Le Data Analyst transforme les données brutes en analyses actionnables : il répond aux questions métier, construit les tableaux de bord et éclaire les décisions du management, du marketing et du produit.
🎯 Missions
- Explorer et analyser les données pour répondre aux questions business.
- Construire et maintenir dashboards et reportings automatisés.
- Définir et suivre les KPI avec les équipes métier.
- Fiabiliser les définitions et la qualité des métriques (source unique de vérité).
- Restituer : data storytelling, recommandations, aide à la décision.
🛠️ Compétences & stack 2026
- SQL avancé : la compétence n°1, non négociable.
- Python (pandas) pour les analyses poussées.
- Dataviz : Power BI, Looker, Tableau, Metabase.
- Analytics engineering : dbt, modélisation dans le warehouse — la frontière avec l'Analytics Engineer s'estompe.
- Web & produit : GA4, Amplitude, Mixpanel.
- Statistiques appliquées : tests A/B, significativité, biais.
💰 Salaires 2026 (constatés en France)
- Junior : 38 – 44 k€
- Confirmé : 44 – 58 k€
- Senior / Lead : 58 – 72 k€
- Freelance : TJM 400 – 650 €.
🔍 À ne pas confondre avec
Le Data Scientist (modélisation prédictive et ML) et le Data Engineer (infrastructure et pipelines). L'Analyst est le plus proche du métier et de la décision.
❓ Questions fréquentes
L'IA générative menace-t-elle le métier ? Elle automatise les requêtes simples, mais renforce la valeur de ceux qui savent poser les bonnes questions, valider les chiffres et raconter la donnée au métier.
Excel suffit-il encore ? Non : SQL + un outil de BI moderne constituent le minimum attendu en 2026.
📈 Évolutions
Senior/Lead Analyst, Analytics Engineer, Data Scientist, Head of Data.
.avif){kind=logo}
