Traducteur des données, pas simple producteur de tableaux
Idées reçues fréquentes
Il compile des chiffres dans Excel et génère des graphiques pour les réunions mensuelles.
Cette vision réductrice confond présentation visuelle et interprétation critique. Elle oublie que l’analyste ne se contente pas de décrire ce qui s’est passé, mais pose les bonnes questions pour éclairer les décisions futures.
Ses missions
Le Data Analyst collecte, nettoie, transforme et analyse des données issues de multiples sources (CRM, outils de caisse, logistique, comptabilité, service client, etc.) afin d’en extraire des insights actionnables.
Il modélise les données, construit des indicateurs de performance (KPI), crée des tableaux de bord et formule des hypothèses testables.
Il collabore avec les métiers (marketing, finance, opérations) pour comprendre leurs enjeux, formuler des requêtes pertinentes et traduire des résultats techniques en langage métier.
Le sens du métier
Transformer des flux bruts en connaissance utile en évitant à la fois la surinterprétation et la réduction des réalités humaines à de simples courbes.
Champ d’action
- Identifier les besoins métiers et formuler des hypothèses mesurables
- Extraire et nettoyer les données (ETL : extraction, transformation, chargement)
- Modéliser les données et définir des indicateurs pertinents
- Réaliser des analyses descriptives, diagnostics ou prédictives simples
- Concevoir des tableaux de bord interactifs (dashboards)
- Documenter les sources, les limites et les biais potentiels des données
- Former les équipes à la lecture critique des indicateurs
Outils et terrains
Langages : SQL (essentiel), Python (pandas, NumPy), R
Bases de données : PostgreSQL, MySQL, BigQuery, Snowflake
Visualisation : Power BI, Tableau, Looker, Metabase
Tableurs : Excel, Google Sheets (pour les petits volumes)
Cloud : Google Cloud, AWS, Azure (selon environnement métier)
Méthodologies : analyse exploratoire, A/B testing, segmentation, cohortes
Confusions fréquentes
Pas un Data Scientist : il ne construit pas de modèles d’intelligence artificielle, mais analyse les données avec des méthodes statistiques classiques.
Pas un ingénieur·e data : il n’architecte pas les pipelines de données, mais les utilise et en souligne les limites.
Pas un contrôleur de gestion : il ne valide pas les comptes, mais éclaire les décisions avec des données opérationnelles.
Rémunération indicative (France, brut annuel)
– Junior (0–2 ans) : 35 000 € – 45 000 €
– Confirmé·e (2–5 ans) : 45 000 € – 60 000 €
– Senior (5+ ans, avec pilotage de dashboards critiques ou transverse) : 60 000 € – 75 000 €+
Où le rencontrer ?
Entreprises du e-commerce, banques, assurances, grande distribution, logistique, services publics, startups, cabinets de conseil, directions marketing ou opérations.
Autres appellations
Analyste données, Business Data Analyst, Chargé d’analyse métier, Data Reporting Specialist
Voir aussi : Web Data Analyst