Aperçu
L'analyse de données est l'un des métiers les plus demandés, et les postes juniors attirent des centaines de candidatures. Le tri se fait souvent sur le CV avant même de regarder les compétences techniques. Les profils qui sortent du lot sont ceux qui montrent des projets concrets avec des jeux de données réels, pas seulement une liste de cours suivis sur Coursera.
Ce CV est celui de Sofiane, diplômé d'un Master en Statistiques Appliquées de l'ENSAE. Il a effectué un stage de six mois chez Decathlon au siège de Villeneuve d'Ascq, puis réalisé trois projets data personnels publiés sur GitHub. Son CV montre une maîtrise complète de la chaîne de traitement : extraction, nettoyage, analyse et visualisation.
L'accroche : stack technique, volume, impact business
Analyste de données diplômé de l'ENSAE, spécialisé en SQL, Python et Power BI. Stage de six mois chez Decathlon avec analyse de données de vente portant sur 2,3 millions de lignes. Création de 12 tableaux de bord décisionnels utilisés par 4 équipes métier. Trois projets data open source sur GitHub.
2,3 millions de lignes de données et 12 tableaux de bord : c'est du concret. Le fait que 4 équipes métier utilisent ses dashboards montre que son travail a un impact business direct.
Pour votre CV : Indiquez toujours le volume de données que vous avez manipulé et l'impact de vos analyses sur les décisions métier.
Le stage chez Decathlon : la data au service du commerce
"Analyse de 2,3 millions de lignes de données de vente pour identifier les tendances saisonnières par catégorie produit"
"Création de 12 tableaux de bord Power BI automatisés, réduisant le temps de reporting de 60 %"
"Développement d'un script Python de nettoyage de données réduisant les erreurs de saisie de 45 %"
La réduction de 60 % du temps de reporting est un résultat que tout manager comprend. Le script de nettoyage montre aussi que Sofiane ne se contente pas de consommer des données propres : il sait les préparer lui même.
Les projets GitHub : la preuve technique
Le premier projet est une analyse exploratoire du marché immobilier parisien avec 50 000 transactions (Python, Pandas, Matplotlib). Le deuxième est un modèle de prédiction de churn client avec un taux de précision de 87 % (scikit learn). Le troisième est un pipeline ETL automatisé connectant une API publique à une base PostgreSQL.
Chaque projet montre une compétence différente : exploration, modélisation prédictive et ingénierie de données. Cette diversité est un atout pour un profil junior qui doit montrer sa polyvalence.
Les compétences techniques : structurées par catégorie
Sofiane organise ses compétences en quatre blocs : langages (Python, SQL, R), visualisation (Power BI, Tableau, Matplotlib), bases de données (PostgreSQL, BigQuery) et outils (Git, Jupyter, Airflow). Cette organisation permet au recruteur de trouver instantanément ce qu'il cherche.
Les erreurs fréquentes sur un CV d'analyste data junior
Lister des outils sans contexte. « Python » seul ne veut rien dire. « Python (Pandas, NumPy, scikit learn) pour l'analyse de 2,3 M de lignes » raconte une histoire.
Ignorer la visualisation. Savoir analyser des données ne suffit pas. Les entreprises veulent des analystes qui savent communiquer leurs résultats de manière visuelle et compréhensible.
Ne pas publier ses projets. Un GitHub actif avec des projets documentés vaut plus que n'importe quelle certification. Publiez vos notebooks, commentez votre code, rédigez des README clairs.
Un dernier point
En data, votre CV doit refléter votre approche : structuré, factuel et orienté résultats. Pas de jargon inutile, pas de technologies survolées. Montrez que vous savez transformer des données brutes en décisions éclairées, et les recruteurs viendront à vous.
