Alternance data analyst : compétences, CV et méthode pour décrocher son contrat

En bref

• Le métier : préparer, nettoyer et structurer des données, puis produire des analyses, des tableaux de bord et du reporting qui aident à décider (marketing, relation client, production, logistique…), comme le décrit la fiche métier de l'Onisep.
• Les compétences à prouver : SQL (le filtre n° 1), un tableur maîtrisé, Python ou R pour l'analyse, un outil de dataviz (Power BI, Tableau, Looker Studio…), des bases de statistiques et la capacité à expliquer un résultat simplement.
• Les diplômes : l'Onisep cite notamment le BUT science des données (bac + 3), les licences et masters en science des données, statistiques ou informatique décisionnelle, et les écoles d'ingénieurs. Beaucoup se préparent en apprentissage, à vérifier formation par formation.
• Le salaire : en contrat d'apprentissage, c'est un pourcentage minimum du Smic qui dépend de votre âge et de votre année de contrat (grille officielle sur Service-Public.fr). Estimez le vôtre avec le calculateur de salaire en alternance.
• La méthode : 2 ou 3 projets publiés, un CV d'une page orienté résultats, une candidature par offre adaptée aux mots-clés de l'annonce, et une préparation sérieuse du test SQL.

Sommaire

1. Que fait un alternant data analyst ?
2. Les compétences à montrer pour une alternance data analyst
3. Quels diplômes préparer en alternance data analyst ?
4. Contrat, rythme et salaire d'un alternant data analyst
5. La méthode pour décrocher une alternance data analyst
6. Les erreurs qui coûtent une alternance data analyst
7. Checklist avant d'envoyer votre candidature

Que fait un alternant data analyst ?

Selon l'Onisep, le ou la data analyst « prépare les données, les nettoie, les structure, rédige des règles d'automatisation de traitement, met au point des algorithmes, crée des tableaux de bord et de reporting ou des modèles statistiques » qui servent à améliorer la stratégie de l'entreprise. Le métier existe dans la banque, l'assurance, le commerce, l'e-commerce, l'industrie ou la santé.

En alternance, vous partagez votre temps entre l'école (ou le CFA) et l'entreprise. Côté entreprise, les missions confiées à un alternant ressemblent souvent à ceci :

• Extraire des données d'une base ou d'un outil interne avec des requêtes SQL, pour répondre à une question d'une équipe (ventes, marketing, service client, RH…).
• Nettoyer et fiabiliser : doublons, valeurs manquantes, formats de dates incohérents, jointures entre plusieurs sources.
• Construire et maintenir des tableaux de bord dans Power BI, Tableau, Looker Studio ou un équivalent, et automatiser leur mise à jour.
• Produire des analyses ponctuelles : évolution d'un indicateur, comparaison avant/après une action, segmentation de clients.
• Présenter les résultats à des personnes qui ne sont pas data, à l'oral ou dans une note courte.

C'est ce dernier point qui fait souvent la différence : l'entreprise ne recrute pas seulement quelqu'un qui sait écrire une requête, mais quelqu'un qui sait dire « voilà ce que ça veut dire, et voilà ce que je recommande ».

Data analyst, data scientist, data engineer : ne vous trompez pas d'annonce

Les trois intitulés se croisent dans les annonces d'alternance « big data », mais les attentes ne sont pas les mêmes :

Si vous démarrez, le poste de data analyst est généralement le plus accessible, parce qu'il repose d'abord sur le SQL, la rigueur et la communication. Lisez toujours la liste des missions plutôt que le seul intitulé : certaines annonces « data analyst » décrivent en réalité du reporting pur, d'autres du travail d'ingénierie.

Les compétences à montrer pour une alternance data analyst

L'Onisep résume les indispensables : « la maîtrise des bases de données, des tests et des méthodes statistiques, des langages de programmation, des outils de visualisation, de fouille et d'analyse des données », plus des aptitudes pour « communiquer, écouter, expliquer, synthétiser » et le respect des règles de protection des données personnelles. Voici comment traduire ça en compétences concrètes pour votre CV.

Les hard skills techniques

• SQL : SELECT, WHERE, GROUP BY, HAVING, les jointures (JOIN), les sous-requêtes, et idéalement les fonctions de fenêtre (ROW_NUMBER, SUM() OVER). C'est la compétence la plus testée en entretien.
• Tableur avancé : tableaux croisés dynamiques, RECHERCHEX ou INDEX/EQUIV, mise en forme conditionnelle, Power Query si possible.
• Python ou R : en Python, la bibliothèque pandas pour manipuler des tableaux de données, et une bibliothèque de graphiques. Un notebook propre vaut mieux qu'une longue liste de librairies.
• Dataviz : au moins un outil de tableau de bord (Power BI, Tableau, Looker Studio, Metabase…) et les bons réflexes : un graphique par message, des titres qui disent la conclusion.
• Statistiques de base : moyenne et médiane, dispersion, corrélation, notion de test statistique, et savoir dire quand un écart n'est pas significatif.

Pour présenter ces compétences proprement sur un CV, avec des exemples par secteur, consultez notre guide des hard skills à mettre sur un CV.

Les soft skills qui comptent vraiment en data

• Savoir poser la question avant de foncer sur les données : qui va utiliser le résultat, et pour décider quoi ?
• Vulgariser : expliquer un résultat en deux phrases à un responsable marketing ou à un directeur d'usine.
• La rigueur : vérifier ses chiffres, documenter ses requêtes, signaler une donnée douteuse plutôt que la cacher.
• La curiosité métier : comprendre comment l'entreprise gagne de l'argent rend vos analyses beaucoup plus utiles.

Le réflexe RGPD

Un data analyst manipule souvent des données personnelles (clients, salariés, utilisateurs). La CNIL rappelle qu'une donnée personnelle est toute information se rapportant à une personne physique identifiée ou identifiable, directement ou indirectement. Montrer en entretien que vous connaissez les grands principes du RGPD (minimisation des données, finalité, sécurité, pseudonymisation quand c'est possible) est un vrai plus, surtout dans la banque, l'assurance ou la santé.

Quels diplômes préparer en alternance data analyst ?

La fiche métier de l'Onisep indique un niveau minimum d'accès à bac + 3 et cite plusieurs parcours :

• Bac + 3 : le BUT science des données (parcours exploration et modélisation statistique), une licence avec un parcours science des données ou data sciences, ou certains bachelors spécialisés.
• Bac + 5 : un master en statistiques et traitement de l'information, data mining, économétrie, informatique décisionnelle ou mathématiques appliquées, ou un diplôme d'ingénieur spécialisé en statistiques, big data ou intelligence artificielle.

Beaucoup de ces cursus existent en apprentissage, mais pas tous, et pas sur tous les sites. Vérifiez sur la fiche de la formation (Onisep, site de l'école) que la voie « apprentissage » ou « alternance » est bien ouverte, avec quel rythme (par exemple semaines alternées ou quelques jours par semaine), et à partir de quelle année.

Deux points pratiques à connaître :

• Vous pouvez chercher votre entreprise avant d'être admis définitivement dans certaines formations, mais le contrat ne pourra être signé qu'avec une inscription dans un organisme de formation. Renseignez-vous auprès de l'école sur son calendrier.
• Si vous venez d'un autre domaine (gestion, marketing, économie, biologie…), votre connaissance métier est un atout réel en data : un analyste qui comprend le marketing ou la logistique est souvent plus utile qu'un profil purement technique. Notre guide sur l'alternance informatique détaille aussi les différentes voies d'entrée dans les métiers du numérique.

Contrat, rythme et salaire d'un alternant data analyst

Apprentissage ou contrat de professionnalisation

Deux contrats permettent l'alternance :

• Le contrat d'apprentissage : contrat de travail écrit, ouvert en principe de 16 à 29 ans révolus (avec des exceptions jusqu'à 35 ans révolus et sans limite d'âge dans certains cas, par exemple pour un apprenti reconnu travailleur handicapé). D'après Service-Public.fr, la formation en CFA doit représenter au moins 25 % de la durée totale du contrat, et ce temps de formation compte comme du temps de travail effectif.
• Le contrat de professionnalisation : autre contrat en alternance, avec ses propres règles de public et de rémunération, détaillées sur la fiche Service-Public.fr dédiée.

Dans les formations data du supérieur, le contrat d'apprentissage est le cas le plus courant, mais l'école vous indiquera ce qu'elle accepte.

Le salaire minimum d'un apprenti

En apprentissage, le salaire minimum est un pourcentage du Smic qui dépend de votre âge et de votre année de contrat. Voici la grille publiée par Service-Public.fr (fiche vérifiée le 8 septembre 2026) :

\* À partir de 21 ans, c'est le plus élevé entre ce pourcentage du Smic et le même pourcentage du salaire minimum conventionnel de l'emploi occupé.

Ce sont des minimums : une convention collective ou un accord d'entreprise peut prévoir plus, et l'entreprise est libre de payer davantage. Les montants en euros sont mis à jour sur la fiche Service-Public.fr ; pour obtenir directement votre estimation, utilisez le calculateur de salaire en alternance de Jobshift.

À titre de repère pour la suite, l'Onisep indique pour un data analyst débutant (après le diplôme) un salaire à partir de 2 900 euros brut par mois, variable selon le lieu d'exercice et le statut.

La méthode pour décrocher une alternance data analyst

Étape 1 : construire 2 ou 3 projets qui prouvent vos compétences

Sans expérience, vos projets sont votre expérience. Choisissez des jeux de données publics (par exemple sur data.gouv.fr, la plateforme des données publiques françaises) et menez chaque projet de bout en bout :

1. Une question claire : « Quels départements ont le plus de… ? », « Comment évoluent les ventes par saison ? ».
2. Le nettoyage documenté : ce que vous avez corrigé et pourquoi.
3. L'analyse : des requêtes SQL ou un notebook Python lisible.
4. La restitution : un tableau de bord ou 3 graphiques, et une conclusion en 3 lignes.

Publiez le tout (dépôt GitHub avec un README clair, tableau de bord en ligne si l'outil le permet) et mettez les liens dans votre CV. Un projet lié au secteur de l'entreprise visée (retail, banque, santé, transport…) marque beaucoup plus qu'un exercice générique. Les parcours gratuits de Kaggle Learn ou la documentation officielle de pandas sont de bons points de départ pour progresser.

Étape 2 : un CV data analyst junior d'une page

Votre CV doit passer deux filtres : le logiciel de tri (ATS) qui cherche les mots-clés de l'annonce, puis le recruteur qui le lit en quelques secondes. Le principe : mettre vos compétences et vos projets en haut, et chiffrer ce que vous pouvez chiffrer réellement (nombre de lignes traitées, nombre de sources croisées, temps de mise à jour gagné…), sans jamais inventer.

Voici une structure type, avec un profil fictif :

PRÉNOM NOM
Alternance data analyst - rythme 1 semaine école / 3 semaines entreprise - dès septembre
Ville · téléphone · e-mail · linkedin.com/in/… · github.com/…

PROFIL
Étudiant en BUT science des données (2e année). Je cherche une alternance
de 2 ans en data analyse pour construire des tableaux de bord et des analyses
utiles aux équipes marketing ou commerciales.

COMPÉTENCES
SQL (jointures, agrégations, fonctions de fenêtre) · Python (pandas) ·
Excel avancé (TCD, Power Query) · Power BI · statistiques descriptives ·
notions RGPD · anglais technique

PROJETS DATA
Analyse de [jeu de données public] - SQL + Power BI          lien
- Nettoyage et jointure de [X] fichiers sources, documentés dans le README
- Tableau de bord de [N] indicateurs avec filtres par région et par mois
- Conclusion : [ce que l'analyse montre, en une phrase]

Segmentation clients sur un jeu de données e-commerce - Python  lien
- Notebook commenté : préparation, segmentation, visualisations
- Recommandations rédigées pour une équipe marketing (fictive)

FORMATION
BUT science des données - [IUT], [années]
Baccalauréat [spécialités] - [lycée], [année]

EXPÉRIENCES
Job étudiant / stage / associatif - [missions qui montrent rigueur,
relation client ou gestion de chiffres]

Quelques règles qui changent tout :

• Reprenez les termes exacts de l'annonce (si elle dit « Power BI » et « SQL Server », écrivez-les tels quels, si vous les maîtrisez).
• Un CV par type d'annonce : une version orientée reporting et dataviz, une autre plus orientée Python et statistiques.
• Pas de barre de progression ni de note sur 5 pour vos compétences : elles ne disent rien et passent mal dans les ATS.
• Le test ATS gratuit analyse votre CV (PDF ou DOCX) sur le format, le texte lisible, les rubriques, les coordonnées et les dates : il ne compare pas le CV à une offre. Partez du générateur de CV si vous n'avez pas encore de base propre.

Pour les règles générales d'un CV d'alternance (mise en page, rubriques, rythme), lisez aussi comment faire un CV pour une alternance.

Étape 3 : cibler les bonnes annonces et candidater en volume intelligent

Les offres d'alternance data se publient tout au long de l'année, avec une concentration autour des rentrées scolaires, et elles se trouvent sur plusieurs types de sites :

• Les pages dédiées de Jobshift : les offres d'alternance data analyst, toutes les offres d'alternance et les sélections alternances 2026 et alternances 2027 selon votre date de rentrée. Si vous hésitez avec un poste plus technique, regardez aussi les offres d'alternance en informatique.
• La bonne alternance, le service public qui recense des offres et des entreprises susceptibles de recruter en alternance.
• Les sites carrière des entreprises qui ont une équipe data (banques, assureurs, retail, e-commerce, industrie, cabinets de conseil).
• Votre école : beaucoup de formations en apprentissage relaient des offres d'entreprises partenaires.

Adaptez chaque candidature : quelques lignes sur le secteur de l'entreprise et sur un de vos projets proche de ses enjeux valent mieux qu'une longue lettre générique. Le générateur de mail de candidature et le générateur de lettre de motivation vous donnent une première version à personnaliser. Suivez ensuite toutes vos candidatures et relances au même endroit avec l'outil de suivi des candidatures.

Étape 4 : préparer l'entretien et le test technique

Un entretien d'alternance data analyst comporte souvent une partie technique, sous l'une de ces formes :

• Un test SQL en direct ou à distance : écrire des requêtes sur un petit schéma (clients, commandes, produits). Entraînez-vous sur les jointures, les agrégats et le « top N par groupe ».
• Une étude de cas : « Les ventes ont baissé ce mois-ci, comment l'analyseriez-vous ? ». On attend une démarche (vérifier la donnée, découper par segment, comparer à la même période…) plus qu'une réponse unique.
• La présentation d'un de vos projets : préparez une version de 3 minutes, avec la question, la méthode, le résultat et ce que vous feriez de plus.

Côté questions classiques, préparez au minimum :

• « Pourquoi la data, et pourquoi notre secteur ? »
• « Racontez une fois où vos chiffres ne collaient pas : qu'avez-vous fait ? »
• « Comment expliqueriez-vous ce graphique à quelqu'un qui n'est pas data ? »
• « Comment allez-vous organiser votre temps entre l'école et l'entreprise ? »

Pour vous entraîner à l'oral avec des questions adaptées au poste, utilisez le simulateur d'entretien. Si l'annonce est en anglais (groupes internationaux, start-up), le traducteur de CV en anglais vous aide à préparer une version anglaise propre.

Les erreurs qui coûtent une alternance data analyst

• Lister 15 outils sans aucune preuve : mieux vaut 4 compétences démontrées par des projets que 15 logos.
• Des projets sans conclusion : un notebook qui s'arrête sur un graphique n'a pas fait le travail d'un analyste.
• Négliger le SQL au profit du machine learning : pour un poste de data analyst, c'est l'inverse qu'on attend.
• Postuler aux annonces de data engineer ou de data scientist avec un profil d'analyste débutant, sans adapter le CV.
• Un lien GitHub vide ou en désordre : le recruteur clique, et un dépôt sans README fait plus de tort que pas de lien du tout.
• Attendre la rentrée pour chercher : commencez dès que votre admission est en cours, avec un calendrier de candidatures et de relances.

Checklist avant d'envoyer votre candidature

• [ ] J'ai lu les missions de l'annonce et vérifié qu'il s'agit bien d'un poste d'analyste.
• [ ] Mon CV tient sur une page et reprend les mots-clés exacts de l'annonce que je maîtrise.
• [ ] Mes 2 ou 3 projets sont en ligne, avec un README et une conclusion claire.
• [ ] Mon rythme d'alternance, ma formation et ma date de début sont indiqués en haut du CV.
• [ ] J'ai passé mon CV au test ATS.
• [ ] Mon message de candidature cite l'entreprise et un projet en lien avec son secteur.
• [ ] Je me suis entraîné aux jointures et agrégats SQL pour le test technique.
• [ ] J'ai noté la candidature et la date de relance dans mon suivi.

Postuler aux alternances data plus vite avec Jobshift

Jobshift fonctionne comme une app de rencontre, mais pour l'emploi : chaque offre s'affiche sous forme de carte, vous swipez à droite pour postuler et à gauche pour passer. Pour une alternance data analyst, ça vous permet de couvrir rapidement les annonces qui correspondent à votre profil, pendant que vous gardez votre énergie pour les candidatures qui méritent un message très personnalisé et pour la préparation du test SQL.

Trouvez votre alternance data analyst sans passer vos soirées à remplir des formulaires. Créez votre profil en quelques minutes et commencez à swiper. Essayer Jobshift gratuitement

Articles liés

• Alternance informatique : formations, métiers et méthode pour décrocher son contrat
• Comment faire un CV pour une alternance
• Hard skills : exemples par secteur pour votre CV
• Lettre de motivation pour alternance : exemples

FAQ

Sources

• Data analyst (analyste de données) : fiche métier (Onisep)
• BUT science des données parcours exploration et modélisation statistique (Onisep)
• Contrat d'apprentissage (Service-Public.fr)
• Contrat de professionnalisation (Service-Public.fr)
• Le contrat d'apprentissage (ministère du Travail)
• L'alternance (Onisep)
• La bonne alternance (service public)
• Donnée personnelle : définition (CNIL)
• data.gouv.fr, plateforme des données publiques françaises
• Kaggle Learn
• Documentation pandas

Articles liés

• Lettre de motivation manuscrite : quand l'écrire à la main, et 3 modèles
• CV originaux : 7 exemples modernes qui passent quand même les filtres ATS
• Reconversion professionnelle sans diplôme : 20 métiers accessibles et financements
• Job étudiant à Angers : secteurs qui recrutent, plateformes et CV