Présentation du métier
Contexte de travail
Conditions de travail
Compétences et niveaux attendus
Certifications
Proximité(s)/évolution(s) envisageables
Tendances nationales sur le métier
Pour en savoir plus
BUSINESS - DATA ANALYST
Famille : Réalisation de la prestation
Autres appellations en français
- Analyste de données
- Analyste données massives
- Analyste décisionnel
Autres appellations en anglais
- Data Analyst
- Business Analyst
Présentation du métier : Business - Data analyst
Finalité du métier
Le Business / Data Analyst optimise la prise de décisions grâce à l'apport de nouvelles statistiques et technologies dans le processus de décision.
Missions principales
Identifier et explorer la problématique métier à traiter :
Le Business / Data Analyst identifie les caractéristiques de la problématique et ses besoins de décisions intermédiaires/finales. Il recense les besoins d'informations et les sources de données exploitables selon l'horizon de temps de la décision à prendre.
Exploiter les données et accompagner la décision :
Il sélectionne et rend exploitables les données de différentes natures et volumes au regard de la décision à préparer. Il effectue des tests de cohérence et de pertinence avec les experts métiers et met en production les données. Il documente et accompagne les processus de décision intermédiaires et finaux avec l'équipe projet.
Valoriser et pérenniser les données :
Il consolide les connaissances produites dans le temps et facilite le rapprochement de leur structure pour identifier d'autres axes d'exploitation. Il met en valeur ces ressources et les vulgarise pour les experts décisionnaires. Il peut ainsi participer au processus de démarche et de proposition commerciale. Il pérennise et automatise également certains traitements, notamment en fonction de la durée de vie des données mobilisées.
Le Business / Data Analyst identifie les caractéristiques de la problématique et ses besoins de décisions intermédiaires/finales. Il recense les besoins d'informations et les sources de données exploitables selon l'horizon de temps de la décision à prendre.
Exploiter les données et accompagner la décision :
Il sélectionne et rend exploitables les données de différentes natures et volumes au regard de la décision à préparer. Il effectue des tests de cohérence et de pertinence avec les experts métiers et met en production les données. Il documente et accompagne les processus de décision intermédiaires et finaux avec l'équipe projet.
Valoriser et pérenniser les données :
Il consolide les connaissances produites dans le temps et facilite le rapprochement de leur structure pour identifier d'autres axes d'exploitation. Il met en valeur ces ressources et les vulgarise pour les experts décisionnaires. Il peut ainsi participer au processus de démarche et de proposition commerciale. Il pérennise et automatise également certains traitements, notamment en fonction de la durée de vie des données mobilisées.
Contexte de travail
Variables spécifiques au métier
Expertise métier(s) et/ou sectorielle(s) :
Le Business / Data Analyst adapte l'essentiel de son approche, les sources de données utilisées, les méthodes statistiques et les technologies utilisées au(x) besoin(s) décisionnel(s) du métier et/ou du secteur. Selon le besoin, son profil varie d'un expert métier avec des compétences de Data Science à un expert d'origine Data Science qui s'acculture au métier.
Ressources technologiques :
Lorsque la Data Science est pertinente pour une décision, le Business / Data Analyst, en collaboration avec le Data Scientist, mobilise fréquemment des briques de solutions existantes qu'il va exploiter pour son besoin (ex : algorithme issu d'une bibliothèque Cloud). Il utilise donc des solutions existantes qu'il connaît et sélectionne selon l'usage.
Type de données exploitées :
Les types de données sont différents selon le secteur d'application et la finalité. Les données sont parfois uniquement qualitatives et génèrent des traitements spécifiques. Le plus souvent, elles sont hétérogènes et mixtes sur le plan qualitatif et quantitatif. L'aspect réglementaire et éthique intervient également pour certaines données (ex : RGPD).
Le Business / Data Analyst adapte l'essentiel de son approche, les sources de données utilisées, les méthodes statistiques et les technologies utilisées au(x) besoin(s) décisionnel(s) du métier et/ou du secteur. Selon le besoin, son profil varie d'un expert métier avec des compétences de Data Science à un expert d'origine Data Science qui s'acculture au métier.
Ressources technologiques :
Lorsque la Data Science est pertinente pour une décision, le Business / Data Analyst, en collaboration avec le Data Scientist, mobilise fréquemment des briques de solutions existantes qu'il va exploiter pour son besoin (ex : algorithme issu d'une bibliothèque Cloud). Il utilise donc des solutions existantes qu'il connaît et sélectionne selon l'usage.
Type de données exploitées :
Les types de données sont différents selon le secteur d'application et la finalité. Les données sont parfois uniquement qualitatives et génèrent des traitements spécifiques. Le plus souvent, elles sont hétérogènes et mixtes sur le plan qualitatif et quantitatif. L'aspect réglementaire et éthique intervient également pour certaines données (ex : RGPD).
Contextes organisationnels
Type et taille d'entreprise :
En tant qu'indépendant, Le Business / Data Analyst est focalisé sur un marché qui nécessite une expertise élevée. Cela peut être représenté sur des tailles variables de marchés. En plus de ses compétences techniques, cela nécessite donc des compétences administratives, de positionnement sur le marché et de développement de partenariats, de commercialisation et/ou de production, avec des sociétés susceptibles de capter ces demandes. Dans une société de conseil en management, la perspective est davantage multisectorielle et le type de décision plus diversifié. Dans ce cadre, le métier s'exerce en relation étroite avec le Consultant en management et ces 2 métiers peuvent être exercés par la même personne. Dans une société d'études, le besoin de connaissances sera aussi multisectoriel. La dimension "traitement statistique" est accrue, dans l'optique d'une prise de décision marketing et stratégique. Une automatisation du traitement de certaines données pourra aussi générer des besoins de compétences spécifiques.
Type et taille de projet :
Selon la nature du projet, les besoins décisionnels peuvent être ponctuels, mais aussi pérennes, notamment sur les plus grands projets d'accompagnement décisionnel. Cela nécessite une organisation spécifique pour l'actualisation et la mise en contexte des données produites.
En tant qu'indépendant, Le Business / Data Analyst est focalisé sur un marché qui nécessite une expertise élevée. Cela peut être représenté sur des tailles variables de marchés. En plus de ses compétences techniques, cela nécessite donc des compétences administratives, de positionnement sur le marché et de développement de partenariats, de commercialisation et/ou de production, avec des sociétés susceptibles de capter ces demandes. Dans une société de conseil en management, la perspective est davantage multisectorielle et le type de décision plus diversifié. Dans ce cadre, le métier s'exerce en relation étroite avec le Consultant en management et ces 2 métiers peuvent être exercés par la même personne. Dans une société d'études, le besoin de connaissances sera aussi multisectoriel. La dimension "traitement statistique" est accrue, dans l'optique d'une prise de décision marketing et stratégique. Une automatisation du traitement de certaines données pourra aussi générer des besoins de compétences spécifiques.
Type et taille de projet :
Selon la nature du projet, les besoins décisionnels peuvent être ponctuels, mais aussi pérennes, notamment sur les plus grands projets d'accompagnement décisionnel. Cela nécessite une organisation spécifique pour l'actualisation et la mise en contexte des données produites.
Conditions de travail
Le rythme de travail
Il varie en cas de demandes ponctuelles d'un client ou pour un processus commercial. Le rythme d'un projet incluant de la Data Analyse peut également être plus élevé en début de mission (sélection, agrégation et traitement de sources de données) et en fin de mission (production de livrables).
Déplacements
Ils sont rares. La plupart des besoins d'interactions clients se déroulent à distance (ex : présentations et commentaires de livrables, tests de solutions).
Les relations professionnelles
Relations internes
- Manager – Responsable de mission
- Data Scientist
- Chef de projet
- Consultant en management
- Consultant Senior en management
- Chef de groupe
- Directeur d'études
- Ensemble des directions métiers de l'entreprise
Relations externes
- Chef de projet client
- Responsable métier clients
- Responsable marketing
- Dirigeants
- Autres Data Analysts
Compétences et niveaux attendus en 4 niveaux cumulés
Macro compétences
Niveaux et compétences attendues
Exemple concret d'activité pour le niveau attendu
Macro compétences :
Collecter et exploiter les informations liées au projet
Niveaux et compétences attendues :
1
Identifier les informations nécessaires et mettre en place une veille
2
Agréger et organiser les informations sous forme de résultats exploitables
3
Délivrer une analyse synthétique et une préconisation
4
Anticiper la gestion du cycle de vie des informations et suivre l'évolution du besoin
Niveau attendu : 4
Exemple concret d'activité pour le niveau attendu :
Lorsqu'il agrège les données, le Business / Data Analyst identifie la récurrence de mise à jour des données sources et adapte la récurrence de traitement et d'exploitation aux décisions à prendre.
Macro compétences :
Analyser et gérer les risques
Niveaux et compétences attendues :
1
Actualiser le référentiel des risques et analyser leurs impacts potentiels
2
Rédiger un plan de gestion des risques selon les objectifs et le contexte
3
Piloter l'ensemble des ressources face aux risques
4
Donner du sens aux mesures et accompagner les acteurs internes/externes impliqués
Niveau attendu : 1
Exemple concret d'activité pour le niveau attendu :
Lors de la recherche de données exploitables, il analyse les risques juridiques et éthiques, puis les mesures nécessaires à prendre liées à l'utilisation des données.
Macro compétences :
Mettre en place et exploiter une étude
Niveaux et compétences attendues :
1
Analyser la cohérence de résultats d'un questionnaire quantitatif ou qualitatif
2
Concevoir un questionnaire quantitatif ou qualitatif selon les objectifs et le contexte
3
Produire un conseil et un plan d'accompagnement à partir de résultats
4
Définir une stratégie d'étude multi-outils (enquête, données, entretiens…)
Niveau attendu : 3
Exemple concret d'activité pour le niveau attendu :
Lorsque les données existantes s'avèrent insuffisantes, il articule l'exploitation de données massives et de questionnaires qualitatifs complémentaires pour produire une analyse et apporter des préconisations.
Macro compétences :
Gérer une proposition commerciale
Niveaux et compétences attendues :
1
Détecter et approfondir les besoins et enjeux client
2
Produire les éléments d'une proposition technique ou d'une présentation
3
Piloter et équilibrer les différentes phases d'un processus de réponse
4
Identifier ses propres facteurs de succès et déterminer l'opportunité de répondre
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Lors de la rédaction d'une proposition commerciale d'étude, il apporte des éléments liés à l'analyse de contexte ou à la proposition méthodologique lorsque la Data Science s'avère pertinente.
Macro compétences :
Intégrer des outils IA/Data Science
Niveaux et compétences attendues :
1
Identifier les outils de Data Science applicables selon le contexte et les objectifs
2
Préconiser, concevoir ou intégrer un outil IA/Data Science adapté à la problématique métier
3
Anticiper l'intégration d'outils IA/Data Science dans l'organisation du travail
4
Déterminer l'opportunité de l'intégration d'outils IA/Data Science dans le modèle d'affaires
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
En amont de l'exploitation des données pour une décision, il identifie et intègre un outil de Data Science aux autres solutions de traitement statistique.
Macro compétences :
Utiliser les outils bureautiques
Niveaux et compétences attendues :
1
Traiter des données avec des outils bureautiques (tableur, traitement de texte, présentation, support de communication…)
2
Concevoir des outils/supports complexes à partir des outils bureautiques
3
Créer des automatisations et outils/supports complexes sur les outils bureautiques
4
Accompagner des acteurs dans l'articulation des process, outils bureautiques et métiers
Niveau attendu : 4
Exemple concret d'activité pour le niveau attendu :
Lorsque les données concernent plusieurs métiers, il automatise l'export de données avec les outils bureautiques (essentiellement Excel) pour les rendre exploitables par tous les décideurs métiers.
Macro compétences :
Gérer les logiciels métiers
Niveaux et compétences attendues :
1
Saisir et interpréter des données selon les règles de gestion logicielles
2
Administrer les données, paramétrer et rédiger les règles de gestion logicielles selon les besoins d'exploitation
3
Anticiper les processus post-intégration et piloter l'intégration des logiciels au sein des métiers
4
Coordonner les évolutions métiers et techniques sur la durée de vie des données
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Lorsque les données sont uniquement internes au client d'une étude, il coordonne le paramétrage des logiciels métiers et adapte leurs process d'exploitation pour que ceux-ci puissent participer à la constitution de données massives propriétaires.
Macro compétences :
Créer et maintenir une relation client favorable
Niveaux et compétences attendues :
1
Maintenir une relation respectueuse et professionnelle avec les acteurs de projet
2
Adapter sa posture et l'organisation des échanges à la situation de travail
3
Anticiper les points de difficulté et proposer des évolutions de projet
4
Co-piloter une vision de la finalité projet et suivre les évolutions de contexte client
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Lors de l'intégration de données internes avec des données externes, il pilote les acteurs clients pour coordonner la consolidation des données internes.
Macro compétences :
Gérer un projet
Niveaux et compétences attendues :
1
Suivre les étapes, délais et coûts d'un projet et analyser les écarts par rapport à la demande
2
Adapter et optimiser les caractéristiques d'un projet selon les évolutions d'objectifs et de contexte
3
Piloter une ou plusieurs phases et équipes projets
4
Coordonner plusieurs projets stratégiques et développer les relais de gestion de projet
Niveau attendu : 2
Exemple concret d'activité pour le niveau attendu :
Lorsque les données seront à produire régulièrement pour le client, il automatise le reporting et effectue un reporting interne correspondant à la demande.
Macro compétences :
Manager la connaissance
Niveaux et compétences attendues :
1
Identifier et catégoriser les connaissances à transmettre
2
Concevoir une architecture de classification des connaissances exploitable selon les usages
3
Piloter l'intégration de la connaissance dans les processus métiers
4
Valoriser et pérenniser les connaissances au sein d'une organisation
Niveau attendu : 4
Exemple concret d'activité pour le niveau attendu :
Dans la cadre de la recherche et développement-conseil, il promeut les capacités d'exploitations de certaines catégories de données pour améliorer la productivité de production et de commercialisation.
Macro compétences :
Utiliser l'anglais en contexte professionnel
Niveaux et compétences attendues :
Exemple concret d'activité pour le niveau attendu :
Dans le cadre d'une étude multi-pays, il participe à des réunions de projet en anglais pour la consolidation des données clients et la présentation des livrables.
Macro compétences :
Animer une démarche agile et innovante
Niveaux et compétences attendues :
Exemple concret d'activité pour le niveau attendu :
Lors de l'intégration d'une solution Data Science à un outil décisionnel, il définit les rôles et étapes de développement entre interlocuteurs métiers et interlocuteurs techniques.
Proximité(s)/évolution(s) envisageables
La proximité des métiers
Axes de mobilité professionnelle
Sens d'évolution
Sélection de secteur
Numérique
Ingénierie
Études & Conseil
Évènement
Transverses
Autre
Cliquer sur un secteur pour afficher
uniquement les provenances et les
évolutions depuis et vers ce secteur
Cliquer sur les flèches pour accéder à la comparaison des métiers.
Provenances possibles
Evolutions envisageables
Autres provenances
Autres provenances
Provenances lointaines
Provenances lointaines
Provenances moyennes
Provenances moyennes
Proximité forte
Proximité forte
Evolutions moyennes
Evolutions moyennes
Evolutions lointaines
Evolutions lointaines
Autres évolutions
Autres évolutions
Business - Data analyst
Consultant senior en management
Directeur d'études
Chargé d'études statistiques
Chargé d'études
Chef de groupe
Data Scientist
Consultant en management
Chargé de codification
Data Scientist
Data Scientist
Consultant en risques professionnels
Ces mobilités sont données à titre indicatif, sans valeur d’obligation pour les entreprises et les salariés qui doivent les adapter à leur situation particulière.
