Modele una tabla de BigQuery de transacciones de tienda (transaction time, items, store ID, city, state) consultada frecuentemente para el recuento de artículos de los últimos 30 días y las tendencias por estado/ciudad/tienda. ¿Cómo debe particionar y agrupar para obtener el mejor rendimiento?

La partición por transaction time es crucial para consultas de rango de fechas como "últimos 30 días", ya que BigQuery puede eliminar particiones no relevantes, reduciendo la cantidad de datos escaneados. La agrupación (clustering) por state, city y store ID en ese orden es óptima porque las consultas de tendencias suelen filtrar y agregar datos jerárquicamente por ubicaciones geográficas, permitiendo a BigQuery organizar físicamente los datos relacionados, mejorando el rendimiento de las consultas y reduciendo los costos. Las opciones que agrupan primero por store ID son menos eficientes para tendencias geográficas, ya que dispersarían los datos de una misma ciudad o estado. Las opciones que solo mencionan la agrupación de nivel superior sin partición no aprovechan la eliminación de particiones para consultas temporales.