Data analyst en alternance : le mini-projet pour postuler

Temps de lecture estimé à 6 minutes

Vous visez un poste de data analyst en alternance et votre CV contient surtout des cours, un stage ou un premier métier ? Je vous conseille de préparer un exemple que vous pourrez ouvrir pendant l’entretien. Partez d’une question d’entreprise. Une requête SQL et un tableau de bord suffisent pour montrer comment vous passez d’un fichier brut à une décision.

Repérez les missions derrière l’intitulé data analyst

Lisez cinq annonces. Soulignez les verbes qui décrivent ce que l’équipe attend de son futur data analyst. « Extraire », « contrôler » et « restituer » vous donnent trois pistes de travail. Si l’offre insiste sur l’extraction, préparez une jointure SQL commentée. Si elle demande au data analyst de produire des rapports récurrents, montrez comment un responsable peut suivre un indicateur sans vous demander de refaire le calcul chaque semaine.

La fiche métier de l’Onisep situe le data analyst dans des secteurs aussi différents que le commerce, la banque ou l’industrie. Pour trier vos annonces, regardez à qui l’analyse doit servir. Une équipe commerciale peut vouloir suivre les retours par catégorie. Un service logistique voudra peut-être comprendre à quel moment les expéditions prennent du retard.

Vous cherchez aussi une formation de data analyst ? Le Mastère Data Driven Analyst de l’ESSIN donne un exemple de programme qui associe initiation à SQL, travail sur Power BI et projet d’analyse. Consultez le détail des modules sur https://www.essin.fr/formations/mastere-data-driven-analyst/, puis demandez le calendrier de votre promotion. Vérifiez que votre rythme de cours et votre disponibilité correspondent à l’offre.

Choisissez une question à laquelle vous pouvez répondre

Imaginez une boutique en ligne qui reçoit davantage de retours. La responsable veut savoir quelles familles de produits examiner en premier. Pour ce mini-projet de data analyst, inventez un jeu de données avec deux fichiers. Le premier contient une ligne par article vendu, avec sa référence, sa catégorie et sa date d’achat. Le second contient l’identifiant de chaque ligne retournée et la date du retour.

Avant d’écrire votre première requête SQL, fixez une période d’achat et un délai d’observation identique pour toutes les ventes. Vous pouvez compter les retours reçus dans les trente jours après l’achat, en gardant uniquement les ventes assez anciennes pour avoir ce recul. Précisez que cette fenêtre est une convention de votre exercice. Si vous mélangez des achats d’hier et des achats du mois dernier, les premiers auront mécaniquement eu moins de temps pour revenir.

Choisissez un indicateur que vous saurez expliquer à voix haute. Ici, divisez le nombre d’articles retournés dans la fenêtre par le nombre d’articles vendus sur la période retenue. Le premier réflexe d’un data analyst consiste à définir ce qu’il compte. Pour cet exercice de data analyst, chaque ligne de vente représente un seul article.

Documentez les contrôles dans vos requêtes SQL

Vérifiez en SQL que chaque identifiant de vente apparaît une seule fois dans le premier fichier. Dans le second, cherchez les doublons et les retours sans vente correspondante. Notez ce que vous faites des dates manquantes. En entretien de data analyst, vous pourrez expliquer qu’une date absente empêche de vérifier le délai de retour et montrer combien de lignes sont concernées.

Préparez ensuite la liste des articles retournés dans la fenêtre retenue, avec une seule ligne par identifiant. Reliez-la aux ventes avec une jointure gauche en SQL. Indiquez la clé dans le fichier SQL. Elle conserve les articles qui n’ont pas été retournés, dont vous avez besoin pour calculer le taux. Comparez le nombre de lignes avant et après la jointure. S’il augmente, revenez sur les clés et les doublons avant de produire le graphique.

Gardez une version lisible de vos requêtes SQL et une note de quelques lignes sur les hypothèses. Contrôlez dix ventes à la main. Avec deux retours valides, vous devez retrouver 20 %. Testez aussi en SQL un cas sans retour et un cas situé exactement à la limite du délai. Ce petit test donne à votre interlocuteur un exemple concret de votre méthode de data analyst.

Construisez un tableau de bord que vous pouvez défendre

Pour un projet de data analyst junior, une seule page suffit. Affichez la période, le nombre de ventes étudiées et le taux de retour. Dans votre tableau de bord, ajoutez un graphique par catégorie, puis affichez les volumes à côté des pourcentages. Cette page doit permettre de comprendre le résultat même si votre interlocuteur découvre le dossier sans vous.

Supposons que les accessoires présentent 3 retours sur 10 ventes, contre 40 sur 200 pour les chaussures. Le premier taux est plus élevé, mais les chaussures représentent davantage de retours à traiter. Comme data analyst, vous pouvez proposer deux suites différentes. Si la priorité est de réduire la charge du service client, examinez les chaussures. Si l’équipe s’interroge sur un accessoire récent, attendez plus de ventes ou vérifiez les motifs remontés.

Ajoutez sous le graphique une limite de l’exercice. Votre fichier indique qu’un produit a été retourné. La raison reste à vérifier séparément. Joignez une capture lisible et gardez votre requête SQL sous la main si le recruteur vous demande de retrouver un chiffre.

Présentez votre démarche en entretien

Pour une candidature de data analyst, placez le lien du projet près de la compétence que vous voulez illustrer dans le CV. Décrivez votre travail en SQL en une phrase. « Analyse des retours d’une boutique fictive, contrôle des doublons en SQL et restitution par catégorie. » En navigation privée, vérifiez que le lien et le fichier SQL s’ouvrent sans compte.

En entretien de data analyst, ouvrez le tableau de bord, formulez la question et montrez le résultat. Puis racontez un contrôle qui a influencé votre travail. Si vous avez corrigé une jointure SQL qui multipliait certaines lignes, expliquez comment vous vous en êtes aperçu et quel total vous avez comparé. Demandez ensuite au recruteur qui relit les analyses du data analyst junior et quel premier livrable il confie habituellement à un alternant.

Questions fréquentes

Peut-on postuler comme data analyst sans expérience en entreprise ?

Oui, si votre profil correspond aux critères de l’offre. Un projet de cours peut illustrer votre démarche. Indiquez son origine et ce que vous avez réalisé vous-même en SQL ou en visualisation.

Faut-il connaître Python pour candidater ?

Lisez les missions du data analyst dans l’annonce. Si l’équipe demande surtout des extractions SQL et du reporting, montrez d’abord une requête expliquée et une restitution. Si Python fait partie des missions, préparez un exemple en rapport avec le poste.

Quel outil choisir pour son tableau de bord ?

Demandez quel outil le data analyst utilise dans l’équipe. Si vous découvrez encore l’outil demandé, préparez une version lisible avec celui que vous maîtrisez et expliquez le calcul des indicateurs.

Peut-on montrer des fichiers de son employeur actuel ?

Utilisez un jeu public dont vous avez vérifié la licence ou des données fictives. Pour partager un document interne, demandez une autorisation et suivez les règles de votre employeur.

Préparez une version facile à relire

Adaptez votre mini-projet de data analyst à une mission de l’annonce. Regroupez le tableau de bord, le fichier SQL et les hypothèses sur une seule page. Faites-la lire à quelqu’un qui découvre votre travail et demandez-lui ce qu’il ferait après avoir vu vos résultats. Sa réponse vous aidera à repérer le passage à clarifier avant l’entretien.