Data analyst : fiche métier
Vérifié / mis à jour le — Source principale : référentiel ROME 4.0 (France Travail)
Le métier de Data analyst est référencé dans le ROME sous le code M1419 et s’exerce en France dans le secteur Informatique et télécommunication. Cette fiche métier Vocaneo récapitule missions, employabilité, salaire, accessibilité et profils associés.
- Code ROME
- M1419
- Domaine
- Support à l'entreprise / Organisation et études
- Secteur d’activité
- Informatique et télécommunication
- Métier parent (principal)
- M1403 — Chargé / Chargée d'études socio-économiques
Quelles sont les missions principales du métier Data analyst ?
"Le Data Analyst ou analyste de données transforme les données en informations statistiques et techniques. Collecte les données analytiques pour en extraire des tendances et des prévisions pour résoudre des problèmes Collabore avec les équipes techniques et métiers pour comprendre les besoins en données Présente les résultats des analyses sous forme de rapports ou de visualisations compréhensibles Assure la qualité et l'intégrité des données utilisées dans les analyses par une veille technologique sur les avancées dans les outils Participe à des projets de data science et d'intelligence artificielle pour améliorer les processus"
Pourquoi choisir le métier de Data analyst en 2026 ?
Indicateurs de performance et attractivité du métier Data analyst, calculés sur la base des données du marché de l'emploi en .
Score global
Mesure globale basée sur la demande, le salaire et les conditions de travail.
| Indicateur | Score (sur 10) |
|---|---|
| Attractivité globale | 6.7 |
| Tension du marché | 2.7 |
| Salaire | 8.5 |
| Conditions de travail | 8.5 |
- Tension du marché Data analyst
- Indice de demande pour ce métier en 2026.
- Salaire Data analyst
- Indique l'attractivité salariale pour ce métier en 2026.
- Conditions de travail Data analyst
- Qualité des conditions et de l'environnement de travail en 2026.
Impact numérique
Ce métier participe favorablement à la transition numérique.
Source : Analyse prédictive Vocaneo basée sur les données France Travail et INSEE, mises à jour en .
Quel est le marché de l'emploi pour le métier de Data analyst en 2026 ?
Cette section offre une synthèse de la tension sur le marché de l'emploi, vous permettant d'appréhender en un coup d'œil la dynamique entre offre et demande pour ce métier.
Demandeurs (12 mois)
Nombre de demandeurs au cours des 12 derniers mois.
5670
Offres (12 mois)
Nombre d'offres d'emploi sur les 12 derniers mois.
3170
Embauches (dernier trimestre)
Nombre d'embauches au cours du dernier trimestre.
930
Indicateur de tension France Travail
Indicateur de tension de la demande calculé par France Travail.
4 / 10
Indicateur de tension Vocaneo
Indicateur de tension du marché calculé en fonctions des statistiques du marché de l'emploi.
1 / 10
Indicateur de tension globale*
Moyenne de l'indicateur de tension France Travail et de Vocaneo.
2.7 / 10
* L'indice de tension mesure le ratio entre les demandeurs d'emploi et les offres collectées. Un score de 2.69/10 pour Data analyst reflète l'équilibre actuel du marché.
Quel est le salaire de Data analyst en 2026 ?
En , la rémunération d'un Data analyst s'établit généralement entre 2 145 € et 4 051 € brut mensuel. Ces données, basées sur les référentiels officiels, reflètent l'attractivité salariale du métier de Data analyst en France.
- Salaire Data analyst (1er décile)
- Plafond salarial observé parmi les offres les moins rémunérées (10 % du bas)
- 2145 €
- Salaire Data analyst (9e décile)
- Salaire d’entrée constaté dans les 10 % d’offres les mieux payées.
- 4051 €
- Score de salaire *
- Indice évaluant l'attractivité salariale.
- 8.5 / 10
* Un score élevé indique une attractivité salariale forte, traduisant des rémunérations élevées pour ce métier, tandis qu’un score faible suggère une attractivité plus modeste.
Quelles sont les conditions de travail pour le métier de Data analyst en 2026 ?
L'exercice du métier de Data analyst se caractérise par un environnement de travail dont l'indice de qualité est évalué à 8.5 /10. En , l'analyse des contraintes physiques et organisationnelles pour Data analyst montre un équilibre entre flexibilité et exigences opérationnelles.
- Score de conditions de travail * Data analyst
- Indice évaluant la qualité des conditions de travail pour ce métier.
- 8.5 / 10
* Un score élevé (proche de 10) signifie que les conditions de travail pour le métier de Data analyst sont jugées très favorables.
Source : Évaluation multicritères Vocaneo (Contexte de travail France Travail) mise à jour en 2026.
Horaires et durée du travail du métier Data analyst
- Condition :
- Travail en journée
Conditions de travail et risques professionnels du métier Data analyst
- Condition :
- Possibilité de télétravail
- Condition :
- Station assise prolongée
- Condition :
- Travail en mode projet
Types de structures du métier Data analyst
- Condition :
- Entreprises et milieux professionnels
- Condition :
- Organisme de formation
- Condition :
- Organisme public
Publics spécifiques du métier Data analyst
- Condition :
- Clientèle d'entreprises
Statut d'emploi du métier Data analyst
- Condition :
- Salarié secteur privé (CDI, CDD)
- Condition :
- Travailleur indépendant
Comment devenir Data analyst en 2026 ?
Cet emploi est accessible avec un diplôme de niveau Bac + 3 à Bac + 5 en informatique, mathématiques ou statistiques. Des compétences en analyse de données et en programmation sont généralement requises.
Score d'accessibilité*
Indice évaluant la facilité d'accès au métier.
6.8 / 10
* Un score élevé indique que ce métier est relativement accessible : les exigences en formation et en compétences sont modérées, facilitant ainsi l'accès pour un candidat. À l'inverse, un score faible suggère que le métier requiert un niveau de formation élevé et de nombreuses compétences spécifiques, ce qui le rend plus difficile d'accès.
Informations d’accès au métier
- Niveau d’étude minimal
- Bac +3 (Licence, Bachelor)
- Expérience requise
- Junior (0 à 2 ans)
- Durée typique de formation
- 12 mois
- Niveau de technicité
- 3 / 5
- Reconversion courte possible ?
- Oui*
*Une reconversion courte est envisageable via des formations professionnelles intensives et des apprentissages (6 à 12 mois) axées sur l’analyse de données, SQL, Python et BI. Vérifiez les prérequis en statistiques et bases de données et privilégiez des projets pratiques pour accélérer l’employabilité.
Trouvez rapidement la bonne formation pour devenir Data analyst.
Notre outil analyse en continu les certifications et sessions disponibles pour te guider vers l’option la plus pertinente, sans perdre de temps.
Quelles sont les connaissances théoriques (savoirs) de Data analyst ?
- Expertises techniques
- Analyse de données client
- Big data Analytics
- Planification média
- Logiciels, progiciels
- Business Intelligence (BI) - Informatique décisionnelle
- Conception de tableaux de bord de gestion
- Logiciels de gestion de base de données
- Statistiques appliquées
- Utilisation de logiciels statistiques
- Langages informatiques
- Analyse de données opérationnelles
- Analyse de données programmatiques
- Machine Learning
- MySQL
- Programmation en Python
- Sciences humaines
- Econométrie
- Règlementations, normes
- Suivi de la qualité des données
- Méthodes, procédés, procédures
- Principes de rédaction du plan média
- Certifications
- Licence mention informatique
- Licence pro mention métiers du décisionnel et de la statistique
- Master mention mathématiques appliquées, statistique
Quelles sont les compétences techniques (savoir-faire) de Data analyst en 2026 ?
- Accompagner le changement
- Favoriser les organisations apprenantes et innovantes
- Compétence Data analyst : Manager la connaissance
- Modéliser, prototyper, inventer
- Concevoir un algorithme
- Compétence Data analyst : Développer des algorithmes pour l'analyse de données
- Expérimenter, piloter la recherche et l'innovation
- Concevoir et animer une démarche d'innovation
- Compétence Data analyst : Animer une démarche agile et innovante
- Conduire des travaux d'études et de recherche
- Compétence Data analyst : Coordonner le déroulement d'une étude
- Développer les nouvelles technologies
- Intégrer des produits Data dans les processus métiers
- Compétence Data analyst : Collaborer avec des équipes pour intégrer des analyses
- Utiliser des logiciels spécifiques
- Compétence Data analyst : Utiliser des logiciels statistiques pour le traitement de données
- Analyser et structurer des données, informations
- Définir et faire évoluer des procédés de traitement de l'information
- Compétence Data analyst : Déterminer et développer les méthodes de recherche, de recueil et d'analyse de données
- Analyser, exploiter, structurer des données
- Compétence Data analyst : Interpréter des résultats de campagne média
- Compétence Data analyst : Savoir reconnaître les données sensibles pour la cybersécurité
- Comprendre, interpréter des données et documents techniques
- Compétence Data analyst : Assister une structure dans l'interprétation et l'analyse d'une étude
- Gérer une base de données numériques
- Compétence Data analyst : Gérer les bases de données et assurer leur intégrité
- Réaliser une analyse ou modélisation statistique de données
- Compétence Data analyst : Adapter les outils de traitement statistique de données
- Compétence Data analyst : Concevoir un plan d'analyse statistique : définir une méthode d'étude statistique (procédures de recueil et traitement des informations) pertinente et les outils logiciels d'analyse des données
- Compétence Data analyst : Développer des modèles prédictifs pour l'analyse de données
- Compétence Data analyst : Evaluer l'efficacité des modèles de données
- Compétence Data analyst : Formaliser les résultats d'une étude statistique de données
- Analyser, prévenir les risques
- Evaluer, prévenir, et gérer les risques et la sécurité
- Compétence Data analyst : Analyser et prévenir les risques
- Développer une stratégie commerciale et marketing
- Analyser et identifier des tendances, des préférences de consommation
- Compétence Data analyst : Analyser des données pour identifier des tendances
- Compétence Data analyst : Concevoir des modèles de détection des insights consommateurs
- Piloter un projet, une activité
- Concevoir des outils de pilotage, indicateurs, tableaux de bord
- Compétence Data analyst : Concevoir des tableaux de bord pour le suivi des performances
- Compétence Data analyst : Développer des tableaux de bord pour suivre les KPIs
- Conduire une stratégie de développement
- Etablir un diagnostic stratégique
- Compétence Data analyst : Etablir des prévisions, des évaluations, des recommandations, des perspectives
- Compétence Data analyst : Interpréter des résultats d'analyses pour des décisions stratégiques
- Diriger une structure
- Optimiser la performance de l'organisation
- Compétence Data analyst : Optimiser des processus d'analyse de données
- Communiquer à l'oral
- Communiquer à l'oral en milieu professionnel
- Compétence Data analyst : Communiquer les résultats des études aux parties prenantes
- Compétence Data analyst : Utiliser l'anglais en contexte professionnel
- Traiter des informations
- Utiliser les outils numériques
- Compétence Data analyst : Optimiser l'utilisation des outils bureautiques
- Organiser le partage et la capitalisation de l'information
- Compétence Data analyst : Communiquer des insights clés aux parties prenantes
Source : France travail, Base de données CertifInfo et France Compétences, mise à jour en 2026.
Quel est le profil psychométrique idéal pour devenir Data analyst ?
Profil d'intérêts professionnels (RIASEC) pour le métier de Data analyst
Le profil d'intérêt type pour exercer le métier de Data analyst
Le test RIASEC identifie les dominantes d’intérêts professionnels à travers six types. Ces scores permettent de cerner les types d'activités et de contextes de travail privilégiés dans ce métier, offrant une meilleure compréhension des environnements dans lesquels il s’épanouit.
Les personnes investigatrices sont curieuses et analytiques. Elles aiment résoudre des problèmes complexes et travailler sur des projets impliquant des idées abstraites. Ces personnes sont attirées par les domaines de la recherche, des sciences, de la technologie et des mathématiques.
- Analyse et interprète des données pour révéler des tendances.
- Utilise des méthodes statistiques et mathématiques pour résoudre des problèmes.
- Doit être curieux et avoir une capacité d'analyse critique.
Les personnes conventionnelles préfèrent les tâches organisées, précises et répétitives. Elles aiment suivre des procédures et travailler avec des données ou des informations structurées. Elles sont attirées par les métiers de l'administration, de la comptabilité, de la gestion des documents ou du secrétariat.
- Travaille avec des données et procédures standardisées, suivant des protocoles rigoureux.
- Rédige des rapports conformes à des standards professionnels bien définis.
- Doit gérer des bases de données complexes et respecter des normes de qualité.
Les personnes réalistes aiment les activités concrètes, physiques ou manuelles. Elles apprécient les environnements pratiques et structurés, et préfèrent travailler avec leurs mains, des outils ou des machines. Elles sont attirées par les métiers liés à la nature, la mécanique, le bâtiment et le travail en extérieur.
- Travaille avec des outils d'analyse de données, impliquant une approche pratique.
- Peut nécessiter du travail en laboratoire ou en environnement technique.
- Impliqué dans la vérification de la qualité des données, ce qui demande une approche concrète.
Les personnes sociales aiment aider les autres, travailler en équipe et établir des relations humaines. Elles apprécient les métiers basés sur l’interaction, la pédagogie, la communication et l'entraide, tels que ceux de l’enseignement, de la santé ou du travail social.
- Collabore avec différentes équipes pour comprendre leurs besoins en données.
- Présente les résultats d'analyses, ce qui implique une interaction avec d'autres.
- Participe à des projets nécessitant un travail d'équipe, ce qui est socialement orienté.
Les personnes artistiques sont créatives, originales et sensibles aux formes, aux sons et aux émotions. Elles aiment les activités qui leur permettent d'exprimer leur imagination et leur créativité, comme la peinture, la musique, l'écriture, le design ou le théâtre.
- Peut créer des visualisations de données, mais ce n'est pas un aspect principal du métier.
- Nécessite un peu de créativité pour présenter les résultats, mais dans un cadre très technique.
- L'esthétique n'est pas au cœur des missions.
Les personnes entreprenantes aiment diriger, convaincre et prendre des décisions. Elles apprécient les environnements compétitifs et les responsabilités. Elles sont attirées par les métiers liés à la gestion, à l'entrepreneuriat, aux affaires, à la politique et à la vente.
- Peut avoir un rôle consultatif où il influence les décisions, mais ce n'est pas central.
- Doit parfois défendre les résultats et recommandations, mais sans leadership direct.
- Impliqué dans des projets d'innovation, mais de manière limitée.
Scores de personnalité Big Five (OCEAN) pour le métier de Data analyst
La personnalité type pour exercer le métier de Data analyst
Le test de personnalité Big Five (OCEAN) évalue cinq grands traits de personnalité. Ces scores offrent une compréhension approfondie des caractéristiques psychologiques associées à ce métier, mettant en lumière les traits de personnalité les plus valorisés dans l'exercice de cette profession.
La conscience reflète le degré d'organisation, de rigueur et de responsabilité d'une personne. Ceux qui obtiennent un score élevé sont souvent méthodiques, disciplinés et fiables. Ils planifient leurs activités et s'efforcent de respecter leurs engagements. À l'inverse, un score faible peut indiquer un comportement spontané, parfois désorganisé ou distrait, préférant agir selon l'instant plutôt que de suivre un plan strict.
- Exige une rigueur élevée pour assurer la qualité et l'intégrité des données.
- Nécessite une planification et une organisation précises pour effectuer les analyses.
- Respect des normes et des procédures est fondamental dans le traitement des données.
L'ouverture à l'expérience décrit la propension d'une personne à rechercher la nouveauté, à être curieuse et imaginative. Les personnes ayant un score élevé dans cette dimension sont souvent créatives, curieuses et ouvertes aux idées nouvelles. Elles apprécient l'art, les expériences inédites et la réflexion profonde. À l'inverse, les personnes ayant un score faible préfèrent la routine, les choses concrètes et sont moins enclines à l'introspection.
- Nécessite la curiosité pour explorer de nouvelles données et outils.
- Encourage l'innovation dans les méthodes d'analyse et de présentation des données.
- Participe à des projets de data science, nécessitant créativité et adaptation.
L'agréabilité mesure la tendance d'une personne à être compatissante, coopérative et bienveillante envers autrui. Les personnes agréables sont souvent empathiques, prêtes à aider et cherchent à éviter les conflits. À l'inverse, un score faible peut indiquer une personnalité plus franche, directe et parfois compétitive, accordant plus d'importance à leurs besoins qu'à ceux des autres.
- Nécessité de collaborer harmonieusement avec les équipes métiers et techniques.
- Doit prendre en compte les besoins et avis des autres pour des analyses pertinentes.
- Favorise un environnement de travail coopératif pour résoudre des problèmes collectifs.
L'extraversion décrit le degré d'énergie sociale d'une personne et son besoin d'interactions avec les autres. Les individus extravertis sont souvent sociables, expressifs et aiment être entourés. Ils tirent leur énergie des échanges sociaux. À l'inverse, un score faible dans cette dimension reflète une préférence pour la solitude, l'introspection et des interactions sociales plus limitées.
- Implique une interaction avec différentes équipes pour comprendre les besoins en données.
- Présente les résultats des analyses, nécessitant un certain niveau de communication.
- Le travail peut inclure des activités en groupe, mais peut également être solitaire.
Le névrosisme reflète la stabilité émotionnelle et la propension d'une personne à ressentir des émotions négatives comme l'anxiété, la colère ou la dépression. Les individus ayant un score élevé dans cette dimension peuvent être plus sensibles au stress, avoir des sautes d'humeur et se sentir facilement dépassés par les événements. À l'inverse, un score faible indique une personne calme, résiliente et peu encline à ressentir des émotions négatives de manière prolongée.
- Doit faire face à des délais et attentes, mais le stress n'est pas constant dans le métier.
- La pression peut exister, notamment lors des présentations de résultats.
- Un certain niveau de stabilité émotionnelle est préféré pour la gestion des urgences.
Scores de valeurs universelles (SVS) pour le métier de Data analyst
Le profil de valeurs type pour exercer le métier de Data analyst
Le test des valeurs universelles (SVS) mesure l'importance relative de différentes valeurs fondamentales associées à ce métier. Ces scores permettent de mieux comprendre les dimensions éthiques et culturelles du métier, offrant ainsi un aperçu de l'environnement de travail et des priorités professionnelles qui y sont associées.
La réussite représente le désir de se distinguer et de démontrer ses compétences. Les individus avec un score élevé recherchent l'excellence personnelle et le succès dans ce qu'ils entreprennent. Ils sont motivés par la reconnaissance de leurs réalisations. Un score faible peut indiquer une moindre préoccupation pour la compétition ou le succès social.
- Satisfaction d'atteindre des objectifs d'analyse spécifiques.
- Responsabilité d'améliorer les processus décisionnels.
- Évaluation basée sur la qualité des prévisions et des rapports.
La stimulation reflète le besoin d'excitation, de nouveauté et de défis. Les individus ayant un score élevé recherchent l'aventure et aiment sortir de leur zone de confort. Ils sont attirés par les expériences inédites et les changements fréquents. À l'inverse, un score faible peut indiquer une préférence pour la stabilité, la routine et un mode de vie prévisible.
- Exposition à des données variées et évolutives.
- Nécessité de s'adapter à de nouvelles outils et technologies.
- Travaille souvent sur des projets innovants.
La conformité reflète l'adhésion aux normes sociales et le respect des règles établies pour maintenir l'ordre social. Les personnes conformistes évitent les comportements qui pourraient perturber l'harmonie collective. À l'inverse, un score faible peut indiquer une tendance à remettre en question les règles et à agir selon ses propres convictions, même si cela implique de défier l'autorité.
- Doit respecter des règles sur la qualité et l'intégrité des données.
- Respect des normes de sécurité dans la manipulation des données.
- Adhère à des processus établis pour l'analyse et la présentation des résultats.
La sécurité représente le besoin de stabilité, de sûreté et de protection. Les personnes ayant un score élevé valorisent un environnement prévisible et sécurisant, tant sur le plan personnel que social. Elles cherchent à éviter les risques et les incertitudes. Un score faible peut refléter une tolérance plus élevée à l'imprévu et un mode de vie plus aventureux.
- Responsable de la protection des données sensibles.
- Travaille pour assurer l'intégrité des analyses et éviter les erreurs.
- Met en place des procédures pour minimiser les risques liés aux données.
L'autonomie met en avant l'importance de la liberté de pensée et d'action. Les personnes autonomes privilégient la créativité, l'indépendance et la prise de décision personnelle. Elles cherchent à façonner leur propre destin selon leurs valeurs. Un score faible peut indiquer une plus grande conformité aux règles et aux attentes sociales.
- Nécessite une certaine autonomie dans l'analyse et la résolution de problèmes.
- Prend des initiatives dans la manière d'aborder les analyses.
- Encadré par des processus, mais un espace d'initiative est présent.
L'universalisme reflète l'engagement en faveur de l'égalité, de la tolérance et du respect pour tous les êtres vivants. Les individus ayant un score élevé dans cette dimension sont préoccupés par le bien-être de l'humanité et de l'environnement. Ils prônent l'ouverture d'esprit et la justice sociale. Un score faible peut indiquer une préoccupation moindre pour les enjeux globaux ou les différences culturelles.
- Les analyses peuvent avoir un impact sur des sujets sociétaux importants.
- Considère les implications éthiques de l'utilisation des données.
- Contribue à des projets pour le bien commun dans certaines industries.
La bienveillance représente le souci du bien-être des proches et la volonté d'entretenir des relations harmonieuses. Les personnes bienveillantes sont prêtes à aider, à soutenir et à protéger leurs proches. Un score faible peut refléter une approche plus individualiste ou une priorité donnée à ses propres besoins plutôt qu'à ceux des autres.
- Collaborations avec d'autres équipes pour répondre aux besoins.
- Impact sur l'amélioration des services clients.
- Soutient les prises de décision qui peuvent affecter les parties prenantes.
Le pouvoir reflète le désir de contrôle, de domination et de statut social élevé. Les personnes ayant un score élevé dans cette dimension cherchent à influencer les autres et à maintenir leur position d'autorité. Elles accordent une grande importance à la reconnaissance et aux privilèges. À l'inverse, un score faible peut indiquer un désintérêt pour l’autorité et une préférence pour l'égalité entre tous.
- Influence limitée sur les décisions stratégiques.
- Travaille généralement sous la supervision d'autres départements.
- Peut avoir un rôle dans la recommandation des actions basées sur l'analyse.
L'hédonisme exprime la recherche du plaisir et du bien-être personnel. Les personnes hédonistes apprécient la gratification immédiate et les expériences plaisantes, telles que les loisirs et le divertissement. Un score faible peut refléter un mode de vie plus austère ou une tendance à privilégier le devoir et les responsabilités sur le plaisir.
- Peut y avoir des éléments de plaisir dans la découverte de nouvelles tendances.
- Travail plutôt orienté vers la rigueur et l'analyse, moins vers le confort personnel.
- Peu d'opportunités pour des expériences variées au quotidien.
La tradition exprime l'attachement aux coutumes, aux croyances et aux pratiques culturelles ou religieuses transmises de génération en génération. Les personnes ayant un score élevé respectent les valeurs héritées du passé et cherchent à préserver ces traditions. Un score faible peut indiquer une ouverture au changement et une préférence pour l'innovation par rapport aux conventions établies.
- Respect des méthodologies établies dans l'analyse de données.
- Moins d'accent sur les valeurs culturelles ou héritées du métier.
- Suit des standards plutôt que des coutumes.
Quels sont les centres d'intérêt liés au métier de Data analyst ?
- Le métier de Data analyst est associé à l'intérêt : J'aime faire des découvertes
- Le métier de Data analyst est associé à l'intérêt : J'aime manier les chiffres
- Le métier de Data analyst est associé à l'intérêt : Je suis passionné / passionnée par les nouvelles technologies
| Attribut | Détails sémantiques pour Data analyst |
|---|---|
| Intitulés alternatifs | Spécialisation Data analyst |
| Centres d'intérêt | J'aime faire des découvertes, J'aime manier les chiffres, Je suis passionné / passionnée par les nouvelles technologies |
Source des synonymes et intérêts : Référentiel officiel ROME 4.0 (France Travail) et base de données Vocaneo mise à jour en 2026.