Data analyst
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, marché de l'emploi, salaire, conditions, profil Vocagram et formations.
Données France Travail du · Fiche vérifiée le
L'essentiel en 20 secondes
Les scores Vocaneo du métier
Repères sur 10, calculés par Vocaneo sur tout le référentiel des métiers — des aides à l'exploration, pas des verdicts.
Quelles sont les missions principales du métier ?
"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"
Source : référentiel ROME 4.0 (France Travail)
Métier parent : M1403 — Chargé / Chargée d'études socio-économiques
Centres d'intérêt associés
- J'aime faire des découvertes
- J'aime manier les chiffres
- Je suis passionné / passionnée par les nouvelles technologies
Quel est le marché de l'emploi en 2026 ?
Le détail des indicateurs de tension
Tension France Travail : 4/10 — indicateur de difficulté de recrutement calculé par France Travail.
Tension Vocaneo : 1/10 — calcul Vocaneo à partir des offres, demandeurs et embauches.
Tension globale : 2,7/10 — moyenne des deux. L'indice mesure le ratio entre demandeurs d'emploi et offres collectées.
Données marché : France Travail (API statistiques offres/demandes d'emploi), mises à jour le .
Quel est le salaire de Data analyst ?
Note : salaires du métier référent Chargé / Chargée d'études socio-économiques, dont dépend cette spécialisation.
Brut mensuel, hors primes. Dans les métiers en horaires postés, les primes de poste et d'astreinte peuvent compléter sensiblement le fixe.
Source : France Travail — salaires constatés dans les offres d'emploi déposées, 3ème trimestre 2025 (données mises à jour le ).
Quelles sont les conditions de travail ?
Les conditions de travail de ce métier sont notées 8,5/10 par Vocaneo. Les connaître avant de se lancer, c'est ce qui fait les projets qui tiennent.
Station assise prolongée
Conditions de travail et risques professionnels
Toutes les conditions concrètes d'exercice
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
Contextes de travail du référentiel ROME 4.0 + analyse de pénibilité Vocaneo
Le métier de Data analyst est-il menacé par l'IA ?
Transformé, pas remplacé : l'IA change les outils et déplace une partie des tâches, sans faire disparaître le besoin humain. Se former aux nouveaux outils devient un avantage décisif.
Estimation Vocaneo (analyse des tâches du référentiel ROME, échelle de 1 à 3). Comprendre la méthodologie
Quel est le profil Vocagram du métier ?
Le Vocagram mesure le profil type d'un métier sur 28 composantes réparties en 4 axes (moteurs, personnalité, forces, manières d'agir). Pour le métier de Data analyst, les moteurs dominants sont cadre, réussite et nouveauté, et les manières d'agir privilégiées sont explorer, organiser et créer.
Le code reprend, axe par axe, les lettres des composantes dominantes ci-dessus.
Profil calculé par Vocaneo selon la méthodologie Vocagram (Schwartz, BFI-2, O*NET, RIASEC). Comprendre la méthodologie
Le profil psychométrique détaillé (RIASEC, personnalité, valeurs)
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.
Comment devenir Data analyst ?
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.
Source : référentiel ROME 4.0 (France Travail)
Bac +3 (Licence, Bachelor)
Niveau d'étude minimal
Reconversion courte : oui
Formation typique : 12 mois
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.
Informations d'accès détaillées (expérience, technicité, durée)
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.
Votre organisme forme à ce métier ?
Présentez vos formations aux personnes en reconversion qui lisent cette fiche.
Proposer un partenariatDiplômes et certifications qui y mènent
1 371 formations dans 204 établissements, 135 villes.
Les connaissances théoriques (savoirs)
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
Les compétences techniques (savoir-faire)
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
Sources et méthode
- Missions, compétences, accès au métier : référentiel ROME 4.0 (France Travail).
- Marché de l'emploi, salaires et contrats : France Travail, API statistiques offres/demandes — mises à jour le .
- Indicateurs, profil Vocagram et estimation d'impact IA : Vocaneo — fiche mise à jour le .
Les indicateurs Vocaneo sont des repères d'aide à l'exploration : ils éclairent ta réflexion, ils ne constituent pas un verdict. Ces résultats ne remplacent pas un accompagnement humain — ils en sont le point de départ.
Aller plus loin
Faire le test d'orientation gratuit Bilan de compétences Bilan de compétences gratuit Métiers les mieux payés en 2026