Le métier d'analyste de données est très demandé en France, dans tous les secteurs. Cet exemple montre comment mettre en avant vos réalisations par l'impact business (décision éclairée, gain de temps, revenu) plutôt que par une simple liste d'outils, et comment rendre votre CV lisible pour les ATS des grandes entreprises.
CV en exemple
Léa Fontaine
Analyste de données
Paris, France
Accroche professionnelle
Data analyst avec 4 ans d'expérience, spécialisée dans la conception de tableaux de bord décisionnels et l'analyse de la performance commerciale.
Expérience
Analyste de données
mars 2022 — aujourd'hui
Retailo · Paris
- Créé un tableau de bord de suivi des ventes utilisé quotidiennement par 30 responsables régionaux.
- Identifié un segment client sous-exploité, générant 320 k€ de revenu additionnel sur un an.
- Automatisé un reporting hebdomadaire, économisant 8 heures de travail manuel par semaine.
Chargée d'études data
sept. 2020 — févr. 2022
Institut Média Conseil · Paris
- Réalisé des analyses statistiques pour des études de marché sectorielles.
- Standardisé les modèles de données, améliorant la fiabilité des rapports de 25 %.
Formation
- Master Mathématiques appliquées, statistiques — Université Paris-Saclaysept. 2018 — juin 2020
Compétences
Exemple d'accroche de CV
Analyste de données (data analyst) qui transforme des données métier brutes en tableaux de bord, analyses et recommandations exploitables par les décideurs.
Exemples de puces de réalisations
- Conçu des tableaux de bord suivis par la direction pour piloter chiffre d'affaires et rétention.
- Fiabilisé et modélisé les données sources, réduisant fortement le travail manuel sur Excel.
- Traduit les analyses en recommandations concrètes pour les équipes marketing et finance.
Compétences à mettre en avant
Mots-clés ATS
Comment rédiger ce CV
Reliez chaque analyse à une décision
Un tableau de bord n'a de valeur que par la décision qu'il déclenche. Précisez qui utilise vos livrables et quel résultat concret en a découlé (revenu, économie, arbitrage).
Montrez la maîtrise des données brutes
Nettoyage, modélisation, fiabilisation : la partie la moins visible fait souvent la différence. Mentionnez le volume et la complexité des données traitées.
Équilibrez technique et communication
SQL et Python comptent, mais la capacité à vulgariser une analyse pour un décideur non-technique est très recherchée. Illustrez ce data storytelling par un exemple.
Erreurs courantes à éviter
- Lister des outils (SQL, Power BI) sans montrer ce qu'ils ont permis de décider.
- Négliger l'impact business au profit d'une description purement technique.
- Oublier de préciser le volume et la nature des données manipulées.
Questions fréquentes
Quelle est la différence entre analyste de données et data scientist ?
L'analyste se concentre sur le reporting, les tableaux de bord et l'analyse descriptive pour éclairer les décisions. Le data scientist va plus loin avec la modélisation prédictive et le machine learning. Adaptez votre CV au poste ciblé.
Faut-il un portfolio pour un CV de data analyst ?
C'est un vrai plus. Un lien vers des projets (dashboards, notebooks, analyses publiées) donne une preuve concrète de vos compétences, surtout en début de carrière ou en reconversion.