Mots-clés CV · Data analyst

Ce qu’un CV de data analyst doit contenir pour être trouvé.

Le métier souffre d’un malentendu utile à connaître : beaucoup de candidats se présentent comme data scientists et beaucoup d’entreprises cherchent quelqu’un qui sache faire parler leur base clients avec du SQL et un tableau de bord. Ton CV doit remonter dans la seconde recherche, et prouver que tu sais expliquer un chiffre à quelqu’un qui n’en fait pas.

Par Julien · Publié le 17 août 2026

Les intitulés sous lesquels on vous cherche

Ces intitulés désignent le même travail, mais une recherche par mots-clés les traite comme des requêtes différentes. Mettez celui que vise votre offre en tête de CV.

Data analyst
Analyste de données
Chargé d’études statistiques
Business analyst
Analyste décisionnel
Consultant BI

Compétences techniques

Une seule compétence est éliminatoire dans ce métier, et ce n’est ni le machine learning ni Python : c’est SQL. Tout le reste se hiérarchise ensuite selon le secteur.

SQLIndispensable
Le filtre absolu. Précise le niveau réel par les objets manipulés : jointures multiples, fonctions de fenêtrage, sous-requêtes, optimisation.
Écris aussi : requêtes SQL · PostgreSQL · T-SQL · BigQuery SQL
PythonIndispensable
Attendu pour l’automatisation et le nettoyage. Nomme les bibliothèques : « Python (pandas, numpy) » est cherché, « Python » seul est vague.
Écris aussi : pandas · numpy · Jupyter
Modélisation de données
Comprendre et construire un schéma, pas seulement l’interroger. Ce qui distingue un analyste d’un utilisateur avancé d’Excel.
Écris aussi : schéma en étoile · modèle de données · data modeling
Statistiques descriptives
Moyennes, distributions, corrélations, intervalles. Sous-estimé sur les CV, c’est pourtant le quotidien du poste.
Écris aussi : analyse statistique · tests statistiques · corrélation
Tests A/B
Protocole, taille d’échantillon, lecture des résultats. Très recherché côté produit et e-commerce, rare sur les CV.
Écris aussi : A/B testing · expérimentation · test d’hypothèse
Segmentation
RFM, cohortes, clustering. Dis l’usage métier qui en a découlé, sinon la méthode reste un exercice.
Écris aussi : RFM · analyse de cohortes · clustering · scoring client
Qualité des données
Détection des doublons, valeurs manquantes, règles de contrôle. Le sujet dont toutes les entreprises souffrent et dont peu de CV parlent.
Écris aussi : nettoyage de données · data cleaning · contrôle de cohérence
ETL
Alimentation et transformation des données. Écris la forme longue à côté du sigle, les offres utilisent les deux.
Écris aussi : ELT · pipeline de données · dbt · Airflow
En toutes lettres : ETL : extraction, transformation et chargement des données
RGPD
Savoir ce qu’on a le droit de croiser. Sur les données clients ou RH, c’est un critère de confiance décisif.
Écris aussi : données personnelles · anonymisation · pseudonymisation
En toutes lettres : RGPD : règlement général sur la protection des données

Outils et logiciels

Les entreprises recrutent sur l’outil qu’elles ont déjà installé : elles ne changeront pas de solution décisionnelle pour toi. Écris le tien précisément, et la famille à laquelle il appartient.

Power BIIndispensable
Le plus demandé en France, très loin devant, notamment dans les entreprises déjà sous Microsoft. Ajoute DAX si tu écris des mesures.
Écris aussi : PowerBI · DAX · Power Query
Tableau
Ambigu à l’écrit : dans une recherche, « Tableau » seul remonte n’importe quel CV français. Écris « Tableau Software » ou « Tableau Desktop ».
Écris aussi : Tableau Software · Tableau Desktop
Excel
À écrire, mais jamais seul : précise tableaux croisés dynamiques, Power Query ou macros. Sans précision, c’est une ligne perdue.
Écris aussi : tableaux croisés dynamiques · Power Query · VBA · Google Sheets
BigQuery
Entrepôt cloud de Google, standard côté web et marketing. Chaque entrepôt a son dialecte SQL, d’où l’intérêt de le nommer.
Écris aussi : Snowflake · Redshift · Databricks · entrepôt de données
Looker Studio
Ancien Google Data Studio. Les deux noms circulent encore dans les annonces : écris le nouveau, mentionne l’ancien une fois.
Écris aussi : Google Data Studio · Metabase · Qlik Sense
Google Analytics 4
Sur les postes orientés marketing digital, c’est souvent le premier mot-clé cherché, avant même SQL.
Écris aussi : GA4 · Matomo · web analytics
Git
Encore rare sur les CV d’analystes, et c’est justement pourquoi il distingue : il dit que ton code est versionné et relu.
Écris aussi : GitHub · GitLab · versionnement

Certifications et diplômes

Les certifications comptent surtout pour les profils en reconversion, où elles remplacent le diplôme d’origine comme preuve d’apprentissage. Elles ne remplacent jamais un cas concret décrit dans une expérience.

Microsoft PL-300
La certification Power BI. Écris le code et le nom complet : les deux formes sont cherchées séparément.
Écris aussi : Microsoft Certified: Power BI Data Analyst Associate
En toutes lettres : PL-300 : Microsoft Power BI Data Analyst Associate
Google Data Analytics
Certificat professionnel très répandu chez les profils en reconversion. Utile s’il est accompagné d’un projet réel, décoratif sinon.
Écris aussi : Google Career Certificate
Titre RNCP Data analyst
Le titre professionnel reconnu par l’État. Indique le niveau (6 ou 7) : c’est ce que vérifient les services RH.
Écris aussi : titre professionnel · RNCP niveau 6 · RNCP niveau 7
En toutes lettres : RNCP : répertoire national des certifications professionnelles
Tableau Desktop Specialist
Pertinente uniquement si l’entreprise visée est équipée de Tableau. Sinon elle occupe de la place sans rien débloquer.
Master en statistiques ou économétrie
Écris la discipline exacte : statistiques, économétrie, mathématiques appliquées. Elle est cherchée telle quelle dans les études et la banque.
Écris aussi : économétrie · statistiques appliquées · MIASHS

Savoir-faire métier

La compétence qui fait recruter un analyste plutôt qu’un autre est rarement technique : c’est la capacité à transformer une question mal posée en analyse utile, puis à la restituer à quelqu’un qui décidera.

Cadrage du besoin métierIndispensable
Traduire « on aimerait comprendre pourquoi ça baisse » en une question mesurable. Le vrai début du travail.
Écris aussi : recueil du besoin · atelier métier · cadrage analytique
Restitution à des non-spécialistesIndispensable
Présenter un résultat à un comité de direction sans jargon. Cherché explicitement dans les offres, presque absent des CV.
Écris aussi : présentation des résultats · vulgarisation · storytelling
Automatisation de reporting
Remplacer un fichier reconstruit à la main chaque semaine. L’un des résultats les plus faciles à chiffrer honnêtement.
Écris aussi : industrialisation du reporting · reporting automatisé
Documentation des indicateurs
Définir ce que veut dire « client actif » et s’y tenir. Rare, très apprécié des équipes qui ont déjà vécu deux définitions contradictoires.
Écris aussi : dictionnaire de données · catalogue d’indicateurs
Recommandation opérationnelle
Ton analyse a débouché sur une décision. C’est le seul niveau de preuve qui distingue un analyste d’un producteur de graphiques.
Écris aussi : aide à la décision · préconisation

Trois puces réécrites

Les chiffres ci-dessous sont des exemples : remplacez-les par les vôtres. C’est la structure qui se copie, jamais le contenu.

Un tableau de bord décrit comme un livrable

Création de tableaux de bord Power BI pour la direction.

Refonte du reporting commercial hebdomadaire sous Power BI : trois fichiers Excel consolidés dans un modèle unique, production du rapport ramenée de 6 heures à 20 minutes, utilisé chaque lundi par les 8 responsables de région.

« Création de tableaux de bord » décrit une tâche que le lecteur ne peut pas évaluer. La version corrigée montre l’état initial, ce que tu as construit et qui s’en sert — et le gain de temps est le type de chiffre qu’un analyste peut réellement documenter, contrairement à un pourcentage de chiffre d’affaires attribué.

Une analyse client résumée en trois mots

Analyse des données clients et reporting.

Segmentation RFM de la base clients en SQL et Python : cinq segments définis avec l’équipe marketing, campagne de réactivation ciblée sur le segment inactif à panier élevé, résultats suivis pendant deux mois avant généralisation.

La première version pourrait décrire n’importe quel poste. La corrigée fait remonter trois mots-clés cherchés (RFM, SQL, Python), nomme l’interlocuteur métier et montre le cycle complet, y compris la mesure après coup — ce qui distingue une analyse d’un exercice.

Des compétences listées sans usage

Maîtrise de SQL, Python et des outils de visualisation.

Requêtes SQL sur un entrepôt BigQuery (jointures multi-tables, fonctions de fenêtrage), automatisation du nettoyage mensuel des données de vente en Python, et documentation des 24 indicateurs du service dans un dictionnaire partagé.

« Maîtrise » est un mot que le lecteur ne peut ni vérifier ni pondérer. La version corrigée remplace l’auto-évaluation par des objets techniques précis, qui indiquent le niveau bien mieux qu’un adjectif — et ajoute la documentation, compétence rare qui pèse lourd en entretien.

Les pièges de tri propres à ce métier

Data analyst et business analyst ne sont pas le même poste

Le business analyst travaille sur les processus et les besoins fonctionnels, le data analyst sur les données elles-mêmes. Les deux intitulés attirent des offres différentes, et un CV qui mélange les deux vocabulaires ne remonte bien dans aucune des deux recherches. Choisis celui que tu vises et aligne les verbes du CV dessus.

« Tableau » est le mot-clé le plus ambigu du métier

Une recherche sur « Tableau » remonte tous les CV français contenant « tableau de bord » ou « tableau croisé ». Le recruteur, lui, cherche le logiciel. Écris « Tableau Software » ou « Tableau Desktop » pour être trouvé par la bonne requête, et pour ne pas polluer ta propre pertinence.

Le dialecte SQL fait partie de la compétence

BigQuery, Snowflake, PostgreSQL et SQL Server n’ont ni la même syntaxe de dates ni les mêmes fonctions. Les offres nomment l’entrepôt en place. Écris « SQL » pour la recherche générique, puis l’environnement réellement pratiqué : c’est ce couple qui déclenche l’entretien.

Ne t’intitule pas data scientist pour élargir

L’intitulé attire des offres qui testent le machine learning en entretien technique, et l’écart se voit en dix minutes. À l’inverse, écrire « data analyst » alors que tu fais de la modélisation prédictive te prive d’offres mieux payées. L’intitulé exact vaut mieux que l’intitulé ambitieux.

Les sigles du décisionnel sont écrits des deux façons

BI et informatique décisionnelle, KPI et indicateur clé, ETL et alimentation de données : les annonces françaises utilisent souvent le terme français, les CV le sigle anglais. Écris la paire une fois — « informatique décisionnelle (BI) » — et les deux recherches te trouvent.

Ce qu’il ne faut pas mettre

« Maîtrise d’Excel » comme compétence à part entière
Sur un CV de data analyst, cette ligne seule tire le profil vers l’assistanat. Si Excel est un vrai outil de ton travail, décris ce que tu y fais : modèle de données Power Query, macro d’extraction, contrôle de cohérence.
La liste des bibliothèques de machine learning sans projet
scikit-learn, TensorFlow, PyTorch alignés sans une seule application concrète signalent un CV construit à partir d’un catalogue de formation. Une régression bien expliquée vaut mieux que trois frameworks cités.
Les cours en ligne non terminés
Une rubrique « formations en cours » remplie de MOOC entamés se lit comme un aveu de dispersion. Ne garde que ce qui est achevé et vérifiable, ou ce dont la date de fin est proche et certaine.
Les pourcentages d’amélioration invérifiables
« +35 % de chiffre d’affaires grâce à mes analyses » attribue à ton tableau de bord un résultat qui dépend de dizaines de facteurs. Un recruteur qui connaît le métier le sait, et l’exagération contamine le reste du CV. Chiffre ce que tu as réellement produit : temps gagné, périmètre couvert, nombre d’utilisateurs.
Les graphiques de compétences dans le CV
L’ironie est réelle : un analyste dont le CV affiche un radar de compétences invente une donnée invérifiable et la présente comme une mesure. En plus, ces visuels disparaissent à l’extraction de texte.

Questions fréquentes

Faut-il un portfolio quand on est data analyst ?+

Il aide beaucoup en reconversion et devient secondaire avec l’expérience professionnelle. Deux projets bien documentés — la question posée, les données, la méthode, la conclusion — valent mieux que dix carnets Jupyter. Mets le lien en texte cliquable, et évite les jeux de données d’exercice que tous les candidats utilisent.

Comment chiffrer ses résultats sans exagérer ?+

Chiffre ce que tu contrôles : le temps de production d’un rapport, le nombre d’utilisateurs d’un tableau de bord, le volume de données traité, le nombre d’indicateurs harmonisés. Laisse les effets business à ceux qui ont pris la décision — un recruteur expérimenté fait davantage confiance à un chiffre modeste et exact qu’à un pourcentage spectaculaire.

SQL ou Python en premier sur le CV ?+

SQL, dans presque tous les cas. C’est la compétence testée en entretien technique et celle qui figure dans le plus grand nombre d’annonces. Python se place juste après, avec ses bibliothèques nommées — et si tu ne l’utilises pas vraiment, il vaut mieux ne pas l’écrire du tout que d’être testé dessus.

Que mettre quand on vient d’une reconversion ?+

Mets en avant les analyses faites dans ton métier précédent : un contrôleur de gestion, un chargé d’études ou un responsable de rayon manipulent des données réelles tous les jours. C’est plus convaincant qu’un projet de formation, et ça explique ta valeur ajoutée sectorielle, qui est souvent ce qui te fera préférer à un profil purement technique.

Passez de la liste au diagnostic

Ces mots-clés sont-ils déjà sur votre CV ?

L’analyse vous donne un score sur 100 et les lignes exactes à corriger, en 20 secondes, sans inscription.

Analyser mon CV de data analyst

PDF ou Word · 5 Mo max.