Fiche métier Data analyst : que fait un data analyst ?
Le data analyst transforme des données brutes en informations utiles à la décision. Il collecte, nettoie et analyse des jeux de données pour dégager des tendances, mesurer des performances et répondre aux questions des équipes métier. Son rôle est de rendre lisible ce que les chiffres racontent, à travers des tableaux de bord et des rapports clairs. C'est un métier de curiosité et de traduction : passer d'une question business à une réponse chiffrée exploitable.
Mise à jour le
Les missions au quotidien
Collecter et consolider les données depuis différentes sources.
Nettoyer et fiabiliser les jeux de données avant analyse.
Réaliser des analyses statistiques pour dégager tendances et corrélations.
Construire des tableaux de bord et des visualisations compréhensibles.
Présenter les résultats et recommandations aux équipes métier.
Assurer une veille sur la qualité et l'intégrité des données utilisées.
À quoi ressemble une semaine type
La journée du data analyst démarre souvent par la mise à jour ou la vérification de ses tableaux de bord, puis par des demandes venant des équipes métier : marketing, finance, produit ou direction. Il passe beaucoup de temps à préparer et nettoyer la donnée, étape souvent plus longue que l'analyse elle-même. Il écrit des requêtes SQL, construit des visualisations et restitue ses conclusions lors de réunions ou par des rapports. Ses interlocuteurs sont variés : responsables métier qui posent les questions, data engineers qui fournissent la donnée, et parfois data scientists sur des projets plus avancés.
Les compétences attendues
Compétences techniques
- SQL (requêtes, jointures, agrégations)
- Outils de visualisation (Power BI, Tableau, Looker)
- Tableur avancé (Excel, Google Sheets)
- Bases de statistiques descriptives
- Python ou R pour l'analyse (pandas, notebooks)
- Notions de modélisation de données et d'entrepôt (data warehouse)
Compétences humaines
- Esprit d'analyse et de synthèse
- Curiosité métier
- Pédagogie et vulgarisation des chiffres
- Rigueur dans la manipulation des données
- Sens de la communication visuelle
Les outils du poste
Études, diplômes et formations
Le data analyst occupe une place centrale dans les organisations : il valorise les données pour éclairer les décisions stratégiques en marketing, relation client, logistique ou production. Il prépare les données, les analyse et construit des tableaux de bord et des rapports. Selon l'Onisep, le niveau minimum d'accès est bac+3. Le métier reste plus ouvert que celui de data scientist, car il combine statistiques appliquées, maîtrise des outils de visualisation et connaissance métier plutôt qu'une expertise poussée en modélisation.
BUT science des données — bac+3, parcours « exploration et modélisation statistique » ou « visualisation, conception d'outils décisionnels »
Licence avec un parcours science des données, statistiques ou mathématiques appliquées
Master mention sciences des données — bac+5
Master en statistiques, économétrie ou informatique décisionnelle (datamining)
Diplôme d'ingénieur avec une spécialité statistiques ou science de la donnée
Certification professionnelle Data analyst inscrite au RNCP (par exemple le parcours d'OpenClassrooms, niveau bac+3/4)
Les voies d'accès au métier
Formation initiale à l'université (BUT, licence puis master) ou en école d'ingénieurs
Alternance dès le BUT ou en master, pour cumuler diplôme et pratique des outils data
Reconversion via un parcours certifiant à distance finançable par le CPF, accessible avec un bac+2 ou une expérience professionnelle
Bachelor spécialisé en data proposé par des écoles
Alternance, reconversion et profils sans diplôme
L'alternance
L'alternance est très adaptée à ce métier, où la pratique sur des données réelles fait la différence. Elle se développe dès le BUT science des données et jusqu'au master. Elle permet de manier concrètement les outils du quotidien (SQL, Python ou R, Power BI, Qlik) tout en construisant une expérience directement valorisable auprès des recruteurs.
Est-ce accessible sans diplôme ?
L'accès sans diplôme est possible mais plus encadré que pour le développement. Les certifications professionnelles Data analyst inscrites au RNCP sont conçues précisément pour la reconversion : elles s'ouvrent souvent avec un bac+2 (en commerce, économie, gestion, informatique ou sciences) ou un bac assorti d'une expérience professionnelle, après un test de positionnement. L'essentiel est de démontrer une réelle aisance avec les chiffres, les outils statistiques et la restitution des données.
Les compétences acquises en formation
Les évolutions de carrière
Le data analyst transforme les données de l'entreprise en décisions concrètes : il collecte, nettoie, analyse et met en récit les chiffres pour les équipes métier. C'est souvent la porte d'entrée vers les métiers de la data, un secteur qui compte aujourd'hui plus de 80 000 professionnels en France. Nous vous détaillons ci-dessous les évolutions possibles, l'état réel du marché et l'impact des nouveaux outils sur ce métier en pleine mutation.
Une progression type, du poste confirmé aux fonctions de direction.
- 1
Data analyst junior (0-2 ans) : vous produisez des tableaux de bord, requêtez les bases (SQL) et fiabilisez les indicateurs suivis par les équipes métier.
- 2
Data analyst confirmé (2-4 ans) : vous menez des analyses autonomes, cadrez les besoins avec le business et pilotez des décisions à partir de la donnée.
- 3
Analytics engineer (3-6 ans) : vous industrialisez la modélisation des données dans l'entrepôt (avec des outils comme dbt), à la croisée de l'analyse et de l'ingénierie.
- 4
Lead data analyst / responsable analytics (5 ans et plus) : vous structurez la pratique analytique, définissez les standards et encadrez une équipe d'analystes.
- 5
Bascule vers la data science ou le management data : selon vos appétences, vous montez en modélisation statistique ou prenez la responsabilité d'une équipe data.
Les débouchés
Les métiers de la data restent parmi les plus porteurs du numérique : on comptait plus de 11 000 offres à pourvoir en France en 2025 et une croissance du marché de la data estimée autour de 4 % par an. Le data analyst est le poste le plus accessible de la filière, ce qui en fait aussi le plus concurrentiel côté juniors. La demande est forte dans tous les secteurs qui pilotent par la donnée : e-commerce, finance, santé, industrie, services. À l'échelle mondiale, le Forum économique mondial anticipe une hausse d'environ 41 % des postes de data analyst et data scientist entre 2025 et 2030. Le climat s'est toutefois fait plus prudent en France sur les profils juniors, certaines organisations ayant gelé une partie de leurs recrutements d'entrée de gamme.
Les perspectives du métier
C'est le métier de la data le plus directement transformé par l'automatisation, et il faut le dire clairement. Les outils numériques permettent désormais aux profils métier d'obtenir eux-mêmes des analyses simples sans passer par un analyste, ce qui fait disparaître une partie des demandes à faible valeur ajoutée qui transitaient historiquement par ce rôle. La contrepartie est une montée en exigence : on attend du data analyst qu'il apporte du cadrage, de la rigueur méthodologique et une vraie compréhension du business — pas seulement des graphiques. Une prévision largement citée estime que d'ici 2028, environ la moitié des data analysts feront aussi de la data science, portés par des outils plus accessibles. Autrement dit, votre valeur se déplace vers l'interprétation, la modélisation et la mise en production ; c'est là qu'il faut investir.
Les passerelles et mobilités
Vers l'analytics engineering, en approfondissant la modélisation des données dans l'entrepôt.
Vers la data science, en montant en compétence sur la statistique et la modélisation.
Vers le data engineering, le profil le plus en tension de la filière, si l'infrastructure de la donnée vous attire.
Vers le product management ou le contrôle de gestion, en capitalisant sur votre lecture business des données.
La progression salariale
Le salaire médian d'un professionnel de la data avoisine 51 000 € par an, dans une fourchette qui s'étend de 36 000 € à 99 000 € selon la spécialité et l'expérience, avec un plafond atteint plus vite pour l'analyste que pour les profils data science ou data engineering. Consultez les fourchettes détaillées par séniorité et par région sur notre page salaire data analyst.
Profil et rémunération
Le data analyst est généralement diplômé d'un Bac+3 à Bac+5 en statistiques, économie, mathématiques appliquées ou informatique. C'est souvent une porte d'entrée vers les métiers de la donnée. Un profil débutant se situe autour de 35 000 à 42 000 € brut annuels, un profil confirmé pouvant atteindre 50 000 à 60 000 €, notamment en Île-de-France. Retrouvez les fourchettes détaillées sur notre page salaire data analyst.
Questions fréquentes sur le métier de data analyst
Que fait un data analyst au quotidien ?
Il collecte et nettoie des données, écrit des requêtes SQL, construit des tableaux de bord et répond aux questions chiffrées des équipes métier. Une grande partie de son temps est consacrée à fiabiliser la donnée avant analyse, puis à restituer des résultats clairs et actionnables lors de réunions ou dans des rapports.
Quelle est la différence entre un data analyst et un data scientist ?
Le data analyst décrit et explique ce qui s'est passé à partir de données existantes, via des analyses statistiques et des tableaux de bord. Le data scientist va plus loin en construisant des modèles prédictifs et d'apprentissage automatique pour anticiper ou automatiser des décisions. L'analyst répond à « que s'est-il passé ? », le scientist à « que va-t-il se passer ? ».
Faut-il savoir coder pour être data analyst ?
Le SQL est incontournable pour interroger les données. La maîtrise de Python ou R est un vrai plus, de plus en plus attendue, mais beaucoup de postes reposent surtout sur SQL et des outils de visualisation comme Power BI ou Tableau. On peut donc débuter avec un niveau de code modéré et monter en compétence ensuite.
Quel bac choisir pour devenir data analyst ?
Un bac général avec la spécialité mathématiques est vivement recommandé, éventuellement complété par « numérique et sciences informatiques » ou « sciences économiques et sociales ». Le BUT science des données accueille aussi certains bacs technologiques (STMG, STI2D) sur dossier.
Data analyst ou data scientist : quelle différence à l'embauche ?
Le data analyst se recrute dès bac+3 et se concentre sur l'analyse et la restitution des données existantes. Le data scientist exige presque toujours un bac+5 et se consacre davantage à la modélisation avancée et à l'apprentissage automatique. Le data analyst est donc une porte d'entrée plus accessible vers les métiers de la data.
Peut-on se reconvertir en data analyst ?
Oui. Des certifications professionnelles inscrites au RNCP, souvent proposées à distance et finançables par le CPF, sont pensées pour la reconversion. Elles sont accessibles avec un bac+2 ou une expérience professionnelle, après un test de positionnement, et débouchent sur un titre reconnu par l'État.
Le data analyst est-il un métier menacé par l'automatisation ?
Il est transformé, pas condamné. Les outils numériques absorbent les demandes d'analyse les plus simples, ce qui réduit les tâches à faible valeur. En contrepartie, la demande se concentre sur le cadrage, la rigueur méthodologique et la compréhension du business. Monter vers la data science ou l'analytics engineering est la meilleure trajectoire pour sécuriser votre carrière.
Data analyst ou data scientist : lequel choisir ?
Le data analyst est plus proche du business et de la restitution, souvent la porte d'entrée de la filière. Le data scientist mobilise davantage de statistique et de modélisation. Une prévision estime que d'ici 2028, la moitié des analysts feront aussi de la data science : les deux métiers se rapprochent, et le passage de l'un à l'autre est une évolution naturelle.
Peut-on devenir data analyst en reconversion ?
Oui, c'est l'un des métiers data les plus accessibles en reconversion, via des formations intensives. Attention toutefois : le marché des profils juniors s'est fait plus sélectif. Un portfolio de projets concrets et une vraie maîtrise de SQL et de la restitution font aujourd'hui la différence.
Tout savoir sur le métier de data analyst
Sources : ROME M1419 — Data analyst (France Travail) · APEC — Étude Salaires des cadres IT 2025 (famille big data & décisionnel) · Numeum — Baromètre du numérique · Onisep — Fiche métier Data analyst (analyste de données) · France Travail (ROME M1419) — Fiche métier Data analyst · Onisep — BUT science des données parcours exploration et modélisation statistique · France Compétences — Certification professionnelle Data analyst (RNCP) · Siècle Digital / Jedha — le marché de la data en France 2025 (80 000 professionnels, 11 000 offres, salaire médian) · France Travail — dossier « Les métiers de la data » · TPC Recrutement — étude métiers data 2026 (sentiment de marché, gel des recrutements juniors) · Forum économique mondial — Future of Jobs (progression des postes data 2025-2030).
Sur le même thème
À consulter aussi
Le métier de Data scientist au quotidien
Missions, quotidien et compétences attendues d'un Data scientist.
Le métier de Demand planner au quotidien
Missions, quotidien et compétences attendues d'un Demand planner.
Le métier de Designer produit au quotidien
Missions, quotidien et compétences attendues d'un Designer produit.
Le métier de Dessinateur-projeteur au quotidien
Missions, quotidien et compétences attendues d'un Dessinateur-projeteur.
Le métier de Développeur au quotidien
Missions, quotidien et compétences attendues d'un Développeur.
Ce qu'un recruteur Lead Developer / Tech Lead regarde
Les priorités et red flags d'un recruteur pour un poste de Lead Developer / Tech Lead.
Exemple de CV Data analyst
Un modèle concret de CV Data analyst, du junior au senior.
Rédiger une lettre de motivation Data Analyst
Structure et exemple pour le poste de Data Analyst.