Parcours data analyst : d'Excel à Power BI en passant par SQL, étape par étape

Un data analyst transforme des données brutes en informations utiles à la décision. Concrètement, il récupère des exports ou interroge des bases, nettoie et relie les tables, calcule des indicateurs (chiffre d’affaires, marge, taux de conversion, délais) et les présente dans des tableaux de bord que les équipes consultent pour piloter leur activité. Ce parcours vous fait passer de l’utilisation courante d’Excel à la production de rapports Power BI publiés et actualisés automatiquement.

Le métier de data analyst : missions et profils

Selon les organisations, le poste porte aussi le nom d’analyste BI, de chargé de reporting ou de contrôleur de gestion orienté données. Les missions se recoupent largement :

• collecter les données depuis un ERP, un CRM, des fichiers Excel ou une base SQL ;
• préparer ces données : supprimer les doublons, harmoniser les formats, fusionner des sources ;
• modéliser en reliant tables de faits et tables de dimensions ;
• calculer des indicateurs fiables et comparables d’une période à l’autre ;
• restituer les résultats sous forme de rapports lisibles, puis accompagner leur lecture.

Le parcours s’adresse aux personnes qui produisent déjà des reportings sous Excel et veulent les fiabiliser, aux profils en reconversion attirés par la donnée, et aux managers qui souhaitent comprendre ce que leurs équipes construisent. Aucun prérequis technique n’est demandé, sinon une aisance générale avec l’ordinateur.

Les compétences visées, et pourquoi dans cet ordre

L’ordre des étapes suit la chaîne de traitement d’une donnée, de la cellule au rapport partagé.

1. Les fondamentaux d’Excel d’abord, avec le guide des bases d’Excel pour débutant : sans références absolues ni tableaux structurés, tout le reste devient fragile.
2. Le tableau croisé dynamique, présenté dans le guide du TCD Excel, est le premier outil d’analyse : il apprend à raisonner en dimensions et en mesures.
3. Power Query et Power Pivot introduisent la préparation automatisée et le modèle de données. C’est la charnière du parcours : ces deux briques utilisent exactement la même logique que Power BI.
4. SQL permet d’aller chercher la donnée à la source, sans dépendre d’un export manuel. Le guide des requêtes SQL avec exemples couvre ce qu’un analyste écrit au quotidien.
5. Power BI Desktop rassemble ces acquis dans un seul outil ; la feuille de route pour apprendre Power BI en détaille chaque composant.
6. Le DAX transforme un modèle en indicateurs métier : cumuls, comparaisons à l’année précédente, parts de marché.
7. Power BI Service clôt le parcours : un rapport n’a de valeur que s’il est partagé, actualisé et sécurisé.

Notre conseil : ne sautez pas l’étape Power Query dans Excel, même si Power BI vous attire. En formation, la plupart des blocages rencontrés en DAX viennent d’un modèle mal construit, et c’est là qu’on apprend à le construire correctement.

Comment suivre le parcours efficacement

Travaillez avec un jeu de données unique du début à la fin, idéalement issu de votre activité : ventes, achats, heures, tickets de support. Vous le nettoierez dans Excel, l’analyserez en TCD, le chargerez dans une base pour vous exercer en SQL, puis le modéliserez dans Power BI. Voir le même fichier évoluer d’un outil à l’autre rend les différences très concrètes.

Côté rythme, trois à cinq heures par semaine suffisent, à condition de pratiquer après chaque vidéo. Une règle simple : chaque étape doit produire un livrable, par exemple un TCD avec segments, une requête Power Query actualisable, un rapport de deux pages. Ces livrables forment ensuite un petit portfolio que vous pouvez présenter.

Gardez un fichier de notes avec les formules DAX et les requêtes SQL qui ont fonctionné. Il vous servira de référence bien plus sûrement que des favoris.

Ce que le parcours ne couvre pas, et pour aller plus loin

Le parcours se concentre sur l’écosystème Microsoft, le plus répandu en entreprise pour le reporting. Il ne traite pas la programmation ni la data science. Pour aller plus loin :

• approfondir le SQL côté base de données avec le guide pour apprendre SQL avec SQL Server ;
• soigner la restitution avec les visuels Power BI ou le tableau de bord Excel ;
• découvrir la plateforme unifiée de Microsoft avec Microsoft Fabric ;
• passer à l’automatisation et à l’analyse par le code avec Python, puis le machine learning.

Tous les guides d’analyse sont regroupés dans les pages Power BI et data visualisation, Excel et SQL, Python et bases de données. Si votre objectif est plutôt de gagner du temps sur les tâches répétitives que de produire des analyses, le parcours automatisation no-code sera plus adapté.