Devenez Data Analyst
avec Python et SQL
La formation pratique pour maîtriser les outils du data analyst moderne : SQL, Python, DuckDB, Streamlit. Des projets concrets, un portfolio GitHub qui prouve vos compétences.
Le métier de data analyst en 2025
Ce que font réellement les data analysts — au-delà des descriptions de poste génériques.
Extraire & préparer les données
SQL pour interroger les bases, Python (Polars/Pandas) pour nettoyer et transformer. 60 à 70% du temps réel d'un DA.
Analyser & modéliser
Statistiques descriptives, agrégations, window functions, KPIs. Identifier les tendances, les anomalies, les corrélations.
Visualiser & communiquer
Dashboards interactifs (Streamlit, Plotly), rapports PDF automatisés, alertes Slack/email. Traduire les données en décisions.
Salaire data analyst France (2025)
Salaires bruts annuels, selon les offres LinkedIn et Indeed France — hors bonus et avantages. Les DA spécialisés Python/SQL analytique sont 15 à 25% au-dessus de la médiane.
Les outils du data analyst moderne
La stack Python/SQL qui remplace Excel et les outils BI propriétaires pour les DA autonomes.
SQL & Bases de données
DuckDB est le standard 2025 pour l'analytique en-process : lit les CSV/Parquet directement, window functions complètes, 10–100x plus rapide que SQLite sur les agrégations. Indispensable pour le data analyst Python moderne.
Python & Manipulation
Polars pour les datasets > 500K lignes (5–10x plus rapide que Pandas, 4x moins de RAM). Pandas pour l'interactivité notebook et l'intégration scikit-learn. Les deux sont complémentaires, pas concurrents.
Visualisation & Apps
Streamlit transforme un script Python en application web interactive en quelques lignes. Plotly pour les graphiques interactifs (cross-filtering natif depuis 2024). Aucune connaissance HTML/CSS requise.
Versioning & Collaboration
Git est non-négociable en 2025 — même pour les non-développeurs. dbt (Data Build Tool) pour les transformations SQL en équipe avec tests et documentation automatisés.
Quel parcours pour devenir data analyst ?
Le chemin le plus direct de zéro à DA opérationnel, avec les ressources disponibles ici.
SQL analytique — la fondation
SELECT, JOIN, GROUP BY, puis window functions (ROW_NUMBER, LAG, LEAD, SUM OVER) et CTEs. Sans SQL solide, tout le reste est fragile. Durée estimée : 40–60h selon le niveau de départ.
SQL Mastery — 87 exercices, DuckDB inclus — 97€ →Python pour la data
Polars et Pandas pour la manipulation, Plotly pour la visualisation. L'objectif n'est pas de devenir développeur — c'est de pouvoir automatiser ce que vous faites déjà à la main dans Excel.
Streamlit — des insights aux apps
Transformer une analyse Python en application web partageable. Authentification, déploiement, dashboards interactifs. Le DA qui livre une app plutôt qu'un PDF change son rapport avec les décideurs.
Streamlit Unleashed — 44 leçons, auth + déploiement — 297€ →Git & déploiement
Versionner son travail, collaborer via GitHub, déployer sur Streamlit Cloud ou un VPS. Indispensable pour travailler en équipe et ne pas perdre son travail.
SQL Mastery ou Streamlit Unleashed ?
Le guide de décision selon ton profil actuel. Les deux sont complémentaires — mais l'ordre compte.
| Ton profil | SQL Mastery — 97€ | Streamlit Unleashed — 297€ |
|---|---|---|
| Tu débutes en data (Excel → SQL) | ✅ Commence ici — fondation universelle | ⏳ Après SQL solide |
| Tu connais SQL, veux automatiser | ✅ Niveau intermédiaire → avancé | ✅ Idéal en parallèle |
| Tu veux livrer des dashboards interactifs | ✅ Données propres = dashboards clairs | ✅ Cœur de la formation |
| Tu passes un entretien DA | ✅ Window functions citées dans 78% des JD senior | ⏭️ Optionnel |
| Tu veux un portfolio GitHub visible | ✅ Exercices sur datasets réels (Northwind, Chinook) | ✅ Apps déployées = projets visibles |
Parcours recommandé : SQL Mastery → Python → Streamlit Unleashed. Le DA qui livre une app plutôt qu'un PDF change son rapport avec les décideurs.
Programme de la formation
4 modules pour passer de zéro à data analyst opérationnel.
Fondations SQL & Base de données
Maîtrisez SQL analytique moderne avec DuckDB. SELECT, JOIN, window functions, CTEs.
Python pour la Data
Pandas, Polars, manipulation et nettoyage de données. Automatisation des pipelines.
Visualisation & Dashboards
Plotly, Streamlit, création de dashboards interactifs professionnels.
Projets Data Analyst réels
Applications concrètes sur des datasets réels. Portfolio GitHub prêt à montrer.
Votre formateur
Gaël Penessot
Expert Data & formateur Python. Auteur du livre Business Intelligence avec Python, 29 000 abonnés LinkedIn, classé Top 5 Favikon Data Science France. Formateur LinkedIn Learning.
Mon approche : pas de blabla. Des projets concrets sur des outils modernes (DuckDB, Polars, Streamlit) pour que vous soyez opérationnel rapidement.
Questions fréquentes
Faut-il des prérequis pour devenir data analyst ?
Non. La plupart des DA viennent d'autres horizons : contrôle de gestion, marketing, finance, ops. La logique analytique (comprendre les données, poser les bonnes questions) est souvent déjà là. Les outils s'apprennent. SQL est la compétence fondatrice — commencez par là.
Combien de temps pour devenir data analyst opérationnel ?
En partant de zéro : 6 à 12 mois en autoformation intensive, ou 3 à 6 mois avec un parcours structuré. La clé : pratiquer sur des cas réels, pas uniquement des exercices académiques. SQL Mastery (87 exercices sur bases réelles) + Streamlit Unleashed + un projet personnel = portfolio convaincant.
Python ou SQL : par quoi commencer ?
SQL en premier, toujours. C'est le langage universel des données — toutes les équipes data utilisent SQL, quel que soit l'outil. Python vient ensuite pour automatiser ce que SQL ne couvre pas (transformation complexe, modèles ML, apps). DuckDB permet d'utiliser SQL sur des fichiers CSV/Parquet sans serveur — idéal pour débuter.
Cette formation est-elle éligible CPF ?
Non, les formations ici ne sont pas éligibles CPF. Elles sont proposées directement à un tarif accessible (97€–297€) sans les frais administratifs liés à la certification Qualiopi. Un CPF-certified équivalent coûte souvent 5 à 10x plus cher pour un contenu similaire.
Quelle différence avec une formation généraliste data science ?
Les formations data science génériques couvrent beaucoup de machine learning, peu d'analytique métier. Le DA passe 70% de son temps sur SQL, Python de manipulation, et communication des résultats — pas sur les réseaux de neurones. Ici, on se concentre sur les outils réellement utilisés : DuckDB, Polars, Streamlit, Git.
Y a-t-il un accès à vie aux formations ?
Oui, les deux formations (SQL Mastery et Streamlit Unleashed) incluent un accès à vie avec les mises à jour. Le contenu est mis à jour à chaque version majeure des outils (DuckDB 1.x, Streamlit 1.35+, Polars).
Par où commencer ?
Deux formations complémentaires pour couvrir le parcours data analyst complet.
SQL Mastery
87 exercices pratiques sur des bases de données réelles (Chinook, Northwind). Du SELECT de base aux window functions et CTEs. DuckDB intégré. Accès à vie.
Streamlit Unleashed
44 leçons pour passer du dashboard basique à l'app production-ready. Authentification OAuth, CSS avancé, Docker, CI/CD. La seule formation FR couvrant st.login et le déploiement multi-plateforme.