Vvanova

Tech · CV Analytics Engineer

Analytics Engineer.

L'analytics engineer est devenu le rôle pivot de la modern data stack : il construit la couche de transformation (dbt), modélise les tables business, et porte la gouvernance des KPIs. Son CV se juge sur la maîtrise dbt + cloud warehouse + BI, et la qualité de la documentation produite.

Pourquoi ce CV se joue différemment

Le rôle est encore mal compris par beaucoup de recruteurs. Précise explicitement « analytics engineer » dans ton titre. Cite dbt, Snowflake/BigQuery, et au moins un outil de BI consommé en aval. Sans cette précision, tu paries data analyst senior et tu rates 15-25% du salaire.

Compétences que les recruteurs cherchent

Hard skills

  • · dbt avancé (sources, models, macros, packages, tests)
  • · SQL avancé (CTEs, window functions, query plans)
  • · Modélisation analytique (Kimball, OBT, data vault)
  • · Cloud warehouse (Snowflake, BigQuery, Redshift, Databricks)
  • · Orchestration (Airflow, dbt Cloud)
  • · Tests data (dbt tests, Great Expectations, Soda)
  • · Documentation et data catalog (dbt docs, DataHub, Atlan)
  • · Outils BI consommateurs (Looker, Tableau, Power BI, Metabase)
  • · Python pour scripting analytique
  • · Git workflow et PR review

Soft skills

  • · Pédagogie avec analystes business
  • · Documentation rigoureuse
  • · Curiosité métier (comprendre les KPIs)
  • · Communication async
  • · Rigueur sur la qualité data

Outils

  • · dbt Core / dbt Cloud
  • · Snowflake / BigQuery / Databricks
  • · Looker / Tableau / Power BI
  • · Git / GitHub / GitLab
  • · Slack / Notion / Confluence

Structure de CV à respecter

  1. 01

    Titre explicite

    « Analytics Engineer — dbt + Snowflake + Looker ». Mentionne explicitement « analytics engineer » — c'est ce qui te démarque.

  2. 02

    Métriques de la couche AE

    « 142 modèles dbt en prod, couverture tests 84%, 12 analystes consommateurs, fraîcheur H-2 ». Ces chiffres calibrent ton XP.

  3. 03

    Expériences avec maturité stack

    Précise greenfield (tu as monté la stack from scratch) vs opéré sur stack existante. Les deux sont valables — signaux différents.

  4. 04

    Projets gouvernance + qualité

    Mise en place de tests data, data catalog, refonte KPIs business, formation des analystes. Vrais signaux de senior.

  5. 05

    Formation + certifications

    École info / stats / ingé. Certifs dbt Analytics Engineer, SnowPro Core, Looker LookML Developer. Vrais signaux pour la grille.

Bullets : avant / après

  • Refonte couche AE

    Faible

    J'ai refondu la couche analytics.

    Fort

    Pilote refonte de la couche analytique (8 schémas legacy → 42 modèles dbt structurés Kimball) — temps de delivery analyse business -68%, 100% des modèles testés, 14 analystes consommateurs autonomes en 4 mois.

  • Mise en place tests data

    Faible

    J'ai mis en place les tests data.

    Fort

    Déploiement framework tests dbt + Great Expectations sur 86 modèles core business — couverture passée de 12% à 91% en 6 mois, 0 incident silencieux production sur 2 quarters consécutifs, satisfaction métier +1.4/5.

  • Documentation business

    Faible

    J'ai documenté les modèles.

    Fort

    Pilote programme documentation dbt + glossaire business (DataHub + Notion partagé) — 280 champs documentés, 92% des KPIs business avec définition partagée, support tickets data divisé par 3.

Erreurs qui coûtent l'entretien

  • Pas de mention dbt

    Sans dbt, ton CV ne convainc pas pour un poste AE. C'est l'outil de référence — investis 1-2 mois et un projet perso.

  • Confusion avec data analyst

    Si tu fais surtout des dashboards Looker/Tableau, tu es plus data analyst. AE = couche de transformation + modélisation.

  • Pas de pratique tests data

    Un AE sans tests data = AE incomplet. Cite ta stratégie de tests (dbt tests, contracts, Great Expectations).

  • Pas de KPI business cité

    Tu construis des modèles consommés par des analystes et décisionnaires. Mentionne au moins 1 KPI critique business que tu portes.

Fourchettes salariales France

Junior

40–52 K€ brut (Paris) / 34–45 K€ (province)

Confirmé

52–72 K€ brut (3-5 ans, scale-up data-first)

Senior

72–95 K€ brut (lead AE, head of analytics engineering) — scale-ups jusqu'à 110K€+

Scale-ups data-first (Doctolib, Aircall, Mirakl, Pigment, Qonto) : 60-90 K€ mid. Cabinets data : 50-75 K€. Grands groupes : 45-70 K€, plus structuré. Freelance AE : TJM 600-900€.

Mots-clés ATS à intégrer

Les ATS scannent ces termes. Si ton CV n'en contient aucun, il passe sous le radar — même si tu es qualifié.

analytics engineerdbtSQLSnowflakeBigQueryLookerTableauPower BImodelingKimballdata catalogDataHubAirflowdata governance

Compose ton CV Analytics Engineer.

L'IA Vanova structure, propose les bons mots-clés ATS, met en page proprement. Dix minutes.