Herramienta Generador de Datos

Propósito e intención del usuario: la herramienta genera conjuntos de datos sintéticos estructurados para pruebas, desarrollo y flujos de QA sin exponer datos de usuarios reales. Principales usuarios: desarrolladores de software, ingenieros de datos, científicos de datos e ingenieros QA que necesitan muestras repetibles que cumplan con un esquema definido. Se utiliza para validar pipelines de datos, evaluar el rendimiento de procesamiento o poblar entornos de prueba con datos realistas pero no productivos. Supuestos: se proporciona un esquema objetivo y el tamaño deseado del conjunto de datos. Lógica central y características: la herramienta acepta un esquema (nombre de campo, tipo, restricciones) y un tamaño objetivo, y genera un conjunto de datos que respeta las reglas de tipo y las distribuciones. Funciones requeridas: análisis de esquema, restricciones por campo, muestreo reproducible y formatos de exportación. Funciones opcionales/avanzadas: generadores por campo, dependencias entre campos, opciones de privacidad (hash determinista, modos de anonimización), perfiles de distribución (uniforme, normal, categórico) y exportación multi-formato (CSV, JSON, SQL). Soporta tipos comunes y formato localizado. Entradas y salidas: Entradas: esquema (objeto estructurado), tamaño (entero), distribución (preajustes), semilla (entero, opcional) y formato de salida (CSV/JSON/SQL). Salidas: archivo de dataset y resumen de metadatos (tipos de campo, conteos, distribuciones usadas). Se pueden generar filas de ejemplo para validación rápida. Algoritmos y cálculos: Generación mediante RNG con semilla para reproducibilidad. Para cada tipo de campo: enteros con min/max, flotantes con precisión, cadenas con letras y longitud, fechas dentro de un rango, booleanos por probabilidad y enumeraciones por probabilidades ponderadas. Pasos de privacidad: hashing determinista para identificadores cuando está activado y modos de anonimización opcionales. Dependencias entre campos mediante reglas si se proporcionan. Errores y casos límite: Esquema inválido o ausente, tipos no soportados, tamaño cero o negativo, restricciones contradictorias o fuentes externas no disponibles. Datasets grandes pueden usarse streaming para evitar consumo excesivo de memoria. Distribuciones incompatibles o seeds inválidos dan valores por defecto determinísticos. Industria/región y localización: Soporta formatos locales de fechas y números, zonas horarias y monedas si están presentes en los campos. Cumple con normas de privacidad cuando aplica y permite restricciones regionales por esquema. Supuestos y Exclusiones: Se asume conjuntos de datos sintéticos; se excluyen datos de producción reales, derivaciones directas de datos de usuarios o garantías de cumplimiento regulatorio. Fuentes de datos externas son opcionales; campos binarios no se generan a menos que se indique.