CV Data Analyst : exemple et modèle
Un exemple complet de CV suisse pour Data Analysts, avec des résultats mesurables, des stacks technologiques concrets et les informations usuelles du secteur sur la formation, les langues et la disponibilité.
Actuellement 16 postes de Data Analyst ouverts en Suisse, dans 6 cantons, dont 2 publiés ces 7 derniers jours. eClerx en publie le plus.
Exemple de CV — modèle de deux pages
Ce modèle est directement modifiable — ou téléversez votre CV actuel, il sera repris automatiquement dans cette mise en page.
Quelle formation est attendue en Suisse pour un poste de Data Analyst ?
Il est courant d'avoir un Bachelor ou un Master d'une haute école spécialisée ou d'une EPF/université en informatique de gestion, data science, statistique ou ingénierie de gestion, complété par des certifications d'outils vérifiables.
Indiquez votre formation avec son intitulé officiel et l'institution, par exemple « Bachelor en informatique de gestion, ZHAW School of Management and Law » ou « Master en statistique, EPF Zurich ». Pour les personnes en reconversion, les formats de formation continue des hautes écoles suisses constituent un signal fort : CAS Data Analytics à la FHNW, MAS Data Science à la HSLU ou le CAS Machine Learning de la HSR/OST. Si vous avez suivi une formation commerciale de base avec maturité professionnelle suivie d'études en haute école spécialisée, mentionnez ce parcours en entier - les employeurs suisses considèrent la voie de la formation professionnelle comme un gage de proximité avec la pratique, et non comme un désavantage.
Complétez votre formation par des certifications réellement recherchées sur le marché de l'emploi : Microsoft PL-300 (Power BI Data Analyst), SnowPro Core, dbt Analytics Engineering, Tableau Desktop Specialist ou Databricks Data Analyst Associate. Évitez de lister 15 MOOC suivis sans examen ; trois à quatre certifications validées avec l'année correspondante sont plus crédibles. Mentionnez également des formations spécifiques à votre secteur, comme des formations sur la nLPD pour les données d'assurance et de santé, ou des bases de reporting pertinentes pour la FINMA dans le domaine bancaire.
Pour les diplômes étrangers, il est recommandé de préciser leur reconnaissance : mentionnez par exemple « Master en mathématiques appliquées, Université de Belgrade, 2018 - demande de reconnaissance auprès de swissuniversities en cours » ou faites référence à une confirmation de niveau déjà obtenue. N'indiquez la note ou la spécialisation du diplôme que si elle est pertinente, par exemple un travail de bachelor sur les prévisions de séries temporelles dans le commerce de détail. Cette précision évite des questions supplémentaires au service des ressources humaines et augmente vos chances d'être convié à un premier entretien.
Comment structurer son expérience professionnelle de Data Analyst de manière convaincante ?
Décrivez pour chaque poste le contexte des données, votre stack technique et trois à quatre résultats chiffrés - pas la liste des tâches tirée de l'offre d'emploi.
Commencez chaque poste par une brève ligne de contexte : taille du volume de données, nombre d'utilisateurs des rapports, secteur d'activité et technologies. « Équipe analytics de 6 personnes, Snowflake/dbt/Power BI, reporting pour 310'000 assurés » en dit plus que trois lignes de description des tâches. Suivent ensuite vos résultats selon la logique problème - mesure - impact mesurable, par exemple « batch quotidien réduit de 4h20 à 48 minutes » ou « 137 rapports Excel consolidés en 19 modèles Power BI ».
Quantifiez ce qui compte réellement dans le métier : volume de données et nombre de modèles, chiffres d'utilisation des tableaux de bord, temps de chargement et coûts de la plateforme cloud, incidents de qualité des données, qualité des modèles (AUC, MAPE, RMSE) et bénéfice commercial généré en CHF. Si vous ne pouvez pas démontrer d'impact sur le chiffre d'affaires, utilisez les heures de travail économisées ou les délais de traitement réduits - les deux sont facilement compréhensibles dans le quotidien du reporting en Suisse. Évitez des formulations comme « responsable des analyses », qui pourraient s'appliquer à n'importe quel poste.
Montrez également votre polyvalence entre technique et métier. Citez des situations concrètes avec les parties prenantes : ateliers de recueil des besoins avec le contrôle de gestion, définitions de KPI avec le marketing, échanges avec le responsable de la protection des données sur l'anonymisation, transmission à l'équipe data engineering. Une phrase sur votre manière de travailler dans un workflow Git, sur les revues de code ou sur la documentation dans un data catalog montre que vous ne livrez pas seulement des requêtes ad hoc, mais que vous construisez des produits de données maintenables.
Quelle longueur pour le CV, et une photo est-elle nécessaire ?
Deux pages sont la norme pour les Data Analysts ; une photo professionnelle reste courante en Suisse, mais elle est facultative.
Limitez-vous à deux pages maximum, même avec dix ans d'expérience : la première page avec le profil, l'aperçu rapide, les compétences et le poste actuel, la seconde page avec les autres expériences, la formation, les certifications et les langues. Résumez les postes plus anciens en une seule ligne. Ne listez pas les technologies sous forme de 40 points séparés, mais regroupez-les par bases de données/cloud, transformation, visualisation et programmation - un professionnel identifiera ainsi votre spécialisation en quelques secondes.
Une photo de portrait sobre en haut à droite reste répandue en Suisse et est attendue par de nombreux services des ressources humaines ; elle n'est toutefois pas obligatoire. Complétez l'en-tête avec votre lieu de résidence, vos coordonnées et - si vous n'êtes pas citoyenne ou citoyen suisse - votre statut de séjour, par exemple « Permis B, autorisation de travail illimitée » ou « Citoyen UE/AELE, sans autorisation requise ». Cette information évite que votre dossier soit écarté par précaution. La date de naissance et l'état civil sont devenus facultatifs ; pour les références, indiquez « sur demande ».
Il est également typiquement suisse de préciser la disponibilité, le délai de préavis, le taux d'occupation (par exemple 80-100%) et les langues selon le niveau du CECR, plutôt qu'une auto-évaluation vague. N'indiquez vos attentes salariales que si l'offre le demande, sous forme de salaire annuel brut selon l'usage suisse, par exemple CHF 118'000 pour 100%. Soumettez votre CV en PDF avec un nom de fichier clair et, si vous en avez un, mettez un lien vers un profil GitHub ou un portfolio présentant deux à trois projets d'analyse bien présentés - pour un Data Analyst, cela est souvent plus convaincant que n'importe quelle description de soi.
Où les Data Analyst sont recherchés en Suisse
Répartition des 16 postes ouverts par canton.
Chiffres sous forme de tableau
| Canton | annonces |
|---|---|
| Zürich | 4 |
| Genf | 3 |
| Tessin | 2 |
| Bern | 1 |
| Waadt | 1 |
| Freiburg | 1 |
Quelles langues les annonces exigent
Sur 10 annonces mentionnant une langue — entre parenthèses, celles exigeant un niveau professionnel.
Chiffres sous forme de tableau
| Langue | annonces |
|---|---|
| anglais | 9 (9) |
| français | 4 (3) |
| allemand | 2 (1) |
| italien | 1 (1) |
Qui recherche des Data Analyst en Suisse
Employeurs avec le plus de postes ouverts. Les agences de placement sont exclues.
Chiffres sous forme de tableau
| Employeur | annonces |
|---|---|
| eClerx | 2 |
| UEFA | 1 |
| CHANEL | 1 |
| GOLD AVENUE | 1 |
| Zurich Insurance | 1 |
| CERN | 1 |
Temps plein ou temps partiel ?
Comment les postes sont publiés.
Chiffres sous forme de tableau
| Taux | annonces |
|---|---|
| Vollzeit / plein temps | 13 |
| Teilzeit / partiel | 1 |
Le CV en texte intégral
À relire et à reprendre.
Nadine Brünnimann
Data Analyst (Bachelor of Science en informatique de gestion ZHAW), spécialisation Analytics Engineering & BI
Data Analyst avec 7 ans d'expérience dans le commerce de détail et l'assurance-maladie, spécialisée dans la modélisation SQL, les modèles de données basés sur dbt et le reporting Power BI pour des départements comptant plus de 400 utilisateurs. Je traduis des questions métier peu claires en définitions d'indicateurs fiables et j'automatise des reportings Excel manuels en produits de données versionnés et testés. Expérimentée dans la collaboration avec la protection des données et la révision sous la nLPD, y compris l'anonymisation et des registres de traitement documentés pour les données d'analyse.
Ce qui me distingue
Définition des indicateurs plutôt que chasse aux chiffres: J'ai mis en place une couche de métriques centrale avec 48 KPI définis de manière contraignante, ce qui a fait passer les écarts de chiffres de vente entre le contrôle de gestion et le marketing de 11 cas par trimestre à zéro.
Analytics Engineering dans un workflow Git: Tous les modèles sont versionnés via dbt avec des tests CI et des revues de pull requests ; le taux d'erreur dans les rapports en production a chuté de 72% en douze mois.
Analyses conformes à la protection des données: Je réalise des analyses sur des données de santé et de clientèle sous la nLPD avec une k-anonymisation à partir de k=5 et des rôles d'accès documentés, contrôlés par la révision interne sans remarque.
Gestion bilingue des parties prenantes: J'anime des ateliers de recueil des besoins et des formations en allemand et en français, notamment pour 9 directions de succursales en Romandie, avec une note de satisfaction de 4.6 sur 5.
Réalisations clés
Consolidation du paysage de reporting. 137 rapports Excel historiques réduits à 19 modèles Power BI, libérant ainsi 1'100 heures de travail par an dans le département, soit environ CHF 95'000 de charges de personnel.
Analyse du churn avec un rendement mesurable. Mise en place d'un scoring du risque de résiliation avec Python (scikit-learn, AUC 0.81) ; la campagne de rétention basée sur ce modèle a permis de conserver 2'340 polices, soit environ CHF 1.9 mio de primes annuelles.
Amélioration des performances du data warehouse. Optimisation des modèles Snowflake grâce au clustering et aux chargements incrémentaux : temps de chargement du batch quotidien réduit de 4h20 à 48 minutes, consommation de crédits réduite de 34%.
Expérience professionnelle
Senior Data Analyst — Helvetia Insight Group AG, Zurich, 03/2021 - aujourd'hui
Équipe analytics de 6 personnes au sein d'une assurance-maladie comptant 310'000 assurés ; stack Snowflake, dbt, Power BI, Azure Data Factory.
- Responsable de plus de 60 modèles dbt et 210 tests de données ; incidents de qualité des données réduits de 9 à 2 par mois.
- Mise en place d'un tableau de bord des données de prestations pour 4 départements, utilisé par 420 personnes, avec une moyenne de 3'800 sessions par mois.
- Développement d'un modèle de churn (AUC 0.81) intégré au processus de campagne ; rétention de 2'340 polices obtenue.
- Encadrement technique de deux Junior Analysts et création d'un programme d'intégration SQL ayant réduit le temps de formation de 12 à 7 semaines.
Data Analyst BI — Alpwerk Retail Services AG, Dietikon, 08/2018 - 02/2021
Réseau de succursales de 74 sites en Suisse allemande et en Suisse romande ; reporting pour le category management, la logistique et les finances.
- Consolidation de 137 rapports Excel en 19 modèles Power BI, éliminant 1'100 heures de travail manuel par an.
- Mise en place d'une analyse d'assortiment pour 12'000 SKU ; l'identification de 640 articles à rotation lente a permis de libérer CHF 480'000 de capital immobilisé en stock.
- Automatisation du jeu d'indicateurs de vente quotidien pour 74 succursales, avançant l'heure de mise à disposition de 11h00 à 06h30.
- Formations dispensées en allemand et en français pour 9 directions de succursales, augmentant le taux de libre-service des rapports à 68%.
Junior Data Analyst — Seetal Analytics GmbH, Lucerne, 02/2017 - 07/2018
Prestataire de services analytics pour des clients PME issus de l'industrie et du e-commerce, 14 collaborateurs.
- Création d'analyses SQL et de tableaux de bord Tableau pour 11 projets clients, avec un budget moyen de CHF 18'000 par projet.
- Connexion des données Google Analytics et des données de la boutique pour un client e-commerce ; taux de conversion augmenté de 1.4% à 2.1% en 5 mois.
- Introduction d'une checklist de qualité des données ayant réduit les reprises dans les livrables clients de 40%.
Formation
Master of Advanced Studies (MAS), Data Science — Haute école de Lucerne (HSLU) · 2023
Bachelor of Science (BSc), Informatique de gestion, spécialisation Business Intelligence — ZHAW School of Management and Law, Winterthur · 2016
Maturité professionnelle commerciale, Économie et services — École professionnelle d'Uster · 2012
Microsoft Certified: Power BI Data Analyst Associate (PL-300) · dbt Analytics Engineering Certification · SnowPro Core Certification · CAS Protection des données et nLPD en pratique, HSLU
Questions fréquentes
- Dans quelle langue rédiger mon CV en tant que Data Analyst ?
- 80% des annonces sont en anglais — rédigez le CV en anglais, sauf si l'annonce elle-même est en allemand.
- Où les Data Analyst sont-ils le plus recherchés en Suisse ?
- Zurich concentre à lui seul 25% des postes, puis Genève et Tessin. Si vous habitez ailleurs, indiquez votre mobilité dans le profil.
- Quel niveau de langue exigent les annonces de Data Analyst ?
- anglais dans 90% des annonces qui précisent une exigence, dont 100% au niveau professionnel. « Bonnes connaissances » ne suffit pas — indiquez A2 à C2.
- Les postes de Data Analyst sont-ils à plein temps ou à temps partiel ?
- 93% à plein temps, seulement 7% à temps partiel. Si vous cherchez un temps partiel, dites-le tôt.
- Qui recrute des Data Analyst en Suisse ?
- Actuellement eClerx, UEFA, CHANEL, entre autres. Leurs annonces sont le meilleur lexique pour votre CV.