Pruebas de inteligencia empresarial (BI) con casos de prueba

⚡ Resumen inteligente

Las pruebas de inteligencia empresarial verifican los datos de preparación, el proceso ETL y los informes de BI en los que se basan las decisiones. Confirman que los datos se transfieren correctamente del origen al destino y que todas las cifras que muestra un informe son fiables.

  • 🧪 Tres capas: La preparación de los datos, la transformación ETL y el informe final requieren cada uno sus propios escenarios de prueba.
  • 🔄 Enfoque de ETL: Verificar mapaping, tipos de datos, generación de claves, reglas de transformación y ausencia de truncamiento o duplicación.
  • 📊 Enfoque del informe: Compruebe el formato, la precisión decimal, el manejo de valores en blanco y el comportamiento de la búsqueda.
  • 🔢 Reconciliación: Una vez aplicadas las reglas de filtrado, el número de filas entre el origen, el área de preparación y el destino debe coincidir.
  • ⚠️ El orden importa: Un defecto en la fase de preparación produce fallos en todas las fases posteriores, por lo que conviene probar el proceso en secuencia.
  • 🎯 Meta final: Credibilidad de los datos, para que cualquier decisión empresarial basada en un informe se fundamente en cifras precisas.

Pruebas de inteligencia empresarial (BI)

¿Qué son las pruebas de BI?

La inteligencia de negocios (BI) Es el proceso de recopilar, limpiar, analizar, integrar y compartir datos para obtener información útil que impulse el crecimiento empresarial. Las pruebas de inteligencia empresarial (BI) verifican los datos de preparación, el proceso ETL y los informes de BI, y garantizan una implementación correcta. Las pruebas de BI aseguran la credibilidad de los datos y la precisión de la información obtenida mediante el proceso de BI.

Puede obtener más información sobre ETL/Business Intelligence en este tutoriales

El proceso de pruebas de BI

Las pruebas de inteligencia empresarial (BI) siguen la estructura del propio flujo de datos. Cada etapa debe superarse antes de que valga la pena probar la siguiente, ya que un defecto en una etapa anterior se manifiesta como un falso fallo en una etapa posterior.

  1. Análisis de requisitos: Determinar qué preguntas de negocio deben responder los informes y qué sistemas de origen contienen los datos. La ambigüedad en este punto dificultará la verificación posterior del informe.
  2. Validación de datos de origen: Analice el perfil de la fuente: recuento de filas, tipos de datos, tasas de valores nulos y duplicados. No puede validar una transformación con respecto a una fuente que no haya medido.
  3. Validación de la etapa: Confirma el extracEl proceso se completó correctamente, con recuentos de conciliación que coinciden con la fuente después de aplicar las reglas de filtrado.
  4. Pruebas de ETL y transformación: Verificar cada mapaping y reglas de negocio, incluidas columnas derivadas, agregaciones y generación de claves sustitutas.
  5. Almacén de datos y pruebas de cubos. Verifique la integridad de las tablas de dimensiones y hechos, el manejo de dimensiones de cambio lento y la precisión de la agregación en cada nivel de la jerarquía.
  6. Pruebas de informes y paneles de control: Compare las cifras del informe con las del almacén de datos, luego con las de la fuente original y verifique los filtros, los análisis detallados y los roles de seguridad.
  7. Pruebas de rendimiento y regresión: Mida la duración de la ventana de carga e informe el tiempo de respuesta, luego vuelva a ejecutar el conjunto de pruebas después de cada cambio en la canalización.

La reconciliación es la columna vertebral de todo el proceso: En cada etapa, el recuento y la suma de las cifras clave deben ser tracSe puede volver a la fuente. Un informe que parece correcto pero no se puede conciliar no se prueba, solo se inspecciona.

Tipos de pruebas de BI

Los escenarios de este tutorial se dividen en seis categorías reconocidas. Nombrarlas ayuda a que el plan de pruebas abarque toda la superficie, en lugar de solo las partes que son fáciles de verificar.

Tipo Lo que valida Técnica típica
Integridad de los datos Se han alcanzado todos los récords esperados. Conciliación del recuento de filas entre origen y destino
Transformación de datos Reglas de negocio aplicadas correctamente Compare la salida transformada con los valores esperados calculados manualmente.
Calidad de datos Los valores son válidos, únicos y están dentro del rango Comprobaciones de nulidad, duplicación, formato e integridad referencial.
Pruebas de metadatos Los tipos de datos, las longitudes y las restricciones coinciden con la especificación. Comparación de esquemas entre la fuente y el destino
Pruebas de informes Las cifras, el formato y los desgloses son correctos. Compare la salida del informe con la consulta del almacén de datos.
Prueba de seguridad Los usuarios solo ven los datos que su rol les permite. Ejecutar informes idénticos con credenciales de rol diferentes

La elección de Herramienta de BI afecta a cómo se ejecuta cada tipo, pero no a qué tipos se necesitan. Las pruebas de seguridad son las que más se suelen omitir y las más costosas de pasar por alto, porque un defecto de seguridad a nivel de fila expone datos en todas las unidades de negocio sin producir ningún error visible.

Casos de prueba y escenarios de pruebas de BI

Los siguientes escenarios se aplican a casi cualquier proyecto de inteligencia empresarial (BI). Agrúpelos según la etapa del proceso que validan y ejecútelos en ese orden, ya que un defecto en la fase de pruebas provocará fallos en todas las etapas posteriores.

escenarios de prueba de verificación ETL

  • Verificar que los datos estén asignados correctamente desde el sistema de origen al de destino
  • Verifique que todas las tablas y sus campos se copien del origen al destino
  • Verifique que las claves configuradas para generarse automáticamente se creen correctamente en el sistema de destino
  • Verifique que los campos nulos no estén completos
  • Verificar que los datos no estén confusos ni truncados
  • Verifique que el tipo y formato de datos en el sistema de destino sea el esperado
  • Verifique que no haya duplicidad de datos en el sistema de destino
  • Verificar que las transformaciones se apliquen correctamente
  • Verificar que la precisión de los datos en los campos numéricos sea exacta
  • Verificar que el manejo de excepciones sea sólido

Escenarios de prueba de datos de preparación

  • Verificación de conciliación: el recuento de registros entre las tablas STG (preparación) y las tablas de destino es el mismo después de aplicar reglas de filtro
  • Inserte un registro que no esté cargado en la tabla de destino para una combinación de teclas determinada
  • Reenvíe los registros que ya están presentes en las tablas de destino y confirme que no se cargan dos veces.
  • Actualizar un registro para una clave cuando las columnas de valores cambiaron en las cargas del día_02
  • Eliminar los registros lógicamente en las tablas de destino.
  • Valores cargados por tablas de proceso
  • Valores cargados por tablas de referencia.

Escenarios de prueba de carga de datos

  • Compruebe si la base de datos de destino y de origen están bien conectadas y no hay problemas de acceso.
  • Para una carga completa, marque la opción truncar y asegúrese de que funcione bien.
  • Mientras carga los datos, verifique el rendimiento de la sesión.
  • Compruebe si hay errores no fatales.
  • Verifique que puede fallar la tarea principal que llama si falla la tarea secundaria.
  • Verificar que los registros estén actualizados
  • Verificar mapaping y flujo de trabajo Los parámetros están configurados con precisión.
  • Verificar que el número de tablas en los sistemas de origen y de destino sea el mismo
  • Compare los atributos de las tablas de etapa con los de las tablas de destino. Deberían estar emparejados.

escenarios de prueba de informes de BI

  • Mostrar fecha y hora
  • Precisión decimal para cifras clave
  • En una página determinada, muestra el número de filas y columnas.
  • Características gratuitas en el informe.
  • Cómo se muestran los valores en blanco tanto para las características como para las cifras clave.
  • Si la búsqueda de características funciona por clave, por texto o por ambos, según se especifique.
  • Si la búsqueda de texto distingue entre mayúsculas y minúsculas, y si eso cumple con el requisito.

Desafíos en las pruebas de BI

  • Volumen de datos. Los almacenes de datos contienen cientos de millones de filas, por lo que una comparación exhaustiva es imposible. Las pruebas se basan en totales de conciliación, además de un muestreo específico de registros límite y de alto riesgo.
  • Fuentes heterogéneas. Un único almacén de datos puede recurrir a bases de datos relacionales, archivos planos, API y sistemas heredados, cada uno con su propia codificación, formato de fecha y convención de valores nulos.
  • Ningún fallo visible. Una cifra errónea en un informe no constituye un error. Simplemente indica una mala decisión, lo que convierte la conciliación en el único método de detección fiable.
  • Fuentes en constante cambio. Un cambio de esquema en un sistema ascendente rompe silenciosamente un mapa.pingLas pruebas de metadatos deben realizarse según un cronograma, no solo en el momento del lanzamiento.
  • Dimensiones que cambian lentamente. La exactitud histórica exige que un registro válido del año pasado siga reflejando el valor del año pasado, lo cual es difícil de comprobar y fácil de interpretar erróneamente.
  • Paridad ambiental. Los entornos de prueba rara vez contienen datos a escala de producción, por lo que los problemas de rendimiento en la ventana de carga y en las consultas solo aparecen después de la puesta en marcha.

El denominador común es que los defectos de BI son silenciosos. Todas las medidas de mitigación mencionadas funcionan creando una señal donde el propio sistema no produce ninguna.

Preguntas Frecuentes

Las pruebas ETL validan que los datos se muevan y transformen correctamente desde el origen hasta el destino. Las pruebas de BI son más amplias: incluyen la validación ETL, además del almacén de datos, los cubos y los informes que la empresa realmente utiliza.

Mediante la conciliación en lugar de la comparación fila por fila. Compare los recuentos y los totales de control entre las etapas, luego muestree los valores límite, los valores nulos, los duplicados y las reglas de negocio de mayor riesgo.

Porque no producen ningún error. Una cifra errónea se ve exactamente igual que una correcta, por lo que el defecto solo sale a la luz cuando alguien cuestiona el número, a menudo mucho después de que se haya tomado una decisión al respecto.

Las herramientas de IA analizan los datos de origen y destino para detectar automáticamente anomalías, desviaciones y cambios de esquema, y ​​señalan los registros cuyos valores se encuentran fuera de las distribuciones aprendidas antes de que se publique un informe.

Sí. La IA puede derivar comprobaciones de completitud, unicidad y referenciales de un esquema y proponer pruebas de transformación a partir de un mapa.ping documentos. Valide cada regla con respecto a las especificaciones del negocio antes de ejecutarla.

Resumir este post con: