CV data analyst : outils, impact métier, projets et exemple complet

Un bon CV de data analyst montre vite deux choses : les outils que vous maîtrisez vraiment et les décisions que vos analyses ont changées. Placez en haut un titre clair et vos principaux outils, comme SQL, Python et Power BI, puis rédigez des réalisations qui relient la question, la méthode et le résultat métier. Une page convient aux débutants, deux aux profils confirmés. Avec peu d'expérience, un ou deux projets bien expliqués peuvent la compenser. Ce guide concerne les data analysts, les analystes BI et produit, les jeunes diplômés et les personnes en reconversion, avec des exemples avant/après et un modèle complet.

Commencez par la spécialité et les outils

Sous votre nom, indiquez un intitulé précis : « Data Analyst | SQL, Power BI, Python ». L'accroche donne ensuite le secteur, le type de données et un résultat fort.

Avant : Analyste rigoureux qui aime travailler avec les données.

Après : Data analyst, 4 ans dans l'e-commerce. Crée des modèles SQL et des tableaux de bord Power BI pour 3 directions, et a mené l'analyse tarifaire à l'origine d'une marge améliorée de 6 %.

Montrez le niveau, pas seulement les noms

Écrire « SQL » ne dit pas grand-chose. Précisez ce que vous en faites : jointures, fonctions de fenêtrage, optimisation de requêtes, modèles de données. Préférez la profondeur à une longue liste. Voir notre guide des compétences.

• SQL : BigQuery, PostgreSQL ou SQL Server ; jointures, CTE et fenêtres analytiques.
• BI : Power BI avec DAX et Power Query, Tableau ou Looker.
• Python ou R : pandas, nettoyage, notebooks et automatisation.
• Excel : Power Query, tableaux croisés et modèles, souvent demandés en finance.
• Méthodes : tests A/B, cohortes, prévisions et segmentation.

Les industriels et directions financières citent souvent d'abord Excel et Power BI ; les acteurs du numérique, Python, SQL et le cloud. Appuyez chaque outil par un chiffre : nombre de tables, volume ou d'utilisateurs.

Reliez l'analyse aux décisions

L'employeur veut savoir quelle décision l'analyse a éclairée. Suivez ce schéma : la décision de qui, ce que vous avez analysé, ce qui s'est passé ensuite. Appliquez le principe action et résultat. Les chiffres sont des exemples : gardez ceux que vous pouvez expliquer.

Avant : Création de rapports de ventes hebdomadaires.

Après : Rapport manuel remplacé par un tableau de bord Power BI utilisé par 30 personnes : 6 heures gagnées par semaine et chiffres disponibles le jour même.

Avant : Analyse des données clients.

Après : Analyse de cohortes en SQL et Python révélant une chute au deuxième mois ; la refonte de l'accueil qui a suivi a augmenté la rétention de 4 points.

Avant : Réalisation de tests A/B.

Après : 12 tests A/B conçus et analysés sur le paiement ; 2 changements nuisibles arrêtés avant déploiement et une hausse de conversion de 3 % appuyée.

Avant : Nettoyage des données.

Après : Contrôles qualité automatisés en Python sur 40 tables ; moins d'erreurs et rapprochement mensuel ramené de 2 jours à 3 heures.

Sans chiffre d'affaires à citer, dites qui utilise votre travail et ce qui a changé pour ces personnes. Soyez honnête sur l'attribution : les résultats sont souvent collectifs, écrivez « contribué » lorsque c'est le cas.

Utilisez bien les projets

Ils sont essentiels en reconversion ou en début de carrière. Gardez vos un ou deux meilleurs, plutôt que tous les exercices de cours.

• Question : ce que vous vouliez découvrir et pourquoi.
• Données : source, volume et nettoyage.
• Méthode et outils : le travail réalisé.
• Conclusion : un constat et une recommandation.
• Lien : GitHub, Tableau Public ou tableau de bord fonctionnel.

Adaptez selon le poste et le niveau

• Finance et industrie : Excel, Power BI, prévisions, clôture et reporting.
• Numérique et produit : SQL, Python, expérimentations, entonnoirs et événements.
• Débutant : formation, alternance, stage et projets. Voir le CV sans expérience.
• Reconversion : expertise métier et nouvelles compétences. Voir le guide de la reconversion.
• Senior : stratégie de données, définitions communes, mentorat et influence.

Reprenez les noms d'outils de l'annonce lorsqu'ils sont vrais et vérifiez vos termes avec les mots-clés par secteur. Pour le code de production, voir aussi le guide développeur.

Un exemple court et complet

La personne et les chiffres sont fictifs, mais la présentation est réutilisable.

Léa Bernard | Data Analyst | SQL, Power BI, Python | Bordeaux | Téléphone | E-mail | LinkedIn | github.com/exemple

Profil : Data analyst, 4 ans dans l'e-commerce, transforme les données clients et ventes en décisions sur les prix et la fidélisation.

Expérience : Data Analyst, Atlantique Commerce, depuis 2022. Tableau de bord pour 30 utilisateurs dans 3 directions, 6 heures gagnées par semaine. Analyse tarifaire, marge améliorée de 6 %. 12 tests A/B.

Analyste junior, Garonne Insights, 2020 – 2022. Modèles SQL sur 40 tables. Contrôles automatisés, rapprochement de 2 jours à 3 heures.

Compétences : SQL (BigQuery), Power BI (DAX), Python (pandas), Excel. Formation : Master Statistique, Université de Bordeaux, 2020. PL-300, 2023.

Erreurs fréquentes

• Lister des outils sans preuve d'utilisation.
• Décrire des rapports sans dire qui les utilise.
• S'attribuer seul un résultat collectif.
• Divulguer des données confidentielles.
• Présenter des projets sans conclusion.
• Laisser des erreurs de chiffres, très pénalisantes ici.

Conclusion

Avant de postuler, vérifiez que le titre, les outils et trois résultats liés à des décisions figurent en haut de la première page, puis relisez chaque chiffre. Notre guide du CV professionnel aide pour la mise en page.