Emplois Data Analyst à Marseille 2026: Guide Candidature

Tu veux un job de Data Analyst à Marseille en 2026, mais tu as l’impression que toutes les offres demandent SQL, Python, Power BI, Tableau, 3 ans d’expérience, un master, une certification cloud, et peut-être aussi de savoir piloter un sous-marin. Respire. Le marché est exigeant, oui, mais il est loin d’être fermé. Si tu sais te positionner proprement, adapter ton CV, et parler business au lieu de réciter des mots-clés, tu peux vraiment te démarquer.

Emplois Data Analyst à Marseille 2026: Guide Candidature#

Marseille bouge fort côté data. Ce n’est pas Paris, donc tu n’auras pas le même volume d’offres qu’en Île-de-France, mais tu as un vrai mix intéressant : grands groupes, santé, transport, énergie, retail, startups, secteur public, portuaire, assurance, banque, tourisme.

Le truc à comprendre, c’est que les recruteurs marseillais cherchent rarement “juste quelqu’un qui fait des dashboards”. Ils veulent quelqu’un qui comprend les chiffres, les métiers, et qui peut aider une équipe à prendre de meilleures décisions sans transformer chaque réunion en cours de statistiques.

Dans ce guide, on va voir :

1. Où sont les vrais postes Data Analyst à Marseille en 2026.
2. Les compétences qui font vraiment la différence.
3. Les salaires réalistes.
4. Comment adapter ton CV et LinkedIn.
5. Comment répondre aux offres sans perdre ton temps.
6. Comment réussir les entretiens techniques et métier.

Le marché Data Analyst à Marseille en 2026#

Marseille n’est plus seulement une ville de services, de tourisme et de logistique. La région Aix-Marseille-Provence attire de plus en plus d’équipes data, surtout grâce à quelques secteurs très actifs.

Tu peux trouver des postes dans :

• L’énergie, avec des acteurs comme TotalEnergies, Engie ou des filiales régionales.
• La banque et l’assurance, avec BNP Paribas, Crédit Agricole, Société Générale, AXA.
• La santé, avec les hôpitaux, mutuelles, biotech, scale-ups santé, et des entreprises comme Doctolib qui recrutent parfois en remote ou hybride.
• La logistique et le transport, très forts autour du Grand Port Maritime de Marseille, CMA CGM, Chronopost, La Poste, Transdev.
• Le retail et la beauté, avec des équipes liées à L’Oréal, Sephora, Decathlon, Carrefour ou des prestataires data locaux.
• Le numérique, avec des ESN, agences data, startups SaaS, fintech, greentech.

La bonne nouvelle, c’est que le métier de Data Analyst est devenu utile partout. La mauvaise, c’est que les entreprises mettent parfois tout et n’importe quoi dans les offres.

Tu verras des annonces qui mélangent :

• Data Analyst
• Business Analyst
• BI Analyst
• Data Product Analyst
• Marketing Data Analyst
• Financial Data Analyst
• Data Consultant
• Reporting Analyst
• Revenue Analyst

Ne te bloque pas sur le titre. Lis les missions. Si ça parle d’analyse, SQL, dashboard, KPI, segmentation, reporting, optimisation, prévisions, c’est potentiellement pour toi.

Les entreprises à surveiller à Marseille et autour#

Pour ta recherche, pense en zones. Marseille intra-muros, Aix-en-Provence, Aubagne, Vitrolles, Marignane, La Ciotat et parfois Sophia Antipolis si tu es ouvert à l’hybride.

Voici les types d’employeurs à cibler.

Grands groupes et filiales

Les grands groupes offrent souvent des postes plus structurés, avec des outils déjà en place. Tu peux y apprendre les process, les standards de reporting, et bosser avec des volumes de données sérieux.

Exemples à surveiller :

• TotalEnergies, surtout sur la performance, l’énergie, la finance, les opérations.
• BNP Paribas, pour les analyses risque, marketing, client, conformité.
• CMA CGM, très intéressant pour la logistique, les flux, le pricing, la supply chain.
• Airbus Helicopters à Marignane, pour l’analyse industrielle, qualité, maintenance.
• Orange, pour les données clients, réseau, vente, support.
• L’Oréal, pas forcément basé à Marseille, mais des postes hybrides ou régionaux peuvent tomber côté retail, marketing, e-commerce.

Dans ces structures, ton CV doit être clean, très orienté résultats, et compatible ATS. Ils reçoivent beaucoup de candidatures, donc les mots-clés comptent énormément.

Startups et scale-ups

Là, tu peux avoir plus d’impact, plus vite. Tu touches souvent à plusieurs sujets : acquisition, produit, finance, CRM, data quality, automatisation.

Regarde les entreprises tech françaises qui recrutent en hybride ou remote depuis Marseille :

• Doctolib, pour la santé et le produit.
• BlaBlaCar, pour marketplace, pricing, comportement utilisateur.
• Back Market, pour e-commerce, supply, pricing, performance.
• Ledger, pour produit, sécurité, finance, opérations.
• Qonto, Swile, Alan, Malt, PayFit, même si le siège est souvent à Paris.

Le point clé avec les startups : elles aiment les profils autonomes. Pas besoin d’être un génie, mais tu dois montrer que tu sais partir d’une question floue et produire une analyse utile.

Exemple : “Pourquoi la conversion baisse sur mobile à Marseille depuis deux semaines ?” Tu dois savoir chercher, nettoyer, comparer, visualiser, expliquer.

ESN et cabinets de conseil data

Les ESN recrutent beaucoup de Data Analysts, surtout autour d’Aix-Marseille. Tu peux tomber sur des missions chez des grands comptes, parfois très formatrices.

Exemples :

• Capgemini
• Sopra Steria
• CGI
• Accenture
• Inetum
• Talan
• Business & Decision

Avantage : elles sont souvent ouvertes aux profils juniors si tu as SQL, Power BI, une bonne présentation, et une logique business.

Inconvénient : les missions peuvent varier. Pose bien tes questions en entretien : client final, outils utilisés, durée de mission, taille de l’équipe, télétravail.

Les compétences Data Analyst qui comptent vraiment en 2026#

Tu n’as pas besoin de tout savoir. Mais tu dois avoir un socle solide.

Si tu veux être crédible sur le marché marseillais, vise ce combo :

1. SQL solide
2. Excel ou Google Sheets avancé
3. Power BI ou Tableau
4. Bases en Python
5. Sens business
6. Communication claire

SQL, ton vrai passeport

SQL reste la compétence numéro 1. Si tu dois choisir entre apprendre un outil très tendance et devenir meilleur en SQL, choisis SQL.

Tu dois savoir faire :

• SELECT, WHERE, GROUP BY, ORDER BY
• JOIN propres
• CTE
• Window functions
• CASE WHEN
• Agrégations
• Nettoyage simple
• Détection de doublons
• Analyse de cohortes basique

En entretien, on peut te demander :

• Le chiffre d’affaires mensuel par ville.
• Le taux de rétention à 30 jours.
• Les clients qui ont commandé deux fois mais pas depuis 90 jours.
• Le top 10 produits par marge.
• La comparaison avant/après une campagne.

Si tu sais faire ça sans paniquer, tu es déjà mieux placé que beaucoup de candidats.

Power BI ou Tableau, choisis ton arme

À Marseille, Power BI est très demandé, surtout dans les grands groupes, la finance, l’industrie et les ESN. Tableau apparaît aussi, surtout dans les équipes marketing, produit ou internationales.

Pour Power BI, tu dois connaître :

• Import de données
• Modèle relationnel
• Mesures DAX simples
• Filtres et segments
• Graphiques lisibles
• Publication et partage
• Rafraîchissement des données

Mais attention, un dashboard joli ne suffit pas. Le recruteur veut savoir si tu comprends la décision derrière.

Mauvaise phrase : “J’ai créé un dashboard Power BI.”

Bonne phrase : “J’ai créé un dashboard Power BI pour suivre les retards de livraison par transporteur, ce qui a permis d’identifier 3 zones à problème et de réduire les retards de 12 %.”

Tu vois la différence ? Résultat, impact, métier.

Python, utile mais pas toujours obligatoire

Python est souvent demandé, mais pas toujours utilisé au quotidien. Beaucoup d’entreprises écrivent “Python” dans l’offre parce que ça fait sérieux.

Cela dit, avoir les bases te donne un avantage :

• pandas
• numpy
• matplotlib ou seaborn
• nettoyage de données
• fichiers CSV, Excel, JSON
• notebooks
• automatisation simple

Pas besoin de te vendre comme Data Scientist si tu ne l’es pas. Tu peux dire :

“J’utilise Python pour nettoyer des jeux de données, automatiser des analyses récurrentes et produire des visualisations rapides.”

C’est clair, honnête, efficace.

Le sens business, ton arme secrète

Le plus gros écart entre deux candidats n’est pas toujours technique. C’est souvent la capacité à comprendre le problème.

Un Data Analyst junior moyen dit :

“J’ai analysé les ventes.”

Un bon Data Analyst dit :

“J’ai comparé les ventes par canal, identifié une baisse de conversion sur le trafic payant, puis proposé de séparer les campagnes mobile et desktop pour mieux suivre le ROI.”

Les entreprises veulent quelqu’un qui connecte les données aux décisions.

À Marseille, c’est encore plus vrai dans les secteurs comme :

• Logistique : délais, coût, taux de remplissage, incidents.
• Énergie : consommation, performance, maintenance, prévision.
• Banque : risque, churn, scoring, rentabilité.
• Santé : rendez-vous, parcours patient, disponibilité, satisfaction.
• Retail : panier moyen, stock, marge, fidélité.

Salaires Data Analyst à Marseille en 2026#

On va parler vrai. Les salaires à Marseille sont souvent un peu plus bas qu’à Paris, mais le coût de la vie peut aussi être plus doux selon ton quartier et ton mode de vie.

Voici des fourchettes réalistes en brut annuel.

Junior, 0 à 2 ans d’expérience

Tu peux viser :

• 32k€ à 38k€ en entreprise classique.
• 35k€ à 42k€ en ESN ou grand groupe.
• 34k€ à 40k€ en startup selon financement et niveau technique.

Si tu as une alternance solide, un portfolio propre, SQL + Power BI, et que tu sais parler métier, ne te sous-vends pas à 28k€.

Confirmé, 2 à 5 ans d’expérience

Fourchette fréquente :

• 42k€ à 52k€.
• Jusqu’à 55k€ si tu as un vrai niveau SQL, BI, data product ou finance.
• 50k€ à 58k€ si tu bosses en remote pour une entreprise parisienne comme Doctolib, Back Market, BlaBlaCar ou Ledger.

À ce niveau, on attend de toi que tu sois fiable. Tu dois savoir cadrer une demande, challenger un KPI, livrer une analyse propre, et présenter tes résultats sans tourner autour du pot.

Senior, 5 ans et plus

Tu peux viser :

• 55k€ à 65k€ à Marseille ou Aix.
• 65k€ à 75k€ en remote ou hybride avec une entreprise parisienne.
• 70k€ et plus si tu es proche d’un rôle Analytics Engineer, Data Product Manager ou Lead Data Analyst.

À partir de senior, tu n’es plus payé seulement pour faire des requêtes. Tu es payé pour éviter aux équipes de prendre de mauvaises décisions.

Comment construire un CV Data Analyst qui passe les filtres#

Ton CV doit faire deux choses :

1. Passer les logiciels de tri.
2. Donner envie à un humain de t’appeler.

Les ATS, les outils qui scannent les CV, cherchent des mots-clés. Les recruteurs, eux, cherchent une preuve que tu peux faire le job.

Mets un titre clair

Évite les titres vagues comme :

• “Passionné par la data”
• “Profil analytique”
• “Consultant junior”

Mets plutôt :

• “Data Analyst Junior, SQL, Power BI, Python”
• “Data Analyst Marketing, SQL, Tableau, GA4”
• “BI Data Analyst, Power BI, DAX, SQL”
• “Data Analyst Supply Chain, SQL, Python, Power BI”

Si tu postules à CMA CGM ou à une entreprise logistique, “Data Analyst Supply Chain” peut être plus puissant que “Data Analyst généraliste”.

Ton résumé doit être court et concret

Exemple :

“Data Analyst avec 2 ans d’expérience en analyse commerciale et reporting Power BI. Solide maîtrise de SQL, Excel avancé et Python pour le nettoyage de données. Habitué à créer des dashboards de suivi des ventes, analyser la performance par canal et présenter des recommandations aux équipes métier.”

Pas besoin d’écrire un roman. Quatre lignes max.

Tes expériences doivent parler impact

Format simple :

• Action
• Outil
• Résultat

Exemples :

• “Automatisation d’un reporting hebdomadaire sous Power BI, réduction du temps de préparation de 6h à 45 min.”
• “Analyse SQL de 120 000 commandes pour identifier les causes de baisse du panier moyen, recommandations ayant contribué à une hausse de 8 %.”
• “Création d’un tableau de bord de suivi des stocks pour 15 magasins, amélioration de la visibilité sur les ruptures produits.”
• “Segmentation clients avec Python et Excel, ciblage CRM ayant augmenté le taux d’ouverture de 18 %.”

Même si tu n’as pas tous les chiffres, essaie d’estimer proprement. Si tu ne peux pas, reste factuel :

“Création d’un dashboard utilisé chaque semaine par l’équipe commerciale de 12 personnes.”

C’est déjà mieux que “création de dashboards”.

Mets une section compétences lisible

Ne fais pas un gros pavé. Organise.

Exemple :

• Langages : SQL, Python, DAX
• BI : Power BI, Tableau, Looker Studio
• Data : nettoyage, modélisation, KPI, A/B testing, segmentation
• Outils : Excel avancé, Google Sheets, GA4, BigQuery, Git
• Métiers : marketing, finance, supply chain, produit

Adapte cette section à chaque offre. Oui, c’est un peu chiant. Mais ça marche.

Portfolio Data Analyst : quoi montrer si tu es junior#

Si tu es junior, en reconversion ou en sortie d’école, ton portfolio peut te sauver.

Pas besoin d’avoir 12 projets. Mieux vaut 3 projets propres que 15 notebooks abandonnés.

Projet 1 : analyse commerciale

Prends un dataset e-commerce et réponds à des questions concrètes :

• Quel est le chiffre d’affaires mensuel ?
• Quels produits ont la meilleure marge ?
• Quels clients reviennent le plus ?
• Quels canaux convertissent le mieux ?
• Où perd-on de l’argent ?

Livrables :

• Requêtes SQL
• Dashboard Power BI
• Résumé de 10 lignes avec recommandations

Projet 2 : analyse marketing ou produit

Tu peux analyser :

• Acquisition
• Funnel de conversion
• Rétention
• Cohortes
• Churn
• Panier moyen

Exemple de projet :

“Analyse de la rétention des utilisateurs d’une application de covoiturage type BlaBlaCar.”

Tu peux montrer :

• Taux d’activation
• Utilisateurs actifs à J+7 et J+30
• Différences par ville
• Hypothèses d’amélioration

Projet 3 : analyse logistique ou supply chain

À Marseille, c’est très malin, parce que la logistique est forte localement.

Exemple :

“Analyse des retards de livraison et performance transporteur.”

Tu peux mesurer :

• Délai moyen
• Taux de retard
• Coût par transporteur
• Zones les plus problématiques
• Impact sur la satisfaction client

Même avec des données fictives ou publiques, ce type de projet montre que tu comprends l’économie locale.

Où chercher des offres Data Analyst à Marseille#

Ne te limite pas à LinkedIn. Tout le monde y est, donc la concurrence est forte.

Utilise plusieurs sources :

• LinkedIn Jobs
• Indeed
• Welcome to the Jungle
• Apec
• HelloWork
• Glassdoor
• ChooseMyCompany
• Sites carrières des entreprises
• Cabinets de recrutement spécialisés data
• Groupes LinkedIn data région PACA
• Événements French Tech Aix-Marseille

Sur LinkedIn, teste plusieurs requêtes :

• “Data Analyst Marseille”
• “BI Analyst Marseille”
• “Power BI Marseille”
• “Analyste données Marseille”
• “Consultant BI Aix-en-Provence”
• “Data Analyst remote France”
• “Business Analyst SQL Marseille”
• “Reporting Analyst Marseille”

Active les alertes, mais ne te contente pas de candidater en automatique. Les meilleures candidatures sont souvent celles envoyées dans les 48 premières heures.

Comment répondre à une offre sans envoyer 100 CV dans le vide#

Tu n’as pas besoin de postuler à 80 offres par semaine. Tu as besoin de postuler mieux.

Voici une méthode simple.

Étape 1 : repère les mots-clés

Lis l’offre et note :

• Outils demandés : SQL, Power BI, Tableau, Python, BigQuery.
• Missions : reporting, KPI, analyse ventes, segmentation, prévision.
• Secteur : santé, banque, logistique, retail, énergie.
• Niveau : junior, confirmé, senior.
• Soft skills : communication, autonomie, esprit d’analyse.

Ensuite, tu ajustes ton CV avec ces termes exacts si c’est vrai pour toi.

Étape 2 : personnalise les 5 premières lignes

Le recruteur regarde vite. Très vite.

Ton haut de CV doit dire immédiatement :

• Qui tu es.
• Ce que tu sais faire.
• Pourquoi tu colles à l’offre.

Exemple pour une offre chez une entreprise logistique :

“Data Analyst avec expérience en reporting opérationnel, SQL et Power BI. Intérêt fort pour les problématiques supply chain, performance transport et optimisation des délais. Habitué à transformer des données brutes en indicateurs clairs pour les équipes métier.”

Étape 3 : écris un message court

Pas besoin d’une lettre de motivation de 700 mots.

Exemple :

“Bonjour, je vous contacte pour le poste de Data Analyst à Marseille. Mon profil correspond bien aux besoins SQL, Power BI et analyse de KPI opérationnels. J’ai notamment automatisé un reporting hebdomadaire et construit des dashboards utilisés par les équipes commerciales. Je serais ravi d’échanger sur vos enjeux data et la manière dont je peux contribuer.”

Simple. Propre. Humain.

Réussir l’entretien Data Analyst#

Un entretien Data Analyst mélange souvent trois choses :

1. Technique
2. Métier
3. Communication

Tu dois préparer les trois.

Questions techniques fréquentes

On peut te demander :

• Explique une jointure SQL.
• Quelle différence entre LEFT JOIN et INNER JOIN ?
• Comment calculer un taux de conversion ?
• Comment détecter des doublons ?
• Comment traiter des valeurs manquantes ?
• Quelle visualisation choisir pour comparer des ventes mensuelles ?
• Qu’est-ce qu’un KPI utile ?
• Comment valider la qualité d’une donnée ?

Prépare des réponses simples. Si tu expliques trop compliqué, tu perds ton interlocuteur.

Cas pratique possible

Tu peux recevoir un fichier Excel ou un dataset et devoir produire une analyse.

Le piège, c’est de foncer dans les graphiques. Fais plutôt :

1. Comprendre la question.
2. Vérifier les colonnes.
3. Contrôler les valeurs manquantes.
4. Chercher les anomalies.
5. Produire 3 à 5 insights.
6. Donner des recommandations.
7. Mentionner les limites de l’analyse.

Un bon cas pratique ne montre pas seulement que tu sais cliquer. Il montre que tu réfléchis.

Questions métier

Exemples :

• Comment expliquerais-tu une baisse du chiffre d’affaires ?
• Quels KPI suivrais-tu pour une marketplace ?
• Comment mesurer l’efficacité d’une campagne marketing ?
• Quels indicateurs pour améliorer la livraison ?
• Comment prioriser deux demandes urgentes de dashboard ?

Réponds toujours avec structure.

Exemple :

“Je commencerais par segmenter la baisse : période, canal, produit, région, type de client. Ensuite je vérifierais si le problème vient du trafic, du taux de conversion, du panier moyen ou de la rétention. Puis je comparerais avec les périodes précédentes et les campagnes en cours.”

Ça donne confiance.

LinkedIn : ton CV vivant#

À compétences égales, un profil LinkedIn propre peut faire la différence.

Optimise surtout :

• Titre
• À propos
• Expériences
• Compétences
• Projets
• Recommandations

Ton titre peut être :

“Data Analyst | SQL, Power BI, Python | Analyse business & dashboards”

Dans ton “À propos”, écris comme un humain :

“J’aide les équipes à transformer leurs données en décisions concrètes. Je travaille principalement avec SQL, Power BI, Excel et Python, avec un intérêt particulier pour les sujets business, marketing et supply chain. Je recherche un poste Data Analyst à Marseille, Aix-en-Provence ou en hybride.”

Ajoute tes projets en lien GitHub, Notion, Power BI public si possible. Même un PDF propre vaut mieux que rien.

Erreurs qui coûtent des entretiens#

Voici les erreurs que tu dois éviter.

1. Envoyer le même CV partout

Si tu envoies le même CV à BNP, CMA CGM, Doctolib et une ESN, tu rates des occasions. Chaque entreprise a ses enjeux.

Banque : risque, conformité, client, rentabilité.

Logistique : flux, délais, coûts, performance.

Santé : disponibilité, parcours, satisfaction, qualité.

Retail : ventes, stock, marge, fidélité.

Adapte au moins ton titre, ton résumé et tes compétences.

2. Te vendre trop technique

Dire “je maîtrise pandas, numpy, SQL, DAX” c’est bien. Mais ce n’est pas suffisant.

Ajoute toujours l’usage :

• Pour analyser quoi ?
• Pour aider qui ?
• Pour améliorer quel indicateur ?

3. Ne pas connaître les salaires

Si on te demande tes prétentions, sois prêt.

Tu peux répondre :

“Vu mon niveau, mes compétences SQL et Power BI, et le marché à Marseille, je vise une fourchette autour de 38k€ à 42k€ brut annuel, selon les missions, le télétravail et les avantages.”

Pour un profil confirmé :

“Je vise plutôt 48k€ à 55k€, selon le niveau de responsabilité, la stack data et le périmètre métier.”

C’est clair, posé, professionnel.

4. Ignorer les offres hybrides et remote

Ne te limite pas à “Marseille uniquement”. Beaucoup d’entreprises françaises recrutent en remote partiel depuis la province.

Tu peux vivre à Marseille et travailler pour une entreprise basée à Paris, Lyon ou même à l’étranger. C’est souvent là que les salaires montent.

Cherche :

• “Data Analyst remote France”
• “Data Analyst télétravail”
• “Analytics Analyst remote”
• “BI Analyst hybride”

Plan d’action sur 30 jours#

Si tu veux avancer sans te disperser, suis ce plan.

Semaine 1 : clarifie ton positionnement

Choisis 1 ou 2 angles :

• Data Analyst Marketing
• Data Analyst Supply Chain
• BI Analyst Power BI
• Data Analyst Finance
• Product Data Analyst

Puis ajuste ton CV et LinkedIn autour de ça.

Semaine 2 : renforce ton portfolio

Crée ou améliore 2 projets :

• Un dashboard Power BI propre.
• Une analyse SQL documentée.
• Un mini cas business avec recommandations.

Ajoute un lien dans ton CV.

Semaine 3 : candidatures ciblées

Postule à 15 à 25 offres bien choisies.

Pour chaque offre :

• CV adapté.
• Message court.
• Suivi dans un tableau.
• Relance après 7 jours si pas de réponse.

Semaine 4 : préparation entretiens

Prépare :

• 10 questions SQL.
• 5 exemples de projets.
• 3 histoires avec résultats.
• Tes prétentions salariales.
• Tes questions à poser au recruteur.

Questions à poser :

• Quels sont les principaux KPIs suivis par l’équipe ?
• Quelle est la stack data actuelle ?
• Qui utilise les dashboards ?
• Quel est le niveau de maturité data de l’entreprise ?
• Quels seraient mes objectifs sur les 3 premiers mois ?

Ces questions montrent que tu penses comme quelqu’un qui va vraiment bosser avec eux.

Le mot de la fin#

Trouver un emploi Data Analyst à Marseille en 2026, ce n’est pas juste cocher SQL, Power BI et Python sur ton CV. C’est montrer que tu sais transformer des données en décisions utiles, dans un contexte business réel.

Tu n’as pas besoin d’être parfait. Tu dois être lisible, crédible, préparé, et cohérent avec les offres que tu vises.

Commence par ton CV. C’est souvent lui qui bloque avant même que quelqu’un découvre ton potentiel. Vérifie qu’il passe les filtres ATS, qu’il contient les bons mots-clés, et qu’il montre ton impact clairement.

Avant ta prochaine candidature, teste ton CV gratuitement ici : https://jobrise.io/fr/free-ats-checker/