説明
既存のテーブルをパーティションテーブルに変更することはできません。パーティションテーブルを最初から作成する必要があります。
次に、毎日データをストリーミングしてデータを自動的に適切なパーティションに配置するか、テーブル名の末尾に「$YYYYMMDD」を使用して特定のパーティションにデータをロードすることができます。
参考: https://cloud.google.com/bigquery/docs/partitioned-tables

説明
行キーの最初の要素としてタイムスタンプを使用すると、さまざまな問題が発生する可能性があります。
簡単に言うと、時系列の行キーにタイムスタンプが含まれている場合、すべての書き込みは単一のノードを対象とし、そのノードを埋めてからクラスター内の次のノードに移動し、ホットスポットが発生します。
システムがアプリケーションの各ユーザーに数値IDを割り当てているとします。そのユーザーの数値IDをテーブルの行キーとして使用したいと考えるかもしれません。しかし、新規ユーザーはアクティブユーザーである可能性が高いため、このアプローチではトラフィックの大部分が少数のノードに集中する可能性があります。
[https://cloud.google.com/bigtable/docs/schema-design]
参照：
https://cloud.google.com/bigtable/docs/schema-design-time-series#ensure_that_your_row_key_avoids_hotspotti

このオプションは、各テーブルを個別に処理し、Cloud Storage バケットに新しいデータが到着したときにのみ DAG をトリガーできるため、ユースケースにとって最も効率的でメンテナンスしやすいワークフローです。Dataproc および BigQuery オペレーターを使用すると、各テーブルの読み込みジョブと変換ジョブを簡単にオーケストレーションし、これらのサービスのスケーラビリティとパフォーマンスを活用できます12。テーブルごとに個別の DAG を作成することで、各テーブルの変換ロジックとパラメータをカスタマイズし、単一の共有 DAG の複雑さとオーバーヘッドを回避できます3。Cloud Storage オブジェクト トリガーを使用すると、対応するテーブルの DAG をトリガーする Cloud Functions を起動できるため、データが可能な限り早く処理され、固定スケジュールで DAG を実行するためのアイドル時間とコストが削減されます4。
オプション A は、データの到着に関係なく DAG を 1 時間ごとに実行し、すべてのテーブルで単一の共有 DAG を使用するため、メンテナンスとデバッグが困難になるため、効率的ではありません。オプション C も、DAG を 1 時間ごとに実行し、Cloud Storage オブジェクト トリガーを活用しないため、効率的ではありません。オプション D は、すべてのテーブルで単一の共有 DAG を使用し、バケットからのデータ取り込みを簡素化できる Cloud Storage オペレーターを使用しないため、メンテナンスが容易ではありません。参考資料:
1: Dataproc オペレーター | Cloud Composer | Google Cloud
2: BigQuery オペレーター | Cloud Composer | Google Cloud
3: サービス オーケストレーションには Workflows または Cloud Composer を選択する | Workflows | Google Cloud
4: Cloud Storage オブジェクトトリガー | Cloud Functions ドキュメント | Google Cloud
[5]: DAG のトリガー | Cloud Composer | Google Cloud
[6]: クラウドストレージオペレーター | Cloud Composer | Google Cloud