Fix

docs/historical-data-quality-notes.md

@@ -0,0 +1,66 @@
+# Historical Data Quality Notes
+
+## Validation Date
+
+- 2026-03-20
+
+## Scope
+
+Validacion local del historico CRCON persistido en `backend/data/hll_vietnam_dev.sqlite3`
+para los servidores:
+
+- `comunidad-hispana-01`
+- `comunidad-hispana-02`
+
+## Findings Before Correction
+
+- habia jugadores fragmentados entre claves `steam:*`, `steaminfo:*`,
+  `crcon-player:*` e incluso claves legacy sin prefijo
+- algunas filas usaban `steaminfo.id` corto como si fuera `steam_id`, lo que no
+  representaba un SteamID real
+- existian partidas duplicadas por sesion cuando una partida en curso quedaba
+  persistida con id sintetico y luego aparecia cerrada con id CRCON numerico
+- el ranking semanal podia contar esas partidas transitorias porque aceptaba
+  filas sin `ended_at`
+
+## Corrections Applied
+
+- la identidad de jugador ahora prioriza:
+  - `steaminfo.profile.steamid`
+  - `player_id` cuando ya parece un SteamID real
+  - `player_id` como `crcon-player:*`
+  - `steaminfo.id` solo como ultimo fallback
+- la inicializacion del storage fusiona jugadores duplicados y reasigna sus
+  estadisticas por partida
+- la inicializacion del storage fusiona partidas duplicadas por
+  `(servidor, started_at, mapa)` cuando la fila mas completa ya representa la
+  partida final cerrada
+- `weekly-top-kills` filtra solo partidas cerradas con `ended_at`
+
+## Final Local Snapshot After Correction
+
+- partidas historicas: `12`
+- jugadores historicos: `510`
+- filas `historical_player_match_stats`: `914`
+- distribucion:
+  - `comunidad-hispana-01`: `7` partidas, `487` jugadores unicos, `859` filas
+  - `comunidad-hispana-02`: `5` partidas, `44` jugadores unicos, `55` filas
+
+## Checks Performed
+
+- sin duplicados por `steam_id`
+- sin duplicados por `source_player_id`
+- sin duplicados de nombre normalizado en el dataset local actual
+- sin partidas abiertas restantes (`ended_at IS NULL`)
+- sin duplicados por misma combinacion de servidor, `started_at` y mapa
+- el ranking semanal devuelve resultados separados por servidor y basados solo
+  en partidas cerradas dentro de la ventana movil de 7 dias
+
+## Notes
+
+- el volumen actual sigue siendo pequeno y claramente parcial; la calidad
+  estructural queda validada, pero no sustituye un bootstrap historico mas
+  profundo cuando se quiera construir UI historica propia
+- siguen existiendo partidas con muy pocos jugadores en el dataset local
+  actual; por ahora se conservan porque no son un problema de integridad, sino
+  una caracteristica del muestreo ingerido hasta hoy