En bref
- Ton titre annonce ton métier exact. « Data analyst BI, SQL et Power BI » passe. « Data scientist junior » ne passe pas si tu ne construis pas de modèles prédictifs.
- SQL vient en premier, toujours. C'est la compétence la plus citée dans les offres, et 58,6 % des développeurs l'utilisent selon le Developer Survey 2025 de Stack Overflow.
- Chaque mission s'écrit avec un KPI métier et un chiffre : dashboards livrés, utilisateurs servis, temps de production d'un rapport, écart d'analyse réduit.
- Ajoute un lien cliquable vers un dashboard publié ou un dépôt GitHub. Sans preuve, tes compétences restent des déclarations.
- Les fourchettes constatées en France en 2026 vont d'environ 32 000 à 40 000 € brut pour un junior et jusqu'à 55 000-68 000 € en senior (Hellowork).
Le CV data analyst complet, prêt à copier
Voici un exemple complet, annoté, prêt à copier.
Nadia Benali - Data analyst (SQL, Python, Power BI)
Paris 11e (75) · 06 12 34 56 78 · nadia.benali@email.fr · github.com/nadiabenali · nadiabenali.fr/dashboards
Recherche un poste de data analyst - CDI, Paris ou hybride 2 jours
Profil
Data analyst avec 4 ans d'expérience en retail et e-commerce. Je transforme des données de ventes et de trafic en dashboards réellement utilisés par les équipes marketing et supply. Je requête des entrepôts de données en SQL, je modélise sous Power BI et j'automatise mes traitements en Python.
À noter : le profil annonce le secteur, la chaîne d'outils et les destinataires des analyses. Le recruteur comprend en cinq secondes à quoi il a affaire.
Expérience professionnelle
Data analyst - Enseigne e-commerce, Paris (75) | Mars 2023 → aujourd'hui
Pôle data de 9 personnes. Périmètre : ventes, acquisition, logistique. Entrepôt BigQuery, restitution Power BI.
- Conception de 14 dashboards Power BI pour le marketing, la supply et le service client : 180 utilisateurs actifs par mois.
- Suivi de 22 KPI métier : chiffre d'affaires par canal, taux de conversion, panier moyen, taux de rupture, délai de livraison.
- Automatisation en Python d'un rapport d'activité hebdomadaire : 6 heures de production manuelle supprimées chaque semaine.
- Reconstruction du modèle de données des ventes en SQL : les écarts d'analyse entre équipes sont passés de 5 % à moins de 1 %.
- Analyse de cohortes sur l'attrition client : identification de deux segments à risque, ayant déclenché un plan de réengagement.
- Animation d'un atelier mensuel de lecture de données auprès de 15 personnes du marketing.
À noter : chaque ligne contient un outil, un volume et un effet. La dernière prouve que tu sais faire du storytelling de données, pas seulement des requêtes.
Data analyst junior - Institut d'études santé, Lyon (69) | Septembre 2021 → Février 2023
Analyses sur des données de parcours de soins anonymisées, en binôme avec un data engineer.
- Nettoyage et fiabilisation de 1,2 million de lignes de données patients sous SQL et R.
- Création de 6 tableaux de bord Looker Studio pour le suivi des indicateurs d'activité.
- Analyse statistique descriptive (tendances, tests, intervalles de confiance) sur des cohortes de 40 000 patients.
- Priorisation de 90 demandes métier en backlog, avec un délai moyen de réponse ramené de 10 à 4 jours.
À noter : le contexte santé change la lecture. Un recruteur santé y voit de la rigueur et des données sensibles, un recruteur retail y voit une capacité d'adaptation à un autre secteur.
Projets portfolio
- Dashboard rétention e-commerce (SQL + Power BI) - analyse de 500 000 commandes publiques, README avec la question métier, la méthode et 3 recommandations.
- Automatisation de reporting (Python, API) - script qui consolide 4 sources en un fichier de suivi, documenté et testé.
- Tableau de bord KPI marketing (Looker Studio) - publié en ligne, 8 indicateurs et un filtre par canal d'acquisition.
À noter : trois projets terminés valent mieux que quinze notebooks de tutoriels. Dataquest conseille de partir d'une question métier, jamais d'un jeu de données.
Formation
- Master Statistique et analyse de données - Université Lyon 1, 2021.
- Licence Économie et gestion, parcours quantitatif - 2019.
- Certification Microsoft PL-300 (Power BI Data Analyst Associate) - 2024.
Compétences
- Langages : SQL (jointures, CTE, fonctions fenêtres), Python (pandas, matplotlib), R (analyse exploratoire).
- BI et visualisation : Power BI (DAX, Power Query), Tableau, Looker Studio.
- Bureautique : Excel avancé (TCD, Power Query, recherchev, formules matricielles).
- Statistiques : statistiques descriptives, tests d'hypothèses, corrélation, analyse de cohortes, A/B test.
- Data : modélisation en étoile, qualité et contrôle des données, notions d'ETL (dbt, Airflow), BigQuery, Git.
- Métier : définition de KPI, cadrage d'un besoin, restitution à des publics non spécialistes.
- Langues : anglais courant (documentation technique, réunions en équipe distribuée).
Envie de partir de ce modèle plutôt que de tout copier à la main ?
Ouvre-le pré-rempli dans l'éditeur, remplace les sections par les tiennes et télécharge le CV en PDF ou en Word. Gratuit, sans inscription.
Ouvrir le modèle pré-rempliLes compétences que les recruteurs cherchent en 2026
Que faut-il vraiment savoir faire pour décrocher un poste de data analyst en 2026 ? Les offres répondent d'elles-mêmes.
La fiche métier de l'APEC résume le métier : valoriser les données de l'entreprise, construire des tableaux de bord pour les équipes (marketing, relation client) et parfois des modèles statistiques, comme une segmentation client. Voici comment ça se traduit dans une annonce.
- SQL, non négociable. Extraire, joindre, agréger, vérifier. C'est la compétence qui apparaît dans presque toutes les offres, et celle qu'on teste le plus souvent en entretien technique.
- Un outil de BI maîtrisé pour de vrai. Power BI devance Tableau en nombre d'entreprises équipées (6sense), mais Tableau reste très demandé en milieu anglo-saxon et en agence. Looker et Looker Studio s'imposent dans les environnements Google Cloud. Cite celui que tu utilises en production.
- Python ou R. Python pour l'automatisation, le nettoyage et les analyses avancées ; R pour les profils statistiques, la santé et la recherche. Un seul des deux suffit si tu le maîtrises vraiment.
- Excel avancé. Beaucoup de métiers tournent encore sur un fichier Excel. TCD, Power Query, recherchev, formules matricielles : c'est un attendu de base, pas un détail.
- Les statistiques. Moyenne, médiane, écart-type, corrélation, significativité, biais d'échantillonnage. Sans ça, tu produis des graphiques, pas des analyses.
- Les tuyaux, un peu. Tu n'es pas data engineer, mais tu dois comprendre un flux ETL : d'où vient la donnée, à quelle fréquence elle arrive, qui la rafraîchit, pourquoi elle peut être fausse.
- La data visualisation et le storytelling de données. Un dashboard que personne ne consulte est un dashboard raté. On attend une hiérarchie visuelle claire et une phrase qui dit quoi décider.
- Un secteur. Marketing, finance, santé, retail : chaque univers a son vocabulaire et ses KPI. Écris ton secteur dans ton titre et ton profil, c'est un filtre de lecture immédiat.
- L'anglais professionnel. La documentation, la BI, les outils : tout est en anglais.
Les erreurs qui font écarter un CV de data analyst
1. Un titre flou ou trompeur. « Passionné de data, polyvalent » ne se lit pas. Le recruteur veut savoir si tu es analyste, ingénieur ou scientifique - et pour quel type de données.
2. Des dashboards sans utilisateur ni KPI. « Création de plusieurs tableaux de bord » ne dit rien. Écris qui s'en sert, combien de personnes, sur quels indicateurs, et ce que ça a changé dans une décision. Si tes dashboards suivent surtout des marges, des budgets et des écarts au prévisionnel, regarde le modèle de CV contrôleur de gestion : même goût du chiffre, vocabulaire finance. Et si tu passes plus de temps à cadrer le besoin et animer les comités qu'à requêter, le modèle de CV chef de projet valorise mieux ce rôle.
3. Mélanger data analyst, data scientist et data engineer. Trois métiers, trois livrables : des dashboards et des recommandations pour l'analyste, des modèles prédictifs pour le scientifique, des pipelines pour l'ingénieur (IBM). Un CV qui coche les trois cases paraît flou pour les trois. Si ton code part en production plus souvent que dans un dashboard, le modèle de CV développeur te correspondra mieux.
4. Aucun lien vers du code ou un dashboard. Un portfolio vide d'URL laisse le recruteur sans preuve. Une capture d'écran ne remplace pas un lien cliquable vers un dashboard publié.
5. Les mots-clés de l'annonce absents. Un ATS ne rejette pas mécaniquement 75 % des CV, contrairement à ce qui circule : des recruteurs interrogés par Enhancv indiquent filtrer sur le contenu, pas bloquer automatiquement. Mais c'est bien par mots-clés que les recruteurs cherchent dans leur base. Si l'annonce dit « Power BI », écris « Power BI ».
6. Un CV qui ne survit pas à la lecture rapide. On ne lit pas un CV, on le scanne. Les études d'eye-tracking de Ladders montrent un balayage de quelques secondes sur le nom, les intitulés de poste, les dates et la formation. Rends ces quatre zones parfaitement lisibles.
Questions fréquentes
Faut-il un CV data analyst d'une ou deux pages ?
Une page jusqu'à 5 ans d'expérience, deux pages au-delà. Mieux : ne garde que ce qui répond à l'annonce. Un CV data analyst se juge sur trois blocs - outils, KPI traités, résultats - pas sur la longueur de la section « centres d'intérêt ».
Peut-on devenir data analyst sans master en statistiques ?
Oui, si tu apportes la preuve technique ailleurs. Un portfolio de trois projets sérieux (requêtes SQL documentées, dashboard orienté décision, analyse exploratoire argumentée) pèse plus qu'une ligne de diplôme. Les certifications éditeurs, comme la PL-300 sur Power BI, rassurent sur les outils.
Quel outil de BI mettre en avant : Power BI, Tableau ou Looker ?
Celui de l'entreprise que tu cibles. Postule dans un groupe industriel ou une banque ? Power BI est le plus répandu. Dans une scale-up ou une agence à clients internationaux ? Tableau reste un standard. Dans un environnement Google Cloud ? Looker. Mets l'outil demandé dans les trois premières lignes de ta section compétences.
Comment montrer ses projets quand on débute en data ?
Trois projets, pas trente. Pour chacun : la question métier, la source des données, ta démarche, deux ou trois résultats en langage clair et une recommandation. Un notebook Kaggle seul ne convainc pas : ajoute ta propre question et ta conclusion. Épingle ces dépôts en haut de ton GitHub.
Ton CV data analyst tient la route. Il reste à le faire parler la langue de chaque annonce.
Entre une offre « data analyst marketing, Power BI et SQL » et une offre « analyste data santé, R et statistiques », les mots-clés n'ont rien à voir. Rivjob est un assistant IA de recherche d'emploi qui agrège les offres correspondant à ton profil, réécrit ton CV et ta lettre pour chaque candidature, puis pilote le suivi de tes dossiers. Tu écris une fois. Il adapte à chaque poste.
Commencer maintenant