Observatoire des métiers du numérique, de l’ingénierie, du conseil et de l’évènement
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

Le Business / Data Analyst optimise la prise de décisions grâce à l'apport de nouvelles statistiques et technologies dans le processus de décision.
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.

Contexte de travail

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).
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.

Conditions 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).
Ils sont rares. La plupart des besoins d'interactions clients se déroulent à distance (ex : présentations et commentaires de livrables, tests de solutions).
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 :
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 :
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 :
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 :
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 :
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 :
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 :
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 :
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 :
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 :
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 :
Niveau attendu : 2
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 :
Niveau attendu : 3
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.

Certifications

Liste des certifications

Hors branche

Proximité(s)/évolution(s) envisageables
La proximité des métiers

Axes de mobilité professionnelle

Sens d'évolution
Sélection de secteur
Numérique
Numérique
Ingénierie
Ingénierie
Études & Conseil
Études & Conseil
Évènement
Évènement
Transverses
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.

Tendances nationales sur le métier

99
offres d'emploi sur un an
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle
+51.7%
offres d'emploi sur un an
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Répartition des offres d'emploi sur le dernier semestre

Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Expérience requise au recrutement

0 à 2 ans : 97 / 3 à 5 ans : 2 / 6 à 10 ans : 1
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Niveau de formation requis au recrutement

Non renseigné : 46 / Bac : 3 / Bac+2 : 9 / Bac+3/+4 : 10 / Bac+5 : 32
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Types de contrats au recrutement

Contrat à durée indéterminée (CDI) : 71 / Freelance : 11 / Stage/Jeune diplômé : 9 / Contrat à durée déterminée (CDD) : 4 / Alternance : 3 / Remplacement/Intérim : 1 / Bénévolat : 1
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Taille des entreprises qui recrutent

1-9 salariés : 51 / 10-49 salariés : 11 / 50-249 salariés : 17 / non renseigné : 5 / 250+ salariés : 1 / sans salariés : 14
Données au 30/12/2021
Source : Agrégation de sites d'offres d'emploi, redressement Kyu Lab à partir des données du ministère du Travail (cf. page Méthodologie) Les recrutements faits par les entreprises de la branche pour d’autres secteurs ne sont pas pris en compte
Date de MAJ : janv-22
Mise à jour semestrielle

Les compétences les plus demandées au recrutement

Gouvernance d'entreprise ou d'association : 49 / Techniques informatiques : 38 / Logiciels autres : 36 / Management de projet : 33 / Socle de connaissances et compétences : 27
Données au 30/12/2021
Source : Agrégation de sites d'offres d’emploi, ministère du Travail, traitement Kyu Lab (cf. page Méthodologie)
Date de MAJ : janv-22
Mise à jour semestrielle
OPIIEC :
25 Quai Panhard et Levassor
75013 Paris
Contactez-nous