CV par métier
Data analyst : outils dans Compétences, décisions dans Expérience
Listez SQL, Python et les outils BI sous un titre Compétences que Workday peut mapper. Mettez la question métier, le grain des données et la décision dans les puces d’Expérience. Un lien GitHub est en plus ; Greenhouse peut ne pas cliquer. Ne déversez pas chaque librairie à chaque ligne.
Rédigé par EnhanceCV Editorial Team·Relecture éditoriale : CPRW
Publié 27 août 2026·Dernière mise à jour 27 août 2026
À retenir
- · Compétences tient le stack : SQL, Python, dbt, Tableau, Power BI, Looker, Excel — des mots que Greenhouse tape vraiment.
- · Expérience tient la question : métrique, grain, audience, et ce qui a changé après le dashboard ou la requête.
- · Workday stocke une URL si c’est du texte dans le corps. Il ne clone pas votre repo et n’exécute pas le notebook.
- · Business analyst vs data analyst est une autre offre. Reprenez les noms que vous avez vraiment utilisés ; n’échangez pas les titres.
- · Une colonne, puis vérifiez l’analyse. Reconstruisez dans l’éditeur Enhance CV si SQL n’a jamais atteint Compétences.
SQL dans Compétences, la question métier dans Expérience
À retenir: Les recruteurs greppent SQL. Les managers demandent quelle décision le dashboard a changée. Séparez ces jobs sur la page.
Les offres analyst dans Greenhouse listent presque toujours SQL dès le premier écran. Le matching de skills Workday dans les banques, le retail et la santé fait de même. Si SQL n’apparaît que dans une puce dense sur « l’analyse de large datasets », certains extraits ne le tokenisent jamais comme skill. Mettez SQL, le warehouse (Snowflake, BigQuery, Redshift, Databricks SQL) et l’outil BI sous un titre Compétences. Puis rédigez des puces qui partent d’une question métier, pas d’une liste de jointures.
Une puce utile nomme la métrique, le grain, qui la consommait et un résultat défendable : « Dashboard hebdo de ruptures au grain SKU dans Tableau pour 12 planners ; après lancement, les PO d’urgence sont passés de 9/semaine à 4 (stand-up ops, T1 2025). » C’est de l’analyse. « SQL, Python et Tableau pour derive insights » est un dump d’outils qui irait sur n’importe quel fichier. Le stack une fois dans Compétences et une fois, légèrement, dans la ligne qui s’en servait — le même partage qu’un CV ingénieur logiciel.
Alignez l’intitulé seulement s’il est vrai. Le travail de business analyst (exigences, process maps, UAT) n’est pas un synonyme d’écriture SQL warehouse. Data analyst n’est pas automatiquement « data scientist ». Si l’offre dit Data Analyst et que votre badge disait Business Analyst, écrivez « Business Analyst (reporting SQL / Tableau) » quand c’était le travail — n’inventez pas PyTorch. Workday stocke le champ titre ; le manager lit encore les puces. Adapter à l’offre, c’est copier des noms que vous pouvez démontrer, pas restyler le badge.
Quoi copier dans l’offre
- Warehouses et BI : Snowflake, BigQuery, Redshift, Synapse, Tableau, Power BI, Looker, Qlik, Excel Power Query.
- Langages et transforms : SQL, Python, R, dbt, Airflow — seulement si vous les avez écrits ou portés.
- Noms de domaine : LTV, churn, census, claims, SKU, funnel, A/B — les mots que leur Slack utilise déjà.
- Ne collez pas toute la liste « nice to have ». Les humains le voient. En entretien on vous fera écrire une window function.
Deux tracks — product analytics et analyste FP&A — = deux fichiers. LinkedIn peut être plus large. L’upload Workday non. Listes sans bourrage : mots-clés et compétences.
Ce que Workday fait de GitHub, Tableau, et d’un dump d’outils
À retenir: Une URL est du texte. Un notebook n’est pas un historique d’emploi. Les barres Python ne mappent pas vers un champ de maîtrise que les recruteurs croient.
Le flux Workday parse contact, employeurs, dates, formation et un seau de skills. Une URL GitHub dans le corps peut atterrir dans un champ site ou dans le blob. On clone rarement le repo depuis l’ATS. On cliquera peut-être LinkedIn. Mettez l’URL une fois à côté de LinkedIn, puis prouvez le travail en puces : « modèles dbt du mart orders, PR dans GitHub, build quotidien dans Airflow. » Si la seule preuve est le lien, la recherche Greenhouse « dbt » peut vous rater.
Les liens Tableau Public et Looker Studio ont la même limite. Ils aident un humain après vous avoir trouvé. Ils ne remplacent pas « SQL » sous Compétences. Les captures de dashboards dans un fichier deux colonnes sont des images — voir deux colonnes ATS. Tapez le nom du dashboard, le grain et l’audience.
Les dumps d’outils dans chaque puce (« SQL, Python, Pandas, NumPy, Seaborn, Tableau, Excel ») chassent la décision. Greenhouse indexe encore les mots, mais le manager arrête de lire. Stack dans Compétences. Un ou deux noms dans la puce. Taleo est pire si le dump vit dans un encadré. Titres standards : Expérience professionnelle, Formation, Compétences, Projets (optionnel, bootcamp ou cours avec dates). CV ATS et format Workday.
Projets vs postes
- Travail payé d’abord, anti-chrono, dates mois–année que Workday trie.
- Projets choisis seulement s’ils utilisent le stack de l’offre et que vous pouvez les démontrer. Datez le projet.
- Les listes de cours sont faibles. « Capstone : SQL sur 50k lignes, Looker studio pour une équipe merchandising fictive » est une puce.
- Le rang Kaggle est optionnel et facile à trop vendre. Préférez une question métier que vous avez cadrée.
Fichier : PDF sélectionnable ou .docx. PDF ou Word. Après export, contrôleur ATS. Puis lisez le préremplissage pour que SQL n’ait pas quitté Compétences.
Réécrire les lignes analyst : trois avant/après
À retenir: SQL et dashboards ne prouvent que s’ils répondent à une question. Prenez le schéma. Gardez votre warehouse et vos chiffres.
Trois edits fréquents : ops retail, funnel marketing, clôture finance. Si vous ne pouvez pas nommer la décision, la ligne reste un dump d’outils.
Avant
SQL et Tableau pour analyser des données et construire des dashboards pour les parties prenantes.
Après
SQL Snowflake pour un extrait quotidien de ruptures SKU-lieu ; dashboard Tableau utilisé par 12 planners au stand-up ops 8 h 30 ; PO d’urgence de 9/semaine à 4 au T1 2025.
Avant
Analyse de données en Python pour derive insights et soutenir la prise de décision.
Après
Python + pull BigQuery du paid search par campagne (grain : jour × campagne) ; Looker studio pour Growth ; 6 campagnes pausées avec CAC au-dessus de 80 $ après revue à 14 jours (mar 2025).
Avant
En charge du reporting et du travail sur de large datasets dans tout le business.
Après
Pont de CA de clôture dans Excel + SQL Server (grain : SKU × canal) ; questions finance passées de ~2 jours à same-day sur le Slack de close (six clôtures, 2025).
Pas de warehouse de prod ? Écrivez le grain de cours ou de stage honnêtement : « dataset de cours 50k lignes dans PostgreSQL, dashboard pour un brief merchandising fictif. » Ça parse encore SQL. Inventer un tenure Snowflake non. Métriques honnêtes : réalisations. Métier de ligne : puces.
Trois à cinq puces sur le siège le plus utile. Vieux postes de reporting : deux lignes plus dates. Une liste de deux pages de chaque pull ad hoc, c’est comme ça qu’on ne lit jamais le dashboard de ruptures.
Playbook en 12 étapes : un dashboard, une requête, une décision
À retenir: Ne commencez pas par lister des librairies. Partez du warehouse de l’offre et d’une décision que vous pouvez encore nommer.
Quatre-vingt-dix minutes. Offre, dernier dashboard livré, une requête que vous pouvez encore coller en texte. Tapez dans l’éditeur Enhance CV pour des titres déjà mappés.
- Entourez SQL, warehouse, outil BI, Python/R et noms de domaine dans l’annonce.
- Nouveau fichier. Nom, ville/région, téléphone, e-mail, LinkedIn, URL GitHub optionnelle dans le corps — pas dans une forme d’en-tête.
- Titre : vrai intitulé plus domaine (product analyst, finance analyst) s’il est vrai — pas « data wizard ».
- Postes anti-chrono. Employeur, titre, ville, mois–année.
- Sous le rôle le plus utile, huit puces brutes : questions auxquelles vous avez répondu, pas outils touchés.
- Supprimez les listes de librairies. Gardez métrique, grain, audience, outil, résultat.
- Réécrivez les conservées : verbe + objet + warehouse ou BI + décision ou changement de délai.
- Compétences groupées : langages, warehouses, BI, méthodes (A/B, forecast) que vous assumez. Pas d’étoiles.
- Formation : diplôme, établissement, année. Bootcamp en formation ou bloc projets daté, pas un faux employeur.
- Projets optionnels : deux max, datés, même stack que l’offre.
- Exportez du texte sélectionnable. Vérifiez que SQL se surligne sous Compétences.
- Collez CV + offre dans le contrôleur ATS. Uploadez Workday ou Greenhouse et lisez le préremplissage Compétences.
Accroche en dernier : titre, années, domaine, un dashboard ou une requête avec résultat. Exemples d’accroche pour la forme. Ne collez pas les +40 % de quelqu’un d’autre.
BA vs DA : candidature BA, ouvrez sur exigences, process, UAT, SQL seulement en soutien reporting. Candidature DA, ouvrez sur SQL warehouse et BI. Un fichier qui revendique les deux à égalité rate souvent les deux filtres Greenhouse.
À faire, à laisser
À retenir: Les modèles analyst échouent quand ils optimisent une boîte à outils. Workday et les managers optimisent une question plus un stack cherchable.
Filtre de bureau. Si ce n’est pas dans le tableau : pourriez-vous recréer la requête ou le dashboard en 45 minutes d’écran ?
Preuve analyst parsable vs. théâtre de toolbox
| Sujet | Faites | Évitez |
|---|---|---|
| SQL | Sous Compétences et dans la puce qui s’en servait. | Entérré seulement dans « analyse de données ». |
| Dashboards | Nom, grain, audience, ce qui a changé. | Un collage de captures dans une barre. |
| GitHub | URL dans le corps plus une puce qui nomme le travail du repo. | Lien seul, sans dates ni grain. |
| Python | Si vous avez écrit du code d’analyse en prod ou bien documenté. | Un dump de librairies importées une fois dans un notebook. |
| Intitulé | Vrai badge ; parenthèse si le travail se recoupait. | Data scientist sur un siège 100 % Excel. |
| Mise en page | Une colonne, titres mappés. | Nuages d’outils deux colonnes et jauges de skills. |
Bootcamps : datez le programme sous Formation. Deux projets avec grain et outils sous Projets ou un bloc capstone daté. Ne listez pas le bootcamp comme trois employeurs. CV étudiant et sans expérience si le payé est mince.
Cas limites : BA vs DA, bootcamp, pas d’accès prod
À retenir: Le partage reste : stack dans Compétences, décision dans Expérience. Seul change le degré d’honnêteté du grain.
Offres business analyst. Exigences, ateliers, scripts UAT, process maps. SQL et Tableau seulement si vous avez construit le rapport. Ne concourez pas comme analyste warehouse avec un fichier 100 % BA — ni comme BA avec un fichier 100 % SQL. Choisissez la requisition.
Pas d’accès prod. Le grain de stage et de cours est permis s’il est étiqueté. « Base PostgreSQL de cours, 50k lignes, Looker studio pour un brief merchandising fictif » vaut mieux qu’impliquer un ownership Snowflake.
Données sensibles. Ne publiez pas de faits au niveau client. Utilisez grain et noms de systèmes : « extrait au grain claims dans SAS, formé HIPAA. » Le nom de l’offre (claims, HIPAA) reste dans le texte.
Reconversion depuis l’ops ou la finance. Gardez les vrais titres. Montrez le premier SQL ou dashboard avec dates. CV reconversion. Ne cachez pas les dates de l’ancien poste sous un nuage fonctionnel.
S’il existe deux dashboards, gardez celui que vous pouvez reconstruire en 45 minutes d’écran : grain, warehouse, audience et la décision qui a suivi. Un board stockout SKU-semaine dans Tableau bat « insights pour les parties prenantes ». Si vous ne pouvez pas nommer le stand-up qui l’utilisait, la ligne reste un dump d’outils. SQL sous Compétences pour que Workday le tokenise ; la puce porte la question.
GitHub et Tableau Public aident après qu’on vous a trouvés. Ils ne remplacent pas les dates du travail payé. L’URL une fois dans le corps, puis le mart, la PR ou le notebook dans une puce datée. Greenhouse qui cherche dbt rate un fichier qui n’est qu’un lien.
Aujourd’hui : une offre, trois puces avec grain et une décision, scorer, uploader, lire Compétences. Enhance CV ramène à l’éditeur et au contrôleur.
FAQ
SQL dans Compétences ou dans chaque puce ?
Dans Compétences comme titre mappé, et une fois dans les puces qui s’en servaient vraiment. Répéter SQL, Python et Tableau à chaque ligne chasse la question métier que les lecteurs Greenhouse terminent.
Workday ouvre-t-il mon GitHub ?
En général non. Il peut stocker l’URL comme texte. Mettez le lien dans le corps, puis décrivez modèles dbt, PR ou notebooks dans une puce datée. La recherche a encore besoin des noms d’outils dans l’extrait.
Comment montrer Tableau ou Power BI sans captures ?
Nommez le dashboard, le grain, l’audience et un résultat. Les captures en colonnes cassent souvent le parse. Un lien public est un extra pour les humains, pas un substitut de Compétences.
Business analyst vs data analyst sur le CV ?
Utilisez le badge que vous aviez. Une parenthèse seulement si le travail se recoupait vraiment. Postuler aux deux avec un fichier hybride rate souvent les deux filtres. Deux uploads adaptés.
Puis-je lister toutes les librairies Python ?
Non. Listez Python sous Compétences si vous l’écrivez, et nommez Pandas ou PySpark dans une puce seulement si vous le démontreriez. Un dump de 15 librairies ressemble à un syllabus.
Où mettre les projets de bootcamp ?
Formation pour les dates du programme, puis deux projets datés avec grain et outils — ou un bloc capstone daté. N’inventez pas d’employeurs. Le graphe d’emploi Workday doit rester honnête.
Un modèle analyst deux colonnes est-il sûr ?
Pas pour Workday ou Greenhouse. Les nuages d’outils en barre font souvent disparaître SQL de Compétences. Une colonne. Voir deux colonnes ATS.
Comment vérifier le fichier avant de postuler ?
Tout sélectionner dans le PDF, puis le contrôleur ATS Enhance CV contre l’annonce. Après upload, lisez le préremplissage Workday ou Greenhouse pour Compétences, employeurs et dates. Corrigez les vides avant Submit.
Rédigez le prochain brouillon analyst dans une mise en page déjà mappée
Ouvrez l’éditeur Enhance CV, gardez les vrais noms warehouse et BI, coupez les dumps de librairies. Scorez contre l’annonce, puis Workday ou Greenhouse.