« Devenez data analyst en douze semaines » : la promesse est partout, et elle vend surtout des formations. La réalité est moins spectaculaire et plus encourageante : ce métier s’apprend, sans miracle, dans un ordre qui fonctionne et avec des ressources largement gratuites. Voici le parcours que nous décririons à un proche, celui qu’aucune publicité ne vous vendra, parce qu’il ne coûte presque rien.
Le métier, vraiment
Oubliez l’image du créateur de dashboards qui passe ses journées à choisir des visuels. Un data analyst consacre l’essentiel de son temps, disons 80 %, à comprendre une question métier, trouver la donnée capable d’y répondre, la nettoyer, la structurer. La visualisation est la dernière ligne droite : 20 %, rarement plus. Le cœur du métier est une double traduction : transformer une question de gestion en requête sur des données, puis transformer un résultat chiffré en décision compréhensible. Si vous n’aimez que les graphiques, vous serez déçu. Si vous aimez comprendre pourquoi un chiffre est faux, bienvenue.
Ce qu’il faut maîtriser, dans cet ordre
L’ordre n’est pas décoratif : chaque brique rend la suivante apprenable. Le parcours classique de l’échec consiste à le prendre à l’envers, commencer par DAX sur une table plate, s’épuiser, conclure qu’on n’est « pas fait pour ça ».
3 mois
socle
Excel sérieux, SQL de base, Power Query et premiers modèles simples.
6 mois
portfolio
Deux projets racontés de bout en bout, avec modèle, mesures et limites assumées.
12 mois
autonomie
Capacité à cadrer une question métier, fiabiliser la donnée et défendre les chiffres.
- Excel, sérieusement. Pas « je connais Excel » : tableaux croisés dynamiques, RECHERCHEX, tableaux structurés, et déjà un peu de Power Query, qui vit aussi dans Excel. C’est l’outil que vous croiserez partout, et il apprend à penser en données sans aucune infrastructure.
- SQL ensuite, parce que la donnée d’entreprise vit dans des bases. SELECT, jointures, agrégations : c’est la langue commune de tous les métiers data, et l’une des compétences les plus testées en entretien.
- Un outil BI, et en France, ce sera très probablement Power BI : les PME et ETI vivent déjà dans l’écosystème Microsoft. Apprenez l’outil complet, Power Query, le modèle, le service en ligne, pas seulement les visuels.
- La modélisation : schéma en étoile, faits, dimensions, table de dates. C’est la compétence qui sépare les candidatures, et le prérequis de tout ce qui suit.
- DAX en dernier, parce que sa difficulté dépend du modèle : sur une étoile propre, les mesures sont courtes et logiques ; sur une table plate, chaque mesure devient une rustine. Contexte de filtre, CALCULATE, time intelligence : tout s’éclaire quand le modèle est sain.
Se former gratuitement (et sérieusement)
Le paradoxe du marché : les meilleures ressources sont gratuites, et beaucoup de formations payantes ne font que les réemballer. Trois piliers suffisent.
- Microsoft Learn : les parcours officiels Power BI, dont la préparation à la certification PL-300, sont gratuits, à jour et structurés. Commencez là.
- SQLBI pour la modélisation et le DAX avancé : la référence mondiale, avec des centaines d’articles et de vidéos en accès libre.
- Des données publiques pour vos projets : data.gouv.fr, l’INSEE, les transactions immobilières DVF. Choisissez un sujet qui vous concerne vraiment : vous tiendrez dans la durée, et vous aurez une histoire à raconter.
Le piège, c’est la collection. Enchaîner les cours donne une sensation de progression ; seuls les projets produisent des preuves. Une certification comme la PL-300 a de la valeur, la deuxième en a déjà moins, et la dixième envoie un mauvais signal. Construisez de vrais projets sur de vraies données : c’est là que l’apprentissage devient irréversible.
- 1Mois 1 à 3 : manipuler la donnée sans chercher à impressionnerExcel, SQL de base, Power Query, premières jointures, premiers contrôles d'erreurs.
- 2Mois 4 à 6 : construire deux modèles racontablesUn sujet finance ou commerce, un sujet public ou personnel. Chaque projet doit inclure les limites et les choix de modèle.
- 3Mois 7 à 12 : défendre la fiabilitéDAX, schéma en étoile, performance, droits, actualisation, tests utilisateur. C'est là que l'autonomie devient visible.
Ce que les recruteurs regardent vraiment
Un portfolio de deux ou trois projets racontés bat dix badges, non par principe, mais parce que l’entretien finit toujours au même endroit : « racontez-moi ». Un projet raconté tient en trois temps : le problème (la question métier, le contexte), la démarche (les données choisies, le modèle construit, les impasses rencontrées), la décision (ce que l’analyse permettait de trancher). Un dashboard sans question n’est pas un projet, c’est une démonstration d’outil.
| Signal faible | Signal fort |
|---|---|
| Dix badges de cours en ligne | Une certification, deux ou trois projets racontés |
| « Maîtrise de Power BI » sur le CV | Un rapport publié qui répond à une vraie question |
| Le dataset du tutoriel, refait à l’identique | Des données publiques choisies, un angle personnel |
| « J’ai fait un dashboard » | « Voici ce que mon analyse permettait de décider » |
Les erreurs de débutant en entretien
- Réciter des outils sans pouvoir dérouler un seul projet de bout en bout, la question viendra, et elle décide de l’entretien.
- Montrer un dashboard sans savoir justifier un choix : pourquoi ce modèle, pourquoi une mesure plutôt qu’une colonne calculée, pourquoi ce graphique.
- Ne poser aucune question sur les données de l’entreprise : un analyst qui ne questionne pas la donnée inquiète plus qu’il ne rassure.
- Inventer plutôt qu’admettre. « Je ne sais pas, voici comment je chercherais » est une excellente réponse de junior.
- Parler esthétique quand on vous interroge sur la fiabilité. La question cachée derrière toutes les autres : peut-on se fier à vos chiffres ?
Un mot sur les salaires, puisque les formations miracles en font un argument : méfiez-vous des chiffres précis. La rémunération varie fortement selon la région, le secteur et l’autonomie réelle du poste. Ce qui la fait monter, en revanche, ne varie pas : la capacité à prendre un sujet de bout en bout, de la donnée brute à la décision.
À retenir
Excel, SQL, Power BI, modélisation, DAX, dans cet ordre. Des ressources gratuites, deux ou trois vrais projets racontés, et l’honnêteté de dire « je ne sais pas ». Moins vendeur qu’une formation miracle ; nettement plus efficace.
Ce parcours se compte en mois, pas en semaines, et il tient la distance parce que chaque brique sert la suivante. Quand vos projets commencent à raconter quelque chose, ne cherchez pas à ajouter un outil de plus : améliorez la preuve. Rendez le modèle plus clair, les mesures plus défendables, et l'histoire plus facile à expliquer.
Écrit par Dylan Arnaud, fondateur de Datafuji. Les exemples techniques sont conçus pour être relus, testés et adaptés dans un modèle Power BI réel.