KPMG Data Analyst: mots-cles CV et preparation entretien

Vous postulez sur une offre KPMG Data Analyst et votre CV disparaît dans la masse sans retour. C'est le cas le plus fréquent. La raison tient rarement au fond de votre parcours : elle tient au vocabulaire, à la façon de décrire vos missions, et à une préparation d'entretien trop générale pour ce type de cabinet.

Ce qui suit traite des trois points : les mots-clés que cherchent les cabinets de conseil, la reformulation de vos expériences, et la préparation concrète de l'entretien. Sans prétendre connaître les processus internes de KPMG, que personne ne peut vous décrire de l'extérieur avec certitude.

Comprendre ce que recouvre un poste Data Analyst en cabinet#

Un poste Data Analyst chez KPMG n'est pas un poste d'analyste data en produit numérique. Vous travaillez sur des missions pour des clients, souvent par secteur : banque, assurance, industrie, secteur public, ESG et reporting extra-financier. Le périmètre change d'une mission à l'autre.

Concrètement, attendez-vous à du nettoyage de données, de la production de tableaux de bord, de l'analyse réglementaire, et du reporting destiné à des comités qui ne sont pas data. La capacité à expliquer un résultat en français simple compte autant que la technique. C'est ce que beaucoup de candidats oublient en préparant leurs entretiens.

Les intitulés varient : Data Analyst, Analyste Data, Consultant Data, Business Intelligence Analyst. Lisez l'offre plutôt que l'intitulé. Une offre qui mentionne Power BI et la réglementation bancaire ne se prépare pas comme une offre centrée sur Python et le machine learning.

Les mots-clés à faire figurer sur votre CV#

Les cabinets utilisent des outils de tri avant lecture humaine. Votre CV doit donc porter les termes exacts de l'offre. Reprenez la formulation de l'annonce quand elle décrit ce que vous savez faire. Un extracteur de mots-clés d'offre vous montre en quelques secondes les termes qui reviennent et ceux qui manquent sur votre CV.

Les familles de mots-clés qui reviennent le plus souvent sur ce type de poste :

• Outils de visualisation : Power BI, Tableau, Qlik, Excel avancé (TCD, Power Query)
• Bases de données : SQL, requêtes complexes, jointures, optimisation, PostgreSQL, SQL Server
• Langages : Python, pandas, R selon les équipes
• Manipulation de données : nettoyage, structuration, qualité des données, data pipeline
• Méthodes : analyse descriptive, statistiques, modélisation, documentation
• Méthodes de travail : travail en équipe projet, reporting comité, restitution orale, relation client
• Secteurs : services financiers, banque, assurance, ESG, conformité, reporting réglementaire
• Langues : anglais professionnel, souvent demandé pour la lecture de documentations et les échanges internes

Attention à un piège fréquent : empiler les mots-clés sans contexte. Un recruteur qui lit "SQL, Python, Power BI, data quality, ETL" sur une seule ligne ne sait pas ce que vous savez vraiment. Chaque outil doit être relié à un usage ou un résultat.

Reformuler ses expériences pour ce type de poste#

Le format le plus efficace reste : action, outil, résultat, contexte. Pas besoin de chiffres inventés. Si vous n'avez pas les données exactes, décrivez le périmètre en termes honnêtes : nombre de sources, fréquence de production, taille de l'audience.

Un exemple avant / après, sur une mission de reporting mensuel.

Avant : "Mise en place de tableaux de bord pour le suivi de l'activité."

Après : "Conçu sous Power BI un tableau de bord mensuel de suivi commercial consolidant 4 sources CRM, automatisé le rafraîchissement via Power Query, utilisé en comité de direction pour arbitrer les priorités du mois."

La seconde version donne l'outil, le volume de données, l'automatisation, et la finalité. C'est ce qui fait la différence à la lecture.

Autre exemple, plus orienté données :

Avant : "Responsable de la qualité des données clients."

Après : "Cartographié 12 règles de contrôle qualité sur la base clients, écrit les requêtes SQL de détection des anomalies, réduit les doublons signalés par les équipes opérationnelles sur les livraisons suivantes."

Si vous n'avez pas de chiffre fiable, remplacez "réduit de 30 %" par "réduit les doublons signalés par les équipes". L'honnêteté tient mieux à l'entretien qu'un pourcentage que vous ne saurez pas justifier.

Vérifier la compatibilité avec les outils de tri#

Avant d'envoyer, passez votre CV dans un vérificateur de compatibilité ATS pour repérer ce qui casse : tableaux, colonnes multiples, encadrés, polices exotiques, PDF mal encodés. Un CV en deux colonnes peut être lu comme un fouillis par un logiciel même s'il est parfait à l'écran.

Points techniques à contrôler :

• Format PDF texte, jamais une capture d'écran
• Une seule colonne de texte, sans tableau
• En-tête simple : nom, téléphone, e-mail, ville, profil LinkedIn
• Compétences listées avec les termes exacts de l'offre
• Pas d'abréviations obscures, écrivez "business intelligence (BI)" plutôt que "BI"
• Date de début et de fin pour chaque poste, format cohérent
• Une à deux pages selon votre expérience, jamais plus

Préparer l'entretien technique#

Sur ce type de poste, l'entretien technique reste souvent opérationnel. On vous demande d'expliquer une requête SQL, de commenter un tableau de bord, ou de décrire comment vous avez traité un problème de données. Ce n'est pas un examen de recherche.

Préparez trois récits courts : une mission où vous avez dû nettoyer des données difficiles, un tableau de bord que vous avez livré, et une situation où vous avez expliqué un résultat à quelqu'un qui n'était pas technique. Entraînez-vous à les raconter en deux minutes maximum.

Sur SQL, révisez les jointures, les fenêtres analytiques, les agrégats conditionnels et l'optimisation de requête basique. Sur Power BI ou Tableau, soyez prêt à expliquer votre modèle de données : quelles tables, quelles relations, quels calculs, et pourquoi.

Préparer l'entretien comportemental#

C'est là que beaucoup perdent des points en France. Le recruteur veut savoir si vous tiendrez le rythme d'une mission client et si vous savez travailler avec des gens qui ne parlent pas data. Préparez des réponses structurées, concrètes, sans jargon.

Une question classique : "Parlez-moi d'une situation où vous avez dû livrer un résultat avec des données incomplètes." Une réponse possible :

"Lors d'un reporting mensuel, deux sources CRM étaient en retard de plusieurs jours. J'ai documenté les données disponibles à la date de clôture, ajouté une note de méthodologie dans le tableau de bord, et présenté les résultats en précisant la marge d'incertitude. Le comité a pu arbitrer sans attendre, et les données manquantes ont été intégrées dans la version suivante."

Cette réponse montre la méthode, la transparence, et le sens du délai. Elle ne promet rien d'extraordinaire, ce qui la rend crédible.

Autre point : préparez vos questions pour le recruteur. Demandez comment se répartissent les missions, quel est le périmètre exact du poste, quels outils l'équipe utilise au quotidien. Évitez les questions dont la réponse figure dans l'offre.

Le marché français et ce qu'il faut vérifier#

Les postes data en cabinet de conseil sont concentrés sur Paris, Lyon, Lille, Nantes, Bordeaux et quelques hubs régionaux. Le télétravail varie fortement selon les équipes et les missions, souvent avec des journées de présence chez le client. Ne vous fiez pas aux généralités, demandez les modalités exactes pendant le processus.

Les fourchettes de rémunération annoncées pour un profil junior ou confirmé en cabinet varient selon la ville, l'expérience et la spécialisation. Vérifiez les montants sur les offres en cours plutôt que sur des articles anciens. Pour les postes ouverts actuellement, consultez les offres d'emploi data du moment, et filtrez par ville et niveau d'expérience.

Enfin, si vous visez plusieurs cabinets, gardez une trame de CV unique et adaptez-la offre par offre. Le même profil peut être présenté comme orienté BI pour une mission bancaire, ou orienté données et automatisation pour une mission industrielle.

Outils gratuits#

• jobrise.io/fr/free-ats-checker/
• jobrise.io/fr/free-jd-decoder/
• jobrise.io/fr/jobs/
• jobrise.io/fr/blog/

Questions fréquentes#

Faut-il absolument parler de KPMG dans son CV ?

Non. Personnalisez les mots-clés et les expériences, mais pas le CV entier. Un CV qui cite explicitement un cabinet donne parfois l'impression d'un document recyclé à l'infini. Adaptez le fond, gardez une forme neutre.

Combien de temps préparer l'entretien technique ?

Comptez deux à trois soirs pour revoir SQL et votre outil de visualisation, plus une répétition à voix haute de vos trois récits. Si vous n'avez pas pratiqué depuis longtemps, ajoutez des exercices de requêtes en ligne. La régularité bat la veille.

Mon profil n'est pas issu d'une grande école, est-ce bloquant ?

Les cabinets recrutent aussi des profils issus de masters, de formations spécialisées, ou de reconversions avec un vrai bagage technique. Ce qui compte : la qualité de vos réalisations et votre capacité à les expliquer. Compensez avec un portfolio ou des projets documentés.

Dois-je envoyer un CV en anglais ?

Cela dépend de l'offre. Si l'annonce est rédigée en anglais ou mentionne un environnement international, joignez une version anglaise. Sinon, le CV en français suffit. Les deux doivent dire la même chose, avec les mêmes termes techniques.

Que faire si je n'ai pas d'expérience en cabinet de conseil ?

Mettez en avant les éléments transposables : travail sur des données clients externes, respect de délais, restitution à des parties prenantes, gestion de plusieurs sujets en parallèle. Reformulez vos expériences avec ces angles, et lisez d'autres retours d'expérience sur le blog pour affiner votre préparation.