesitas hacer esa valoración y, al final, te ahorras trabajo.

¿Puedo enviar mensajes reales a los números de teléfono generados?

No te lo recomiendo. Un número aleatorio que empieza por 010- tiene el mismo formato que un número real, así que puede coincidir con uno que esté dado de alta. Cuando pruebes la lógica de envío, en lugar de cambiar el número, lo más fiable es sustituir el adaptador de envío por una implementación de prueba o bloquear directamente cualquier envío externo en el entorno de staging.

¿Por qué usar sí o sí example.com como dominio de correo?

Porque la RFC 2606 reserva example.com·example.net·example.org para documentación y ejemplos. Son nombres que no se asignan a nadie, así que aunque un correo se envíe por error, no llega a ningún usuario real. Si necesitas un valor que no pueda ser válido en ningún caso, puedes usar el dominio de nivel superior .invalid.

¿Los datos generados se envían a algún servidor?

No. La generación de datos de esta herramienta se hace por completo dentro del navegador, y los registros creados no se envían ni se guardan en ningún servidor. Copiar o descargar se limita a exportar tal cual los valores que el navegador ya ha generado en pantalla.

Este artículo está adaptado de nuestro original en coreano. Leer el original en coreano

Artículos relacionados

  1. Nombres de usuario que no estén en uso: cómo crearlosPor qué tu nombre de usuario aparece como ya en uso y cómo combinar adjetivo, sustantivo y número para generar varios apodos distintos de una vez.
  2. UUID v4: estructura de 122 bits y probabilidad de duplicadoPor qué un UUID v4 siempre se corta en 8-4-4-4-12, qué significan el 4 y el 8/9/a/b, y cuál es la probabilidad real de que se repita.
  3. QR de contacto vCard: cómo se guarda el contacto al escanearUn QR de contacto lleva el texto vCard, no una URL: al escanearlo se abre la pantalla de nuevo contacto sin internet. Copia el vCard listo.
  4. Lorem ipsum: significado, origen y por qué se usaEl «Lorem ipsum» sale de un texto de Cicerón recortado y con erratas. Conoce su significado, por qué no se lee y cuándo necesitas relleno en otro alfabeto.
  5. README de GitHub: licencia y estructura para no perder visitasSin licencia, tu repositorio queda con todos los derechos reservados. Aprende qué debe incluir un README para que quien llega se quede y sepa cómo usarlo.
  6. Política de privacidad: por qué la necesitas incluso con cookiesUna sola cookie ya implica tratar datos: por qué necesitas una política de privacidad, qué debe incluir y por qué una plantilla sola no basta.

Herramientas relacionadas