Blog | We tikken de Champions League aan
Een wereld waarin we kunnen testen, analyseren en optimaliseren zonder ooit de privacy van onze deelnemers in gevaar te brengen. Klinkt als science fiction? Het is de realiteit van vandaag dankzij synthetische data. Maar wat is synthetische data precies? Simpel gezegd, het zijn gegevens die zijn gegenereerd om echte data na te bootsen, zonder de privacy van individuen te schenden. Dit is een gamechanger in de wereld van pensioenbeheer.
Je zou je kunnen afvragen waarom synthetische data gebruikt moet worden. Het antwoord is eenvoudig: efficiëntie en veiligheid. Bij AZL maken we standaard gebruik van synthetische data in onze testautomatisering. Dit stelt ons in staat om regressietesten uit te voeren zonder echte persoonsgegevens te gebruiken. Hierdoor kunnen we een robuuste testset opbouwen die alle mogelijke scenario's binnen een pensioenfonds afdekt. Dit betekent dat we verschillende soorten deelnemers en situaties kunnen simuleren, wat ons helpt om de kwaliteit en betrouwbaarheid van onze systemen te waarborgen.
Wat maakt ons werk met synthetische data zo bijzonder? Bij AZL hebben we een niveau van testautomatisering bereikt dat we gerust Champions League kunnen noemen. We hebben een standaardset ontwikkeld die keer op keer gebruikt kan worden, zonder dat testers nieuwe datasets hoeven te bedenken. Dit zorgt voor een efficiënte en consistente testomgeving, waarin we snel kunnen reageren op eventuele problemen.
Win-winsituatie
Een ander belangrijk aspect van synthetische data is de win-winsituatie die het creëert voor zowel het pensioenfonds als AZL. Door gebruik te maken van synthetische data kunnen we snel inzicht krijgen in welke processen niet goed lopen en waar verbeteringen nodig zijn. Dit helpt ons om afwijkingen te signaleren en aan te passen voordat ze problemen veroorzaken in de productieomgeving. Laten we een concreet voorbeeld nemen: we hebben ongeveer 200 scenario's geautomatiseerd, waardoor we snel kunnen zien welk life event een verkeerde reactie geeft. Dit stelt ons ook in staat om snel te bepalen of een probleem ligt aan de data of aan wijzigingen in het proces.
Privacy en veiligheid
Daarnaast biedt synthetische data een veilige manier om nieuwe systemen en processen te testen voordat ze in productie worden genomen. Dit is essentieel voor de privacybescherming van onze deelnemers. Door te testen met synthetische data, zorgen we ervoor dat persoonsgegevens nooit – met uitzondering van het testen van de migratie zelf – in testomgevingen terechtkomen. Dit beschermt niet alleen de privacy van de deelnemers, maar zorgt ook voor een veilige en betrouwbare testomgeving.
Verbetering en datakwaliteit
Laat ik tenslotte benadrukken dat synthetische data ook een belangrijke rol speelt in het verbeteren van de datakwaliteit. Door continu te testen en valideren met synthetische data, kunnen we fouten in de pensioenadministratie opsporen en corrigeren voordat ze leiden tot vervuiling van de data. Dit is essentieel voor het waarborgen van de kwaliteit en betrouwbaarheid van onze pensioendata.
Oftewel: synthetische data is een krachtig hulpmiddel dat ons helpt om efficiënter, veiliger en betrouwbaarder te werken. Bij AZL zijn we trots op ons Champions League-niveau van testautomatisering en blijven we ons inzetten voor de hoogste kwaliteit. De toekomst is hier, en synthetische data speelt een sleutelrol in het vormgeven ervan.
Vianne Hermans
Teammanager Change AZL