Por que não simplesmente copiar dados de produção?

Porque isso leva dados pessoais para um ambiente com controle de acesso mais frouxo, sem log adequado e com retenção descontrolada em backups e máquinas de desenvolvedor. Sob a LGPD, é uma exposição que os dados sintéticos evitam por completo.

Dado sintético é dado pessoal para efeito de LGPD?

Não, desde que gerado a partir de regras de formato e sem derivar de registros de pessoas identificáveis. Essa é a diferença essencial em relação ao mascaramento, que reduz o risco mas mantém o dado no escopo da lei.

Como reproduzir bugs que só aparecem com dados reais?

Extraindo a característica estrutural que causou o bug — um nome com apóstrofo, um campo com 300 caracteres, um pedido sem endereço — e adicionando-a à massa sintética. Com o tempo a massa fica melhor que o dump, porque concentra os casos difíceis.

Como marcar os registros como sintéticos?

Use um marcador explícito: um prefixo no nome, um domínio reservado como example.com nos e-mails, ou uma coluna de flag. Isso evita o incidente clássico de alguém disparar campanha ou cobrança a partir da base de teste.

A geração é reproduzível?

Para massa versionada, o ideal é gerar com semente fixa em um script próprio e commitar o resultado. Uma massa que muda a cada execução transforma teste quebrado em investigação.

Codigio Labs

Gerador de Dados Fake (JSON)

Crie mock data para prototipagem e testes de frontend.

Tipo de Dado

Quantidade5

Resultado

Configure e clique em Gerar

Como usar

Escolha o tipo de objeto e a quantidade para gerar um JSON válido pronto para uso.

Guia de uso responsável

Cria dados fictícios em JSON para protótipos, componentes de frontend, testes de API e demonstrações, sem expor informações de pessoas reais.

Dados sintéticos

Nomes, produtos e valores são gerados para reproduzir formatos comuns em aplicações brasileiras. Eles não devem ser tratados como dados estatísticos, financeiros ou cadastrais reais, e não derivam de nenhuma base de pessoas.

Quando usar

Use para preencher tabelas, validar paginação, criar exemplos de contrato de API, testar estados vazios e listas longas, e substituir a cópia de produção em ambiente de homologação.

Boas práticas

Inclua variações de tamanho para testar layout responsivo.
Revise campos obrigatórios antes de usar como fixture.
Evite misturar dados fake com exportações reais.

Perguntas frequentes

Por que não simplesmente copiar dados de produção?: Porque isso leva dados pessoais para um ambiente com controle de acesso mais frouxo, sem log adequado e com retenção descontrolada em backups e máquinas de desenvolvedor. Sob a LGPD, é uma exposição que os dados sintéticos evitam por completo.
Dado sintético é dado pessoal para efeito de LGPD?: Não, desde que gerado a partir de regras de formato e sem derivar de registros de pessoas identificáveis. Essa é a diferença essencial em relação ao mascaramento, que reduz o risco mas mantém o dado no escopo da lei.
Como reproduzir bugs que só aparecem com dados reais?: Extraindo a característica estrutural que causou o bug — um nome com apóstrofo, um campo com 300 caracteres, um pedido sem endereço — e adicionando-a à massa sintética. Com o tempo a massa fica melhor que o dump, porque concentra os casos difíceis.
Como marcar os registros como sintéticos?: Use um marcador explícito: um prefixo no nome, um domínio reservado como example.com nos e-mails, ou uma coluna de flag. Isso evita o incidente clássico de alguém disparar campanha ou cobrança a partir da base de teste.
A geração é reproduzível?: Para massa versionada, o ideal é gerar com semente fixa em um script próprio e commitar o resultado. Uma massa que muda a cada execução transforma teste quebrado em investigação.