C'est l'un des métiers les plus recherchés du numérique : transformer des données brutes en décisions concrètes, avec un socle technique (SQL, Python, dataviz) qui s'apprend en quelques mois. Pas besoin d'être ingénieur : ce guide t'explique le métier réel, les voies de formation (école, master, bootcamp, reconversion), les compétences clés, le salaire et les débouchés.
Le ou la data analyst collecte, nettoie, analyse et met en forme des données pour aider l'entreprise à décider. Le métier relève du domaine études et développement informatique côté France Travail et s'exerce dans tous les secteurs : e-commerce, banque, santé, industrie, marketing, secteur public…
Au quotidien, ses missions principales :
À ne pas confondre avec le ou la data scientist (plus orienté modèles prédictifs et machine learning) ou le ou la data engineer (qui construit les infrastructures de données). Pour le détail des compétences et des perspectives, consultez notre fiche métier data analyst.
Bonne nouvelle : le métier repose sur un socle technique identifiable, qui s'acquiert avec de la pratique régulière. Voici les compétences que recherchent la plupart des offres :
| Compétence | À quoi ça sert |
|---|---|
| SQL | Interroger et croiser des bases de données — la compétence n°1 |
| Python (pandas) ou R | Manipuler, nettoyer et analyser de gros volumes |
| Power BI / Tableau / Looker | Construire des tableaux de bord et de la dataviz |
| Statistiques | Mesurer, comparer, détecter des tendances fiables |
| Excel | Manipulations rapides, encore très utilisé au quotidien |
| Sens métier & communication | Traduire les chiffres en décisions et les présenter |
Inutile de tout maîtriser parfaitement avant de postuler : un bon niveau en SQL + un outil de dataviz + des bases en Python suffit souvent pour décrocher un premier poste. La clé est de montrer des projets concrets (un portfolio) plutôt que d'accumuler les certifications.
Contrairement aux professions réglementées, il n'y a pas de diplôme obligatoire pour exercer comme data analyst. Plusieurs chemins mènent au métier, du cursus universitaire long à la formation courte certifiante :
| Voie | Profil & durée indicative |
|---|---|
| Master (bac+5) | Statistique, informatique, économétrie, MIASHS, data — 2 ans après une licence |
| Licence pro / BUT (bac+3) | Statistique et informatique décisionnelle, data — voie initiale ou alternance |
| École d'ingénieurs / de commerce | Spécialisation data ou data science — diplôme reconnu |
| Titre RNCP « Data Analyst » | Certification professionnelle (niveau 6, bac+3/4) en organisme de formation |
| Bootcamp intensif | Quelques semaines à plusieurs mois, très orienté pratique — fréquent en reconversion |
Avant de t'inscrire dans un organisme privé, vérifie que la certification est bien inscrite au RNCP (Répertoire national des certifications professionnelles, géré par France Compétences) : c'est un gage de sérieux et souvent une condition d'éligibilité au financement. Pour comparer les offres, regarde notre comparatif des formations de reconversion.
C'est l'une des reconversions numériques les plus réalistes, car le métier valorise la pratique et le sens des chiffres plus que le diplôme initial. Les profils issus de la gestion, du marketing, de la compta, de l'économie ou des sciences sociales y ont une vraie carte à jouer : ils apportent un sens métier que les recruteurs apprécient.
Le chemin de reconversion type :
Financer sa formation data
Si la certification est éligible, la formation peut être financée via le CPF, un Projet de Transition Professionnelle (PTP) ou les aides France Travail. Vérifie toujours l'éligibilité réelle avant de t'engager.
Les rémunérations varient fortement selon la région, le secteur et la taille de l'entreprise. À titre indicatif, voici les ordres de grandeur observés en France en 2026, en brut annuel :
| Niveau d'expérience | Salaire brut annuel |
|---|---|
| Débutant·e (junior) | ≈ 35 000 – 45 000 € |
| Confirmé·e (2-5 ans) | ≈ 45 000 – 60 000 € |
| Senior / lead data | 60 000 € et + |
| Île-de-France | Généralement au-dessus de la moyenne |
Côté débouchés, les métiers de la donnée font partie des profils recherchés du numérique, secteur globalement en tension. Sois toutefois lucide : les postes vraiment juniors peuvent être concurrentiels, et un portfolio solide fait la différence. Les perspectives d'évolution sont nombreuses : data scientist, data analyst senior, lead data, analytics engineer, spécialisation sectorielle. Pour situer le métier, voir nos salaires par secteur et nos métiers du numérique accessibles sans diplôme.
Le parcours type, étape par étape :
1. Valider l'appétence pour les données
Aimes-tu fouiller des chiffres, résoudre des problèmes, raconter une histoire avec des données ? Un premier projet d'analyse sur un jeu de données public permet de tester ton intérêt réel.
2. Choisir sa voie de formation
Master ou licence pro pour un parcours initial ; titre RNCP ou bootcamp pour une montée en compétences plus rapide, notamment en reconversion. Privilégie une certification reconnue.
3. Construire un portfolio
2 ou 3 projets concrets (dashboard, analyse, nettoyage de données) publiés et commentés. C'est souvent ce qui convainc un recruteur, bien plus qu'une liste de certifications.
4. Postuler junior, puis évoluer
Vise d'abord des postes junior ou en alternance pour acquérir l'expérience terrain. L'évolution vers des postes confirmés puis seniors est rapide quand les compétences sont là.
Un métier au croisement de la tech et du métier
La donnée est partout, mais les profils qui savent la rendre utile restent rares. Pour explorer les autres métiers du numérique accessibles, y compris en reconversion, voir notre guide métiers du numérique sans diplôme.
Il n'existe pas de diplôme d'État unique : data analyst est un métier accessible par plusieurs voies. La majorité des recruteurs attendent un niveau bac+3 à bac+5 (licence pro ou master en statistique, informatique, économétrie, MIASHS, écoles d'ingénieurs ou de commerce). Mais des certifications RNCP « Data Analyst » et des bootcamps intensifs permettent aussi d'accéder au métier, surtout en reconversion, dès lors que les compétences techniques sont au rendez-vous.
Le socle attendu : SQL (interroger des bases de données), un langage de manipulation de données comme Python (pandas) ou R, et un outil de dataviz / business intelligence (Power BI, Tableau, Looker). S'y ajoutent des bases solides en statistiques et un bon sens métier pour traduire les chiffres en décisions. Excel reste très utilisé au quotidien. Ce socle se construit en quelques mois de pratique régulière.
Oui. Beaucoup de data analysts viennent d'horizons variés (économie, gestion, marketing, sciences sociales) et se sont formés aux outils data ensuite. Le métier demande de la rigueur analytique plus que des compétences d'ingénieur logiciel : on n'y développe pas des applications, on exploite et on visualise des données. Un portfolio de projets concrets compte souvent davantage que le diplôme initial.
En France, un·e data analyst débutant·e se situe le plus souvent autour de 35 000 à 45 000 € brut par an selon la région et l'employeur (davantage en Île-de-France). Avec quelques années d'expérience, la rémunération évolue généralement vers 45 000 à 60 000 €, et au-delà sur des postes seniors ou lead. Les fourchettes varient fortement selon le secteur, la taille de l'entreprise et la maîtrise technique.
Oui, c'est l'une des reconversions numériques les plus accessibles, car le métier valorise l'autonomie et la pratique. Le chemin réaliste : monter en compétences sur SQL, Python/R et un outil de dataviz via une formation certifiante (souvent finançable via le CPF ou France Travail), constituer un portfolio de projets, puis viser des postes junior. Une appétence pour les chiffres et la résolution de problèmes est indispensable.
Les métiers de la donnée font partie des profils recherchés du numérique, secteur globalement en tension. La demande reste soutenue car presque toutes les entreprises cherchent à exploiter leurs données. Attention toutefois : les postes vraiment juniors peuvent être concurrentiels, et un projet portfolio solide fait la différence. La polyvalence (data + sens métier) et la spécialisation sectorielle améliorent nettement l'employabilité.
Quelques questions simples, et on vous dit ce à quoi vous semblez avoir droit (financements, dispositifs) et vos prochaines étapes concrètes. Gratuit, 2 minutes, sans engagement.