Des questions d'entretien pour analyste de données qui sont vraiment posées en 2026
Les quatre étapes d'un entretien pour analyste de données, ce qu'elles évaluent chacune, et les réponses qui permettent de passer le test SQL et d'obtenir un offre.
Jordan Reyes · · 8 min de lecture
Quatre questions font le plus du travail dans un entretien d'analyste de données : écrire une requête sur deux tables, expliquer pourquoi un nombre a changé, décrire un projet que vous avez dirigé, et décrire un résultat à quelqu'un qui ne ouvrira jamais votre carnet. Tout le reste est de la planification. Cet article explique ce que chaque étape évalue, quelle est une réponse satisfaisante pour un Analyste de données et pour un Analyste de l'intelligence d'entreprise, et dans quelle étape vous risquez de perdre sans que personne ne vous le dise.
Aucune agence fédérale n'édite une liste de questions d'entretien, et personne d'autre n'en a une véritable. Ce qui existe, c'est les données de tâches sous-jacentes aux postes. ONET enquête sur les personnes qui exercent ces fonctions et évalue chaque tâche et compétence sur une échelle de 0 à 100, et les comités de recrutement construisent leurs questions à partir de ces tâches - donc les évaluations indiquent où se situe l'importance avant qu'une seule question ne soit posée. Chaque note ONET ci-dessous est celle que le site a conservée à sa mise à jour de 2026.
Ce que le comité échantillonne
Deux professions O*NET couvrent le terrain que la plupart des annonces d'analyste de données décrivent : Analystes de données (15-2051.00) et Analystes de l'intelligence d'entreprise (15-2051.01). Leurs listes de tâches ne sont pas les mêmes, et la différence en vaut dix minutes de préparation.
Pour les Analystes de l'Intelligence Business, la tâche la plus valorisée est « générer des rapports standard ou personnalisés résumant des données commerciales, financières ou économiques » avec une note de 91, suivie de « maintenir ou mettre à jour des outils, bases de données, tableaux de bord, systèmes ou méthodes d'intelligence business » avec une note de 84 et de « gérer le flux régulier d'information d'intelligence business vers les utilisateurs » avec une note de 80. C'est un poste de reporting avec une obligation de service attachée. Pour les Data Scientists, les deux tâches les plus importantes sont « analyser, manipuler ou traiter de grands ensembles de données à l'aide de logiciels statistiques » et « créer des graphiques, des diagrammes ou d'autres visualisations pour transmettre les résultats d'analyse », toutes deux notées 83.
Alors, si l'offre indique Analyste de l'Intelligence Business, attendez plus de questions sur les parties prenantes, les intervalles de rafraîchissement et qui est responsable d'un rapport quand il tombe en panne. Si elle mentionne Analyste de données sur une équipe de produit, attendez plus de questions sur la définition d'une métrique et sur la vérification de l'effet d'une modification. Les deux postes sont inclus dans le même code d'occupation fédéral, 15-2051, c'est pourquoi le BLS publie une seule valeur salariale couvrant les deux catégories. Même ligne salariale, différents entretiens.
La question du outil ne se divise pas de la même manière, et c'est là que les candidats s'entraînent excessivement dans la mauvaise direction. O*NET indique un sous-ensemble de chaque profession en matière de logiciels considérés comme chauds ou en demande, et les deux listes se chevauchent bien plus que les titres de poste ne le suggèrent : Microsoft Power BI, Alteryx, Google Looker, Snowflake, Apache Spark, Excel et PowerPoint sont marqués sur les deux pages. La zone commune correspond à la majorité de la stack ; l'entretien se déroule dans les extrémités. La page « Analyste de l'analyse des données » ajoute une dimension de rapport et d'entreprise - Salesforce, SAP, Google Analytics, SQL Server Reporting Services. La page « Data Scientist » ajoute une dimension de modélisation et d'ingénierie - TensorFlow, PyTorch, SAS, MATLAB, Docker, Kubernetes, Git, Apache Airflow. Ainsi, réviser TensorFlow pour un entretien d'Analyste de l'analyse des données revient à s'entraîner à un examen inapproprié. Traiter un écran de Data Analyst comme si Power BI était un outil d'une autre personne est le même erreur, mais dans le sens inverse, et c'est la plus fréquente.
Le tour SQL
Vous recevez deux ou trois tables et une question en anglais. Écrivez la requête, à voix haute, tout en étant observé. La syntaxe n'est pas l'objectif.
| Ce que vous recevez | Ce qui est vraiment évalué |
|---|---|
| Deux tables, « combien d'utilisateurs ont commandé deux fois en mars ? » | Si vous demandez ce qu'on entend par « utilisateur » avant de taper |
| Une requête retournant un nombre plausible mais erroné | Si vous remarquez que les lignes de jointure sont dupliquées |
| « Faites-le par pays, classé » | Si les fonctions de fenêtre sont une mémoire de muscle ou un problème |
| « Cette requête dure neuf minutes » | Si vous pouvez citer une cause probable avant de deviner |
Le piège dans la première ligne est celui qui fait perdre aux candidats des offres. Un data analyst demande « les utilisateurs ayant passé deux commandes en mars » et qui commence immédiatement a omis trois questions : est-ce qu’un checkout anonyme compte comme un utilisateur, signifie-t-il la date de commande ou la date de livraison, et un ordre annulé compte-t-il toujours ? Demandez d’abord. Ensuite, écrivez. O*NET attribue à 78 « identifier des problèmes commerciaux pouvant être résolus grâce à l'analyse des données » pour les Data Scientists, ce qui signifie formellement que transformer une demande vague en une demande précise fait partie du travail, et non une préparation à l’analyse.
Un autre habitude à développer pour cette étape : dites ce que vous vérifieriez ensuite. « Cela retourne 4 812, et la première chose que je ferais serait de comparer ce résultat au nombre brut de commandes afin de vérifier si la jointure l’a infléchi. » Cette phrase a terminé plus de rondes SQL que n’importe quelle expression commune élégante.
La ronde qui décide plus d'offres que SQL
La plupart des candidats à l'analyse des données se préparent à l'épreuve technique et perdent leur poste lors de la question de communication, et les données du travail montrent pourquoi. Regardez ce que O*NET attribue comme activité la plus importante dans le quotidien des Data Scientists : « analyser des données ou de l'information » à 96, « travailler avec des ordinateurs » à 94, « traiter de l'information » à 93 - puis « interpréter le sens de l'information pour les autres » à 87, qui se situe au-dessus de « obtenir de l'information » et au-dessus de « prendre des décisions et résoudre des problèmes », les deux à 83. Pour les Analystes de l'Intelligence Business, cette même activité vaut 89, et « communiquer avec des supérieurs, collègues ou subordonnés » vaut 81.
La liste des compétences rend cela encore plus clair.
Compréhension de la lecture à 75, expression orale à 72, écriture à 69 et mathématiques à 63 en dessous de tous les autres. Le Bureau de la Statistique du Travail formule cette même idée de manière simple dans sa description de l'occupation : les scientifiques des données « doivent être capables de communiquer les résultats de leur analyse à des publics techniques et non techniques afin de proposer des recommandations commerciales. »
La question qui teste cela arrive généralement sous une apparence innocente. « Comment expliqueriez-vous votre dernier analyse à une personne du financement ? » Ou la version raccourcie : le PDG a 90 secondes, allez-y. Un analyste de l'intelligence business qui répond en décrivant la chaîne de traitement - les sources, les joints, la fréquence de rafraîchissement - échoue poliment et ne sera pas informé. Commencez par le résultat et la décision qu’il implique ; la méthode vient seulement si quelqu’un demande explicitement cela. Soixante secondes, trois phrases. Consacrez toutes les trois à la conclusion.
"Un chiffre a changé. Que faites-vous ?"
Voici une réponse complète à retenir, pour un analyste de données interrogé sur la raison pour laquelle les inscriptions hebdomadaires ont baissé de 12 % :
"D'abord, je vérifierais si le changement est réel - le suivi est-il encore actif, une mise à jour a-t-elle modifié le nom de l'événement, la semaine est-elle bien terminée ? Si c'est réel, je le réduirais par les dimensions pouvant l'isoler : canal, plateforme, pays, nouveau versus revenant. Si un segment porte tout le déclin, c'est généralement une erreur ou une campagne suspendue. Si le déclin est réparti uniformément sur tous les segments, c'est généralement une saisonnalité ou quelque chose qui se situe en amont du trafic. Ensuite, je dirais lequel des deux cas semble le plus probable, et ce que j'aurais besoin de vérifier."
Notice what that fait. Instrumentation en premier, séparation avant théorisation, et un niveau de confiance indiqué en fin de compte au lieu d'une conclusion. Les panels posent cette question parce qu'il s'agit du travail réel : la deuxième tâche évaluée la plus hautement pour les Analystes de l'Intelligence Business est de maintenir les outils et les tableaux de bord corrects, à 84, et la moitié de ce poste consiste à décider si un nombre étrange est le monde ou le pipeline.
"Dites-moi un projet"
La version qui est adoptée commence par la décision et non par la stack. "Support voulait savoir quelles catégories de tickets entraînaient des contacts répétés, donc j'ai joint 90 jours de tickets à la table des comptes, j'ai trouvé deux catégories responsables de la majorité des répétitions, et ils ont réécrit l'article d'aide pour l'une d'elles." Les outils sont inclus dans une phrase à la fin, s'ils sont inclus du tout.
Un projet qui n'a pas abouti est encore une bonne réponse, et meilleure qu'une histoire polie que vous ne pouvez pas défendre. Un Analyste de l'Intelligence Business qui dit "J'ai construit un tableau de bord de taux de désabonnement et personne n'a ouvert - j'ai construit cela à partir de ce qui était facile à interroger plutôt que d'interroger les deux personnes qui l'utiliseraient sur ce qu'elles décident chaque semaine" démontre simplement la tâche évaluée à 80 pour ce métier, gestion du flux temporel de l'information d'intelligence business vers les utilisateurs. C'est un meilleur indicateur qu'un tableau de bord avec une capture d'écran.
Ils vont-ils vous poser la question sur votre diplôme ?
Rarement, et pas de la manière dont les candidats craignent. O*NET classe les Data Scientists dans la Zone de poste Quatre, "préparation importante requise", où 48 % des travailleurs sondés ont un diplôme de licence et 44 % un diplôme de maîtrise - donc un Data Analyst sans diplôme universitaire se situe dans le groupe plus large, et non dans l'exception.
"Quelles sont vos attentes salariales ?"
Répondez avec une fourchette et une localisation associée. Les données salariales fédérales pour ce métier sont particulièrement étendues, et cette largeur est votre argument pour refuser de nommer un seul chiffre.
Data scientists: wages and outlook, May 2025
La BLS indique une médiane de 120 230 $ en mai 2025, avec les 10 % les plus bas en dessous de 67 240 $ et les 10 % les plus élevés au-dessus de 199 130 $, sur 275 600 emplois. L'emploi est prévu de croître de 35 % entre 2025 et 2035, avec environ 24 800 postes ouverts par an en moyenne au cours de la décennie. Une fourchette située au sein de cette plage et mentionnant votre métropole est défendable. Un seul chiffre est une estimation que vous serez tenus de respecter pendant deux ans.
Ce que ces données ne vous disent pas
O*NET interroge les personnes qui exercent le métier, pas celles qui le recrutent. Rien dans ce rapport ne précise le nombre de tours effectués par une entreprise, la part des candidats qui passent le filtre SQL, la durée prévue pour un travail à domicile, ou si un employeur posera des questions sur l'apprentissage automatique. Les évaluations indiquent ce que le travail comporte. Elles ne révèlent pas ce qu'une seule commission fera d'une heure de votre temps, et tout vendeur vous proposant une liste classée des « 50 questions qu'ils poseront » innove dans cette classification.
Le travail à domicile, s'il y en a un
Traitez le résumé écrit comme l'assignment et l'analyse comme l'annexe. Quelqu'un va lire une page avant d'ouvrir un cahier, et cette page est là où « l'interprétation du sens des informations pour les autres » - 89 pour les Analystes en Intelligence Business, 87 pour les Scientifiques en Données - est vraiment évaluée. Deux paragraphes suffiront : ce que vous avez trouvé, et ce que vous feriez à ce sujet. Puis ajoutez la réserve que vous soulèveriez si ce fut un travail réel, car nommer la faiblesse de votre propre analyse est le signal le plus fiable que vous avez déjà fait cela.
Gardez le code lisible et arrêtez quand la question est résolue. Un analyste de données qui retourne quatre graphiques et une recommandation semble senior. Quatorze graphiques et aucune recommandation semblent indiquer qu’il ne savait pas ce qui était important, et décider ce qui est important est la tâche.
Ce à faire cette semaine
Trois choses, dans cet ordre. Écrivez la version 92 de votre dernier projet - trouver d’abord, méthode en dernier - et dites-le à voix haute jusqu’à ce qu’il tienne dans 90 secondes sans hâte. Ensuite, prenez une requête que vous avez récemment écrite et entraînez-vous à la narrer tout en typant, en terminant par la phrase concernant ce que vous vérifieriez ensuite. Enfin, cherchez la fourchette salariale pour votre propre métropole avant l’appel du recruteur, afin que la question sur le salaire ait une fourchette et non un silence.
Si la contrainte la plus difficile est d’arriver à l’entretien lui-même plutôt que de passer le test, HeroApply remplit les candidatures à partir de votre CV, afin que les heures soient utilisées dans les quatre rounds ci-dessus au lieu d’être consacrées aux formulaires.
Sources
- BLS Occupational Outlook Handbook - Data Scientists, May 2025 wages and 2025–35 projections
- O*NET OnLine - Data Scientists 15-2051.00, tasks, work activities and technologies (updated 2026)
- O*NET OnLine - Business Intelligence Analysts 15-2051.01, tasks, skills, activities and technologies (updated 2026)
Questions fréquemment posées
Quelles questions sont posées lors d'un entretien pour analyste de données ?
Presque tous les exercices se divisent en quatre catégories - un exercice SQL ou de requête, un cas de diagnostic sur une métrique qui a changé, une présentation d'un projet que vous avez mené, et une question sur l'explication d'un résultat à une personne non technique. O*NET classe « présenter oralement ou par écrit des résultats de modélisation mathématique » à 80 sur 100 en importance pour le métier de Data Scientist, au-dessus de « nettoyer et manipuler des données brutes avec des logiciels statistiques » à 76. L'ordre de votre préparation doit correspondre à cet ordre.
Combien de SQL faut-il pour un entretien de data analyst ?
Assez pour joindre deux tables, effectuer un regroupement avec un GROUP BY, filtrer sur une plage de dates et utiliser une fonction fenêtrée sans ralentir. Les recruteurs vérifient généralement si vous pouvez transformer une question commerciale en requête, et non si vous avez par cœur la syntaxe. Si vous pouvez écrire la requête puis expliquer oralement ce qui pourrait aller mal dans le résultat, vous avez franchi la barre pour la plupart des offres.
Comment répondre à « raconte-moi un projet de données » en tant que data analyst ?
Mettez l'accent sur la décision prise après l'analyse, et non sur les outils. Nommez la question posée, les données disponibles, ce que vous avez découvert et ce que quelqu'un a changé ensuite. Un projet se terminant par un tableau de bord que personne n'a ouvert reste une réponse utile si vous expliquez pourquoi il n'a pas été utilisé et ce que vous auriez changé.
Qu'est-ce qu'un data analyst devrait dire sur ses attentes salariales ?
Donnez une fourchette basée sur les données salariales publiques pour l'occupation et la région métropolitaine, puis indiquez que le package global est négociable. Le salaire médian pour les data scientists est de 120 230 $ en mai 2025, avec les 10 % les plus bas sous 67 240 $ et les 10 % les plus élevés au-dessus de 199 130 $. Cette étendue est suffisamment large pour que un chiffre sans référence géographique ne dise presque rien à un recruteur.
Les entretiens de data analyst utilisent-ils encore des devoirs à domicile ?
Beaucoup le font, généralement avec un petit ensemble de données et une question ouverte attachée. Traitez le résumé écrit comme la partie évaluée, car O*NET attribue une note de 89 sur 100 à l'activité « interprétation du sens des informations pour les autres » pour les analystes de intelligence commerciale - la tâche notée la plus élevée sur cette liste, sans traitement direct des données, et bien au-dessus de « communication avec des supérieurs, collègues ou subordonnés » notée à 81. Une réponse claire en deux paragraphes l'emporte sur un carnet avec quarante cellules et aucune conclusion.
Faites appliquer HeroApply
Il trouve les emplois correspondant à votre CV, répond aux questions de sélection par votre voix, et envoie la candidature - sur bureau, téléphone ou en cloud.
Jordan Reyes · Careers Editor
Jordan writes the resume, cover letter and interview guides - the parts of the search that happen before anyone presses Apply. Every example comes from a real job title.
Le meilleur du blog, une fois par semaine
Un e-mail avec les guides de la semaine. Aucun spam, vous pouvez vous désinscrire à tout moment.
