CV de data analyst : le guide complet
Apprenez à structurer un CV de data analyst, à valoriser vos compétences SQL et visualisation, et à rédiger des expériences chiffrées et convaincantes.
Un CV de data analyst doit prouver une chose : votre capacité à transformer des données brutes en décision. Beaucoup de candidats listent des outils sans jamais montrer le résultat obtenu. C'est souvent ce qui les fait écarter avant l'entretien.
Quelle structure donner à mon CV de data analyst ?
Un recruteur qui trie des CV de data analyst cherche trois informations en quelques secondes : les outils maîtrisés, le type de données traité, et le résultat produit. Organisez votre CV pour répondre à ces trois questions dans cet ordre.
- Placez un bloc compétences techniques juste sous votre nom : SQL, outils de visualisation (Power BI, Tableau, Looker), langages utilisés.
- Détaillez chaque expérience en partant de la mission demandée par le métier, puis des données mobilisées, puis du résultat livré.
- Terminez par la formation et les certifications techniques, sans les mettre en avant si elles ne sont plus récentes.
Comment présenter mes compétences SQL et visualisation ?
Le secteur data attend une preuve d'usage, pas une liste de logiciels. Écrire SQL ne dit rien sur votre niveau. Écrire requêtes SQL avec jointures multiples pour croiser plusieurs bases dit tout.
| Compétence | Formulation à éviter | Formulation qui prouve un usage |
|---|---|---|
| SQL | Connaissance de SQL | Écriture de requêtes avec jointures et sous-requêtes pour croiser des bases de plusieurs millions de lignes |
| Visualisation | Maîtrise de Power BI | Construction de tableaux de bord consultés chaque semaine par une équipe métier |
| Analyse | Bonnes capacités d'analyse | Identification d'une baisse de conversion par segmentation des données clients |
Comment formuler mes expériences pour montrer l'impact de mes analyses ?
Une expérience de data analyst se juge sur la décision qu'elle a rendue possible, pas sur la tâche effectuée. Chaque ligne de votre CV doit répondre à une question : qu'est-ce que cette analyse a changé ?
Avant : Extraction et analyse de données de vente. Après : Extraction des données de vente sur plusieurs marchés, identification d'un écart de marge par région, restitution sous forme de tableau de bord utilisé en comité mensuel.
Faut-il adapter mon CV à chaque offre de data analyst ?
Un CV générique de data analyst dilue vos compétences. Une offre qui insiste sur la restitution auprès de décideurs demande de mettre en avant votre expérience de présentation, pas seulement vos requêtes SQL. Une offre orientée modélisation demande l'inverse.
Quelles erreurs éviter sur un CV de data analyst ?
- Citer un outil sans exemple d'utilisation vérifiable.
- Mélanger les responsabilités de data analyst et de data engineer si vous n'avez pas géré l'infrastructure.
- Utiliser des superlatifs comme expert ou passionné de data qui n'apportent aucune preuve.
- Oublier de préciser le volume ou la nature des données traitées : transactionnelles, clients, RH.
- Ne pas indiquer à qui étaient destinées les restitutions : direction, équipe commerciale, comité.
Avant / après
- Compétences : SQL, Excel, Power BI
- Data analyst : analyse de données et reporting
- Passionné de data et de chiffres
- Formation : Master en statistiques
- SQL avancé : jointures, sous-requêtes, optimisation de requêtes sur des bases de plusieurs millions de lignes
- Data analyst : extraction des données clients, identification d'un segment à risque de désabonnement, restitution mensuelle en comité
- Construction de tableaux de bord Power BI consultés chaque semaine par l'équipe commerciale
- Master en statistiques, spécialisation analyse de données
Checklist avant d'envoyer
- Chaque compétence technique citée est illustrée par un exemple concret.
- Chaque expérience mentionne le destinataire de la restitution.
- Aucun superlatif comme expert ou passionné sans preuve associée.
- Les chiffres indiqués peuvent être justifiés en entretien.
- Le CV tient en une page si l'expérience est inférieure à cinq ans.
- Les mots-clés de l'offre (SQL, Python, tableau de bord) apparaissent dans le CV s'ils correspondent à une réalité.
Pourquoi utiliser IGOR
Analyse ATS
IGOR lit l'offre comme un logiciel de recrutement : intitulés, compétences attendues, mots employés par l'entreprise.
Optimisation automatique
Votre CV est réécrit pour l'offre : mêmes faits, meilleure formulation. Aucune expérience n'est jamais inventée.
Lettre personnalisée
Une lettre qui parle de cette entreprise et de ce poste, pas un modèle où l'on change le nom.
Gain de temps
Deux minutes par candidature au lieu d'une heure. Le temps gagné passe dans la préparation des entretiens.
Questions fréquentes
Faut-il mettre son niveau en SQL sur une échelle (débutant, avancé) ?
Non. Une échelle est subjective. Décrivez plutôt une utilisation concrète, comme le type de requêtes écrites ou le volume de données traité.
Dois-je inclure un projet personnel de data analyse ?
Oui si vous manquez d'expérience professionnelle. Présentez-le comme une expérience réelle : source des données, méthode utilisée, résultat obtenu.
Quelle différence faire entre data analyst et data scientist sur le CV ?
Le data analyst restitue et éclaire une décision existante. Le data scientist construit des modèles prédictifs. Ne mélangez pas les deux si votre mission était de l'analyse descriptive.
En résumé
Un CV de data analyst convaincant prouve un usage, pas une liste d'outils. Chaque ligne doit répondre à une question : quelle décision cette analyse a-t-elle permise ? Adaptez ensuite ce contenu aux mots-clés propres à chaque offre.
Essayez IGOR gratuitement
Collez une offre, déposez votre CV. Vous voyez le résultat avant de créer quoi que ce soit.
Essayer gratuitement