comunidadhll/docs/historical-data-quality-notes.md

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