Les entretiens pour analyste de données combinent en général trois aspects : un contrôle technique (SQL, Excel, parfois Python), une étude de cas métier où vous raisonnez sur un problème à partir de données, et des questions comportementales sur les projets que vous avez menés. Les recruteurs veulent vérifier que vous savez obtenir les bons chiffres, expliquer ce qu'ils signifient et aider quelqu'un à prendre une décision. Vous trouverez ci-dessous 30 questions d'entretien pour analyste de données, avec exemples de réponses et requêtes SQL commentées.
Ce que recherchent les recruteurs
| Domaine | Ce qu'ils veulent voir |
|---|---|
| SQL et outils | Des requêtes correctes et lisibles ; de l'aisance avec les jointures et les agrégations |
| Qualité des données | Vous vérifiez les problèmes avant de faire confiance à un chiffre |
| Sens des affaires | Vous reliez l'analyse à une décision |
| Communication | Vous expliquez les résultats simplement, à des non-techniciens |
| Curiosité | Vous posez la question « pourquoi » et creusez les données |
Questions SQL
Ces exemples utilisent deux tables :
- orders(order_id, customer_id, order_date, amount)
- customers(customer_id, name, signup_date)
1. Trouver les deux clients qui ont généré le plus de chiffre d'affaires
SELECT customer_id, SUM(amount) AS revenue
FROM orders
GROUP BY customer_id
ORDER BY revenue DESC
LIMIT 2;
2. Trouver les clients qui n'ont jamais passé de commande
SELECT c.customer_id, c.name
FROM customers c
LEFT JOIN orders o ON o.customer_id = c.customer_id
WHERE o.order_id IS NULL;
Expliquez pourquoi un LEFT JOIN associé à IS NULL fonctionne : il conserve tous les clients et laisse vides les colonnes de commande lorsqu'il n'y a pas de correspondance.
3. Trouver la deuxième commande la plus élevée de chaque client
SELECT customer_id, order_id, amount
FROM (
SELECT customer_id, order_id, amount,
ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY amount DESC) AS rn
FROM orders
) ranked
WHERE rn = 2;
Mentionnez la différence entre ROW_NUMBER, RANK et DENSE_RANK en cas d'égalités.
4. Calculer le chiffre d'affaires mensuel
SELECT DATE_TRUNC('month', order_date) AS month, SUM(amount) AS revenue
FROM orders
GROUP BY 1
ORDER BY 1;
DATE_TRUNC est la syntaxe de PostgreSQL ; dans SQLite, on utiliserait strftime('%Y-%m', order_date), et les autres bases de données ont leurs propres fonctions. Précisez le dialecte que vous utilisez.
5. Quelle est la différence entre WHERE et HAVING ?
WHERE filtre les lignes avant le regroupement ; HAVING filtre les groupes après l'agrégation.
6. Quels sont les types de jointures ?
Interne, gauche, droite et externe complète ; expliquez quand utiliser chacune et ce qui advient des lignes sans correspondance.
7. Comment trouver des enregistrements en double ?
Regroupez selon les colonnes qui devraient être uniques et filtrez avec HAVING COUNT(*) > 1.
8. Qu'est-ce qu'une fonction de fenêtrage, et quand en utiliser une ?
Un calcul sur des lignes liées sans les regrouper, comme des totaux cumulés, des classements ou la comparaison de chaque ligne avec la précédente.
Excel et tableurs
9. Quelle est la différence entre RECHERCHEV et XLOOKUP (ou INDEX/EQUIV) ?
XLOOKUP et INDEX/EQUIV peuvent chercher vers la gauche, gèrent plus souplement les valeurs manquantes et ne cassent pas lorsque les colonnes sont déplacées.
10. Comment utilisez-vous les tableaux croisés dynamiques ?
Pour synthétiser rapidement des données par catégories, par exemple le chiffre d'affaires par région et par mois.
11. Comment nettoyez-vous un tableur désordonné ?
Supprimez les doublons, uniformisez les formats (dates, casse du texte), traitez les cases vides et vérifiez les valeurs aberrantes.
Statistiques
12. Quelle est la différence entre la moyenne et la médiane, et quand utiliser chacune ?
La médiane est préférable lorsque les données sont asymétriques, comme les revenus ou le montant des commandes.
13. Qu'est-ce qu'une p-valeur ?
La probabilité d'observer un résultat au moins aussi extrême que celui constaté, si en réalité il n'existait aucun effet. Une p-valeur faible suggère que le résultat est peu probable s'il ne tenait qu'au hasard, mais elle ne dit rien de l'ampleur ni de l'importance de l'effet.
14. Quelle est la différence entre corrélation et causalité ?
Deux variables qui évoluent ensemble ne signifient pas que l'une cause l'autre ; un troisième facteur ou le hasard peut l'expliquer. Les expériences permettent d'établir une causalité.
15. Comment concevriez-vous un test A/B ?
Définir l'indicateur et l'hypothèse, déterminer la taille de l'échantillon, répartir les utilisateurs au hasard, mener le test sur une durée fixe, puis vérifier la significativité et l'impact concret.
16. Qu'est-ce qu'une valeur aberrante, et que faites-vous dans ce cas ?
Enquêtez avant de la supprimer ; il peut s'agir d'une erreur ou d'un cas réel et important.
Nettoyage et qualité des données
17. Comment traitez-vous les données manquantes ?
Cherchez pourquoi elles manquent, puis décidez : supprimer, remplacer par une valeur raisonnable ou signaler. Expliquez l'effet sur les résultats.
18. Comment vérifiez-vous qu'un jeu de données est fiable ?
Comparer le nombre de lignes avec la source, vérifier que les totaux se réconcilient, contrôler les périodes de dates, les doublons, et faire des vérifications ponctuelles.
19. Parlez-moi d'une fois où vous avez trouvé une erreur dans des données
Une brève histoire au format STAR, avec ce que vous avez fait pour corriger le problème à sa source.
Visualisation et tableaux de bord
20. Comment choisissez-vous le bon graphique ?
La courbe pour les tendances dans le temps, la barre pour comparer des catégories, le nuage de points pour les relations ; évitez les camemberts avec de nombreuses parts.
21. Comment concevriez-vous un tableau de bord pour la direction ?
Quelques indicateurs clés en haut, des tendances, des libellés clairs, et des filtres seulement lorsque c'est nécessaire.
22. Quels outils de business intelligence avez-vous utilisés ?
Citez-les et un tableau de bord que vous avez créé. Voir nos questions d'entretien Power BI.
Études de cas métier
23. Les inscriptions ont baissé de 20 % la semaine dernière. Comment enquêteriez-vous ?
« Je commencerais par confirmer que la baisse est réelle en vérifiant le suivi et le chargement des données. Ensuite, je comparerais par plateforme, pays, source de trafic et étape d'inscription pour identifier où cela se produit. Si cela touche un seul canal ou une seule étape, je vérifierais les changements survenus à cet endroit, comme la fin d'une campagne ou une mise en ligne du site. Je partagerais ce que j'ai trouvé et ce que nous ignorons encore. »
24. Comment mesureriez-vous le succès d'une nouvelle fonctionnalité ?
Définir l'objectif, choisir un indicateur principal et des indicateurs de garde-fou, et comparer avec un groupe témoin ou une période avant et après.
25. Quels indicateurs suivriez-vous pour une boutique en ligne ?
Trafic, taux de conversion, panier moyen, taux de réachat et coût d'acquisition client.
26. Comment expliqueriez-vous un résultat complexe à un manager non technique ?
Commencer par la conclusion et son impact, utiliser un seul graphique simple, et garder la méthode brève.
Questions comportementales
27. Parlez-moi d'une analyse qui a changé une décision
La question posée, les données, ce que vous avez trouvé et ce qui a changé.
28. Décrivez une fois où vous avez dû travailler avec des données incomplètes
Les hypothèses que vous avez formulées et la manière dont vous les avez communiquées.
29. Comment hiérarchisez-vous les demandes de plusieurs parties prenantes ?
L'impact métier et l'urgence, validés avec les parties prenantes ou votre manager.
30. Parlez-moi d'une fois où votre analyse était fausse
Assumez-la, corrigez-la et expliquez ce que vous vérifiez désormais.
Pour structurer ces récits, consultez notre guide sur la méthode STAR.
Préparer un projet de portfolio solide
| Partie | Ce qu'il faut inclure |
|---|---|
| Question | Une question métier claire |
| Données | La source, la taille et la manière dont vous les avez nettoyées |
| Méthode | Les étapes en SQL, tableur ou Python |
| Résultat | Un ou deux résultats clairs, avec un graphique |
| Décision | Ce que quelqu'un devrait faire à partir de ce résultat |
Comment vous préparer
- Pratiquez le SQL chaque jour pendant deux semaines : jointures, agrégations et fonctions de fenêtrage.
- Révisez les statistiques de base : moyennes, distributions, tests A/B, p-valeurs.
- Préparez un projet de portfolio et trois histoires au format STAR.
- Entraînez-vous à voix haute à une étude de cas « pourquoi cet indicateur a-t-il changé ».
- Renseignez-vous sur le produit de l'entreprise et sur les indicateurs qui l'intéressent probablement.
Pour les postes voisins, consultez les questions d'entretien pour analyste métier et les questions d'entretien Python. Si vous cherchez des outils pour vous préparer, notre comparatif des outils d'IA pour les entretiens d'analyste de données présente les options disponibles.
Entraînez-vous aux explications SQL et aux études de cas
Répétez à voix haute vos questions techniques et vos études de cas avec YesToTheOffer, à partir de votre CV et de l'offre d'emploi, puis relisez votre transcription. 30 minutes gratuites, sans abonnement.
