Créez un CV Data Analyst qui passe les filtres ATS

Résumé analytique (3-4 lignes max)

Votre pitch orienté data. Le recruteur doit identifier votre spécialisation, vos outils principaux et votre impact business immédiatement.

• Années d'expérience + domaine (marketing, finance, produit, RH...)
• Outils clés : SQL + outil BI principal + Python si pertinent
• Impact chiffré : économies, revenus, optimisations apportées
• Volume de données : taille des datasets, nombre de sources

Compétences techniques (outils par catégorie)

Section critique pour les ATS data. Organisez vos outils en catégories lisibles qui reflètent votre stack analytique.

• Data : SQL (PostgreSQL, BigQuery), Python (Pandas, NumPy), R
• BI & Visualisation : Power BI, Tableau, Looker, Google Data Studio
• Cloud : GCP, AWS, Snowflake, dbt
• Autres : Excel avancé, Git, Airflow, Google Sheets
• Indiquez votre niveau SQL réel (jointures complexes, window functions, CTE)

Expérience professionnelle (insights et impact)

Chaque poste doit démontrer que vous transformez de la donnée brute en décisions business, pas juste que vous faites des requêtes.

• Format : Intitulé | Entreprise | Outils | Dates
• 3-5 puces par poste axées sur l'impact business des analyses
• Mentionnez le volume de données manipulé (lignes, sources, fréquence)
• Décrivez le processus complet : collecte, nettoyage, analyse, restitution

Projets data (portfolio)

Un portfolio data est un puissant différenciateur. Il prouve que vous savez mener une analyse de bout en bout.

• 2-3 projets avec description du problème, approche et résultat
• Incluez les datasets utilisés, la méthode et les visualisations
• Liens vers GitHub, Kaggle ou articles Medium si disponibles
• Les compétitions Kaggle ou projets open data montrent de l'initiative

Formation & Certifications

Les certifications data sont des signaux forts pour les ATS, surtout pour les profils en reconversion.

• Diplôme, école/université, spécialisation data si applicable
• Google Data Analytics Certificate, IBM Data Analyst, Microsoft Power BI
• Formations DataCamp, Coursera, OpenClassrooms si significatives
• Bootcamps data reconnus (Le Wagon, Jedha, etc.)

Soft skills analytiques (intégrées, pas listées)

Les soft skills d'un data analyst se prouvent dans vos puces d'expérience, pas dans une liste isolée.

• Esprit critique et capacité de questionnement des données
• Communication des insights aux parties prenantes non-techniques
• Rigueur dans le nettoyage et la validation des données

Écrire « maîtrise Excel » sans préciser le niveau

Tout le monde met « Excel » sur son CV. Les ATS cherchent des indicateurs de niveau avancé : Power Query, tableaux croisés dynamiques, VBA, Power Pivot. « Excel » seul ne déclenche aucun match pertinent.

Décrire des tâches au lieu d'insights

« Créé des rapports hebdomadaires » ne dit rien sur votre valeur analytique. Les ATS et recruteurs veulent voir l'insight, la recommandation, l'impact business.

Ne pas mentionner SQL ou le mentionner sans contexte

SQL est le filtre binaire le plus courant pour les postes data analyst. Écrire simplement « SQL » ne suffit pas, les recruteurs veulent savoir votre niveau réel.

Ignorer les volumes de données

Analyser 100 lignes Excel et analyser 5M de lignes BigQuery, ce n'est pas le même métier. Les volumes signalent votre capacité de scaling et déclenchent des matchs ATS différents.

Pas de portfolio data

Contrairement à d'autres métiers, les data analysts peuvent montrer leur travail : dashboards Tableau Public, notebooks Kaggle, repos GitHub. Ne pas le faire, c'est gaspiller un avantage unique.