Emplois Data Analyst à Nantes 2026: Guide Candidature

Tu regardes les offres de Data Analyst à Nantes et tu te dis sûrement un truc du genre : “Ok, il y a des postes, mais comment je fais pour sortir du lot sans avoir 8 ans d’expérience, 12 certifications et un doctorat en SQL ?” Rassure-toi, tu n’es pas le seul. En 2026, le marché nantais est actif, mais plus sélectif. Les recruteurs veulent des profils capables de comprendre la donnée, parler métier, automatiser un minimum et expliquer clairement leurs analyses.

Emplois Data Analyst à Nantes 2026: Guide Candidature#

Nantes attire de plus en plus de profils tech, produit, marketing et data. Entre les sièges régionaux, les scale-ups, les ESN, les acteurs de la santé, de la banque, de l’énergie et de l’e-commerce, les opportunités sont bien réelles.

Mais voilà le piège : beaucoup de candidats envoient le même CV partout.

Et ça, en 2026, c’est souvent ce qui te fait passer à côté.

Dans ce guide, on va voir :

1. Les types d’entreprises qui recrutent des Data Analysts à Nantes.
2. Les salaires réalistes en 2026.
3. Les compétences à mettre en avant.
4. Comment adapter ton CV et ton LinkedIn.
5. Comment préparer les entretiens.
6. Les erreurs qui coûtent cher.
7. Une méthode simple pour candidater mieux, pas juste plus.

Le marché Data Analyst à Nantes en 2026#

Nantes a gagné une vraie place dans la tech française. Ce n’est pas Paris, bien sûr, mais c’est justement ce qui plaît à beaucoup de candidats : un marché actif, une qualité de vie plus agréable, et des entreprises qui cherchent des profils capables d’avoir un impact concret.

Tu vas trouver des offres dans plusieurs types de structures :

• Grandes entreprises avec bureaux ou équipes régionales.
• Startups et scale-ups.
• ESN et cabinets de conseil.
• Banques, assurances et fintech.
• Santé numérique.
• Industrie et énergie.
• Retail et e-commerce.
• Secteur public et collectivités.

Des entreprises comme BNP Paribas, Crédit Agricole Technologies et Services, L’Oréal, TotalEnergies, Doctolib, BlaBlaCar, Back Market ou Ledger peuvent avoir des postes data en France, avec parfois du remote partiel ou des antennes régionales. Même si le poste n’est pas toujours basé à Nantes, beaucoup d’équipes acceptent aujourd’hui du télétravail hybride depuis l’Ouest.

À Nantes même, tu trouveras aussi des entreprises locales, des agences data, des startups B2B SaaS, des PME industrielles et des groupes avec des besoins très concrets : suivi commercial, dashboards financiers, analyse client, prévision de ventes, optimisation logistique.

Pourquoi Nantes plaît aux profils data

Nantes coche pas mal de cases :

• Ville dynamique sans le coût délirant de Paris.
• Écosystème numérique actif.
• Bon réseau d’écoles et de formations.
• Beaucoup d’entreprises en transformation digitale.
• Forte demande en BI, reporting et automatisation.
• Possibilité de travailler avec des équipes à Paris tout en vivant à Nantes.

Le truc à comprendre, c’est que toutes les offres “Data Analyst” ne se ressemblent pas.

Un poste peut être très orienté SQL et dashboards. Un autre peut demander plus de Python. Un autre encore peut être proche du marketing, du produit ou de la finance.

Donc avant de candidater, tu dois savoir quel type de Data Analyst tu veux devenir.

Les principaux types de postes Data Analyst à Nantes#

En 2026, les intitulés changent souvent, mais les missions tournent autour de quelques familles.

1. Data Analyst BI

C’est probablement le poste le plus courant.

Tu vas créer des tableaux de bord, suivre des KPI, automatiser des reportings et aider les équipes à prendre de meilleures décisions.

Compétences souvent demandées :

• SQL.
• Power BI, Tableau ou Looker Studio.
• Excel avancé.
• Modélisation de données.
• Compréhension métier.
• Data visualisation.

Exemple de mission : construire un dashboard pour suivre les ventes hebdomadaires d’une équipe commerciale à Nantes, avec segmentation par région, type de client et canal d’acquisition.

Salaire réaliste :

• Junior : 35k€ à 42k€.
• Confirmé : 43k€ à 55k€.
• Senior : 55k€ à 65k€, parfois plus en remote pour une entreprise parisienne.

2. Product Data Analyst

Là, tu bosses souvent avec les équipes produit, UX, marketing ou growth.

Tu analyses le comportement des utilisateurs : activation, rétention, conversion, churn, usage des fonctionnalités.

Compétences utiles :

• SQL solide.
• Amplitude, Mixpanel, GA4 ou Segment.
• A/B testing.
• Analyse de cohortes.
• Notions produit.
• Communication claire avec les PM.

Des entreprises comme Doctolib, BlaBlaCar, Back Market ou Ledger valorisent beaucoup ce type de profil, surtout si tu sais transformer des chiffres en décisions produit.

Salaire réaliste :

• Junior : 38k€ à 45k€.
• Confirmé : 45k€ à 60k€.
• Senior : 60k€ à 75k€ selon entreprise et niveau d’impact.

3. Marketing Data Analyst

Ici, tu aides les équipes acquisition, CRM ou brand à comprendre ce qui marche.

Tu peux analyser :

• Les campagnes Google Ads.
• Les campagnes Meta ou TikTok.
• Les emails CRM.
• Le parcours client.
• Le coût d’acquisition.
• La lifetime value.
• La segmentation client.

Compétences fréquentes :

• SQL.
• Excel ou Google Sheets très propre.
• GA4.
• Looker Studio.
• Power BI.
• Attribution marketing.
• CRM type Salesforce, HubSpot ou Braze.

Chez L’Oréal, Back Market ou de grosses équipes e-commerce, ce genre de profil est très recherché.

Salaire réaliste :

• Junior : 34k€ à 41k€.
• Confirmé : 42k€ à 52k€.
• Senior : 53k€ à 65k€.

4. Financial Data Analyst

Ce poste est plus proche de la finance, du contrôle de gestion ou de la performance business.

Tu vas travailler sur :

• Le chiffre d’affaires.
• Les marges.
• Les prévisions.
• Les coûts.
• Les budgets.
• Les écarts entre réel et prévisionnel.

À Nantes, tu peux retrouver ce type de poste dans les banques, assurances, groupes industriels, retail et cabinets de conseil.

BNP Paribas, Crédit Agricole, TotalEnergies ou des grands groupes avec fonctions support peuvent rechercher ce type de profil.

Salaire réaliste :

• Junior : 36k€ à 43k€.
• Confirmé : 44k€ à 58k€.
• Senior : 58k€ à 70k€.

5. Data Analyst en ESN ou cabinet de conseil

Les ESN recrutent régulièrement à Nantes, surtout pour des missions BI, data visualisation, migration de données, qualité de données et reporting.

Avantage : tu peux apprendre vite, toucher à plusieurs secteurs et monter en compétence.

Inconvénient : les missions peuvent varier, et tu dois poser les bonnes questions avant de signer.

Demande toujours :

1. Sur quel client vais-je travailler ?
2. Quels outils seront utilisés ?
3. Quelle est la durée moyenne des missions ?
4. Qui sera mon manager réel ?
5. Y a-t-il une communauté data interne ?
6. Quelle part de remote est possible ?
7. Le salaire inclut-il du variable ou des primes ?

Salaire réaliste en ESN à Nantes :

• Junior : 33k€ à 39k€.
• Confirmé : 40k€ à 50k€.
• Senior : 50k€ à 62k€.

Compétences indispensables pour être recruté en 2026#

Tu n’as pas besoin de tout maîtriser. Mais tu dois avoir une base crédible et être capable de montrer des preuves.

Les recruteurs ne veulent pas juste lire “SQL, Python, Power BI” sur ton CV. Ils veulent comprendre ce que tu sais faire avec.

SQL : le vrai passage obligé

Si tu veux un poste Data Analyst, SQL est non négociable.

Tu dois savoir :

• Faire des JOIN.
• Filtrer et agréger.
• Utiliser GROUP BY.
• Utiliser des fonctions fenêtres.
• Créer des CTE.
• Nettoyer des données simples.
• Comprendre une table, une clé, une relation.
• Optimiser un minimum une requête.

Exemple de phrase CV beaucoup plus forte que “SQL” :

• “Analyse de 2,4M de lignes de données transactionnelles avec SQL, création de requêtes automatisées pour suivre le taux de conversion hebdomadaire.”

Tu vois la différence ? Là, on comprend l’usage.

Power BI, Tableau ou Looker

À Nantes, Power BI revient très souvent, surtout dans les grandes entreprises, les services finance et les environnements Microsoft.

Tableau est encore présent, notamment dans des équipes plus internationales.

Looker Studio est fréquent côté marketing.

Tu dois savoir :

• Construire un dashboard clair.
• Choisir les bons graphiques.
• Créer des filtres utiles.
• Expliquer tes KPI.
• Éviter les dashboards sapins de Noël.
• Connecter une source de données.
• Automatiser une mise à jour.

Un bon dashboard répond à une question métier. Il n’est pas là pour faire joli.

Excel reste important

Oui, même en 2026.

Excel est encore partout, surtout dans les équipes finance, operations, sales et RH.

Tu dois maîtriser :

• Tableaux croisés dynamiques.
• Recherche X.
• Formules conditionnelles.
• Nettoyage simple.
• Graphiques lisibles.
• Power Query si possible.

Si tu es junior, un bon niveau Excel peut vraiment rassurer.

Python : utile, mais pas toujours obligatoire

Python est souvent un plus, parfois une exigence.

Il est surtout utile pour :

• Nettoyer des données.
• Automatiser des tâches.
• Faire de l’analyse exploratoire.
• Manipuler des fichiers.
• Utiliser pandas.
• Créer des scripts simples.

Tu n’as pas besoin de te vendre comme Data Scientist si tu ne l’es pas. Mais si tu peux montrer un notebook propre avec une analyse claire, c’est un gros bonus.

Compréhension métier : le truc qui te fait passer devant

Le meilleur Data Analyst n’est pas juste celui qui sait coder.

C’est celui qui comprend la question derrière la demande.

Quand un manager demande : “Tu peux me sortir les ventes du mois ?”, le bon analyste demande :

• Par canal ou total ?
• En HT ou TTC ?
• Comparé à quel objectif ?
• Avec quelle période de référence ?
• On inclut les annulations ?
• Pour quelle décision derrière ?

Cette posture fait une énorme différence en entretien.

Salaires Data Analyst à Nantes en 2026#

Tu veux du concret, alors parlons argent.

À Nantes, les salaires sont souvent un peu plus bas qu’à Paris, mais l’écart se réduit pour les profils data, surtout avec le télétravail.

Fourchettes réalistes :

Attention, le salaire dépend beaucoup de :

• Ton niveau SQL.
• Ton autonomie.
• Ton secteur.
• Ta capacité à parler métier.
• Ton anglais.
• La taille de l’entreprise.
• Le fait que tu sois en CDI, freelance ou consulting.
• Le remote possible.

Freelance Data Analyst à Nantes

Si tu as déjà de l’expérience, le freelance peut être intéressant.

TJM réalistes :

• Junior freelance : 300€ à 400€, mais plus difficile à vendre.
• Confirmé : 450€ à 650€.
• Senior : 650€ à 850€.
• Expert BI ou analytics engineer : 750€ à 950€.

Mais ne te précipite pas.

Le freelance demande aussi de savoir vendre, gérer les périodes creuses, négocier et cadrer les missions.

Où trouver des offres Data Analyst à Nantes#

Ne te limite pas à LinkedIn.

Voici les canaux à utiliser :

1. LinkedIn Jobs.
2. Welcome to the Jungle.
3. Indeed.
4. HelloWork.
5. Apec.
6. JobTeaser si tu es étudiant ou jeune diplômé.
7. Sites carrières des entreprises.
8. Cabinets de recrutement spécialisés data.
9. Communautés Slack ou Discord tech.
10. Événements data et meetups nantais.

Sur LinkedIn, teste plusieurs recherches :

• “Data Analyst Nantes”.
• “BI Analyst Nantes”.
• “Business Analyst Data Nantes”.
• “Product Analyst remote”.
• “Marketing Data Analyst”.
• “Power BI Nantes”.
• “Analyste données Nantes”.
• “Consultant BI Nantes”.
• “Analytics Engineer Nantes”.

Beaucoup d’offres intéressantes n’ont pas exactement le titre “Data Analyst”.

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

Les ATS sont les logiciels qui scannent ton CV avant qu’un humain le lise. Si ton CV est mal structuré ou trop vague, tu peux être écarté sans même avoir une vraie chance.

Tu dois donc faire simple, clair et ciblé.

Structure recommandée

Ton CV doit contenir :

1. Titre clair.
2. Résumé de 3 lignes.
3. Compétences techniques.
4. Expériences avec résultats mesurables.
5. Projets data.
6. Formation.
7. Certifications si pertinentes.
8. Langues.

Exemple de titre :

• “Data Analyst Junior, SQL, Power BI, Python, Nantes”
• “Data Analyst BI, 3 ans d’expérience, Power BI, SQL, Finance”
• “Product Data Analyst, SQL, Amplitude, A/B Testing”

Résumé efficace

Mauvais résumé :

• “Passionné par la data, motivé et rigoureux, je recherche une opportunité enrichissante.”

Résumé bien meilleur :

• “Data Analyst junior basé à Nantes, formé à SQL, Power BI et Python. Expérience en analyse de ventes, création de dashboards et nettoyage de données. Objectif : aider les équipes marketing et commerciales à suivre leurs KPI et prendre des décisions plus rapides.”

C’est simple, mais beaucoup plus concret.

Compétences à mettre

Sépare tes compétences par catégories :

• Langages : SQL, Python.
• BI : Power BI, Tableau, Looker Studio.
• Data : nettoyage, modélisation, data visualisation, KPI.
• Marketing : GA4, CRM, attribution, cohortes.
• Finance : budget, marge, prévision, reporting.
• Outils : Excel, Git, BigQuery, Snowflake, dbt si tu connais.

Ne mets pas 40 outils juste pour faire joli. Si tu mets un outil, sois prêt à en parler.

Expériences : parle en résultats

Les recruteurs aiment les chiffres.

Au lieu de :

• “Création de dashboards Power BI.”

Écris :

• “Création de 4 dashboards Power BI utilisés par 25 commerciaux pour suivre le CA, le pipeline et le taux de conversion.”
• “Automatisation d’un reporting hebdomadaire, réduction du temps de production de 6 heures à 45 minutes.”
• “Analyse de 120k lignes de données clients pour identifier 3 segments prioritaires, contribution à une hausse de 12% du taux de conversion email.”

Même si tu n’as pas de chiffres parfaits, estime proprement quand c’est honnête.

Les projets data qui peuvent vraiment t’aider#

Si tu es junior ou en reconversion, tes projets sont ultra importants.

Mais attention : un projet Kaggle copié-collé ne suffit pas.

Tu dois créer des projets qui ressemblent à de vraies situations d’entreprise.

Idée 1 : Dashboard ventes e-commerce

Crée un dataset fictif ou utilise un dataset public.

Analyse :

• CA mensuel.
• Panier moyen.
• Taux de réachat.
• Top produits.
• Performance par région.
• Évolution des marges.

Livrables :

• Requêtes SQL.
• Dashboard Power BI.
• Une page d’explication.
• 3 recommandations business.

Idée 2 : Analyse marketing acquisition

Construis une analyse de campagnes.

KPI :

• Coût par clic.
• Coût par acquisition.
• Taux de conversion.
• ROAS.
• Revenus par canal.
• Performance par audience.

Tu peux présenter ça comme si tu aidais une équipe marketing chez Back Market ou L’Oréal à mieux répartir son budget.

Idée 3 : Analyse produit type Doctolib ou BlaBlaCar

Imagine un produit avec des utilisateurs.

Analyse :

• Activation.
• Rétention J7 et J30.
• Cohortes.
• Funnel d’inscription.
• Usage des fonctionnalités.
• Churn.

Ajoute des recommandations :

• Améliorer l’onboarding.
• Relancer les utilisateurs inactifs.
• Tester une nouvelle fonctionnalité.
• Simplifier une étape du parcours.

Idée 4 : Reporting finance

Très utile si tu vises banque, assurance ou contrôle de gestion.

Analyse :

• Budget vs réalisé.
• Écart par catégorie.
• Prévision simple.
• Marge par produit.
• Coûts fixes et variables.

Ce genre de projet peut parler à BNP Paribas, TotalEnergies ou à une PME nantaise qui veut mieux piloter sa performance.

Comment adapter ta candidature à chaque offre#

Tu n’as pas besoin de réécrire ton CV à zéro à chaque fois. Mais tu dois l’ajuster.

Voici une méthode simple en 15 minutes.

Étape 1 : repère les mots-clés

Dans l’offre, surligne :

• Outils techniques.
• Missions principales.
• Secteur.
• Niveau d’expérience.
• Soft skills.
• KPI mentionnés.
• Langue demandée.

Exemple :

Offre : “Nous recherchons un Data Analyst pour créer des dashboards Power BI, automatiser les reportings commerciaux et accompagner les équipes sales.”

Ton CV doit afficher clairement :

• Power BI.
• Reporting commercial.
• Sales.
• KPI.
• Automatisation.
• SQL.
• Communication métier.

Étape 2 : change ton titre

Si l’offre parle de BI, ton titre doit refléter ça.

Exemple :

• “Data Analyst BI, SQL, Power BI, reporting commercial”

Si l’offre parle produit :

• “Product Data Analyst, SQL, analyse de cohortes, A/B testing”

Étape 3 : remonte les expériences les plus pertinentes

Tu peux garder les mêmes expériences, mais changer l’ordre des puces.

Mets en haut les missions qui ressemblent le plus à l’offre.

Étape 4 : écris un message court

Pas besoin d’une lettre de motivation de 900 mots.

Message LinkedIn ou email :

Bonjour, je candidate au poste de Data Analyst à Nantes. Votre besoin autour de Power BI, SQL et du suivi des KPI commerciaux correspond bien à mon expérience : j’ai créé des dashboards de vente, automatisé des reportings et travaillé avec des équipes sales. Je serais ravi d’échanger. Bonne journée, [Prénom]

Simple, humain, efficace.

Préparer l’entretien Data Analyst#

L’entretien data mélange souvent technique, métier et comportemental.

Tu dois préparer les trois.

Questions techniques fréquentes

On peut te demander :

1. Explique la différence entre INNER JOIN et LEFT JOIN.
2. Comment gérer des valeurs manquantes ?
3. Comment vérifier la qualité d’un dataset ?
4. Quelle visualisation choisir pour suivre une évolution dans le temps ?
5. Comment calculer un taux de conversion ?
6. C’est quoi une cohorte ?
7. Comment optimiser un dashboard lent ?
8. Quelle différence entre une métrique et un KPI ?
9. Comment automatiser un reporting ?
10. Comment vérifier qu’un chiffre est fiable ?

Prépare des réponses simples, pas des discours de prof.

Cas pratique possible

Tu peux recevoir :

• Un fichier Excel à analyser.
• Une requête SQL à écrire.
• Un dashboard à critiquer.
• Une étude de cas business.
• Une analyse à présenter en 30 minutes.

Le recruteur regarde autant ta démarche que le résultat.

Explique toujours :

1. Ce que tu comprends du problème.
2. Les hypothèses.
3. Les données nécessaires.
4. Les transformations.
5. Les limites.
6. Les recommandations.

Questions comportementales

On peut te demander :

• “Raconte une fois où ton analyse a changé une décision.”
• “Comment fais-tu quand une donnée semble fausse ?”
• “Comment expliques-tu un résultat complexe à un manager non technique ?”
• “Comment priorises-tu plusieurs demandes urgentes ?”
• “As-tu déjà dit non à une demande data ?”

Pour répondre, utilise la méthode STAR :

• Situation.
• Tâche.
• Action.
• Résultat.

Exemple :

“Dans mon alternance, l’équipe commerciale suivait le CA sur trois fichiers Excel différents. J’ai centralisé les données, nettoyé les doublons, puis créé un dashboard Power BI. Résultat : le reporting hebdo est passé d’environ 5 heures à moins d’1 heure, et les managers ont pu suivre le pipeline plus facilement.”

Les erreurs qui te font perdre des entretiens#

Franchement, beaucoup de candidats se tirent une balle dans le pied avec des erreurs évitables.

Erreur 1 : CV trop généraliste

“Data, IA, machine learning, Python, business, marketing, finance, cloud.”

Si tu mets tout, on ne comprend plus rien.

Choisis un angle clair.

Erreur 2 : aucun résultat chiffré

Un CV Data Analyst sans chiffres, c’est bizarre.

Ajoute des volumes, des gains de temps, des pourcentages, des tailles d’équipes, des fréquences de reporting.

Erreur 3 : trop de jargon

Tu dois montrer que tu sais parler à des humains.

Un manager marketing ou finance doit comprendre ton CV.

Erreur 4 : portfolio absent

Si tu es junior, ton portfolio peut faire la différence.

Un simple Notion, GitHub ou PDF propre suffit.

Mets :

• 2 à 4 projets.
• Contexte.
• Données.
• Outils.
• Résultats.
• Recommandations.
• Captures de dashboards.

Erreur 5 : candidater trop vite

Envoyer 80 candidatures génériques donne souvent moins de résultats que 15 candidatures ciblées.

Oui, ça demande plus d’effort. Mais tu obtiens plus de réponses.

LinkedIn : ton deuxième CV#

À Nantes, beaucoup de recruteurs data passent par LinkedIn.

Ton profil doit être clair en 10 secondes.

Titre LinkedIn

Évite :

• “À la recherche d’une opportunité dans la data.”

Préférer :

• “Data Analyst Junior | SQL, Power BI, Python | KPI, dashboards, reporting | Nantes”
• “Data Analyst BI | Power BI, SQL, Excel | Finance & performance | Nantes”
• “Product Data Analyst | SQL, cohortes, funnels, A/B testing | Remote/Nantes”

Section Infos

Structure simple :

1. Qui tu es.
2. Ce que tu sais faire.
3. Les outils.
4. Le type de poste recherché.
5. Un mini exemple de projet.

Exemple :

Data Analyst basé à Nantes, spécialisé en SQL, Power BI et analyse de KPI. J’aide les équipes business à transformer leurs données en dashboards clairs et en recommandations actionnables. J’ai travaillé sur des projets de reporting commercial, analyse marketing et segmentation client. Je recherche un poste Data Analyst BI ou Marketing Data Analyst en CDI, à Nantes ou en hybride.

Activité LinkedIn

Pas besoin de devenir influenceur.

Mais tu peux publier :

• Une capture anonymisée d’un dashboard.
• Une mini analyse d’un dataset public.
• Un apprentissage SQL.
• Un retour sur un projet Power BI.
• Une veille sur la data à Nantes.

Ça montre que tu pratiques.

Stratégie de candidature sur 30 jours#

Si tu veux vraiment avancer, ne fais pas ça au hasard.

Semaine 1 : préparation

Objectif : avoir des supports propres.

À faire :

• Refaire ton CV.
• Optimiser LinkedIn.
• Créer ou améliorer 2 projets portfolio.
• Lister 30 entreprises cibles.
• Préparer 3 versions de ton CV : BI, marketing, produit.

Semaine 2 : candidatures ciblées

Objectif : envoyer 10 à 15 candidatures solides.

Pour chaque candidature :

• Adapter le titre.
• Mettre les bons mots-clés.
• Écrire un message court.
• Trouver le recruteur ou manager sur LinkedIn.
• Suivre dans un tableau.

Colonnes utiles :

• Entreprise.
• Poste.
• Date.
• Contact.
• Statut.
• Relance.
• Notes.

Semaine 3 : réseau et relances

Objectif : créer des conversations.

Envoie des messages simples :

Bonjour [Prénom], je m’intéresse aux postes Data Analyst à Nantes, notamment autour de Power BI et SQL. J’ai vu que vous travaillez chez [Entreprise]. Si vous avez 10 minutes, je serais curieux d’avoir votre retour sur les compétences les plus utiles dans votre équipe. Merci !

Ne demande pas directement un job. Demande un conseil. C’est beaucoup plus naturel.

Semaine 4 : entretiens et amélioration

Objectif : transformer les retours en progrès.

Après chaque refus, note :

• CV non retenu ?
• Pas assez d’expérience ?
• Outil manquant ?
• Salaire trop élevé ?
• Entretien technique faible ?
• Manque de clarté sur ton projet ?

Puis ajuste.

Nantes ou remote : pense plus large#

Si tu vises uniquement “Data Analyst Nantes CDI hybride”, tu peux trouver. Mais élargir légèrement augmente tes chances.

Recherche aussi :

• Nantes + remote partiel.
• Full remote France.
• Rennes, Angers, Paris en hybride rare.
• Entreprises parisiennes ouvertes au remote.
• Missions freelance remote.
• ESN avec clients nantais.

Une entreprise comme Ledger, Back Market, BlaBlaCar ou Doctolib peut avoir des équipes distribuées. Même si le siège est à Paris, certaines offres acceptent des profils basés ailleurs.

Lis bien les annonces, et si ce n’est pas clair, demande.

Ce que les recruteurs veulent vraiment voir#

Au fond, un recruteur veut être rassuré.

Il veut savoir :

1. Est-ce que tu comprends les données ?
2. Est-ce que tu sais utiliser les bons outils ?
3. Est-ce que tu peux travailler avec des non-tech ?
4. Est-ce que tu vas produire des analyses fiables ?
5. Est-ce que tu sais prioriser ?
6. Est-ce que tu vas progresser vite ?
7. Est-ce que ton CV correspond à l’offre ?

Ton objectif n’est pas de paraître parfait.

Ton objectif est de paraître clair, crédible et utile.

Conclusion : ton plan simple pour décrocher un job Data Analyst à Nantes#

Si tu veux décrocher un emploi Data Analyst à Nantes en 2026, ne joue pas au candidat invisible.

Fais simple, mais fais propre :

1. Choisis ton angle : BI, produit, marketing, finance ou conseil.
2. Renforce SQL, Power BI et Excel.
3. Ajoute Python si c’est pertinent.
4. Crée 2 ou 3 projets proches de vraies situations business.
5. Mets des chiffres dans ton CV.
6. Adapte chaque candidature.
7. Prépare les cas pratiques.
8. Utilise LinkedIn intelligemment.
9. Relance sans spammer.
10. Suis tes candidatures comme un pipeline commercial.

Le marché nantais est intéressant, mais il récompense les candidats qui savent se positionner clairement.

Et avant d’envoyer ton prochain CV, fais-toi une faveur : vérifie s’il passe bien les filtres ATS. Tu peux tester ton CV gratuitement ici : https://jobrise.io/fr/free-ats-checker/