Emplois Data Analyst à Geneve 2026: Guide Candidature

Tu vois passer des offres de Data Analyst à Genève, tu te dis “ça paie bien, c’est international, je peux le faire”, puis tu ouvres l’annonce et là, douche froide : SQL, Python, Power BI, anglais C1, finance, pharma, stakeholder management, “minimum 3 ans d’expérience”. Et toi, tu te demandes si ton CV va seulement être lu par un humain.

Bonne nouvelle : en 2026, Genève reste une ville très intéressante pour les profils data. Mauvaise nouvelle : la concurrence est sérieuse, les recruteurs filtrent vite, et un CV générique se fait sortir en 10 secondes.

Dans ce guide, on va voir comment te positionner, quels salaires viser, quelles entreprises regarder, comment adapter ton CV, et surtout comment candidater sans envoyer 80 dossiers dans le vide.

Pourquoi Genève attire autant les Data Analysts en 2026#

Genève, ce n’est pas seulement les banques privées et les montres chères. C’est aussi un gros centre pour :

• la finance,
• les organisations internationales,
• le trading de matières premières,
• la santé,
• les ONG,
• le luxe,
• les assurances,
• la tech B2B.

Pour un Data Analyst, ça veut dire une chose simple : il y a beaucoup de données, beaucoup de décisions business à prendre, et beaucoup de managers qui ont besoin de tableaux clairs.

Tu peux travailler sur des sujets très différents :

1. Analyse de performance commerciale.
2. Reporting financier.
3. Prévision de demande.
4. Analyse de risques.
5. Tableaux de bord RH.
6. Suivi de campagnes marketing.
7. Données clients.
8. Qualité de données.
9. Automatisation de rapports.
10. Analyse opérationnelle.

Et comme Genève est internationale, beaucoup d’équipes bossent en anglais. Si tu viens de France, de Belgique, du Canada, du Maroc, de Côte d’Ivoire, du Sénégal ou d’ailleurs, ton profil peut intéresser, surtout si tu sais montrer ton impact.

Le marché Data Analyst à Genève en 2026#

Le marché est bon, mais il n’est pas “facile”. Les entreprises ont compris que la data est utile, mais elles veulent des profils capables d’aller plus loin que juste sortir un graphique.

En 2026, les recruteurs cherchent souvent quelqu’un qui peut :

• comprendre un besoin métier,
• récupérer les données,
• les nettoyer,
• faire une analyse fiable,
• construire un dashboard,
• expliquer les conclusions simplement,
• proposer des actions.

En gros, tu n’es pas payé juste pour faire du SQL. Tu es payé pour aider une équipe à prendre une meilleure décision.

Les secteurs qui recrutent le plus autour de Genève :

Finance et banque privée

Genève reste très forte en banque privée, asset management, compliance, risk, reporting réglementaire et analyse financière.

Tu peux trouver des postes chez BNP Paribas, UBS, Lombard Odier, Pictet, Crédit Agricole CIB ou Société Générale Private Banking.

Les missions typiques :

• analyser les portefeuilles clients,
• suivre les risques,
• construire des rapports de performance,
• détecter des anomalies,
• automatiser des fichiers Excel historiques,
• aider les équipes compliance.

Organisations internationales et ONG

Genève accueille de nombreuses institutions : ONU, OMS, OIT, CICR, HCR, OMC, ISO, Gavi, Médecins Sans Frontières.

Les postes data y sont parfois très demandés, mais les contrats peuvent varier : CDI, CDD, missions, consulting, postes projet.

Les sujets peuvent être passionnants :

• santé publique,
• données humanitaires,
• impact social,
• statistiques pays,
• suivi de programmes,
• visualisation pour décideurs.

Pharma, santé et biotech

La Suisse romande est très active dans la santé. Même si Bâle est plus connue pour la pharma, Genève et Lausanne ont aussi de belles opportunités.

Tu peux viser des entreprises comme Roche, Novartis, Merck, Firmenich, SGS, ou des startups santé proches de Lausanne.

Les besoins data :

• analyse de données cliniques,
• reporting qualité,
• données supply chain,
• performance commerciale,
• suivi réglementaire,
• dashboards pour équipes médicales ou business.

Luxe, retail et consumer goods

Autour de Genève, tu as des groupes liés au luxe, aux cosmétiques, à la distribution et aux biens de consommation. L’Oréal a des équipes en Suisse, Richemont est très présent, et plusieurs marques horlogères recrutent des profils data.

Les missions :

• analyse de ventes,
• segmentation client,
• suivi e-commerce,
• performance boutiques,
• prévisions,
• reporting marketing.

Tech et scale-ups

Genève n’est pas Paris, mais l’écosystème tech existe. Et si tu élargis un peu vers Lausanne, Zurich ou le remote suisse, tu trouves des boîtes intéressantes.

Des entreprises comme Doctolib, BlaBlaCar, Back Market ou Ledger ne sont pas toutes basées à Genève, mais elles donnent de bons repères sur ce que les recruteurs tech attendent : autonomie, métriques produit, SQL solide, dashboards propres, culture business.

Si tu candidates dans une scale-up suisse, montre que tu sais travailler avec des équipes produit, sales ou marketing.

Salaires Data Analyst à Genève en 2026#

On va parler concret, parce que tu ne candidates pas juste pour “rejoindre une aventure humaine”.

À Genève, les salaires sont plus élevés qu’en France, mais le coût de la vie est aussi violent. Il faut donc regarder le brut annuel, mais aussi ton statut, ton lieu de résidence, et tes charges.

Voici des fourchettes réalistes en 2026 pour un Data Analyst à Genève :

En euros, selon le taux de change, tu peux souvent voir des équivalents proches de €78k à €165k. Oui, ça fait rêver quand tu compares à un poste à €42k à Lyon ou €48k à Paris.

Mais attention.

Si tu vis à Genève, loyer, assurance santé, sorties et frais quotidiens montent vite. Si tu es frontalier côté France, par exemple à Annemasse, Ferney-Voltaire, Saint-Julien-en-Genevois ou Gex, ton calcul sera différent.

Salaire minimum à viser selon ton profil

Si tu es junior avec un bon portfolio, SQL propre, Power BI ou Tableau, et un stage solide, ne te brade pas sous CHF 75k.

Si tu as 3 ans d’expérience, que tu sais parler métier, construire des dashboards utiles et automatiser des analyses, vise au moins CHF 95k.

Si tu viens de la finance, du consulting, de la pharma ou d’une boîte data-driven comme Doctolib, Back Market ou BlaBlaCar, tu peux demander plus, surtout si tes résultats sont chiffrés.

Exemples de phrases simples en entretien :

• “Pour ce type de poste à Genève, avec mon expérience SQL, Power BI et reporting financier, je vise une fourchette entre CHF 95k et CHF 105k.”
• “Je suis ouvert selon le package total, mais mon objectif est autour de CHF 110k.”
• “Si le poste inclut beaucoup d’automatisation et de relation métier, je pense qu’une fourchette CHF 115k à CHF 125k est cohérente.”

Ne sois pas gêné de parler argent. À Genève, les recruteurs y sont habitués.

Les compétences vraiment demandées en 2026#

Les annonces listent souvent 25 compétences. En réalité, quelques-unes font la différence.

SQL, non négociable

SQL reste la base. Si tu veux être Data Analyst à Genève, il faut être à l’aise avec :

• SELECT, WHERE, GROUP BY,
• JOIN,
• CTE,
• window functions,
• subqueries,
• agrégations,
• qualité de données,
• optimisation de requêtes simples.

Tu n’as pas besoin d’être DBA. Mais tu dois pouvoir extraire, croiser et vérifier tes données sans paniquer.

Dans ton CV, évite juste “SQL”. Mets du concret :

• “Création de requêtes SQL pour automatiser un reporting hebdomadaire utilisé par 12 managers.”
• “Réduction de 4 heures par semaine du temps de préparation grâce à des vues SQL.”
• “Analyse de 1,2 million de lignes de données clients pour identifier les segments à forte valeur.”

Power BI, Tableau ou Looker

À Genève, Power BI est très courant dans les grands groupes. Tableau reste présent, surtout dans les organisations internationales, le consulting et certaines équipes business. Looker se voit plus dans les environnements tech.

Tu dois montrer que tu sais créer des dashboards lisibles, pas juste colorés.

Les recruteurs aiment voir :

• KPI clairs,
• filtres utiles,
• modèles de données propres,
• mesures DAX si Power BI,
• storytelling visuel,
• adoption par les utilisateurs.

Phrase CV utile :

“Développement de 8 dashboards Power BI pour suivre les ventes, la marge et les prévisions, avec adoption par 45 utilisateurs business.”

Excel, encore très vivant

Oui, Excel est toujours là. Même chez BNP, L’Oréal, TotalEnergies, Richemont ou dans des organisations internationales, tu trouveras des fichiers Excel partout.

Mais il faut le présenter intelligemment :

• Power Query,
• tableaux croisés,
• formules avancées,
• automatisation,
• nettoyage de données,
• contrôle qualité.

Si tu dis seulement “maîtrise Excel”, c’est faible. Si tu expliques que tu as remplacé un reporting manuel de 3 heures par un fichier semi-automatisé, là ça parle.

Python, un plus qui devient courant

Tous les postes Data Analyst ne demandent pas Python. Mais en 2026, c’est un gros avantage, surtout pour :

• nettoyer des données,
• automatiser des tâches,
• faire des analyses exploratoires,
• manipuler des fichiers CSV ou Excel,
• se connecter à des API,
• créer des scripts simples.

Les librairies importantes :

• pandas,
• numpy,
• matplotlib,
• seaborn,
• plotly,
• openpyxl.

Tu n’as pas besoin de te vendre comme Data Scientist si ce n’est pas vrai. Dis plutôt :

“Utilisation de Python et pandas pour automatiser la consolidation mensuelle de 15 fichiers Excel.”

Anglais professionnel

À Genève, l’anglais est souvent obligatoire. Le français est un gros plus, mais beaucoup d’équipes sont internationales.

Sur ton CV, mets un niveau clair :

• Français : courant ou natif.
• Anglais : professionnel C1.
• Allemand : B1 si tu l’as, mais ne mens pas.

Si ton anglais est correct mais pas parfait, prépare-toi à faire une partie de l’entretien en anglais. Tu peux t’entraîner sur ces questions :

• “Can you walk me through a data project you worked on?”
• “How do you make sure your analysis is reliable?”
• “How do you explain technical findings to non-technical stakeholders?”
• “Tell me about a dashboard you built and its business impact.”

Comment construire un CV Data Analyst qui passe les filtres ATS#

Avant qu’un recruteur te lise, ton CV passe souvent dans un ATS, un logiciel qui trie les candidatures. Si ton CV est mal formaté ou trop vague, tu peux être écarté même avec un bon profil.

Structure simple qui marche

Utilise cette structure :

1. Titre clair.
2. Résumé professionnel.
3. Compétences techniques.
4. Expériences.
5. Projets data.
6. Formation.
7. Langues.
8. Certifications si utiles.

Ton titre doit être direct :

• Data Analyst, SQL, Power BI, Finance
• Data Analyst Junior, Python, Tableau, Reporting
• Business Data Analyst, Retail Analytics, Power BI
• Data Analyst, Humanitarian Data, Tableau, SQL

Évite les titres flous comme “Passionné par la data” ou “Data Enthusiast”. C’est sympa sur LinkedIn, moins efficace dans un ATS.

Résumé professionnel efficace

Ton résumé doit faire 3 à 5 lignes, pas un roman.

Exemple pour profil confirmé :

“Data Analyst avec 4 ans d’expérience en reporting commercial et analyse de performance. Solide maîtrise de SQL, Power BI, Excel avancé et Python pour automatiser les analyses. Habitué à travailler avec des équipes sales, finance et direction. Recherche un poste Data Analyst à Genève dans un environnement international.”

Exemple junior :

“Data Analyst junior formé à SQL, Python, Power BI et statistiques appliquées. Expérience en stage sur l’analyse de ventes et la création de dashboards pour équipes marketing. Capable de nettoyer, analyser et présenter des données métier. Disponible pour un poste junior à Genève ou en Suisse romande.”

Compétences à mettre dans ton CV

Crée une section claire, facile à scanner :

• Langages : SQL, Python, DAX.
• BI : Power BI, Tableau, Looker Studio.
• Data : data cleaning, data visualization, KPI, reporting, A/B testing.
• Bases de données : PostgreSQL, MySQL, SQL Server, BigQuery.
• Outils : Excel, Power Query, Git, Jira.
• Métiers : finance, sales analytics, marketing analytics, supply chain, risk reporting.
• Langues : français, anglais.

Adapte cette section à chaque annonce. Si l’offre dit “Power BI, SQL Server, finance reporting”, ces mots doivent apparaître dans ton CV si tu les maîtrises vraiment.

Expériences : parle en résultats

La plus grosse erreur, c’est d’écrire des missions plates :

• “Création de dashboards.”
• “Analyse de données.”
• “Reporting mensuel.”
• “Support aux équipes.”

Ça ne suffit pas.

Transforme en impact :

• “Création de 6 dashboards Power BI pour suivre le chiffre d’affaires, la marge et le churn, utilisés par 30 commerciaux.”
• “Automatisation du reporting mensuel, réduction du temps de production de 2 jours à 4 heures.”
• “Analyse du comportement de 250 000 clients, identification de 3 segments représentant 38% du revenu.”
• “Nettoyage et consolidation de données issues de 5 sources, amélioration de la fiabilité des KPI de 22%.”
• “Mise en place d’un tableau de bord finance pour suivre CHF 12M de budget annuel.”

Les chiffres rassurent. Même si tu n’as pas les chiffres exacts, estime proprement ou donne des ordres de grandeur honnêtes.

Lettre de motivation pour Genève : courte, précise, pas scolaire#

En Suisse, la lettre de motivation peut encore compter, surtout dans les grandes entreprises, les institutions et les organisations internationales.

Mais personne ne veut lire une dissertation.

Fais simple :

1. Pourquoi ce poste.
2. Pourquoi toi.
3. Ce que tu peux apporter.
4. Une phrase de conclusion.

Exemple de structure

“Bonjour,

Je vous contacte pour le poste de Data Analyst à Genève. Votre besoin autour de l’automatisation du reporting et de l’analyse de performance correspond directement à mon expérience en SQL, Power BI et analyse commerciale.

Dans mon poste actuel, j’ai développé plusieurs dashboards utilisés par les équipes sales et finance, avec une réduction importante du temps de reporting mensuel. J’ai aussi travaillé sur la qualité de données et la définition de KPI avec des managers non techniques.

Je serais ravi d’échanger sur la manière dont je pourrais contribuer à vos projets data à Genève.

Bien cordialement,”

Tu vois, pas besoin de phrases énormes. Le recruteur veut comprendre vite si tu peux aider.

Où trouver des offres Data Analyst à Genève#

Ne te limite pas à LinkedIn. Beaucoup d’offres suisses circulent aussi ailleurs.

Regarde régulièrement :

• LinkedIn Jobs,
• Indeed Suisse,
• Jobs.ch,
• JobUp.ch,
• Glassdoor,
• sites carrières des entreprises,
• agences de recrutement spécialisées,
• cabinets de conseil,
• sites des organisations internationales.

Entreprises à surveiller

Pour Genève et Suisse romande, tu peux regarder :

• BNP Paribas Suisse,
• UBS,
• Pictet,
• Lombard Odier,
• Crédit Agricole CIB,
• Richemont,
• L’Oréal Suisse,
• MSC,
• SGS,
• Firmenich,
• Givaudan,
• TotalEnergies Trading,
• Trafigura,
• Vitol,
• Mercuria,
• CERN,
• OMS,
• ONU,
• CICR,
• Gavi,
• EPFL côté Lausanne,
• Swissquote côté Gland,
• Logitech côté Lausanne.

Certaines entreprises comme Doctolib, BlaBlaCar, Back Market ou Ledger ne sont pas forcément ton premier choix pour Genève, mais leurs offres data peuvent t’aider à comprendre les standards tech actuels : SQL poussé, analyse produit, expérimentation, dashboards actionnables.

Candidater intelligemment : moins de volume, plus de précision#

Envoyer 100 candidatures identiques, c’est tentant. Mais à Genève, ça marche mal.

Fais plutôt une méthode en 3 niveaux.

Niveau 1 : offres parfaites

Ce sont les offres où tu coches 70% à 90% des critères.

Pour celles-là :

• adapte ton CV,
• personnalise ton résumé,
• reprends les mots-clés de l’annonce,
• écris une lettre courte,
• contacte un recruteur ou un employé sur LinkedIn.

Objectif : qualité maximale.

Niveau 2 : offres proches

Tu coches 50% à 70%. Tu as le socle, mais il te manque un secteur ou un outil.

Tu peux candidater, mais sois stratégique. Si l’annonce demande Tableau et tu as Power BI, montre que tu connais la logique BI. Si elle demande finance et tu viens du retail, insiste sur les KPI, marges, prévisions, reporting direction.

Niveau 3 : offres trop loin

Si l’annonce demande 7 ans d’expérience, machine learning avancé, Spark, AWS, finance quantitative et allemand courant, alors que tu es junior Power BI, ne perds pas 2 heures dessus.

Garde ton énergie.

LinkedIn : ton CV public doit vendre la même histoire#

À Genève, les recruteurs utilisent beaucoup LinkedIn. Ton profil doit être aligné avec ton CV.

Optimise surtout :

Le titre LinkedIn

Au lieu de :

“À la recherche d’une nouvelle opportunité”

Mets :

“Data Analyst, SQL, Power BI, Python, Reporting Finance, Genève”

Ou :

“Junior Data Analyst, SQL, Tableau, Python, Data Visualization, Suisse romande”

La section Infos

Écris comme un humain :

“Je suis Data Analyst avec une expérience en reporting, SQL et Power BI. J’aime transformer des données désordonnées en tableaux de bord utiles pour les équipes business. Je cherche un poste à Genève ou en Suisse romande, dans la finance, le retail, la santé ou les organisations internationales.”

Les projets

Ajoute 2 ou 3 projets si tu es junior :

• dashboard Power BI ventes,
• analyse churn clients,
• analyse de données publiques OMS ou Banque mondiale,
• projet SQL sur base e-commerce,
• dashboard financier fictif mais propre.

Mets des captures, explique le problème, les outils, le résultat.

Préparer les entretiens Data Analyst à Genève#

Les entretiens peuvent être très structurés. Souvent, tu auras :

1. Un échange RH.
2. Un entretien manager.
3. Un test technique.
4. Un business case.
5. Un dernier entretien équipe ou direction.

Questions fréquentes

Prépare ces réponses :

• “Présente-toi.”
• “Pourquoi Genève ?”
• “Pourquoi notre entreprise ?”
• “Raconte un projet data de bout en bout.”
• “Comment vérifies-tu la qualité d’une donnée ?”
• “Comment expliques-tu une analyse à un manager non technique ?”
• “Quelle différence entre une jointure LEFT JOIN et INNER JOIN ?”
• “Comment priorises-tu plusieurs demandes de reporting ?”
• “As-tu déjà automatisé un rapport ?”
• “Quel dashboard as-tu créé dont tu es fier ?”

Méthode pour raconter un projet data

Utilise cette structure :

1. Contexte.
2. Problème.
3. Données utilisées.
4. Méthode.
5. Outils.
6. Résultat.
7. Impact business.

Exemple :

“Dans mon précédent poste, l’équipe commerciale perdait beaucoup de temps à préparer le reporting hebdomadaire. Les données venaient de Salesforce et d’Excel, avec des formats différents. J’ai nettoyé les données avec Power Query, créé un modèle Power BI et défini les KPI avec le responsable sales. Le dashboard a réduit le temps de préparation de 5 heures à moins d’une heure par semaine, et il est utilisé par 18 personnes.”

C’est clair, concret, rassurant.

Tests techniques : à quoi t’attendre#

Pour un poste Data Analyst, tu peux avoir :

• requêtes SQL,
• nettoyage de dataset,
• dashboard à construire,
• analyse Excel,
• étude de cas business,
• présentation de recommandations.

SQL

Révise :

• jointures,
• agrégations,
• CTE,
• window functions,
• dates,
• doublons,
• top N,
• taux de conversion,
• cohortes simples.

Exercice typique :

“Voici une table users et une table orders. Calcule le chiffre d’affaires mensuel, le nombre de clients actifs et le panier moyen.”

Business case

On peut te donner un fichier de ventes et demander :

• quels KPI suivre,
• quelles anomalies tu vois,
• quelles recommandations tu proposes,
• comment tu présenterais ça au directeur commercial.

Le piège, c’est de faire juste des graphiques. Il faut conclure.

Phrase utile :

“Le problème principal semble venir de la baisse du panier moyen sur le segment B2B, surtout depuis avril. Je recommanderais de vérifier les changements de pricing, les remises appliquées et la performance des commerciaux sur ce segment.”

Si tu es junior : comment entrer sur le marché genevois#

Oui, c’est plus dur. Mais pas impossible.

Tu dois compenser le manque d’expérience par des preuves visibles.

Construis un mini-portfolio

Fais 3 projets propres :

1. Dashboard ventes Power BI.
2. Analyse SQL e-commerce.
3. Projet Python avec données publiques.

Idées de datasets :

• données Banque mondiale,
• données OMS,
• données open data Suisse,
• données transport,
• données e-commerce Kaggle,
• données Airbnb,
• données COVID historiques,
• données énergie.

Pour chaque projet, écris :

• le problème,
• les données,
• les outils,
• 3 insights,
• 2 recommandations,
• une capture du dashboard.

Cible les bons intitulés

Ne cherche pas seulement “Data Analyst”. Regarde aussi :

• Junior Data Analyst,
• Reporting Analyst,
• Business Analyst Data,
• BI Analyst,
• Data Reporting Specialist,
• Marketing Analyst,
• Sales Operations Analyst,
• Finance Reporting Analyst,
• Operations Analyst,
• Data Quality Analyst.

Souvent, le titre change, mais les compétences sont proches.

Si tu viens de France : frontalier ou installation à Genève ?#

Beaucoup de candidats français visent Genève pour le salaire. C’est logique.

Mais prépare bien ton discours. Le recruteur peut se demander si tu comprends les réalités suisses : horaires, culture de travail, fiscalité, permis, transport.

Tu n’as pas besoin d’être expert juridique, mais tu dois montrer que ton projet est réfléchi.

Tu peux dire :

“Je suis mobile sur Genève et j’ai déjà étudié les options de logement et de transport. Mon projet professionnel est bien orienté vers la Suisse romande, pas seulement une candidature ponctuelle.”

Si tu es frontalier, sois clair sur ta disponibilité. Les trajets peuvent être longs. Annemasse à Genève peut être simple selon le lieu, mais Gex ou Annecy peuvent devenir fatigants selon les horaires.

Les erreurs qui coûtent des entretiens#

Voici les erreurs classiques que tu peux éviter dès aujourd’hui :

• Envoyer le même CV partout.
• Mettre un CV en format graphique illisible par les ATS.
• Écrire “Data Analyst” sans SQL visible.
• Lister 40 outils sans preuve.
• Oublier les résultats chiffrés.
• Dire “machine learning” alors que l’offre parle reporting.
• Ne pas préparer l’anglais.
• Avoir un LinkedIn vide.
• Ne pas connaître l’entreprise.
• Demander un salaire trop bas par peur.
• Ne pas relancer après candidature.
• Faire un dashboard joli mais sans conclusion.

Tu veux te démarquer ? Sois clair, spécifique, orienté impact.

Plan d’action sur 14 jours#

Si tu veux vraiment avancer, fais simple.

Jours 1 à 3 : clarification

• Choisis 3 secteurs cibles : finance, ONG, luxe, santé, tech.
• Liste 30 entreprises.
• Analyse 15 offres Data Analyst à Genève.
• Note les mots-clés qui reviennent.

Jours 4 à 6 : CV

• Refais ton titre.
• Ajoute un résumé clair.
• Mets une section compétences ATS-friendly.
• Réécris tes expériences avec chiffres.
• Ajoute 2 projets data si besoin.

Jours 7 à 9 : LinkedIn

• Change ton titre.
• Réécris ta section Infos.
• Ajoute tes outils.
• Ajoute projets et captures.
• Contacte 10 recruteurs à Genève.

Jours 10 à 14 : candidatures ciblées

• Candidate à 10 offres bien choisies.
• Personnalise chaque CV.
• Envoie 5 messages LinkedIn.
• Prépare 5 réponses d’entretien.
• Révise SQL 30 minutes par jour.

C’est moins sexy qu’un “hack secret”, mais c’est ce qui marche.

Conclusion : Genève peut être un très bon move, si ton dossier est carré#

Un poste Data Analyst à Genève en 2026 peut changer ton niveau de vie, ton réseau et ta trajectoire. Les salaires sont attractifs, les projets sont internationaux, et les secteurs sont variés.

Mais tu dois jouer sérieusement. Pas de CV flou, pas de candidature copiée-collée, pas de profil LinkedIn vide.

Tu dois montrer trois choses :

1. Tu maîtrises les bases data : SQL, BI, Excel, idéalement Python.
2. Tu comprends le business.
3. Tu peux transformer une analyse en décision utile.

Avant d’envoyer ta prochaine candidature, vérifie que ton CV passe bien les filtres ATS et qu’il contient les bons mots-clés pour Genève.

👉 Teste ton CV gratuitement ici : https://jobrise.io/fr/free-ats-checker/