Data Analyst

Comment recruter un·e Data Analyst pour votre PME

Avant de rédiger l’annonce, posez-vous trois questions de cadrage. Elles déterminent le profil que vous cherchez réellement et évitent les erreurs courantes en PME, où la fonction data est souvent mal cadrée au démarrage.

Question 1 : Data Analyst, Data Scientist, ou BI Engineer ? Le·la Data Analyst se concentre sur les questions métier : SQL, dashboards, analyses ad-hoc, présentation aux stakeholders. Le·la Data Scientist se concentre sur les modèles statistiques et le machine learning (prédiction, scoring, segmentation par algorithme). Le·la BI Engineer se concentre sur la modélisation et l’industrialisation des couches data (dbt, qualité de la donnée, layered models). En PME early-stage ou en phase de PMF, 95 % des questions data sont du reporting et de l’analyse ad-hoc, pas du ML. Recruter un·e Data Scientist senior à 75 k€ pour produire des dashboards Looker mène à une démotivation rapide et à un retour faible. Commencez par un·e Data Analyst solide ; les autres rôles deviennent pertinents à partir de 5-10 personnes dans l’équipe data.

Question 2 : Quelle est la maturité de votre stack data ? Si vous avez déjà un data warehouse (BigQuery, Snowflake, Redshift) avec dbt installé et un outil BI moderne (Looker, Metabase, Tableau), cherchez un·e profil qui maîtrise cette stack ; il·elle sera productif·ve en 2-3 semaines. Si vous n’avez rien (3 systèmes opérationnels sans warehouse, pas d’instrumentation produit cohérente), cherchez un·e profil qui a déjà été premier·ère hire data dans une PME ou scale-up : il·elle saura cadrer la stack minimale, prioriser, et arbitrer dans le chaos. Un·e profil habitué·e à une équipe data installée échouera en environnement chaotique. Précisez votre maturité de stack dans l’annonce ; vous filtrerez naturellement les profils mal-fittés.

Question 3 : Première hire data ou montée en charge d’une équipe ? En première hire, le·la Data Analyst doit être à la fois technique (SQL solide, à l’aise pour monter une stack minimale) ET très autonome côté métier (capacité à identifier les questions à se poser, à dire non aux demandes inutiles, à présenter à la direction). C’est un profil rare et il faut payer en haut de la fourchette (médiane à p75). En montée en charge dans une équipe data de 3-5 personnes, vous pouvez recruter sur un profil plus spécialisé (par exemple : analyste produit, analyste commercial, analyste finance) à un niveau salarial médian. Cadrez explicitement cette dimension dès l’annonce et en entretien.

Calcul de capacité indicative : un·e Data Analyst couvre 1-2 fonctions métier en autonomie (par exemple : produit + commercial, ou commercial + customer success). Au-delà, ajoutez un·e second·e analyste ou montez une couche Head of Data. Le rôle Head of Data devient pertinent à partir de 3-4 analystes ou 25-30 M€ d’ARR.