Proveďte datovou analýzu části informačního systému praktického lékaře, který sleduje pacienty a pojišťovny, u kterých jsou pacientu pojištěni a dále v blíže neurčeném časovém období registruje počet bodů (ze kterého se pak dá vypočítat příjem lékaře, který nás však v této části nezajímá). Každá pojišťovna má určeno, kolik Kč platí za bod. Pro každou diagnózu je centrálně určeno, kolik bodů si lékař účtuje za její stanovení a následné ošetření pacienta.
Atributy sledování faktur jsou:
Lékař (Rodné číslo, Jméno pacienta, Adresa pacienta, Číslo pojišťovny, Název pojišťovny, Kč za bod v pojišťovně, Číslo diagnózy, Název diagnózy, Počet bodů za stanovení diagnózy, Datum ošetření, Plánovaný datum kontroly, Poznámka lékaře)
Provedeme intuitivní rozdělení datových atributů do entitních typů. Existují tři entitní typy:
Diagnózy (Číslo diagnózy, Název diagnózy, Počet bodů za stanovení diagnózy)
Pacienti (Rodné číslo , Jméno pacienta, Adresa pacienta)
Pojišťovny (Číslo pojišťovny, Název pojišťovny, Kč za bod v pojišťovně)
Protože vztah mezi pacientem a diagnózou je typu N : M, zavedeme přirozený průnikový typ:
Ošetření (Rodné číslo, Číslo diagnózy, Datum ošetření, Plánovaný datum kontroly, Poznámka lékaře)
Z integritních omezení 1 a 2 lze odvodit výskytový diagram .
Z integritních omezení 3, 4 a 5 lze odvodit výskytový diagram .
Zavedené průnikový typ Ošetření. Primární klíč volíme na základě integritního omezení 6 jako složený, případně lze primární klíč volit jako pořadové číslo ošetření (autoinkrement). Získáme dva výskytové diagramy a
.
Z výskytových diagramů můžeme odvodit ERA diagram .