Modèle de CV data analyst

Ce modèle s'adresse aux data analysts, analystes BI, chargés de reporting et analystes marketing ou produit. Il utilise la mise en page en deux colonnes : expériences et projets dans la colonne principale, outils, certifications et langues dans une colonne latérale qu'un recruteur parcourt en quelques secondes. L'exemple est celui d'un data analyst confirmé basé à Lille, cinq ans d'expérience dans la distribution et l'assurance, entré dans le métier par l'alternance. Remplacez le contenu par le vôtre et supprimez les rubriques inutiles.

Le modèle en bref

Ce que regardent les recruteurs

Un responsable data qui recrute se pose en général deux questions. Cette personne sait-elle sortir des chiffres justes d'une base mal rangée sans qu'on vérifie chaque requête derrière elle ? Et sait-elle expliquer ces chiffres à une directrice commerciale que les jointures n'intéressent pas du tout ? Votre CV doit répondre aux deux.

La première question porte sur la technique. Vous y répondez par les outils cités et par des réalisations concrètes : un modèle de données construit, un flux de chargement réparé, une table nettoyée que personne n'osait toucher. La seconde porte sur le jugement et la communication. Vous y répondez en nommant les équipes qui utilisent votre travail et les décisions qu'elles en ont tirées.

Les managers cherchent aussi des signes de responsabilité. Un analyste qui « réalise des reportings » paraît interchangeable. Un analyste « responsable du suivi hebdomadaire des ventes et interlocuteur du contrôle de gestion sur ces chiffres » paraît indispensable à son équipe. Si un rapport, un tableau de bord ou un indicateur vous appartient, écrivez-le clairement.

Dans beaucoup d'entreprises, un chargé de recrutement ou un cabinet lit le CV avant le manager, souvent à l'aide d'un logiciel qui cherche des mots-clés. Écrivez les outils comme dans les offres : SQL, Power BI, Tableau, Python, R, Excel, BigQuery, SAS. Le manager, lui, regardera au-delà de la liste et cherchera les questions auxquelles vous avez répondu.

Comment rédiger chaque rubrique

En-tête et coordonnées

Nom, intitulé du poste visé, ville, e-mail, téléphone et un ou deux liens. LinkedIn est attendu par la plupart des recruteurs. Un lien GitHub ou vers un tableau de bord publié vaut la peine s'il montre un travail abouti. L'adresse complète n'est plus nécessaire, la ville suffit. Âge, situation familiale et nationalité sont facultatifs, et beaucoup de candidats les omettent aujourd'hui.

La photo reste fréquente en France, mais personne ne vous la reprochera si elle est absente. Les start-up et les groupes internationaux s'en passent volontiers. Si vous en mettez une, prenez une photo récente et sobre, sur fond neutre.

Les intitulés varient beaucoup dans la data : « chargé d'études statistiques », « analyste décisionnel », « business analyst », « consultant BI ». Si votre intitulé officiel est obscur, utilisez dans l'en-tête la version la plus claire et honnête, par exemple « Data analyst », et gardez le titre exact dans l'expérience si vous le souhaitez.

Profil ou accroche

Deux ou trois phrases : votre niveau, le secteur que vous connaissez, vos outils principaux et le type de questions que vous aimez traiter. Évitez « rigoureux », « curieux » et « force de proposition », que tout le monde écrit. Voici le schéma à trois niveaux :

Junior : Diplômée d'un master en statistique, réalisé en alternance dans un service reporting, avec deux projets personnels en SQL et Power BI. J'aime remettre de l'ordre dans des fichiers Excel désordonnés et rédiger des conclusions lisibles par les équipes métier.

Confirmé : Data analyst avec trois ans d'expérience dans le e-commerce, surtout en SQL, Tableau et Python. Je construis les tableaux de bord qui servent au marketing pour planifier ses campagnes et j'aime comprendre pourquoi un indicateur a bougé.

Senior : Data analyst senior avec sept ans d'expérience dans la distribution et l'assurance. Je suis responsable des indicateurs de ventes, j'analyse les tests A/B avec les équipes produit et j'aide les managers à transformer une question vague en indicateur suivi.

Expériences professionnelles

Classez les postes du plus récent au plus ancien, avec entreprise, intitulé, ville et dates au mois près. Trois à cinq réalisations pour les postes récents, une à trois pour les plus anciens. Si l'entreprise est peu connue, ajoutez une ligne de contexte : « Réseau régional de magasins de bricolage, 45 points de vente ».

Beaucoup d'analystes travaillent pour plusieurs services. Dans ce cas, précisez lesquels : « Interlocuteur des achats, du marketing et du contrôle de gestion. » Le lecteur comprend aussitôt quel genre de questions vous traitez.

L'alternance et les stages comptent pleinement en France. Un contrat d'alternance de deux ans dans un service data est une vraie expérience : présentez-le comme un poste, avec ses réalisations, et pas comme une simple ligne de formation. Les postes en ESN ou en cabinet de conseil se décrivent par secteur et taille du client, par exemple « banque de détail, 2 000 agences », si le nom doit rester confidentiel.

Projets

Les projets pèsent plus lourd pour un analyste que dans beaucoup d'autres métiers, parce qu'une grande partie du travail quotidien est confidentielle. Un bon projet montre tout le cycle : une question, une source, le nettoyage, l'analyse et une réponse claire. Donnez à chacun une ou deux lignes avec la question, les outils et le lien.

Les données ouvertes s'y prêtent très bien : portails open data des métropoles, données de l'Insee, résultats sportifs, prix des carburants, ou des données que vous collectez vous-même. Choisissez un sujet qui vous intéresse vraiment, car on vous interrogera dessus en entretien et l'intérêt sincère se voit. Évitez les exercices de cours que des milliers de personnes ont déjà publiés, sauf si vous y avez ajouté quelque chose de personnel.

Compétences

Regroupez vos outils pour qu'on les lise d'un coup d'œil : données et bases, langages d'analyse, BI et reporting, et une courte ligne sur votre méthode de travail. Placez l'outil le plus solide en tête de chaque groupe. La colonne latérale oblige à rester court, et c'est très bien.

Indiquez aussi vos langues. L'anglais est fréquent dans les équipes data, ne serait-ce que pour la documentation des outils. Précisez un niveau honnête, éventuellement avec le score d'un test reconnu si vous l'avez passé récemment.

Formation

Diplôme, établissement et années. En France, les recruteurs repèrent vite le niveau : un Bac+5 (master, diplôme d'ingénieur ou d'école de commerce) est courant pour les postes de data analyst, mais une licence, un BUT Science des données ou une formation en reconversion suffisent souvent avec de bons projets. Statistique, économie, mathématiques, informatique et gestion sont fréquents, tout comme la sociologie ou la biologie. Le sujet de mémoire mérite une ligne en début de carrière s'il touche aux données.

Certifications

Les certifications Microsoft Power BI, Tableau et celles des grands fournisseurs cloud sont les plus citées dans les offres. Indiquez le nom exact, l'organisme et l'année. Une attestation de formation en ligne aide en reconversion ; retirez-la quand votre expérience parle pour vous.

Rédiger vos réalisations

Une bonne réalisation de data analyst dit quelle question vous avez traitée, comment, et ce qui en est sorti. Le résultat n'est pas toujours financier. Ce peut être une décision prise, un processus plus rapide, un rapport que plus personne ne refait à la main, ou une erreur repérée avant le comité de direction.

Un schéma simple : ce que vous avez analysé ou construit + comment + qui s'en sert ou ce qui a changé.

• Faible : « Création de tableaux de bord pour les commerciaux. »
• Mieux : « Tableau de bord commercial sous Power BI, utilisé chaque semaine par 12 responsables de secteur pour fixer leurs objectifs. »

Utilisez des chiffres que vous pouvez défendre en entretien : lignes traitées, utilisateurs, heures gagnées, nombre de rapports, résultats de tests. Si vous ne connaissez qu'un ordre de grandeur, écrivez « environ » ou décrivez le changement en mots. Plus que d'autres, les analystes se font demander d'où vient un chiffre.

Exemples par niveau

Junior ou alternant

• Requêtes SQL hebdomadaires sur les commandes pour l'équipe exploitation, totaux rapprochés avec la comptabilité
• Nettoyage d'un fichier clients de 75 000 lignes sous Excel et Python, doublons supprimés avant un envoi postal
• Migration de trois reportings Excel vers Power BI, pour que les managers filtrent eux-mêmes par région
• Documentation de chaque colonne des rapports, afin que les nouveaux arrivants répondent seuls aux questions simples

Confirmé

• Analyse du parcours d'inscription montrant que la plupart des abandons ont lieu à la vérification de l'adresse e-mail
• Automatisation du pack mensuel d'indicateurs avec SQL et actualisations planifiées, deux jours gagnés chaque mois
• Définition commune du « client actif » avec le marketing, appliquée ensuite dans cinq tableaux de bord
• Présentation des résultats d'un test de prix, avec ses limites, au directeur produit

Senior ou lead

• Responsable des indicateurs de chiffre d'affaires et des tableaux de bord du comité de direction hebdomadaire
• Mise en place du processus de tests A/B avec l'équipe produit, calcul de taille d'échantillon et restitution standard compris
• Encadrement de deux analystes juniors et relecture de leur SQL avant envoi aux équipes métier
• Pilotage du passage d'un reporting sur tableur à dbt et BigQuery, avec des modèles testés et documentés

Exemples par spécialité

Analyse produit

• Définition des indicateurs d'usage de l'application mobile et du plan de marquage avec les développeurs
• Suivi de l'adoption d'une nouvelle fonctionnalité, qui a montré que peu d'utilisateurs trouvaient l'écran
• Cohortes de rétention désormais revues à chaque réunion de planification mensuelle

Analyse marketing

• Rapport par canal croisant dépenses publicitaires et commandes, qui a montré qu'un canal payant touchait surtout des clients déjà acquis
• Mesure de l'effet des campagnes e-mail avec des groupes témoins plutôt qu'au dernier clic
• Segmentation clients en Python, utilisée pour préparer trois opérations saisonnières

Finance et supply chain

• Prévision hebdomadaire des volumes en Python, comparée chaque semaine au réalisé
• Rapport de planification des effectifs aidant les chefs d'entrepôt à caler les équipes sur les pics d'activité
• Rapprochement des stocks entre l'entrepôt et la comptabilité, écart expliqué par un décalage d'horaire dans un flux

Santé, assurance et secteur public

• Rapports mensuels d'activité pour plusieurs établissements, utilisés pour planifier le personnel
• Croisement des données de rendez-vous et de facturation pour repérer les sites avec beaucoup d'absences
• Préparation de déclarations réglementaires avec des contrôles qui détectent les champs manquants avant l'envoi

Business intelligence

• Maintenance de 30 tableaux de bord et suppression des dix que personne n'avait ouverts depuis six mois
• Source de données partagée avec des indicateurs validés, pour que les services cessent de comparer des totaux différents
• Temps de chargement d'un rapport lent réduit en déplaçant les calculs lourds dans l'entrepôt de données

Compétences et mots-clés

Les recruteurs et les logiciels de tri cherchent des termes précis. Reprenez l'orthographe des offres et ne citez que ce que vous avez vraiment utilisé, au travail ou dans un projet terminé.

Les qualités relationnelles comptent beaucoup dans ce métier, mais écrire « bon communicant » ne prouve rien. Montrez-les dans vos réalisations : une restitution devant un directeur, un indicateur négocié entre deux services, une documentation que les équipes consultent vraiment.

Adapter votre CV à une offre

Les postes de data analyst se ressemblent moins que leur intitulé le laisse croire. Dans une banque, vous passerez peut-être vos journées sur Excel, SAS et SQL Server ; dans une start-up, sur Python et dbt. Dix minutes d'adaptation par candidature suffisent :

1. Lisez l'offre et repérez les outils, le métier et le type de travail qui reviennent : tableaux de bord, études ponctuelles, tests.
2. Vérifiez que les outils que vous maîtrisez vraiment figurent dans les compétences et dans au moins une réalisation.
3. Remontez en tête de chaque poste les réalisations proches de la mission principale.
4. Ajustez la première phrase du profil, par exemple « analyste marketing » pour un poste au marketing.
5. Mettez en avant le projet le plus proche du secteur de l'entreprise, si vous en avez un.

Reprenez les mots de l'offre quand ils sont vrais pour vous. Si elle parle de « pilotage de la performance » et que vous préparez chaque semaine les indicateurs du comité de direction, employez cette expression.

Mise en forme et longueur

Une page pour la plupart des analystes. Une seule police entre 10 et 12 points, des dates cohérentes et le même format de nombres partout, par exemple « 1,2 M€ » du début à la fin plutôt qu'un mélange avec « 1 200 000 € ». Vous remarqueriez des chiffres incohérents dans un rapport, le recruteur aussi.

Pas de graphiques, de jauges de compétences ni d'étoiles : les logiciels de tri les lisent mal et ils ne disent rien de votre vrai niveau. Un lien vers un tableau de bord que vous avez construit fait bien mieux l'affaire. Envoyez un PDF au nom clair, par exemple « Camille-Delattre-CV-Data-Analyst.pdf ».

Pourquoi les rubriques sont dans cet ordre

Les expériences viennent en premier, car les vraies questions métier auxquelles vous avez répondu comptent plus que tout le reste. Les projets suivent juste après : ils montrent votre travail quand les tableaux de bord de votre employeur doivent rester internes. La formation vient ensuite et reste courte.

Compétences, certifications et langues sont dans la colonne latérale, ce qui garde la liste des outils visible à côté de chaque poste sans prendre de place à vos réalisations. Pour un grand groupe équipé d'un logiciel de tri strict, la mise en page compatible ATS du modèle développeur met tout sur une seule colonne. Si vous sortez d'études, placez les projets avant les expériences et regardez le modèle étudiant. Si vous venez de la comptabilité, le modèle comptable contient des formulations utiles pour décrire le travail sur les chiffres.

Erreurs à éviter

• Lister des outils sans dire ce que vous en avez fait
• Décrire un tableau de bord sans jamais dire qui l'utilise
• Montrer des chiffres internes, des noms de clients ou des captures d'écran
• Des jauges ou des étoiles pour SQL ou Python
• Des liens de portfolio vers des dépôts vides ou des tableaux de bord cassés
• Des formats de nombres et de dates incohérents sur un CV qui promet la rigueur
• Se dire expert en machine learning après un seul cours en ligne
• Oublier la base ou l'entrepôt de données, que les recruteurs recherchent souvent
• Réduire deux ans d'alternance à une ligne dans la rubrique formation

Liste de vérification avant l'envoi

• L'intitulé et la première phrase du profil correspondent au poste
• SQL et l'outil de BI de l'offre apparaissent, s'ils sont vrais pour vous
• Chaque poste récent a au moins une réalisation avec un utilisateur, une décision ou un résultat
• Les liens des projets s'ouvrent, se chargent vite et montrent un travail terminé
• Chiffres, dates et noms d'outils sont écrits de la même façon partout
• Le fichier est un PDF avec votre nom dans le titre