Modelamiento Dimensional

Modelamiento
Dimensional
Por Elizabeth Lon Guzmn

Profesora Universidad Nacional de Colombia
Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia
Agenda
Modelo Dimensional
Definicin
Componentes
Ejemplos
Comparacin con E/R
Proceso del diseo dimensional
Modelos de arquitectura
Arquitectura en bus
Modelamiento dimensional
Definicin
Una tcnica para disear el modelo
lgico de la bodega de datos
Permite alto rendimiento en el momento
de acceder a los datos (orientado a
consultas)
Dimensional (orientado al negocio)
Usa algunos conceptos del modelo
entidad/relacin
Diferente del modelo entidad/relacin
Modelo dimensional
Define un nivel mnimo de detalle
(granularidad)
Se compone de:
Hechos
Medidas
Dimensiones
Atributos
Elementos
Jerarquas
Relaciones
Hechos: algo que ocurre en el tiempo

(operacin o actividad)
Medidas: Valores numricos que

describen el hecho que se est
analizando
Dimensiones: Son categoras que

describen el contexto en el cual se
analizan las medidas
Modelo dimensional
Dimensin
Tiempo
Dimensin
Cliente
Tabla de
hechos
Dimensin
Geografa
Dimensin
Producto
Modelo E/R
Comparacin
Operacionales
Enfocado a la actualizacin:
Enfocado a eliminar redundancia,
coordinar actualizaciones y repetir
el mismo tipo de operaciones
muchas veces en el da
Altamente normalizadas para
soportar actualizaciones
consistentes y mantenimiento de la
integridad referencial
Tiempos de respuesta en segundos
o inferior
Almacenan pocos datos derivados
Pocos datos agregados
BI (Dimensional)
Enfoque a la consulta
Altamente desnormalizada ya que

se requiere disminucin de tiempos
en la obtencin de grandes
cantidades de datos
Tiempos de respuesta aceptables
pueden ser segundos, minutos,
horas
Gran cantidad de datos derivados
(redundancia)
Agregacin: Varios niveles de datos
precalculados
Medidas
Son las variables que ayudarn a medir
el desempeo del negocio.
Las medidas bsicas, existen fsicamente
en el warehouse junto a los atributos que
los caracterizan
Las medidas derivadas o calculadas se
construyen a partir de las medidas bsicas
y pueden o no estar almacenados
fsicamente en el data warehouse
Hechos y medidas
Una fila en una tabla de hechos
corresponde a una o varias medidas
Todas las medidas en la tabla de hechos
deben tener el mismo nivel de
granularidad
Las medidas mas usadas son numricas y
aditivas
Las tablas de hechos representan la
relacin muchos a muchos que existe
entre las dimensiones!
Dimensiones
Son las reas temticas o sujetos del
negocio.
Proveen un mtodo general para organizar
la informacin corporativa
Se definen como un grupo de uno o ms
atributos. Las dimensiones no comparten
atributos
Las dimensiones definen los niveles de
anlisis (Jerarquas). Esto permite
obtener agregacin o sumarizacin.
Atributos
Los atributos son una agrupacin de
elementos o items dentro de una
dimensin.
Representan categoras o clases de
elementos que tienen el mismo nivel
lgico dentro de una dimensin.
La finalidad de los atributos es ver la
informacin de cada dimensin a
diferentes niveles de detalle y
agrupar los datos para ser analizados.
Elementos
Son las instancias o valores de los

atributos que, como componentes
atmicos del modelo.
Relaciones
Los atributos dentro de una dimensin

estn directamente relacionados uno con
otros a travs de los diferentes tipos de
relaciones antes definidos.
Los atributos en las diferentes

dimensiones estn relacionados otros a
travs de las medidas o variables del
negocio definidas como interseccin de
las dimensiones.
Relaciones
Son asociaciones lgicas de atributos

dentro de una jerarqua definida por las
instancias de los atributos y transitivas
dentro de una jerarqua:
Uno-a-uno (1:1)
Uno-a-muchos (1:M)
Muchos-a-uno (M:1)
Muchos-a-muchos (M:N)
Jerarquas
Representadas por un ordenamiento
lgico dentro de la dimensin, se
encuentran formadas por los diferentes
tipos de relaciones entre los atributos de
una misma dimensin.
Como convenciones del modelado, la
jerarqua principal se dibuja verticalmente
desde el atributo ms agregado (arriba)
hasta el ms atmico (abajo) y las
jerarquas caractersticas se adicionan por
los costados.
Ejemplo
Empresa: Cadena de supermercados

Actividad objeto de anlisis: ventas de
productos
Informacin registrada sobre una venta:
Se vendi 5 unidades del producto A, en
el almacn nmero 1, el da 20/01/2007
por un total de 250.000 pesos
Para hacer el anlisis no interesa la venta individual realizada
por un cliente, si no las ventas diarias de productos en los
distintos almacenes de cadena
Mitos del modelo dimensional

Modelos dimensionales y data marts
Solo para datos sumarizados
Son construidos por departamentos
Son no escalables
No pueden ser integrados
Proceso de diseo dimensional

Pasos
1.
2.
3.
4.
Seleccionar el proceso del negocio a

modelar
Definir el nivel de granularidad del
proceso del negocio
Escoger las dimensiones que aplican en
cada fila de la tabla de hechos
Identificar los hechos numricos que
poblaran la tabla de hechos
1. Seleccionar el proceso de negocio

a modelar
El primer modelo dimensional debe ser

uno con gran impacto (debe responder la
mayora de preguntas del negocio y estar
accesible para la extraccin de los datos)
Decidir el proceso(s) del negocio a

modelar combinando y entendiendo los
requerimientos del negocio con los datos
disponibles
2. Definir el nivel de granularidad

del proceso de negocio
Preferiblemente, desarrollar el modelo

dimensional con los datos mas atmicos
capturados del proceso de negocio
Datos atmicos son los mas detallados
Una bodega casi siempre requiere los

datos expresados al mas bajo nivel de
granuralidad posible en cada dimensin.
3. Escoger las dimensiones

La granularidad determina la
dimensionalidad de la tabla de hechos
Es posible adicionar mas dimensiones a la
granularidad bsica de la tabla de hechos:
Toman solo un valor bajo cada combinacin de

las dimensiones
Si la dimensin adicional viola la

granularidad causando mas filas en la
tabla de hechos, la granularidad debe ser
revisada para acomodar la dimensin.
4. Identificar los hechos

Determinar las medidas que aparecern
en la tabla de hechos
La granularidad define el nivel de detalle
de las medidas
Caso de estudio
Cadena de almacenes
100 almacenes en cinco (5) regiones
Cada almacn tiene varios departamentos
Requerimientos
del
negocio
Modelo dimensional
1. Proceso del negocio
2. Granularidad
3. Dimensiones
4. Hechos
Realidad de
los datos
Tomado de [5]
Caso de estudio
1. Seleccionar el proceso de negocio a modelar
Administrador desea
Entender las compras de los clientes desde el
POS (punto de venta)
Proceso del negocio

Ventas realizadas en el POS
Analizar que productos se estn vendiendo, en que almacenes,

en que das, y en que condiciones de promocin
Caso de estudio
2. Definir el nivel de granularidad del proceso del negocio
Cul es el nivel de detalle de los datos?

Posibles anlisis:
Diferencia de ventas entre Lunes y Viernes

Existencia de productos en ciertos almacenes,
ej: cereales
Entender por que ciertos compradores tomaron
la promocin del shampoo
Requieren datos detallados en diferente forma

No es posible responder con datos sumarizados
Caso de estudio
3. Escoger las dimensiones
La fecha, producto y almacn

(dimensiones primarias)
otras dimensiones?
Promocin
Nueva dimensin viola la granularidad?

(nuevas filas en la tabla de hechos)
Caso de estudio
Modelo preliminar
Caso de estudio
Qu ms debe aparecer en la tabla de
hechos?
Hechos que correspondan con la
granularidad: Transaccin de venta
Precio por unidad

Cantidad vendida
Venta total
Costo del producto
Calcular la ganancia (Venta total Costo total)
Dilema: Almacenar calculado o calcular
con herramienta de consulta?
Caso de estudio
Porcentaje de ganancia (calculada al dividir la

ganancia por el total de la venta)
No puede ser sumarizada por ser
con respecto a la dimensin!
Los porcentajes y proporciones no son aditivos. El numerador y el

denominador deben ser almacenados en la tabla de hechos.
La proporcin puede ser calculado a tiempo de consulta de acuerdo
con la situacin.
La proporcin de las sumas != La suma de las

proporciones
Caso de estudio
Estimar el nmero de filas que se

almacenarn en la tabla de hechos
Caso de estudio: Hablar con la persona

experta para conocer cuantas transacciones de
venta pueden ocurrir en un periodo de tiempo
Estimar el nmero de filas que se

almacenarn anualmente a la tabla de
hechos
Determinar si es razonable
Caso de estudio
Atributos de las entidades
Dimensin Tiempo
Puede ser construida con anticipacin

(historia y aos futuros)
La bodega siempre necesita una dimensin
de tiempo.
Caso de estudio
Atributos de las entidades- Dimensin Tiempo
La Dimensin Tiempo en detalle
Caso de estudio
Atributos de las entidades- Dimensin Tiempo
Si se desea acceder al tiempo de la

transaccin por partes del da (Ej: tardes)
Conviene una Dimensin por horas

Es mejor tener las mismas 3.650 filas y una
dimensin con 1.440 filas correspondientes a
los minutos del da
Si se maneja en una dimensin a nivel de
Fecha y hora (HH:MM), se tendra una
dimensin con demasiados registros:
365 das x 10 aos x 24 horas x 60 minutos
= 5.256.000 filas
Caso de estudio
Dimensin Producto
Caso de estudio
Atributos de las entidades- dimensin producto
Caso de estudio
Dimensin Almacn
Caso de estudio
Dimensin promocin
Caso de estudio
Dimensin degenerada
Nmero de transaccin del POS
Las dimensiones degeneradas son comunes cuando la granularidad de la

tabla de hechos representa una simple transaccin (Ej: nmero de
ordenes, nmero de recibos, nmero de la factura, etc)
Algunas veces la dimensinPordegenerada
es llave
de la tabla de hechos
Elizabeth Len Guzman
- TEBD primaria
Universidad Nacional de Colombia
Caso de estudio
Modelo
Caso de estudio
Modelo extendido
Bodegas de Datos
Modelos de Arquitectura
Dos arquitecturas de acuerdo con la
normalizacin de sus dimensiones:
Estrella
Desnormalizado
Copo de Nieve
Normalizado
Estrella vs Copo de nieve
Estrella
Desnormalizado
Habilidad para anlisis dimensional
Copo de nieve
Variacin del modelo estrella

Forma normalizada de las dimensiones (solo
las dimensiones primarias estn enlazadas con
la tabla de hechos)
Rompe el anlisis dimensional
Se usa cuando no se puede implementar un
modelo estrella
Modelo Estrella
Dimensin
Tiempo
Dimensin
Geografia
Tabla de
hechos
Dimensin
Cliente
Dimensin
Producto
Modelo Copo de nieve
Dimensiones desnormalizadas (valores

repetidos) puede llevar a la normalizacin
de una dimensin
Tabla de
Hechos
Dimensin
Producto
Dimensin
Clase de Producto
Dimensin
Categora
de Producto

Atributos redundantes son removidos de
la entidad y creando una segunda
dimensin.
Reduce espacio
Fcil de mantener (si la descripcin de un
departamento cambia, solo se necesita
actualizar una ocurrencia y no alrededor
de 3.000)
Extensin del modelo dimensional (vlido)
Caso de estudio
Dimensin producto (parcial) en copo de nieve
Normalizado en 3FN

En el diseo del modelo se debe tener en
cuenta: uso y desempeo
Consideraciones de este modelo
Mltiples tablas aumentan la complejidad de uso

Mas tablas y joins afectan el desempeo de las
consultas
Navegar a travs de las dimensiones puede ser
ms lento (cruce de dimensiones)
No se pueden aprovechar los ndices Bitmap que
son tiles para indexar campos con baja
cardinalidad
El espacio salvado en las dimensiones es

insignificante comparado con el tamao de la
tabla de hechos.
Descripcin del depto (20 bytes)

En la tabla de producto (150.000 filas)
Nueva dimensin con 2 bytes

de cdigo
Reducir 2.7 MB
(150.000*18 bytes)
La tabla de hechos ocupa 10GB
Prdida de tiempo
tratar
de -normalizar
la dimensin!
Por Elizabeth
Len Guzman
TEBD Universidad Nacional de Colombia
Muchas dimensiones
Una tabla de hechos es normalizada y
compacta. Tentacin de desnormalizar
Una tabla de hechos con muchas
dimensiones lleva a un crecimiento
significativo de requerimientos de espacio
La mayora de procesos del negocio
pueden ser representados con menos de
15 dimensiones
Muchas dimensiones (2)

Un nmero largo de dimensiones es signo
de que varias dimensiones no son
completamente independientes y pueden
ser combinadas en una sola dimensin
Si el negocio tiene mas de 25
dimensiones, se debe combinar
dimensiones correlacionadas en una sola
dimensin
Es un error representar elementos de una
jerarqua como dimensiones separadas
Llaves subordinadas(1)
Llaves artificiales,
llaves sintticas,
llaves enteras
Se recomienda el uso
de estas llaves
Son enteros que son
asignados
secuencialmente al
poblar una dimensin
Llaves subordinadas(2)
Cada join entre dimensiones y tabla de
hechos debe estar basado en llaves
subordinadas.
Evitar el uso de cdigos naturales de los
sistemas que soportan la operacin
Beneficios:
Mantener flexibilidad al cambio.

Permite integracin
Ventajas de rendimiento computacional
(pequeas)
Anlisis de la canasta de mercado
Analizar que productos son vendidos en la

misma canasta de mercado!
Grado de afinidad de los productos: paales
son vendidos con cerveza
OLAP y minera de datos pueden ser

usados
Se puede tener una solucin a nivel de
bodega!
Caso de estudio
Anlisis de la canasta de mercado
Arquitectura en Bus
Construir la bodega en un solo paso?
Usar una arquitectura incremental

Arquitectura de bus!
Los Data Marts son construidos por tema de negocio en

tiempos diferentes o con grupos diferentes.
Los Data Marts pueden ser conectados y ser usados
consistentemente si se adhieren al estndar
Arquitectura en Bus
Tomado de [2]
Arquitectura en Bus
Permite una mejora en la administracin
de los componentes de la bodega.
Basado en el principio reduccionista de
control sobre cada uno de los elementos.
Los elementos de desarrollo de los Data
Mart siguen las pautas de la arquitectura
Fcil incorporacin de nuevos Data Marts
a la arquitectura (plug and play)
Bus Matrix
Herramienta para documentar y comunicar la

arquitectura de bus.
Data
marts
Tomado de [2]
Bus Matrix
1.
Lista de data marts de primer nivel
2.
Derivados de una fuente

Minimizar el riesgo en implementaciones
ambiciosas ( ETL, diseo e implementacin)
Suficientes datos interesantes para los
usuarios, mientras se continua trabajando en
implementaciones ms difciles
Identificar data marts consolidados
Con mltiples fuentes

Ms difciles de implementar
Dimensiones que cambian

lentamente
La dimensin puede cambiar con el tiempo
(no esttica): cambian atributos
Inaceptable colocar todo en la tabla de
hechos o crear dimensiones dependientes
Si el valor de un atributo cambia en el sistema operacional

Cmo responder a ese cambio en el modelo dimensional?

lentamente
1.
Sobrescribir el valor
Id_producto
Nombre
Depto
SKU_nmero
12345
NioInte1.0
Software
ABC922-Z
Se decide que NioIntwl1.0 debe ser retirado del depto

de software y adicionado al depto de estrategia en
enero 5 del 2006
Id_producto
Nombre
Depto
SKU_nmero
12345
NioInte1.0
Estrategia
ABC922-Z
El atributo siempre refleja el nuevo valor

La historia mostrar que NioInte1.0 siempre ha
pertenecido al depto de estrategia
Es fcil de implementar, pero no mantiene
Por Elizabeth Len Guzman - TEBD la historia
de los cambios los atributos

lentamente
2.
No puede
ser llave
primaria
Adicionar una fila a la dimensin

Id_producto
Nombre
Depto
SKU_nmero
12345
NioInte1.0
Educacin
ABC922-Z
35896
NioInte1.0
Estratega
ABC922-Z
Llave
subordinada
Representa la historia correctamente

En la tabla de hechos, antes de enero 5 del 2006 se
referencia el articulo con llave primaria 1234, despus
de esta fecha el articula tendr la llave 35896
Es poderosa ya que la nueva fila divide
automticamente la historia en la tabla de hechos
Sin embargo no permite asociar el nuevo valor del
Elizabeth Len Guzman - TEBD atributo con laPor
historia
de los hechos y viceversa

lentamente
3.
Adicionar una columna a la dimensin
Id_producto
Nombre
Depto
Depto
anterior
SKU_nmero
12345
NioInte1.0
Estrategia
Educacin
ABC922-Z
Modificar
(aplicar 1)
Es apropiado cuando se necesita soportar dos vistas del

mundo al mismo tiempo
Es inapropiado si se desea hacer seguimiento de valores
intermedios de los atributos
Menos usada

lentamente
Tcnicas Hbridas
1.
2.
Ms flexibles pero ms complejas

Combinan las tcnicas simples
Usarlas si son necesarias para cumplir con los
requerimientos
Cambios predecibles con versiones
mltiples sobrepuestas
Cambios no predecibles con nica
versin sobrepuesta

rpidamente
Mensualmente
Separar los atributos que cambian en una
o ms dimensiones separadas
La tabla de hechos tendr dos llaves forneas

rpidamente - Ejemplo
Compaas de
seguros
Actualizacin de los
clientes peridicamente!
Tabla de hechos
Id_cliente
Dimensin cliente
Id_cliente
Nombre
Direccin
Fecha_nacimiento
Ingresos
Educacin
Nmero_hijos
Estado_civil
Puntaje-credito
Tabla de hechos
Dimensin cliente
Id_cliente
Nombre
Fecha_nacimiento
Dimensin demografa
Id_demog
Direccin
Ingresos
Educacin
Nmero_hijos
Estado_civil
Puntaje-credito
Id_cliente
Id_demog
Dimensiones Junk
Banderas, indicadores, atributos que no

son usados frecuentemente (parecen no
organizados coherentemente!)
No se debe:
Dejarlos en la tabla de hechos

Colocar cada uno en su propia dimensin
Estudiarlos cuidadosamente y colocarlos

en una o ms dimensiones junk
Dimensiones Junk
Ejemplo: 10 indicadores Si/No
210 registros
Encuestas con preguntas de si y no.
Una dimensin junk compone un grupo de banderas y

atributos de texto removidos de la tabla de hechos
Tablas de dimensiones extendidas
Muchos a muchos Tabla de hechos

Registro Medico
Dimensin diagnstico
Id_diagnstico(PK)
Id_time(FK)
Id_paciente(FK)
Id_proveedor(FK)
Id_diagnostico(FK)
Mltiples diagnsticos
para el mismo
paciente?
Crear una tabla puente entre la dimensin y la

Tabla de hechos
tabla de hechos
Registro Medico
Dimensin diagnstico
Id_diagnstico (PK)
Tabla puente que agrupa

diagnsticos
Id_diagnstico_grupo (PK)
Id_diagnstico (PK)
Peso_diagnstico
Id_time(FK)
Id_paciente(FK)
Id_proveedor(FK)
Id_diagnostico_grupo(FK)
Tablas de dimensiones extendidas
Con el tiempo el paciente puede tener varios

grupos de diagnstico
Tabla de hechos
Registro Medico
Dimensin diagnstico
Id_diagnstico (PK)
Tabla puente que agrupa

diagnsticos
Id_diagnstico_grupo (PK)
Id_diagnstico (PK)
Id_paciente (PK)
Peso_diagnstico
fecha_inicial
fecha_final
Id_time(FK)
Id_paciente (FK)
Id_proveedor (FK)
Id_diagnostico_grupo (FK)
Ejercicio
Cuentas de balance. Una cuenta puede

pertenecer a ms de una persona.
Tabla de hechos Balance mensual de la cuenta
Dimensiones Role-playing
Una sola dimensin aparece muchas veces

en la tabla de hechos
Tabla de hechos
fecha_orden (FK)
fecha_de_empaque (FK)
fecha_de_compra (FK)
fecha_de_envio (FK)
fecha_de_pago (FK)
fecha_de_devolucin (FK)
Todos los atributos

son FK a la dimensin
fecha
Construir la matrix
Lista de data marts

Lista de dimensiones
Usar el mtodo de 4 pasos para cada tabla

de hechos (data mart)
Descripcin detallada de los atributos de
las dimensiones
Hoja de datos derivados o calculados
Definiciones de los datos fuente
Mapa de fuente-destino (entrada al ETL)
Referencias
[1] Wiley - Mastering Data Warehouse Design Relational And Dimensional Techniques 2003.
[2] Wiley - Data Analysis -The Data Warehouse
Toolkit - Second Edition.
[3] Wiley - Building The Data Warehouse - Third
Edition
[4] Wiley - The Data Warehouse ETL Toolkit 2005.
[5] Wiley - The Data Warehouse Lifecycle Toolkit
1998
[6] MicroStrategy - Business Intelligence - 2006

Modelamiento Dimensional

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Modelamiento Dimensional

Cargado por

Copyright:

Formatos disponibles

Modelamiento

Por Elizabeth Lon Guzmn

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Hechos: algo que ocurre en el tiempo

Medidas: Valores numricos que

Dimensiones: Son categoras que

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Altamente desnormalizada ya que

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Son las instancias o valores de los

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Los atributos dentro de una dimensin

Los atributos en las diferentes

Son asociaciones lgicas de atributos

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Empresa: Cadena de supermercados

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Mitos del modelo dimensional

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Proceso de diseo dimensional

Seleccionar el proceso del negocio a

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

1. Seleccionar el proceso de negocio

El primer modelo dimensional debe ser

Decidir el proceso(s) del negocio a

2. Definir el nivel de granularidad

Preferiblemente, desarrollar el modelo

Datos atmicos son los mas detallados

Una bodega casi siempre requiere los

3. Escoger las dimensiones

Toman solo un valor bajo cada combinacin de

Si la dimensin adicional viola la

4. Identificar los hechos

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Proceso del negocio

Analizar que productos se estn vendiendo, en que almacenes,

Cul es el nivel de detalle de los datos?

Diferencia de ventas entre Lunes y Viernes

Requieren datos detallados en diferente forma

La fecha, producto y almacn

Nueva dimensin viola la granularidad?

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Precio por unidad

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

Porcentaje de ganancia (calculada al dividir la

Los porcentajes y proporciones no son aditivos. El numerador y el

La proporcin de las sumas != La suma de las

Estimar el nmero de filas que se

Caso de estudio: Hablar con la persona

Estimar el nmero de filas que se

Puede ser construida con anticipacin

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia

La Dimensin Tiempo en detalle

Por Elizabeth Len Guzman - TEBD Universidad Nacional de Colombia