將星型結構的銷售資料倉儲遷移到 BigQuery 後，查詢過去 30 天的資料變得緩慢。根據 Google 的最佳實務，如何在不增加儲存成本的情況下加快查詢速度？

將資料依交易日期分割（Partitioning by transaction date）是最佳實踐，因為它允許 BigQuery 只掃描與查詢相關的特定日期範圍資料，大幅減少掃描的資料量，從而提高查詢速度並降低成本。星型結構的銷售資料倉儲通常會按日期進行查詢，因此依日期分割能有效利用此特性。 將資料反正規化（Denormalizing the data）會增加儲存成本，且不一定能解決所有查詢效能問題。依客戶 ID 分割資料（Partitioning by customer ID）在某些情況下可能有用，但對於「過去 30 天」這種時間範圍的查詢，效率不如依日期分割。在視圖中實體化維度資料（Materializing dimension data in views）會增加儲存和維護成本，且通常用於預先計算複雜的聚合，而非加速基於時間範圍的查詢。