Cómo generar datos de prueba realistas para desarrollo y QA

Por qué no debes usar datos reales en entornos de prueba

Copiar una base de datos de producción a un entorno de staging o desarrollo "para tener datos realistas" es una práctica común y, en la mayoría de jurisdicciones con leyes de protección de datos (RGPD en la UE, LFPDPPP en México, y equivalentes en casi toda Latinoamérica), un riesgo legal real. Los entornos de prueba casi nunca tienen los mismos controles de acceso, cifrado o auditoría que producción — es una superficie de exposición adicional para datos de personas reales que no dieron consentimiento para ese uso.

Más allá de lo legal, hay un riesgo práctico: entornos de desarrollo se comparten con más personas (contratistas, becarios, agencias externas), se conectan a herramientas de terceros con menos escrutinio de seguridad, y con frecuencia terminan en logs, capturas de pantalla o repositorios de código por accidente. Generar datos sintéticos elimina ese riesgo de raíz — no hay nada real que filtrar.

Qué generar y con qué generador

Para un registro de prueba típico (ej. un "usuario" ficticio) normalmente necesitas: un nombre (usa el generador de nombres aleatorios), una fecha asociada como nacimiento o fecha de registro (generador de fecha aleatoria, que respeta correctamente años bisiestos y el calendario real), un país o ubicación (generador de país aleatorio), y un identificador único para la fila (generador de UUID v4, el estándar para claves en bases de datos modernas).

Para valores numéricos — edades, cantidades, montos, IDs incrementales simulados — el generador de números aleatorios te deja definir el rango exacto que necesitas probar, lo cual es más útil que un valor completamente aleatorio sin límites cuando estás probando validaciones de formulario o rangos de negocio específicos.

Errores comunes al armar un set de datos de prueba

El más frecuente es generar muy pocos valores distintos y repetirlos — por ejemplo, usar la misma fecha para todos los registros de "prueba de fecha de nacimiento" en vez de variar el rango. Esto oculta bugs reales: si tu código falla específicamente con fechas del 29 de febrero o con nombres que contienen acentos, no lo vas a descubrir con datos poco variados.

El segundo error común es lo opuesto: generar datos tan uniformemente aleatorios que no representan la distribución real de tu negocio. Si el 90% de tus usuarios reales son de un país y generas países con probabilidad uniforme entre 30 naciones, tu ambiente de prueba no refleja los patrones de uso reales — útil para probar que el sistema "no se rompe" con cualquier país, pero no para probar rendimiento o UX bajo carga realista.

Cuándo usar esto vs. una librería como Faker.js

Para generar decenas o cientos de miles de registros programáticamente dentro de un script de seed de base de datos, una librería como Faker.js (JavaScript) o Faker (Python) es la herramienta correcta — están diseñadas para generación masiva con más variedad de campos (direcciones completas, empresas, texto, etc.).

Este sitio es más útil para el caso contrario: necesitas un puñado de valores de prueba rápido, a mano, sin instalar nada ni escribir código — por ejemplo, mientras pruebas manualmente un formulario, llenas un caso de prueba en una herramienta de QA, o necesitas un UUID de ejemplo para pegar en una consulta SQL mientras depuras.

Preguntas frecuentes

¿Es legal usar datos anonimizados de usuarios reales como prueba?

Depende de qué tan efectiva sea la anonimización y de la ley aplicable — la seudonimización (cambiar el nombre pero mantener otros campos reales) generalmente no cuenta como anonimización real bajo RGPD. Lo más seguro es usar datos completamente sintéticos, no datos reales modificados.

¿Por qué no usar Faker.js en vez de esto?

Para generación masiva programática, Faker.js es mejor herramienta. Este sitio es útil para generación rápida y manual de unos cuantos valores sin escribir código ni instalar dependencias.

¿Los UUID generados aquí sirven como claves primarias reales?

Sí, siguen el estándar RFC 4122 v4 y son aptos para uso real, no solo de prueba — ver la guía sobre UUID para más detalle.

¿Cómo genero muchos registros de prueba a la vez?

Cada generador de este sitio produce un valor por clic, pensado para uso manual o casos puntuales. Para volúmenes grandes (miles de registros), una librería de generación programática como Faker.js es la herramienta adecuada.