Reconversion vers la data · Data Analyst, BI, Analytics
Tu viens de la finance, du marketing, du contrôle de gestion ou des actuariat et tu veux pivoter vers la data. Voici comment décrocher un 1er poste data analyst en valorisant ton expertise business.
Sans CB · Templates ATS gratuits · Spécialisé reconversion
Persona type
Camille, 31 ans, ancienne contrôleuse de gestion 7 ans. Très à l'aise sur Excel + VBA. A appris SQL et Python en 6 mois (OpenClassrooms + Kaggle). Vise un 1er poste data analyst en SaaS scale-up.
Le marché de la reconversion
La data en 2026 est l'un des secteurs tech les plus accueillants pour les profils en reconversion business — surtout sur les rôles data analyst et BI. Le critère #1 reste SQL + sens business.
12 000+
offres data analyst / data engineer par an en France
Source : France Travail IMT 2025
+18 %
croissance offres data 2024-2026
Source : APEC Tech 2025
65 %
des recruteurs data privilégient SQL + business sense vs PhD
Source : Hays Tech 2024
Les profils business reconvertis (finance, marketing, contrôle de gestion) sont prisés en data parce qu'ils savent connecter une analyse à un impact business — compétence rare chez les juniors data sortis d'école. Si tu maîtrises SQL et que tu sais raconter un résultat en €, tu as 80 % du job.
Comment ça marche
SQL est LE filtre #1 du recrutement data. SELECT, JOIN, GROUP BY, WINDOW FUNCTIONS, CTEs. Pratique sur Mode Analytics, StrataScratch, LeetCode SQL (50+ problèmes). À ce stade, oublie Python. SQL d'abord, à fond.
Cours OpenClassrooms gratuit + Real Python tutorials. Vise l'autonomie sur : import / clean / explore / visualize sur 1 dataset. Pas besoin de devenir data scientist — l'objectif est de reproduire en Python ce que tu fais en Excel.
Choisis 3-5 datasets sur Kaggle qui t'intéressent (ventes retail, immo, sport, climat). Pour chaque : notebook bien documenté avec problème business + analyse + viz + recommandations. GitHub propre. Portfolio Notion qui synthétise. C'est ce qui décroche le 1er entretien.
Data analyst : SQL + BI tool + Python basique = accessible en 6-12 mois post-reconversion. Data scientist : ML + stats avancées + souvent PhD = beaucoup plus difficile. Data engineer : programmation + cloud + architecture = pour profils tech avancés. Vise data analyst ou analytics engineer en 1er poste.
À ne pas faire
Erreur classique chez les reconvertis. Python est sexy, SQL est rébarbatif — pourtant SQL est demandé sur 95 % des offres data. Si tu maîtrises SQL avancé (window functions, CTEs, optimisation requêtes), tu décroches déjà 60 % des entretiens. Python d'abord est une perte de temps.
Le rôle data scientist est plus exigeant (stats, ML, PhD souvent demandé). En reconversion, vise data analyst ou analytics engineer pour le 1er poste. Tu peux pivoter vers data scientist en 2-3 ans si l'envie persiste — avec une crédibilité business déjà construite.
Un CV data sans repo public en 2026 est rédhibitoire. Les recruteurs data ouvrent ton GitHub avant ton CV. Investis 2-3 mois dans 3-5 projets bien documentés AVANT de candidater. Sans portfolio, ton CV n'arrive pas en entretien.
Au contraire — c'est ton vrai avantage vs les juniors data sortis d'école. Met en avant ton sens business, ta capacité à comprendre un P&L, à connecter une analyse à un revenu. Les recruteurs SaaS / fintech valorisent ce profil plus que les profils techniques purs.
70 % des entretiens data analyst ont un test technique : SQL live + analyse de cas métier. Pratique 5-10 cas avant les entretiens (StrataScratch, Mode SQL Tutorial, livres « Cracking the Data Science Interview »). Le case study est l'étape la plus discriminante.
Ils ont réussi
Des parcours réels (anonymisés) pour situer ce qui est possible.
« Mon Excel + VBA m'a beaucoup aidée pour SQL — la logique est similaire. J'ai accepté -8 K€ sur le 1er poste data, mais avec BSPCE en startup. À 18 mois, j'avais dépassé mon ancien salaire. »
Camille, 31 ans
Contrôleuse de gestion industrie → Data Analyst SaaS B2B
Durée : 9 mois (6 mois formation + 3 mois recherche)
« Le marketing m'a appris à raisonner KPIs et funnel — exactement ce qu'on attend en analytics engineering. J'utilise dbt + Snowflake + Looker au quotidien. Salaire 1er poste : 48 K€ vs 52 K€ marketing avant. »
Antoine, 33 ans
Marketing Manager retail → Analytics Engineer SaaS
Durée : 12 mois (formation 8 mois + portfolio + recherche)
Questions fréquentes
Pour aller plus loin
Templates ATS, score sur 20 critères en 30 secondes, lettre de motivation incluse, matching CV ↔ offre. Construis ton CV reconversion avec CVScore.
Créer mon CV reconversion gratuit