Compétences clés à mettre sur un CV de data analyst
Compétences techniques
- •Requêtage et modélisation de données en SQL
- •Analyse et manipulation de données avec Python (pandas) ou R
- •Data visualisation et tableaux de bord (Power BI, Tableau)
- •Nettoyage et fiabilisation des données (data cleaning)
- •Statistiques descriptives et analyse de KPI
- •Construction et suivi d'indicateurs (reporting)
- •Extraction et préparation de données (ETL)
- •Restitution des résultats aux équipes métier
Qualités (soft skills)
- •Esprit d'analyse et rigueur
- •Curiosité pour le métier et les données
- •Sens de la synthèse et pédagogie
- •Communication des résultats aux non-spécialistes
- •Attention à la qualité et à la fiabilité
Outils et logiciels attendus
Mots-clés ATS prioritaires
Les logiciels de recrutement (ATS) filtrent les CV sur ces termes. Reprenez ceux qui correspondent à votre expérience, avec le vocabulaire exact de l'offre.
Voir la liste complète sur les mots-clés ATS pour un CV de data analyst.
Structure recommandée du CV
- 1Titre + accroche (Data analyst - SQL / Python / Power BI)
- 2Compétences techniques (SQL, langage d'analyse, dataviz)
- 3Expériences (analyses menées, indicateurs, impact métier)
- 4Formations et certifications (Master, Power BI, Tableau)
- 5Outils (SQL, Python, Power BI, Tableau)
Exemple de section « Expériences »
Des puces orientées résultats, avec des verbes d'action et des chiffres - c'est ce qui fait la différence.
- ✓Construction d'un tableau de bord Power BI suivi chaque semaine par la direction, remplaçant 6 rapports Excel manuels.
- ✓Analyse SQL et Python d'un parcours d'achat ayant permis de réduire le taux d'abandon de panier de 12 %.
- ✓Automatisation d'un reporting mensuel, économisant 3 jours de travail par mois à l'équipe métier.
- ✓Fiabilisation d'une base de 2 millions de lignes (data cleaning) faisant passer le taux d'erreur de 8 % à moins de 1 %.
Erreurs fréquentes à éviter
- ✕Écrire « bon en analyse de données » sans citer SQL, Python/R ni un outil de dataviz.
- ✕Se contenter d'Excel et oublier SQL, pourtant central pour le poste et recherché par l'ATS.
- ✕Décrire des analyses sans impact métier (décision éclairée, gain de temps, KPI amélioré).
- ✕Se confondre avec un développeur ou un data engineer : précisez le périmètre analyse et restitution.
Questions fréquentes
Faut-il maîtriser SQL et Python pour être data analyst ?
SQL est incontournable et attendu sur la quasi-totalité des offres : il permet d'interroger et de préparer les données. Python (avec pandas) ou R sont très valorisés pour l'analyse poussée. Un outil de data visualisation comme Power BI ou Tableau complète le socle recherché. Nommez précisément ceux que vous maîtrisez.
Comment se distinguer d'un développeur ou d'un data engineer sur le CV ?
Le data analyst se concentre sur l'analyse, les indicateurs, les tableaux de bord et la restitution au métier. Le data engineer construit les pipelines et l'infrastructure de données, le développeur code des applications. Mettez en avant vos analyses, vos KPI et l'impact sur les décisions pour clarifier votre positionnement.
Quels chiffres valorisent le plus un CV de data analyst ?
L'impact de vos analyses : gain de temps grâce à l'automatisation, amélioration d'un KPI (taux de conversion, taux d'abandon), volume de données traité, nombre de tableaux de bord en production et fréquence de leur usage par les décideurs.
Un Master est-il obligatoire pour devenir data analyst ?
Non, le métier est ouvert à plusieurs profils : Master en statistiques ou data science, BUT Science des données, licence pro SID ou reconversion certifiée. Ce qui compte, c'est de prouver vos compétences par des analyses concrètes et une maîtrise réelle de SQL et d'un outil de dataviz.
Prêt à postuler comme data analyst ?
Adaptez votre CV à chaque offre et passez les filtres ATS. Lettre de motivation offerte.