Les attentes des recruteurs pour un poste de data analyst
Un data analyst n'est pas là pour produire des dashboards jolis — il est là pour faire prendre de meilleures décisions. Ce que le recruteur cherche : capacité à challenger une demande métier (« pourquoi tu veux ce KPI ? »), maîtrise SQL sans IA (fenêtres, CTE, joins complexes), et au moins un cas où votre analyse a changé une décision concrète (prix, feature, budget).
Les compétences clés à valoriser
Les compétences ci-dessous sont celles que les offres data analyst mentionnent le plus fréquemment dans le haut du job description en 2026. Reprenez le vocabulaire exact des offres que vous ciblez — les parseurs ATS matchent à la lettre.
Outils et technologies à mentionner
Exemple d'accroche gagnante
L'accroche (3-5 lignes sous l'intitulé du poste visé) est lue en premier. Elle doit situer votre niveau, votre domaine, et un résultat concret. Voici un modèle adapté au métier de data analyst :
Data analyst avec 3 ans d'expérience en scale-up SaaS. Au quotidien : stack Postgres + dbt + Metabase. J'ai construit la modélisation des marts revenue qui a permis au CFO de sortir sa première forecast mensuelle sans passer par la finance (-4 jours de closing). Spécialisée sur les funnels produit B2B et les A/B tests.
Adaptez les chiffres et le stack à votre réalité — les recruteurs sentent les exemples recopiés tels quels. Pour personnaliser une accroche à chaque offre en 30 secondes, utilisez CV Modifier.
Les chiffres qui font la différence
Un CV de data analystsans chiffres ressemble à du blabla. Voici les indicateurs que votre CV gagne à porter. Deux ou trois bien placés valent mieux qu'une liste exhaustive.
- Nombre de dashboards en production et d'utilisateurs actifs
- Décisions produit ou business déclenchées par une analyse (donner 1-2 exemples nommés)
- Réduction de délai de reporting (jours de closing, fréquence de rafraîchissement)
- Volume de données manipulé (lignes, Go, TB)
- Taux de tests dbt sur les modèles critiques
- ROI ou uplift d'un A/B test que vous avez conçu ou analysé
Les erreurs fatales à éviter
Ces erreurs reviennent dans la majorité des CV data analystque nous voyons passer. Aucune n'est grave prise isolément ; accumulées, elles font qu'un recruteur passe au CV suivant.
Mettre « Excel expert » en première compétence
Excel est un pré-requis, pas une compétence différenciante en 2026. La mettre en tête du CV envoie le signal « je n'ai rien de mieux à dire ». Remontez SQL, dbt ou une compétence métier.
Confondre data analyst, data engineer et data scientist
Écrire « j'ai fait du ML, du pipeline Spark et du Tableau » trahit un flou. Positionnez-vous clairement : analyst = SQL + modélisation + visualisation + stats légères. Pas de Spark ni de MLOps sauf si vous visez un rôle hybride.
Lister des outils sans dire à quoi ils ont servi
« Tableau, Power BI, Looker, Metabase, Qlik, Mode, Hex » en section compétences ne dit rien. Mieux : « Looker (migration depuis Tableau, 40 dashboards recréés en 3 mois) ».
Ne pas montrer un seul résultat business concret
Le recruteur veut un exemple d'impact : « mon analyse sur la cohorte entreprise a fait remonter un churn caché à 18 %, on a changé la politique de pricing ». Sans ça, vous êtes un opérateur de dashboard.
Qui recrute en France ?
Entreprises françaises et filiales connues qui recrutent régulièrement des profils data analyst. Liste non exhaustive et indicative — elle évolue au gré des levées de fonds et des cycles de marché.
Métiers connexes
Questions fréquentes
Quel salaire pour un data analyst en 2026 ?
38 à 48 k€ brut annuel pour un junior à Paris (0-2 ans), 35 à 42 k€ en province. Un analyst confirmé (3-5 ans) tourne à 48-62 k€, et le senior ou analytics engineer monte à 62-85 k€ dans les scale-ups (Qonto, Doctolib, Vinted, Aircall). En freelance, le TJM démarre vers 450-550 €/jour et atteint 650-750 € pour les profils avec dbt et une vraie connaissance métier SaaS.
Quel diplôme pour devenir data analyst ?
Un bac+3 à bac+5 en stats, éco, data ou ingénierie reste la voie classique (ENSAE, ENSAI, masters MIASHS, écoles de commerce spé data). Les bootcamps type DataScientest, Le Wagon Data ou Jedha sont largement acceptés en scale-up à condition d'avoir 2-3 projets SQL + dbt documentés. Les reconversions finance ou BI vers data analyst passent bien si le candidat maîtrise vraiment SQL et un outil de dataviz moderne.
Faut-il savoir coder en SQL sans IA pour passer les entretiens ?
Oui, c'est le filtre n°1. La plupart des process incluent un test SQL live (jointures, window functions, CTE) où ChatGPT n'est pas autorisé. Un candidat qui ne sait écrire qu'avec l'IA se fait griller en 10 minutes. Entraînez-vous sur StrataScratch, LeetCode SQL ou DataLemur. Python pandas est un plus, mais rarement bloquant au recrutement — SQL reste la compétence dure.
Faut-il un portfolio ou GitHub pour un data analyst ?
Recommandé pour un junior ou une reconversion : un repo GitHub avec 2-3 projets (requêtes SQL commentées, notebook d'analyse, dashboard Looker Studio public) fait largement la différence. Pour un confirmé, le track record pro suffit, mais un blog technique ou une contribution dbt package reste un vrai bonus côté scale-ups. Un CV une page maximum, avec les stacks réellement utilisés, pas une liste de tous les outils BI du marché.
À lire sur notre blog
Méthode · 5 min
Comment repérer les mots-clés d'une offre d'emploi en 2 minutes
La méthode concrète pour extraire les mots-clés critiques d'une offre et les placer dans votre CV — sans bourrage, sans les inventer, en moins de 2 minutes.
ATS · 6 min
Les 10 erreurs qui font rejeter votre CV par les ATS
60% des CV sont rejetés avant même d'être lus par un humain. Voici les 10 erreurs de mise en forme et de contenu qui font échouer votre candidature aux filtres ATS.