Les entreprises produisent aujourd’hui plus de données qu’elles n’en exploitent. Le marketing suit ses campagnes, les RH leurs recrutements, la logistique ses stocks : chaque service accumule des chiffres et cherche quelqu’un capable de les lire, de les recouper et d’en tirer des décisions. C’est ce qui explique la multiplication des postes de data analyst, y compris dans des structures qui n’ont aucune équipe technique.
Beaucoup de personnes intéressées par ces métiers s’arrêtent avant d’essayer, convaincues qu’il faut un bagage en mathématiques ou en informatique. Dans la pratique, le travail consiste surtout à comprendre une question métier, à vérifier d’où vient un chiffre et à restituer un résultat de façon compréhensible par des interlocuteurs qui ne sont pas techniques.
Vos compétences actuelles comptent plus que vous ne le pensez
Un data analyst passe une bonne partie de son temps à dialoguer avec des équipes qui ne parlent pas data. Si vous venez du commerce, vous savez déjà ce qu’est un taux de conversion et pourquoi il bouge d’un mois sur l’autre. Si vous venez des RH, vous connaissez les indicateurs de rotation du personnel et leurs limites. Cette compréhension du contexte est difficile à acquérir pour quelqu’un qui sort d’un cursus purement technique, alors que l’inverse s’apprend. La rigueur, la curiosité et la capacité à structurer un raisonnement sont les vrais prérequis du métier.
Les outils à apprendre
La liste est plus courte qu’elle n’en a l’air. Le tableur reste le point de départ : Excel et Google Sheets permettent déjà de nettoyer, croiser et visualiser des données. Vient ensuite SQL, le langage qui sert à interroger les bases de données, et dont la syntaxe de base s’acquiert rapidement. Python intervient pour automatiser les traitements répétitifs et manipuler de gros volumes. Enfin, un outil de visualisation comme Power BI sert à construire les tableaux de bord que liront vos interlocuteurs. Aucun de ces outils ne demande un niveau universitaire en mathématiques.
Choisir une formation
C’est souvent l’étape qui bloque. Un point à vérifier en priorité : la progression proposée. Un programme qui démarre directement par Python risque de perdre les profils non techniques dès les premières semaines.
La formation data analyst de Jedha suit une logique progressive : elle commence par des outils familiers comme Excel et Google Sheets, avant d’aborder SQL, Python, la visualisation de données et Power BI. L’objectif est d’apprendre à collecter, analyser et présenter des données, puis à les transformer en recommandations utiles pour les décisions d’une entreprise.
Le programme représente 450 heures, en trois mois à temps plein ou sept mois à temps partiel, à distance ou en présentiel sur l’un des dix-sept campus. Il demande des bases en Python et SQL, avec une formation d’initiation possible en amont pour celles et ceux qui partent de zéro. Comptez 7 500 €, éligibles au CPF et à plusieurs dispositifs de financement liés à la reconversion.
La pédagogie repose sur 70 % de pratique et sur des projets concrets destinés à constituer un dossier de réalisations, avec un accompagnement sur les candidatures et les entretiens. À la sortie, la formation délivre une certification reconnue par l’État ainsi que la certification Microsoft Power BI PL-300. Jedha annonce 92 % d’insertion sur son parcours Data.
Les étapes pour réussir sa reconversion
Testez d’abord le métier sur vos propres données, avec un tableur et un jeu de chiffres que vous connaissez déjà. Choisissez ensuite un format compatible avec votre situation, temps plein ou temps partiel, et vérifiez votre éligibilité aux financements avant de vous engager. Constituez enfin un dossier de deux ou trois projets qui montrent votre raisonnement plutôt que votre maîtrise technique. Et appuyez-vous sur votre secteur d’origine : c’est presque toujours par là que la première offre arrive.
