Missions principales
Le quotidien et les responsabilités.
- Traduire une question métier floue en une mesure précise et calculable
- Construire et documenter les indicateurs de référence, pour que deux directions cessent d'arriver avec deux chiffres différents
- Modéliser la donnée dans l'entrepôt : tables intermédiaires, agrégats, règles de calcul versionnées
- Produire les analyses ponctuelles qui instruisent une décision : cohortes, attrition, rentabilité par segment
- Concevoir et maintenir les tableaux de bord réellement utilisés, et supprimer les autres
- Mesurer l'effet d'une décision ou d'un test, et savoir dire quand l'effet n'est pas significatif
- Contrôler la qualité de la donnée qu'il exploite et remonter les anomalies à la source
- Former les équipes métier à lire et à interroger les données elles-mêmes
Compétences
Ce qu'il faut maîtriser.
- SQL, réellement maîtrisé : c'est l'outil central du métier et le seul qui se teste objectivement
- Modélisation de données : savoir construire une table de faits et ses dimensions sans reproduire le désordre de la source
- Un outil de visualisation — Power BI, Tableau, Looker, Metabase — et le jugement de ne pas tout y mettre
- Notions de statistique : significativité, biais de sélection, corrélation qui n'est pas une cause
- Python ou R pour les analyses que l'outil ne couvre pas
- Compréhension du métier servi : un analyste qui ne sait pas comment l'entreprise gagne de l'argent produit des chiffres justes et inutiles
- Capacité à dire non à une demande de tableau et à proposer la question qu'il fallait poser
Formation
Le parcours type.
Les cursus sont variés et ce n'est pas le diplôme qui trie : écoles d'ingénieurs, statistique, économétrie, écoles de commerce avec spécialisation quantitative, et une part croissante de reconversions passées par des formations intensives. Ce qui distingue les candidats, c'est la capacité à raconter une analyse de bout en bout : la question posée, la donnée trouvée, ce qui manquait, la conclusion et ce qu'elle a changé. Zéro à dix ans d'expérience selon le niveau visé.
Évolutions
Et après ?
- Analytics Engineer, puis Data Engineer
- Lead Data Analyst et management d'une équipe d'analyse
- Data Scientist, pour les profils les plus statistiques
- Data Product Manager
- Head of Data ou Chief Data Officer
Conseils Entourage — Recruter
Recruter un Data Analyst.
Dites lequel des trois métiers vous ouvrez : guichet de tableaux de bord, construction des modèles dans l'entrepôt, ou analyse de questions ouvertes avec les directions. Les trois portent le même titre et n'appellent ni le même profil ni la même rémunération. L'annonce qui ne tranche pas reçoit cent candidatures et n'en retient aucune. Testez en SQL sur un schéma imparfait, pas sur un exercice d'école. Donnez deux tables mal nommées, avec des doublons et une jointure piégeuse, et demandez une réponse à une question métier. Vous apprendrez en quarante minutes ce que trois entretiens de parcours ne diront pas, et le candidat aussi. Dites enfin qui décide de ce qui entre dans le catalogue d'indicateurs. Un analyste sans arbitre devient un guichet, produit cent tableaux dont vingt servent, et part au bout de dix-huit mois en ayant appris peu de choses.
Conseils Entourage — Candidater
Postuler pour un poste de Data Analyst.
Préparez une analyse racontée de bout en bout, y compris ses défauts : la question qu'on vous a posée, celle qu'il fallait poser, la donnée qui manquait, ce que vous avez conclu et ce que la décision est devenue. C'est ce qui distingue un analyste d'un producteur de tableaux. Soyez à l'aise pour dire qu'un résultat n'est pas significatif, et pour l'expliquer à quelqu'un qui attendait une conclusion. C'est la compétence la plus rare du métier et la plus valorisée. En entretien, demandez à voir le schéma de l'entrepôt et le catalogue d'indicateurs. La réponse vous dira en deux minutes si vous allez analyser ou passer un an à nettoyer, et les deux postes sont acceptables à condition de le savoir.
