Le data analyst est devenu un acteur incontournable de la prise de décision en entreprise. Avec une croissance soutenue des offres d'emploi dans la data en France et un salaire moyen avoisinant 48 500 EUR brut par an, le métier attire aussi bien les diplômés en statistiques que les profils en reconversion. Pourtant, maîtriser SQL et Excel ne suffit plus pour convaincre un recruteur : votre CV doit démontrer votre capacité à transformer des données brutes en recommandations stratégiques. Avant de plonger dans le vif du sujet, vous pouvez découvrir tous nos exemples de CV informatique pour comparer les approches selon les métiers de la tech.
Dans ce guide, vous trouverez un exemple de CV data analyst commenté section par section, les compétences techniques et humaines à mettre en avant, ainsi que des conseils concrets pour présenter vos projets et certifications. Vous pouvez aussi construire votre CV data analyst avec notre IA conversationnelle pour obtenir un document optimisé ATS en quelques minutes.
CV Data Analyst
Camille Bernard
Data Analyst
Data Analyst avec 4 ans d'experience en analyse de donnees business et visualisation. Experte en SQL, Python et outils BI. Orientee resultats et passionnee par la prise de decision basee sur les donnees.
- Data Analyst SeniorCdiscount, Bordeaux02/2022
- Analyse des donnees de vente pour 8M de produits generant des recommandations ayant augmente le CA de 12%
- Conception de 25 tableaux de bord Power BI suivis par 150 utilisateurs internes
- Automatisation de 30 rapports hebdomadaires en Python reduisant le temps de production de 80%
- Data AnalystBetclic, Bordeaux06/2020 - 01/2022
- Analyse du comportement utilisateur sur 5M de sessions mensuelles pour optimiser la retention
- Extraction et nettoyage de donnees SQL sur un entrepot BigQuery de 15 To
- Presentation mensuelle d'insights data a la direction marketing et produit
- Analyste JuniorDeloitte, Paris01/2019 - 05/2020
- Realisation d'analyses statistiques pour 6 missions de conseil en strategie
- Nettoyage et structuration de jeux de donnees complexes avec pandas et NumPy
- Redaction de rapports d'analyse pour des clients du secteur bancaire
- Master Data ScienceUniversite de Bordeaux09/2017 - 06/2019
Specialisation analyse de donnees et statistiques appliquees
- Licence Mathematiques AppliqueesUniversite de Bordeaux09/2014 - 06/2017
- Francais (natif)
- Anglais (B2)
- Portugais (B1)
- Data Viz
- Yoga
- Lecture
- Analytique
- Rigoureuse
- Communicante
Créez votre CV en 5 minutes
Des modèles pro + un builder simple pour un CV efficace, prêt à envoyer.
Exemple de CV Data Analyst : Structure et Commentaires
Un CV data analyst efficace repose sur une structure claire qui met en évidence votre stack technique, vos réalisations chiffrées et votre compréhension des enjeux business. Voici un modèle de CV data analyst que vous pouvez adapter à votre propre parcours.
Pour faire un bon CV data analyst, structurez votre document en cinq sections clés : un titre précis mentionnant votre spécialité et vos outils principaux, une accroche orientée impact business, vos expériences avec des résultats quantifiés, votre formation et certifications, puis vos compétences techniques organisées par catégorie.
Camille Renaud
Data Analyst | Python, SQL, Power BI | 3 ans d'expérience
[email protected] | 06 12 34 56 78 | Lyon
LinkedIn : linkedin.com/in/camille-renaud-data
PROFIL
Data analyst avec 3 ans d'expérience en analyse de données marketing
et financières. Spécialisée dans la création de dashboards Power BI
et l'automatisation de pipelines de données avec Python. Reconnue
pour transformer des jeux de données complexes en recommandations
actionnables qui génèrent des résultats mesurables.
EXPÉRIENCE PROFESSIONNELLE
Data Analyst | DataMetrics, Lyon
Septembre 2023 - Présent
- Conception de 12 dashboards Power BI suivis quotidiennement
par 45 collaborateurs, réduisant le temps de reporting de 60 %
- Analyse des données clients (base de 200 000 contacts) ayant
permis d'identifier 3 segments à fort potentiel et d'augmenter
le taux de rétention de 15 %
- Automatisation de l'extraction et du nettoyage de données via
Python (pandas, SQLAlchemy), économisant 8 heures par semaine
- Collaboration avec les équipes marketing et produit pour définir
les KPI et structurer le suivi de performance
Data Analyst Junior | E-Commerce Plus, Paris
Janvier 2022 - Août 2023
- Mise en place d'un entrepôt de données sous BigQuery pour
centraliser les données de 4 sources différentes
- Création de rapports hebdomadaires sur Google Data Studio,
utilisés par la direction pour piloter la stratégie commerciale
- Réalisation d'analyses de cohortes ayant révélé un taux de
churn de 25 % sur les 3 premiers mois, menant à un programme
de fidélisation qui a réduit ce taux à 18 %
FORMATION
Master Data Science et Business Analytics
Université Lyon 2, 2019 - 2021
Licence Mathématiques Appliquées
Université Paris-Saclay, 2016 - 2019
CERTIFICATIONS
- Google Data Analytics Professional Certificate (2023)
- Microsoft Power BI Data Analyst Associate PL-300 (2024)
COMPÉTENCES
Langages : SQL (PostgreSQL, BigQuery), Python (pandas, numpy,
matplotlib, seaborn), R (notions)
Visualisation : Power BI, Google Data Studio, Tableau
Bases de données : PostgreSQL, BigQuery, MySQL
Statistiques : régression, tests A/B, analyses de cohortes
Outils : Git, Jupyter Notebook, Excel avancé (TCD, Power Query)
Langues : Français (natif), Anglais (C1)
Remarquez comment chaque expérience commence par un verbe d'action et inclut un chiffre d'impact. Le titre combine le poste, les outils clés et le niveau d'expérience, ce qui facilite le repérage par les logiciels ATS et les recruteurs.
Les Compétences Incontournables d'un CV Data Analyst
Le choix et la hiérarchisation de vos compétences sont déterminants. Un recruteur qui parcourt votre CV en 30 secondes doit immédiatement identifier votre stack technique et comprendre dans quel contexte vous l'avez utilisée. Voici les compétences essentielles pour un cv data analyst, organisées par catégorie.
Langages et requêtage
SQL est la compétence numéro un attendue par les recruteurs. Vous devez être capable d'écrire des requêtes complexes avec des jointures, des fonctions d'agrégation et des sous-requêtes. Python arrive en deuxième position : les librairies pandas, numpy et matplotlib constituent le socle de tout analyste données qui souhaite automatiser ses traitements. R reste pertinent dans certains secteurs comme la recherche ou la pharmacie.
Visualisation et BI
Power BI domine le marché français, suivi de Tableau et Looker. Google Data Studio (devenu Looker Studio) est particulièrement répandu dans les environnements marketing. Savoir concevoir un dashboard qui raconte une histoire à partir des données est une compétence qui vous distingue immédiatement.
Bases de données et infrastructure
PostgreSQL, MySQL et BigQuery sont les technologies les plus demandées. Dans les grandes entreprises, vous rencontrerez aussi Snowflake ou Redshift. Mentionner votre capacité à travailler avec des entrepôts de données cloud est un atout en 2026.
Statistiques et analyse
Les analyses descriptives, les tests A/B, la régression linéaire et l'analyse de cohortes sont les méthodes les plus courantes. Vous n'avez pas besoin de maîtriser le machine learning avancé (c'est le terrain du data scientist), mais comprendre les bases de la modélisation statistique renforce votre profil. Pour aller plus loin sur les profils orientées IA et modélisation prédictive, vous pouvez consulter notre exemple de CV data scientist.
Soft skills : le storytelling data
Les compétences techniques ne suffisent pas. Les recruteurs valorisent votre capacité à communiquer vos résultats à des interlocuteurs non techniques. Le storytelling data, c'est-à-dire l'art de présenter une analyse sous forme de récit clair avec un problème, une méthode et une conclusion actionnable, est ce qui différencie un bon analyste d'un excellent analyste. L'esprit critique, la rigueur et la curiosité intellectuelle complètent ce profil.
Adapter vos compétences au contexte
En startup, on attendra de vous une grande polyvalence : SQL, Python, un outil de BI et peut-être même des notions de data engineering. Dans un grand groupe, la spécialisation est plus marquée : vous serez peut-être expert Power BI dans une équipe finance, ou analyste SQL dédié au CRM. Lisez attentivement l'offre d'emploi et réorganisez vos compétences en conséquence.
Comment Présenter Vos Projets et Analyses sur le CV
C'est la section qui fait la différence entre un cv data analyst générique et un CV qui décroche des entretiens. Chaque expérience professionnelle doit suivre un fil narratif clair : quel était le problème business, quelles données avez-vous collectées, quelle méthode avez-vous appliquée, et quel a été l'impact concret.
Structurer chaque expérience comme un mini-projet
Évitez les descriptions vagues comme "analyse de données clients". Préférez : "Analyse de la base clients (150 000 contacts) par segmentation RFM sous Python, identification de 4 segments distincts, recommandations ayant augmenté le panier moyen de 12 % sur le segment Haute Valeur." Ce format montre votre démarche analytique complète et rassure le recruteur sur votre capacité à délivrer des résultats.
Quantifier systématiquement
Les chiffres parlent plus fort que les mots. Utilisez des métriques concrètes :
- "Réduction de 20 % des coûts logistiques grâce à l'optimisation des routes de livraison"
- "Identification de 3 segments clients générant 60 % du chiffre d'affaires"
- "Création d'un dashboard suivi par 30 managers au quotidien"
- "Automatisation de 15 rapports mensuels, économisant 2 jours de travail"
Valoriser les projets personnels (cv data analyst junior)
Pour un data analyst junior ou en alternance, les projets personnels compensent le manque d'expérience professionnelle. Mentionnez vos analyses réalisées sur des datasets publics (Kaggle, data.gouv.fr), vos dashboards publiés en ligne, ou vos articles techniques sur Medium ou un blog personnel. Un lien vers un portfolio GitHub ou un notebook Jupyter interactif est un signal fort pour les recruteurs.
Prêt à passer à l'action ?
Utilisez Resumory pour personnaliser votre CV sans partir de zéro.
Certifications et Formations Qui Font la Différence
Dans un marché où les profils data se multiplient, les certifications apportent une preuve tangible de vos compétences. Elles sont particulièrement utiles pour les profils juniors ou en reconversion qui n'ont pas encore un long historique professionnel.
Les certifications les plus reconnues
Le Google Data Analytics Professional Certificate est la référence pour les débutants. Ce parcours de 8 modules couvre SQL, les tableurs, R et la visualisation, avec un projet final qui alimente directement votre portfolio. Le IBM Data Analyst Professional Certificate, accessible sur Coursera, offre une alternative solide axée sur Python, SQL et Cognos Analytics. Pour les profils confirmés qui travaillent dans des environnements Microsoft, la certification Power BI Data Analyst Associate (PL-300) valide votre maîtrise de la modélisation de données et des formules DAX, un atout très valorisé en entreprise.
Les formations académiques et bootcamps
Côté formations longues, un master en data science, statistiques ou business analytics reste la voie royale. Les écoles d'ingénieurs avec une spécialisation data (Polytechnique, Centrale, ENSAE) sont également très bien perçues. Pour les reconversions, les bootcamps intensifs comme Le Wagon (parcours data), Jedha ou DataScientest permettent d'acquérir les fondamentaux en 3 à 6 mois. OpenClassrooms propose aussi un parcours data analyst reconnu par l'État. Quel que soit votre chemin, vous pouvez aussi voir notre modèle de CV ingénieur informatique si votre profil penche davantage vers l'infrastructure.
Où placer les certifications sur votre CV
Créez une section dédiée "Certifications" juste après la formation, ou intégrez-les dans la section formation si vous en avez peu. Indiquez le nom exact de la certification, l'organisme délivrant et l'année d'obtention. Les badges numériques (Credly, Coursera) sont aussi partageables directement sur LinkedIn.
FAQ — CV Data Analyst
Data analyst vs data scientist : quelle différence sur le CV ?
Le data analyst se concentre sur l'analyse et la visualisation des données existantes pour aider à la prise de décision opérationnelle. Son quotidien tourne autour de SQL, des outils de BI et des analyses descriptives. Le data scientist, en revanche, construit des modèles prédictifs et utilise le machine learning pour anticiper des tendances. Sur votre CV, positionnez-vous clairement : si vous êtes data analyst, mettez en avant vos dashboards, vos analyses de KPI et votre impact business plutôt que des projets de modélisation avancée.
Faut-il savoir coder pour être data analyst ?
SQL est absolument indispensable. Python est fortement recommandé et devient un prérequis dans la majorité des offres. En revanche, vous n'avez pas besoin d'être développeur : l'objectif est d'utiliser le code pour manipuler et analyser des données, pas pour créer des applications. Si vous débutez, concentrez-vous sur pandas et les requêtes SQL avant d'explorer des outils plus avancés.
Comment se reconvertir en data analyst ?
Identifiez d'abord vos compétences transférables : si vous avez travaillé avec Excel, géré des budgets ou produit des rapports chiffrés, vous avez déjà des bases. Complétez votre profil avec une certification reconnue (Google Data Analytics ou IBM Data Analyst) et réalisez 2 à 3 projets personnels sur des données réelles. Sur votre CV, présentez votre reconversion comme un atout : votre connaissance métier (finance, marketing, logistique) combinée à vos nouvelles compétences data constitue un profil hybride très recherché.
Data analyst débutant : que mettre sur son CV ?
Mettez en avant vos projets académiques, vos analyses personnelles (compétitions Kaggle, projets open data) et vos stages. Détaillez les outils utilisés et les résultats obtenus, même sur des projets scolaires. Une certification Google ou IBM montre votre investissement personnel. Soignez particulièrement votre accroche pour exprimer votre motivation et votre compréhension des enjeux data.
Créez Votre CV Data Analyst en Quelques Minutes
Un CV data analyst réussi repose sur trois piliers : une stack technique adaptée au poste visé, des expériences présentées sous forme de mini-projets avec un impact mesurable, et une communication claire qui montre que vous savez traduire les données en décisions. Le marché de la data continue de croître en France, avec des salaires attractifs dès le premier poste. C'est le moment de vous positionner.
Pour aller plus loin dans la rédaction de votre candidature, vous pouvez perfectionner la rédaction de votre CV pas à pas grâce à notre guide complet. Et si vous souhaitez passer à l'action, Resumory vous accompagne de la première ligne à l'export final.
Transformez cet exemple en CV
Reprenez la structure, adaptez le contenu, exportez en PDF ou Word.