Ferramenta Gerador de Dados

Propósito e intenção do usuário: a ferramenta gera conjuntos de dados sintéticos estruturados para testes, desenvolvimento e fluxos de QA sem expor dados reais de usuários. Principais usuários: desenvolvedores, engenheiros de dados, cientistas de dados e engenheiros QA que precisam de amostras repetíveis que atendam a um esquema definido. Usa-se para validar pipelines de dados, avaliar desempenho de processamento ou abastecer ambientes de teste com dados realistas, porém não produtivos. Suposições: um esquema alvo é fornecido e o tamanho desejado do conjunto de dados. Lógica central e recursos: a ferramenta aceita um esquema (nome do campo, tipo, restrições) e um tamanho-alvo, produzindo um conjunto de dados que respeita regras de tipo e controles de distribuição. Funcionalidades obrigatórias: análise de esquema, restrições de campo, semeamento reproduzível e formatos de exportação. Funcionalidades opcionais/avançadas: geradores por campo personalizados, dependências entre campos, opções de privacidade (hashing determinístico, modos de anonimização), perfis de distribuição (uniforme, normal, categórico) e exportação multi-formato (CSV, JSON, SQL). Suporta tipos comuns e formatação localizada. Entradas e Saídas: Entradas: esquema (objeto estruturado), tamanho (inteiro), distribuição (presets), seed (inteiro, opcional) e formato de saída (CSV/JSON/SQL). Saídas: arquivo de dataset e resumo de metadados (tipos de campo, contagens, distribuições utilizadas). Linhas de exemplo podem ser geradas para validação rápida. Algoritmos & Cálculos: Geração via RNG com seed para reprodutibilidade. Para cada tipo de campo: inteiros com min/max, reais com precisão, strings com letras e tamanho, datas dentro de um intervalo, booleanos por probabilidade e enumerações por probabilidades ponderadas. Etapas de privacidade incluem hashing determinístico para identificadores quando ativado e modos opcionais de anonimização. Dependências entre campos expressas por regras, se fornecidas. Erros & Casos Limites: Esquema inválido ou ausente, tipos não suportados, tamanho zero ou negativo, restrições conflitantes ou fontes externas indisponíveis. Grandes volumes podem ser transmitidos para reduzir uso de memória. Distribuições incompatíveis ou seeds inválidos resultam em defaults determinísticos. Indústria/Região & Localização: Suporta formatos locais de datas e números, fusos horários e moedas, se presentes nos campos. Em conformidade com diretrizes de privacidade onde aplicável e permite restrições regionais por esquema. Suposições & Exclusões: Dados sintéticos apenas; exclui dados de produção reais, derivação direta de dados de usuários reais ou garantias de conformidade legal. Fontes de dados externas são opcionais; campos binários não gerados a menos que indicado.