Formation Data Analyst
En 450h de formation, apprenez à analyser les données produites par une organisation, validez jusqu'à 5 certifications professionnelles et décrochez votre premier poste de Data Analyst.



Devenez Data Analyst en 450h
Choisissez une formation d’avenir ! En 2025, les entreprises recherchent des profils hybrides, entre Data et Business, capables de donner du sens à leurs données afin de prendre des décisions stratégiques.
À l’issue de votre formation Data Analysis Fullstack chez Jedha, vous pourrez :
- Collecter et stocker vos données dans les règles de l’art
- Analyser vos données à l’aide de SQL & Python
- Utiliser des outils de Data Visualisation et de Business Intelligence

Le programme de la formation Data Analyst
Contenu de la card compilé au chargement
Contenu de la card compilé au chargement
Spreadsheet Analytics
Avant d’utiliser des outils d’analyse de données avancés, il est essentiel de maîtriser les tableurs, encore largement utilisés en entreprise. Ce premier module fera de vous un expert de Google Sheets.
Vous apprendrez à utiliser les spreadsheets comme de véritables outils d’analyse : nettoyage, transformation et exploration des données, jusqu’à la création de dashboards. Et comme Google Sheets et Excel fonctionnent de manière similaire, toutes les compétences acquises seront directement transférables à Excel.
Outils & Technologies
Compétences maîtrisées
- Nettoyage & préparation de données dans un tableur, avec les fonctions TRIM, CLEAN, SUBSTITUTE, SPLIT, CONCATENATE, LEFT, RIGHT.
- Maîtrise des fonctions avancées de spreadsheet engineering : VLOOKUP, QUERY, ARRAYFORMULA.
- Analyse de données dans un tableur, avec la maîtrise des tableaux croisés dynamiques, appelés “pivot table” en anglais.
- Data visualisation dans un tableur : création de graphiques et de dashboards avec Google Sheet.
Python avancé
Puissant et simple à prendre en main, Python s’est imposé comme le langage de programmation incontournable pour travailler dans la Data. Dans ce module, vous commencerez par revoir les bases en Python.
Mais surtout, vous apprendrez à coder en Python dans les règles de l’art, afin de produire un code robuste et aligné avec les pratiques des équipes Data et Engineering.
Outils & Technologies
Compétences maîtrisées
- Bases de Python : maîtrise des conditions, boucles, fonctions.
- Organisation du code : création de fonctions réutilisables, structuration claire et modulaire d’un projet pour avoir un code lisible, maintenable et évolutif.
- Fonctions avancées : utilisation des décorateurs, du typage (typing en anglais) et de Pydantic.
- Introduction à la Programmation Orientée Objet : bases des classes, objets, attributs et méthodes pour modéliser proprement des données et comportements.
- Interaction avec des fichiers et APIs.
Exploratory Data Analysis
Dans ce module, vous apprendrez à utiliser Python pour analyser vos données comme un véritable Data Analyst. Après une remise à niveau en statistiques, vous verrez comment structurer, transformer et explorer vos datasets avec Python et différentes librairies afin d’en extraire des informations pertinentes.
Notre pédagogie repose sur la pratique : pas de démonstrations théoriques inutiles, mais de nombreux exercices pour développer une véritable expertise en analyse de données. Vous apprendrez ainsi à identifier tendances, variations et patterns cachés, et à produire des insights fiables et actionnables.
Outils & Technologies
Compétences maîtrisées
- Manipulation et nettoyage des données : préparation de datasets, détection d’anomalies et validation des données.
- Analyse statistique appliquée : compréhension des distributions, réalisation de tests d’hypothèses et interprétation rigoureuse des résultats.
- Dataviz avancée : création de graphiques interactifs avec Plotly.
- Data storytelling : présentation d’insights actionnables par les équipes Métiers.
Machine Learning
Le Machine Learning n’est plus une compétence réservée aux Data Scientists : tous les professionnels de la data sont désormais amenés à faire de l’analyse prédictive. C’est pourquoi en tant que Data Analyst nous vous formons au machine learning.
Dans ce module, vous apprendrez à préparer vos données, à entraîner différents types de modèles et à interpréter leurs performances pour produire des prédictions fiables et utilisables par les équipes Métier.
Outils & Technologies
Compétences maîtrisées
- Prise en main des principaux modèles de ML supervisé : régression linéaire & régularisation, Decision Trees, Random Forest, XGBoost.
- Optimisation de votre modèle : techniques pour éviter l'overfitting et fine tuning pour améliorer les performances de vos modèles.
- Évaluation de votre modèle : calcul de la performance de vos modèles et choix du plus performant.
- Clustering, avec KMeans pour segmenter les données.
SQL avancé
SQL est le langage universel pour dialoguer avec les bases de données et la compétence technique n°1 exigée d'un Data Analyst. Ce module vous permettra de développer des compétences avancées en SQL, pour exploiter vos données le plus simplement & efficacement possible.
Vous apprendrez également à centraliser et structurer efficacement vos données en utilisant des Data Warehouses, véritables fondations de toute stratégie de Business Intelligence.
Outils & Technologies
Compétences maîtrisées
- Requêtage de données (DQL) : sélection, filtrage, agrégations, jointures.
- Manipulation de données (DML), avec les instructions INSERT, UPDATE, DELETE.
- Structuration de bases (DDL) : création de tables, schémas, contraintes.
- Gestion des accès (DCL) : permissions, rôles, contrôle d’accès.
- Requêtes SQL avancées : CTE, window functions, sous-requêtes, optimisation.
- Data modeling : modélisation et compréhension des architectures OLTP vs OLAP.
NoSQL & Data Lakes
Les besoins des entreprises ne se limitent plus aux bases de données relationnelles. Pour faire face à l'explosion des données non structurées, aux volumes massifs de données produites et aux exigences d'accessibilité en temps réel, les architectures NoSQL et les Data Lakes sont devenues indispensables.
Dans ce module, vous apprendrez à manipuler des données brutes sur Amazon S3 et à exploiter les deux bases NoSQL les plus utilisées, MongoDB et Redis. C'est une étape essentielle pour apprendre à créer et gérer une infrastructure Data moderne.
Outils & Technologies
Compétences maîtrisées
- SQL vs NoSQL : bonnes pratiques et cas d’usages.
- Gestion de Data Lakes avec Amazon S3, et lecture et écriture de jeux de données volumineux via des scripts Python et la librairie Boto3.
- Stockage de documents et requêtes avec MongoDB.
- Gestion de données en mémoire et caching avec Redis.
- Applications Métier Modernes : mise en place de solutions de log management, de système de recommandations, de temps réel & de microservices.
Analytics Engineering
L’Analytics Engineering est une compétence clé pour industrialiser un projet Data. Elle permet d'automatiser vos projets et de garantir leur fiabilité et leur performance.
Dans ce module, vous apprendrez à construire, tester et déployer vos propres workflows de données, à l’aide des outils professionnels (conteneurs, CI/CD) utilisés par les équipes de Data Engineering.
Outils & Technologies
Compétences maîtrisées
- Maîtrise des commandes Linux/Bash.
- Collaboration et CI/CD, avec Git et GitHub.
- Déploiement fiable des applications Data à l'aide de Docker et Docker Compose.
- Collecte de données via des APIs externes.
- Construction d’un pipeline ETL complet.
Data Products
Ce module vous permettra de transformer vos projets Data en produits tangibles, que vous pourrez mettre à disposition des utilisateurs finaux : clients, équipes Métier ou partenaires.
Concrètement, vous irez au-delà des rapports statiques pour concevoir des services analytiques dynamiques : APIs, dashboards web interactifs et applications complètes que vous apprendrez à déployer en production.
Outils & Technologies
Compétences maîtrisées
- Programmation asynchrone
- Création d’API professionnelles avec FastAPI
- Tableau de bord interactif avec Streamlit
- Déploiement sur HuggingFace
Business Intelligence
La visualisation de données est essentielle pour rendre les données compréhensibles par le plus grand nombre et faciliter la prise de décision par les équipes concernées.
Dans ce module, vous apprendrez à transformer vos analyses en dashboards clairs et percutants grâce à Looker Studio, l’outil de dataviz de Google. Les compétences que vous développerez sont transférables en partie à la plupart des outils de dataviz du marché, et vous permettront d’aborder Power BI ou Tableau avec une longueur d’avance.
Outils & Technologies
Compétences maîtrisées
- Maîtrise approfondie de Looker Studio, et de Look ML pour mettre en forme et explorer vos données.
- Dataviz : bonnes pratiques de data visualisation pour présenter la donnée de manière claire et impactante.
- Construction de dashboards.
Carrière & Projet final
Pour faciliter votre insertion, un professionnel en data analysis vous livrera sa vision du marché et vous prodiguera des conseils concrets pour décrocher votre 1er poste dans le domaine.
Puis vous mettrez en pratique l’ensemble de vos nouvelles compétences lors d’un projet final, que vous présenterez lors de votre DemoDay.
Outils & Technologies
Compétences maîtrisées
- Amélioration de votre CV : pour qu’il soit impactant et conforme aux standards des professionnels de la Data.
- Présence en ligne : perfectionnement de votre profil LinkedIn et initiation au "branding personnel" pour renforcer votre notoriété sur les plateformes professionnelles.
- Préparation pour les entretiens : méthodes et conseils pour vous distinguer et mettre en avant vos compétences spécialisées.
- Mise en pratique de vos connaissances lors du projet final : ingestion, transformation, Machine Learning, API, dashboarding.
Une double reconnaissance de vos compétences
À l'issue de votre formation de Data Analyst, vous serez en mesure d'obtenir 2 types de certifications pour faire valoir vos compétences sur le marché du travail
Téléchargez le syllabus de nos formations
- Excellence académique et technique
- Apprentissage par la pratique
- Formations adaptées à vos besoins
Rechargez la page et ressayez d'envoyer le formulaire.
Nos prochaines sessions de formation
Suivez votre formation à distance ou dans l'un de nos 17 campus à Paris, Lyon, Lille, Marseille, Bordeaux, Toulouse, Nantes et dans bien d'autres villes de France et d'Europe.
Temps plein
Temps plein
Temps plein
Temps partiel
Temps partiel
Temps partiel
Choisissez l’excellence pour vous former en Data Analysis



Reconversion réussie de Contrôleur de gestion à Data Analyst @ Odysis
A suivi les formations Data Analysis Essentials & Fullstack
Les contenus sont parfaitement alignés avec les attentes du marché de l’emploi
Je me suis inscrit chez Jedha pour concrétiser mon projet de reconversion dans la Data Analyse. L’ensemble des contenus (cours, exercices pratiques, choix des outils et des technos) sont parfaitement alignés avec les attentes du marché de l’emploi. J’ai pu acquérir les compétences dont j’avais besoin pour décrocher un poste de Data Analyst après ma formation. Je suis fier d’avoir pu atteindre mon objectif, et reconnaissant envers l’équipe pédagogique de Jedha pour avoir accompagné ma réussite.
Voir plusReconversion réussie de Commercial à Data Analyst @ BNP Paribas
A suivi les formations Data Analysis Essentials, Fullstack & Lead
Une belle communauté pour s'entraider
C'est une excellente formation, délivré dans un excellent campus. La plateforme JULIE est très bien conçue et il y a vraiment une belle communauté pour l'entraide ! Je recommande 👌
Voir plusReconversion réussie de Chef d'équipe Maintenance à Data Analyst @ SIAé
A suivi les formations Data Analysis Essentials, Fullstack & Lead
Un véritable tremplin pour ma carrière
Je dois avouer que j'ai tout simplement adoré cette formation, c'était une expérience exceptionnelle du début à la fin.Les enseignants sont passionnés et experts dans leur domaine, toujours disponibles pour nous guider. Le programme, parfaitement équilibré entre théorie et pratique, permet de progresser rapidement, peu importe le niveau de départ. J'ai particulièrement apprécié la diversité des outils enseignés. Cette formation a été un véritable tremplin pour ma carrière en data, et je la recommande vivement à tous ceux qui cherchent à se reconvertir.
Voir plusFormez-vous à la Data Analysis à votre rythme
Notre formation en analyse de données vous permet de vous reconvertir en Data Analyst dans les meilleures conditions. Formation courte ou formation en ligne : choisissez le format qui convient le mieux à votre projet professionnel.

Temps complet (3 mois)
insert-icon_pre-required_s24
Modalités
- 450h d'apprentissage en classe
- Lundi à vendredi, 9h30 - 18h
- À temps complet sur 3 mois
insert-icon_location_s24
Localisation
En ligne ou sur l'un de nos 17 campus
insert-icon_smiley_s24
Avantages
- Formation accélérée
- Esprit de promo
- Discipline de travail

Temps partiel (7 mois)
insert-icon_pre-required_s24
Modalités
- 450h d'apprentissage hybride (travail en autonomie, cours, coaching)
- À votre rythme (2h par jour)
- À temps partiel sur 7 mois
insert-icon_location_s24
Localisation
En ligne
insert-icon_smiley_s24
Avantages
- Adapté à vos contraintes pros et persos
- Apprentissage en autonomie
- Accessible partout dans le monde
Les débouchés de notre formation Data Analyst
Trouvez votre premier poste de Data Analyst ou de Business Analyst facilement ! Grâce à sa spécialisation, notre formation en data analysis vous ouvre les portes de métiers de la Data en forte pénurie et qui recrutent à un rythme soutenu.
Financial Analyst
Business Analyst
Analytics Engineer
Data Analyst

Vos questions sur les débouchés de la formation
Qu'est-ce que l'analyse de données ?
L'analyse des données, ou data analysis en anglais, est une discipline cruciale qui consiste à collecter, nettoyer et interpréter de grandes quantités de données pour en tirer des informations utiles à une organisation.
Cela permet à cette organisation de mieux comprendre les performances passées, de résoudre des problèmes, d’identifier des tendances et, in fine, de prendre des décisions éclairées.
Voici les principaux types d'analyse des données :
- Analyse descriptive : elle répond à la question « Que s'est-il passé ? » en analysant des données historiques et actuelles pour fournir une vue d'ensemble.
- Analyse diagnostique : elle cherche à comprendre les raisons des phénomènes observés.
- Analyse prédictive : elle utilise les données pour prédire ce qui pourrait se passer à l'avenir. Souvent, ce type d’analyse nécessite l’intervention d’un Data Scientist.
- Analyse prescriptive : elle indique comment agir pour atteindre les objectifs.
Qu'est-ce qu'un Data Analyst ?
La mission principale d’un Data Analyst est d’aider les équipes métiers (Marketing, Sales, Ops) à prendre de meilleures décisions en s’appuyant sur des données et des analyses fiables. Pour mener à bien sa mission, il récupère des informations issues de différentes sources, les nettoie et les met en forme pour ensuite repérer des tendances ou des signaux utiles.
Mais attention, son rôle va bien au-delà des chiffres et des simples analyses : il doit aussi être capable de raconter une histoire à partir de ces données et de proposer des recommandations pertinentes aux équipes métiers.
Étant donné que toutes les entreprises, et toutes les équipes, produisent des données en 2025, il peut être amené à travailler virtuellement dans tous les secteurs et avec des métiers extrêmement variés. Cela rend ce poste très stimulant !
Data Analyst vs Data Scientist : quelle est la différence ?
La différence entre un Data Analyst et un Data Scientist repose principalement sur leurs responsabilités et les compétences requises pour exercer chaque métier.
Tout d’abord, les missions ne sont pas les mêmes :
- Le Data Analyst se concentre principalement sur l'analyse des données passées pour identifier des tendances et résoudre les problèmes actuels. Il produit des rapports et des visualisations pour aider la prise de décision par les managers et les équipes métiers.
- Le Data Scientist utilise des compétences en mathématiques et en machine learning pour prédire l'avenir en créant des modèles prédictifs.
Par conséquent, les compétences requises pour exercer chaque métier ne sont pas les mêmes :
- Le Data Analyst doit avoir des bases en statistiques, être un excellent communicateur, maîtriser SQL et Python ainsi que les principaux outils de data visualisation.
- Le Data Scientist doit également maîtriser Python et SQL, mais il doit avoir des compétences avancées en statistiques, mathématiques et en machine learning.
Les deux rôles sont essentiels dans l'analyse des données, mais le rôle du Data Analyst est davantage axé sur l'exploration des données existantes, tandis que celui du Data Scientist est plus centré sur la prédiction à l’aide des données existantes.
Quelles sont les missions quotidiennes d'un Data Analyst ?
Bonne nouvelle, les missions quotidiennes d’un Data Analyst sont variées et font appel à des compétences très différentes. Cela rend ce type de poste intéressant dans la durée.
Voici les principales tâches qu’un Data Analyst peut accomplir en une journée :
- Collecte de la donnée : rassembler des données provenant de sources diverses (bases de données internes, API, fichiers CSV, etc.) et s’assurer de leur qualité et fiabilité. Dans les équipes Data, ces missions de collecte sont souvent assurées en partie par les Data Engineers.
- Nettoyage et préparation des données : identifier et corriger les anomalies, traiter les valeurs manquantes, standardiser les formats. Dans les équipes Data les plus structurées, ces missions de nettoyage sont également assurées en partie par les Data Engineers.
- Analyse exploratoire : examiner les données pour découvrir des tendances, des patterns et des insights potentiels qui peuvent orienter les décisions business.
- Visualisation des données : créer des tableaux de bord et des graphiques clairs et impactants pour présenter les résultats aux équipes métiers.
- Collaboration avec les équipes métiers : travailler avec les équipes marketing, finance, produit, etc., pour comprendre leurs besoins en données et fournir des analyses pertinentes.
Quelles compétences sont essentielles pour un Data Analyst ?
Pour réussir en tant que Data Analyst, plusieurs types de compétences sont indispensables. Tout d'abord, les hard skills, que l’on pourrait traduire par « compétences techniques », incluent la maîtrise de langages de programmation comme Python et SQL, qui sont indispensables pour manipuler et analyser les données.
La connaissance des concepts statistiques de base est également cruciale pour interpréter correctement les données. Enfin, il est nécessaire de maîtriser un ou plusieurs outils de dataviz comme Tableau ou Power BI.
Mais les soft skills, ou qualités personnelles, ne doivent pas être négligées pour autant. Elles sont au moins aussi importantes pour un Data Analyst, qui est quotidiennement en contact avec les équipes métiers. La communication efficace et la capacité à expliquer des concepts complexes de manière simple sont essentielles.
Le travail en équipe et l'esprit analytique sont également des qualités importantes pour comprendre les problématiques des équipes métiers et leur apporter des solutions concrètes.
Quels entreprises et secteurs recrutent des Data Analysts ?
L’âge d’or de la Data n’est pas terminé. Les entreprises recrutent toujours des Data Analysts en masse. Voici les principaux secteurs où les opportunités abondent :
- Finance et banque : les institutions financières utilisent les Data Analysts pour la gestion des risques, l’analyse des marchés et l’optimisation des portefeuilles.
- Technologie et informatique : dans les entreprises Tech, les données sont une vraie mine d’or et sont utilisées pour améliorer les produits et augmenter les ventes.
- Santé : les entreprises pharmaceutiques utilisent les données pour la recherche médicale et l’amélioration des traitements.
- Conseil : les cabinets de conseil emploient des Data Analysts pour fournir des insights stratégiques à leurs clients.
- Transport et logistique : le travail des Data Analysts permet d’optimiser les chaînes d’approvisionnement et la gestion des flottes.
Quel est le salaire moyen d'un Data Analyst débutant ? Et en milieu / fin de carrière ?
Le salaire moyen d'un Data Analyst dépend de nombreux facteurs : son niveau d'expérience, la localisation de son travail (on est mieux payé en Île-de-France) ou le secteur dans lequel il travaille (certains comme la finance rémunèrent très bien !).
Pour vous aider à y voir plus clair, voici quelques ordres de grandeur :
- Data Analyst débutant / junior : son salaire brut annuel se situe entre 30 000 et 35 000 euros, soit environ 23 400 à 27 300 euros net par an. En Île-de-France, cette rémunération peut atteindre jusqu'à 43 000 euros brut car le coût de la vie est plus élevé.
- Data Analyst en milieu de carrière / expérimenté : avec quelques années d'expérience, le salaire peut varier de 45 000 à 55 000 euros brut annuels, ce qui correspond à environ 35 000 à 43 000 euros net.
- Data Analyst en fin de carrière / senior : les Data Analysts expérimentés ou spécialisés peuvent percevoir des salaires brut annuels supérieurs à 60 000 euros, parfois dépassant les 100 000 euros dans certains secteurs ou lorsqu’ils occupent des postes de management.
Lors d’une reconversion vers le métier de Data Analyst, votre salaire dépendra de vos expériences passées. Si votre carrière précédente n’avait rien à voir avec la Data, vous débuterez en bas de la grille mais vous pourrez rapidement grimper les échelons grâce à votre maturité professionnelle. Si vous aviez déjà l’habitude de travailler dans une entreprise avec des données (en marketing ou en finance par exemple), vous pourrez prétendre à une meilleure rémunération dès le départ !
Est-il difficile de devenir Data Analyst ?
Devenir Data Analyst n’est pas aussi complexe qu’il y paraît. C’est un métier nettement moins « technique » que d’autres métiers de la Data comme Data Scientist ou Data Engineer. Cela en fait donc un excellent choix de reconversion si vous souhaitez travailler dans la Data mais que vous n’êtes pas féru de mathématiques, ou que vous n’avez pas envie de coder et de mettre les mains dans le cambouis.
Certaines écoles, comme Jedha, proposent des parcours de formations accélérées pour se reconvertir vers le métier de Data Analyst, sans pré-requis à l’entrée.
Néanmoins, comme tout projet de reconversion professionnelle, devenir Data Analyst nécessitera un investissement très important de votre part. Vous devrez y consacrer du temps, faire preuve d’une motivation à toute épreuve, et sûrement payer une partie de votre formation avec vos économies.
Est-il possible de devenir Data Analyst à 40 ans ?
Il est tout à fait possible de devenir Data Analyst à 40 ans. Avec l’allongement de l’âge de départ à la retraite, les carrières sont nettement plus longues : en vous reconvertissant à 40 ans, vous aurez tout à fait le temps de vous construire une deuxième vie professionnelle.
Mais surtout, cette reconversion professionnelle est bien plus accessible qu’auparavant, notamment grâce à des formations accélérées et à des financements facilités :
- Formations accélérées : chez Jedha, nous proposons un bootcamp de Data Analyst qui vous permet de vous reconvertir en seulement 3 mois, tout en obtenant une certification reconnue par l'État français.
- Financements disponibles : plusieurs aides publiques, comme le CPF, l’AIF de France Travail ou le PTP (Projet de Transition Professionnelle), peuvent vous aider à financer tout ou partie de votre formation.
- Pénurie de Data Analysts : d’ici à 2030, à l’échelle mondiale, le nombre de Data Analysts devrait augmenter de 41 %.
Attention néanmoins, se reconvertir vers le métier de Data Analyst n’est pas pour autant facile. Comme tout projet de reconversion, vous aurez besoin d’investir de votre temps, de votre motivation et de vos économies.
Pourquoi se reconvertir vers le métier de Data Analyst ?
Se reconvertir vers le métier de Data Analyst est un choix judicieux pour plusieurs raisons. D’ailleurs, les cadres français ne s’y trompent pas, car ils sont de plus en plus nombreux à choisir de se reconvertir dans la Data :
- Demande croissante : d’ici à 2030, le nombre d’emplois de Data Analysts devrait augmenter de 41 % à l’échelle mondiale.
- Salaire attractif : les métiers de la Data sont très bien payés. Comptez entre 3 791 € et 5 216 € brut par mois, soit entre 45 500 € et 62 500 € brut par an.
- Flexibilité professionnelle : la Data est omniprésente dans les entreprises en 2025, ce qui vous permettra de travailler dans n’importe quel secteur.
- Impact tangible : en tant que Data Analyst, vous contribuez directement à la prise de décisions stratégiques. Vous savez pourquoi vous vous levez le matin !
- Évolution de carrière : une fois formé à un métier de la Data, il est facile d’évoluer au sein de cette famille de métiers. Par exemple, vers les métiers de Data Scientist ou de Data Engineer.
Comment se reconvertir en Data Analyst en 2025 ?
C’est toujours une excellente idée de se reconvertir dans la Data Science en 2025. D’ici à 2030, le nombre d’emplois de Data Analyst va augmenter de 41 % dans le monde.
Et bonne nouvelle : il est beaucoup plus simple de devenir Data Analyst en cours de carrière qu’il y a quelques années grâce à des formations accélérées qui vous ouvrent la voie !
Pour se reconvertir en Data Analyst, voici les étapes clés qu’il vous faudra suivre :
- Suivre une formation adaptée : Le choix du type de formation est crucial. Les formations universitaires offrent une base théorique, mais elles sont très longues et vous manquerez de pratique. Les bootcamps comme ceux proposés par Jedha permettent une reconversion rapide en 3 mois, en vous rendant opérationnel avec des compétences pratiques recherchées par les employeurs
- Développer votre portfolio : Avant de vous recruter, vos futurs employeurs voudront savoir de quoi vous êtes capable ! Pour les rassurer, vous pouvez vous créer un portfolio de projets (comme des dashboards) à joindre à votre CV et votre lettre de motivation !
- Obtenir une première expérience sur le terrain : Après votre bootcamp, et avant de rechercher un CDD ou un CDI, pourquoi ne pas faire un stage ou aider une association bénévolement sur des sujets data ? Cela vous permettra d’avoir une véritable expérience sur votre CV.
La Data Analysis enseignée par des professionnels
Les maîtres Jedha, ce sont eux ! Les auteurs et intervenants dans nos formations sont des Data Analyst professionnels avec une véritable expertise technique. Grâce à leur expérience acquise sur le terrain, ils pourront vous transmettre un savoir pratique, directement valorisable en entreprise.


David Raux
Senior Consultant Data


Jean-Philippe Peyronnet
Senior Consultant Digital

Jules Burguières
Consultant Data & Enseignant

Sabrine Bendimerad
AI Engineer

Vos questions sur la formation
Je n’ai aucune expérience en data, puis-je m’inscrire ?
Oui, vous pouvez suivre notre formation pour devenir Data Analyst même sans aucune expérience en Data. L’accessibilité de nos formations est d’ailleurs l’une des forces de Jedha par rapport à d’autres écoles.
Pour vous mettre à niveau en Data, nous vous demandons de suivre notre formation Data Essentials (75h, sur 2 semaines à temps plein ou 6 semaines à temps partiel). Vous obtiendrez les bases en Data et pourrez suivre notre formation Data Analyst Fullstack pour apprendre le métier de data analyst de A à Z.
Quelle formation pour devenir Data Analyst en 2025 ?
Pour devenir Data Analyst en 2025, plusieurs solutions s’offrent à vous selon que vous soyez en reconversion professionnelle ou que vous cherchiez une formation post-bac.
Si vous êtes en reconversion professionnelle, il y a deux grandes options : suivre un master dans une école de commerce ou d’ingénieurs, ou suivre une formation accélérée de type Bootcamp dans une école spécialisée comme Jedha. Certains sites recommandent de suivre des cours en ligne de type MOOC, mais attention : l’accompagnement est très limité, et surtout, vous n’aurez aucun diplôme officiel à faire valoir à la suite de votre formation.
Jedha propose une formation pour devenir Data Analyst en moins de 3 mois. Elle est éligible au CPF et à de nombreux autres financements publics, et elle a déjà permis à des dizaines de professionnels de se reconvertir dans la Data.
Quelle est la meilleure formation à distance en data analysis ?
En 2025, il est tout à fait possible de trouver des formations à distance de qualité pour se former en Data et devenir Data Analyst. Voici notre sélection de formations en ligne :
- MOOC et cours en ligne : de nombreuses plateformes comme Coursera ou Udemy proposent des formations en ligne peu chères pour se former sur des sujets très précis en analyse de données (Python, SQL, Power BI). Malheureusement, ce type de formations à distance n’est pas adapté pour apprendre le métier de Data Analyst de A à Z, et requiert une grande autonomie dans vos apprentissages car l’accompagnement est très limité, voire inexistant.
- Organismes de formation spécialisés en Data : certaines écoles permettent de suivre les cours entièrement à distance. Par exemple, Jedha vous permet de suivre ces formations en Data depuis chez vous, avec le même niveau d’accompagnement qu’un élève en présentiel. Les cours sont enseignés en direct par de vrais professeurs qui répondent à vos questions, et vous faites partie d’une promotion qui se soutient et s’entraide !
Malheureusement, encore peu d’universités et d’écoles de commerce ou d’ingénieurs proposent des licences et masters en Data entièrement à distance.
Où suivre une formation gratuite pour devenir Data Analyst ?
Il existe de nombreuses ressources gratuites pour se former gratuitement à l'analyse de données. Voici quelques pistes que nous vous recommandons tout particulièrement :
- Les tutoriels sur YouTube : YouTube regorge de vidéos pour vous initier aux bases du langage SQL, de Python ou encore à la création de dashboards sur PowerBI ou Tableau. Nous vous recommandons particulièrement les chaînes de Jedha, StatQuest with Josh Starmer et Docstring.
- Les formations gratuites proposées par certains organismes : par exemple, chez Jedha, nous avons mis 50 heures de cours gratuits à disposition sur notre plateforme JULIE. L’objectif est de permettre à chacun de faire ses premiers pas en Data gratuitement et de découvrir notre méthode d’enseignement !
- Les communautés et forums spécialisés : en échangeant avec des professionnels du secteur, vous pourrez poser des questions techniques et recevoir des conseils personnalisés.
Néanmoins, il faut être bien conscient que ces contenus gratuits ne suffiront pas pour vous former au métier de Data Analyst. En effet, ils ne proposent souvent aucun accompagnement ni aucune reconnaissance (diplôme ou certification reconnus par l’État et les recruteurs).
Si vous souhaitez aller plus loin et vous reconvertir dans la Data, les parcours complets offerts par certaines écoles ou bootcamps – comme celui que nous proposons chez Jedha – demeurent la meilleure approche. Grâce à un accompagnement quotidien et la réalisation de projets concrets, vous serez en mesure de décrocher rapidement un emploi dans la Data.
Combien coûte votre formation pour devenir Data Analyst ?
Le prix de notre Bootcamp pour devenir Data Analyst chez Jedha est de 7 500 €, que vous le suiviez à temps complet (3 mois) ou à temps partiel (7 mois).
Plusieurs options s’offrent à vous pour financer votre formation chez Jedha :
- CPF (Compte Personnel de Formation) : utilisez vos crédits pour financer partiellement ou complètement votre formation.
- Paiement en 3 fois sans frais ou prêt étudiant : vous souhaitez vous auto-financer ? Chez Jedha, nous vous proposons plusieurs options pour y parvenir sereinement.
- Aides publiques : France Travail et Transition Pro peuvent également vous aider à financer votre formation.
Si vous ne souhaitez pas suivre une formation accélérée de type Bootcamp, d’autres options existent pour se former à l’analyse de données :
- Suivre une formation 100 % en ligne : comptez moins de 100 €, mais vous n’aurez pas d’accompagnement ni de diplôme reconnu en France à l’issue.
- S’inscrire en master à l’université : mais vous devrez payer des frais de scolarité spéciaux, de « reprise d’études », beaucoup plus onéreux que les frais payés post-bac.
- Suivre un master dans une école de commerce ou d’ingénieurs : comptez entre 18 000 € et 50 000 €.
Comment financer sa formation de Data Analyst avec son CPF ?
Pour financer votre formation de Data Analyst avec votre Compte Personnel de Formation (CPF), suivez les étapes ci-dessous :
- Vérifiez votre solde CPF : vous pouvez le consulter sur le site Mon Compte Formation. Chaque année travaillée vous donne droit à 500 euros, avec un plafond fixé à 5 000 euros. Il est donc important d’utiliser régulièrement son CPF !
- Choisissez une formation éligible : pour être éligible au CPF, votre formation doit vous permettre de valider totalement ou partiellement une certification professionnelle enregistrée auprès de France Compétences. Par exemple, chez Jedha, notre formation Data Analyst Fullstack permet de valider les blocs n°2 et 6 de la certification professionnelle de niveau 6 (bac+4) développée par Jedha et enregistrée au RNCP : Concepteur développeur en science des données. Ce qui la rend éligible au CPF.
- Complétez votre financement si nécessaire : si votre CPF ne couvre pas tout le coût de la formation, vous pouvez en payer une partie de votre poche. Pour vous y aider, nous proposons le paiement en 3 fois sans frais chez Jedha.
- Déposez votre demande dans le temps imparti : les règles sont extrêmement strictes. Vous devez demander le financement au moins 11 jours ouvrés avant le début de la formation.
Vous avez besoin d’aide pour utiliser votre CPF ? Prenez rendez-vous avec notre équipe d’admission, nous pourrons vous accompagner !
Quels sont les pré-requis pour rejoindre cette formation ?
Pour suivre notre formation Data Analysis Fullstack, vous devez avoir les pré-requis suivants :
- Avoir des bases de programmation en Python & SQL. Si ce n’est pas le cas, vous pouvez suivre notre formation Data pour débutant pour vous mettre à niveau.
- Être à l'aise pour lire et comprendre des contenus en anglais (niveau B1/B2). Nos cours sont dispensés en français mais les ressources pédagogiques (cours écrits, exercices, projets) sont en anglais.
Comment faire financer sa formation de Data Analyst par France Travail ?
Les financements proposés par France Travail (anciennement Pôle Emploi), comme l’AIF ou la POEI, sont très avantageux mais difficiles à obtenir. Pour y parvenir, il est nécessaire de s’y prendre suffisamment à l’avance et de préparer votre demande de financement très sérieusement.
Voici quelques conseils que nous donnons systématiquement aux professionnels que nous accompagnons chez Jedha :
- Affinez votre projet en discutant avec des professionnels du secteur : cela vous permettra de vous faire une véritable idée du métier et de savoir s’il vous convient !
- Préparez un dossier solide : rassemblez les pièces justificatives (programme de formation, devis, lettre de motivation) et mettez bien en avant l’adéquation entre la formation et votre retour à l’emploi.
- Créez une relation de confiance avec votre conseiller France Travail : c’est lui qui va défendre votre projet en interne pour vous permettre d’obtenir un financement. Il est donc essentiel qu’il croie en votre projet et vous soutienne.
- Proposez de financer une partie du coût de la formation avec votre CPF : cela montre à France Travail que vous êtes prêt à payer de votre poche (ou presque) et c’est très rassurant !
Si vous avez besoin d’aide pour monter un dossier de financement pour notre formation de Data Analyst, prenez rendez-vous avec notre équipe d’admissions.
En quelle langue sont délivrées vos formations ?
Nos formations sont délivrées intégralement en français, avec des enseignements qui sont tous francophones. Néanmoins, les ressources pédagogiques sont elles toutes en anglais : il est donc important d'avoir quelques bases en anglais pour profiter pleinement de la formation !
Peut-on faire un stage à l'issue de sa formation en analyse de données ?
Vous avez la possibilité de réaliser un stage en analyse de données à l'issue de votre formation. Nous pouvons vous fournir une convention de stage d'une durée allant de quelques semaines à un maximum de 6 mois.
Dois-je venir avec mon propre ordinateur ?
Nous ne fournissons pas d'ordinateur dans le cadre de nos formations. Il est donc essentiel que vous disposiez de votre propre machine et que celle-ci soit suffisamment puissante.
Vous trouverez ci-dessous les spécifications techniques minimales pour suivre la formation dans de bonnes conditions. Pour en savoir plus, et découvrir une sélection d’ordinateurs adaptés à nos formations, consultez notre article dédié.
- Système d'exploitation : Linux / Windows / MacOS. Les autres OS ne permettent pas de suivre la formation.
- RAM : 16 Go minimum.
- Stockage : SSD de 512 Go à 1 To.
- Processeur : Sur PC, Intel i5 minimum (idéalement Intel i7). Sur Mac, puces Apple Silicon M1 à M3.
Téléchargez le syllabus de nos formations
- Excellence académique et technique
- Apprentissage par la pratique
- Formations adaptées à vos besoins
Rechargez la page et ressayez d'envoyer le formulaire.

.webp)


.webp)
