Generator fikcyjnych danych osobowych do testów (PESEL, NIP, IBAN)

Do czego służą fikcyjne dane osobowe

Fikcyjne dane osobowe to podstawa bezpiecznego testowania. Kiedy budujesz formularz rejestracji, koszyk zakupowy, panel klienta albo bazę testową, potrzebujesz rekordów, które wyglądają jak prawdziwe, ale nimi nie są. Generator danych osobowych tworzy właśnie takie zestawy — w przeglądarce, bez wysyłania czegokolwiek na serwer.

Najczęstsze zastosowania:

• testy formularzy — sprawdzasz, czy pola przyjmują imię, nazwisko, PESEL, kod pocztowy i telefon w oczekiwanym formacie,
• walidacja — weryfikujesz sumy kontrolne i reguły biznesowe, bo każdy numer ma poprawną sumę kontrolną,
• bazy danych — zapełniasz tabele setkami rekordów i testujesz zapytania, indeksy oraz wydajność,
• demo i prezentacje — pokazujesz działającą aplikację bez ujawniania danych klientów,
• szkolenia i dokumentacja — przygotowujesz przykłady do instrukcji i zrzutów ekranu.

Zestaw taki przydaje się także wtedy, gdy pracujesz nad importem plików, migracją danych albo testami wydajności — potrzebujesz wtedy wielu rekordów naraz, a nie kilku wpisanych ręcznie.

Dlaczego nie testujesz na prawdziwych danych

Kuszące jest podstawienie do testów prawdziwej bazy klientów — w końcu dane są pod ręką i od razu realistyczne. To jednak ryzyko, którego nie warto podejmować. Prawdziwe dane osobowe podlegają RODO i możesz je przetwarzać tylko w konkretnym, uzasadnionym celu. Testy zwykle nie mieszczą się w celu, w jakim dane zebrano.

Do tego dochodzi kilka praktycznych problemów:

• dane trafiają na środowiska deweloperskie i testowe, gdzie ochrona jest słabsza niż na produkcji,
• kopie krążą w zrzutach, logach, wiadomościach i narzędziach zespołu,
• trudno je potem usunąć, a obowiązek rozliczalności zostaje po Twojej stronie,
• osoba, której dane wykorzystasz bez podstawy, może złożyć skargę.

Fikcyjne dane rozwiązują ten problem u źródła: nie opisują żadnej zidentyfikowanej osoby, więc nie rodzą obowiązków związanych z ochroną danych.

Warto też pamiętać, że dane osobowe to nie tylko imię i nazwisko. PESEL, numer dowodu, telefon, adres, a nawet sam kod pocztowy z miastem pozwalają zidentyfikować człowieka, zwłaszcza w połączeniu z innymi informacjami.

Jakie pola generuje narzędzie i jak powstają poprawne numery

Zaznaczasz pola, które mają się znaleźć w wyniku. Poniżej znajdziesz zestawienie pól wraz z ich formatem i informacją o sumie kontrolnej.

Dzięki temu, że numery mają prawidłowe sumy kontrolne, przechodzą przez walidatory stosowane w kodzie. Nie musisz poprawiać ich ręcznie ani dodawać wyjątków w testach.

Ziarno (seed) i eksport danych w testach

Ziarno (seed) to liczba, która decyduje o losowaniu. Ten sam seed daje identyczne dane — za każdym razem, niezależnie od tego, kiedy uruchomisz generator. W praktyce daje Ci to:

• powtarzalne przypadki testowe — gdy test padnie, odtworzysz dokładnie ten sam zestaw,
• stałe dane do zrzutów ekranu i dokumentacji,
• spójne rekordy dla całego zespołu, jeśli wszyscy używacie tego samego ziarna.

Ustawiasz też liczbę rekordów od 1 do 1000, płeć, przedział wieku oraz wybór pól. Wynik obejrzysz jako tabelę albo pobierzesz w jednym z formatów:

1. CSV — separator średnik, kodowanie UTF-8 z BOM, więc plik otwiera się poprawnie w Excelu,
2. JSON — wygodny do testów API i mocków w kodzie,
3. SQL — zawiera CREATE TABLE oraz INSERT, więc wgrasz dane do bazy jedną instrukcją.

Wszystko liczy się w Twojej przeglądarce. Pliki i dane nie są wysyłane na serwer, więc możesz pracować nawet przy wrażliwym projekcie. Jeśli pracujesz w zespole, zapisz seed w dokumentacji testu — po tygodniach nikt nie zgadnie, jakiego zestawu użyto.

Ograniczenia i zasady — dane fikcyjne a prawdziwa osoba

Poprawne sumy kontrolne to zaleta, ale mają też drugą stronę. Numer wygenerowany zgodnie z regułami może przypadkiem należeć do prawdziwej osoby lub firmy — przestrzenie PESEL, NIP, REGON czy IBAN są duże, ale takie trafienie jest możliwe. Nie masz nad tym kontroli i nie sprawdzisz tego w prosty sposób.

Dlatego trzymaj się kilku zasad:

• używaj danych wyłącznie do testów, demonstracji i nauki,
• nie podszywaj się pod nikogo — nie wysyłaj tych danych do urzędów, banków, sklepów ani innych serwisów,
• nie zawieraj umów, nie rejestruj kont i nie składaj wniosków na wygenerowane dane,
• nie mieszaj danych fikcyjnych z prawdziwymi w jednej bazie,
• traktuj wynik jako materiał techniczny, a nie źródło tożsamości.

Jeśli dane trafią do publicznego repozytorium albo dokumentacji, pamiętaj, że są fikcyjne i nie opisują realnej osoby. Mimo to nie używaj ich do niczego, co miałoby skutek prawny lub finansowy. Pamiętaj też, że wygenerowane dane nie nadają się do kontaktu — nie wysyłaj na wygenerowane adresy e-mail ani numery telefonów żadnych wiadomości, bo domeny są zarezerwowane do testów i nikt ich nie odbiera.

Najczęstsze pytania

Dane fikcyjne do testów oprogramowania. Nie używaj ich do podszywania się pod inne osoby.