Revolut Data Analyst: mots-cles CV et preparation entretien

Votre CV part dans une pile de 200 candidatures et vous n'avez aucun retour. Pour un poste de Revolut Data Analyst, le problème est rarement votre niveau. C'est que votre CV parle de vous, alors que le recruteur cherche des réponses à ses besoins.

Voici comment ajuster votre candidature et votre préparation d'entretien pour ce type de poste, sans inventer de processus internes et sans promettre ce que personne ne peut garantir.

Ce que vous pouvez affirmer, et ce que vous ne pouvez pas#

Précisons d'emblée une limite honnête. Je n'ai pas accès aux grilles d'évaluation internes de Revolut, et personne ne les a en dehors de l'entreprise. Tout ce qui suit s'appuie sur les offres publiées, les compétences demandées dans ces offres, et sur ce qui est généralement attendu dans les équipes data de fintech.

Ne répétez jamais en entretien "d'après ce que j'ai compris, votre processus interne fait ceci". Vous risquez de vous tromper devant quelqu'un qui sait. Posez la question à la place. C'est perçu comme de la rigueur, pas comme un manque de préparation.

Lire l'annonce avant d'écrire une ligne de CV#

La moitié du travail de personnalisation se fait avant de toucher votre CV. Prenez l'offre, copiez-la, et sortez les verbes d'action, les outils nommés et les résultats attendus. Un outil comme le décodeur d'annonces gratuit permet de faire ce tri en quelques secondes, et de repérer les termes que vous n'avez pas repris.

Cherchez trois choses dans le texte. Les compétences techniques citées en premier. Les responsabilités qui impliquent des interlocuteurs, pas seulement des requêtes. Et le vocabulaire exact utilisé pour parler des résultats, car c'est celui que vous reprendrez en entretien.

Pour un poste de data analyst dans une fintech, les offres citent souvent SQL, Python ou R, un outil de visualisation type Tableau ou Looker, et une aisance avec les données de produit ou de paiement. Les intitulés varient. La logique derrière, non.

Les mots-clés qui comptent vraiment#

Un CV filtré par un logiciel de recrutement ne cherche pas des synonymes intelligents. Il cherche des termes. Si l'annonce dit "expérimentation A/B" et que votre CV dit "tests utilisateurs", vous pouvez passer à côté.

Mots-clés à faire apparaître quand l'annonce les mentionne, en les intégrant à vos phrases plutôt qu'en vrac :

• SQL, avec le niveau réel que vous avez, fenêtres, CTE, jointures, optimisation de requêtes
• Python ou R, et les bibliothèques que vous utilisez vraiment
• Modélisation de données, tables de faits, tables de dimensions
• Tableau, Looker, Power BI, ou l'outil cité dans l'offre
• Expérimentation, A/B testing, hypothèses, résultats mesurés
• Métriques produit, rétention, churn, conversion, revenu par utilisateur
• Qualité des données, détection d'anomalies, documentation
• Collaboration avec les équipes produit, finance, risque ou conformité

Attention à ne pas surcharger. Une liste de quinze outils sans contexte fait amateur. Trois lignes avec des résultats donnent envie de vous appeler.

Un exemple de reformulation#

Prenons une ligne de CV ordinaire, écrite par un profil junior en poste depuis deux ans.

Avant : "Responsable de la création de tableaux de bord et des demandes d'analyse de l'équipe marketing."

C'est vague. Aucun outil. Aucun résultat. Aucun mot-clé exploitable.

Après : "Conçu et maintenu 6 tableaux de bord Looker suivant la conversion et le coût d'acquisition, utilisés chaque semaine par l'équipe marketing; réduit de 2 jours à 4 heures le délai de réponse aux demandes d'analyse grâce à des modèles SQL réutilisables."

Ce qui change : chiffres réels, outil nommé, délai mesuré, métriques citées. Aucune promesse surdimensionnée. Si vous n'avez pas de chiffres, remplacez-les par une portée exacte : "pour une équipe de 12 personnes", "sur un périmètre de 3 marchés", "dans un environnement BigQuery".

Vérifiez ensuite votre document avec l'analyseur de CV gratuit contre les filtres automatiques. C'est rapide et ça repère les mots-clés absents que vous n'aviez pas vus.

Préparer l'entretien technique sans réciter#

Les entretiens data tournent souvent autour de trois blocs : SQL, étude de cas liée au produit, et questions comportementales. Le poids de chaque bloc varie selon le poste et selon l'équipe. Ne misez pas tout sur un seul.

Pour SQL, entraînez-vous sur des exercices de difficulté intermédiaire : agrégations conditionnelles, fonctions de fenêtre, déduplication. Travaillez à voix haute. Le recruteur veut voir votre raisonnement, pas seulement votre résultat final.

Pour l'étude de cas, formulez toujours une question de départ avant de sortir des chiffres. "Quel problème cherche-t-on à résoudre, et pour quel segment ?" Cette phrase vous sauve plus souvent qu'une requête parfaite.

Pour les questions comportementales, préparez trois situations réelles : un conflit sur la qualité des données, une analyse dont le résultat déplaisait, et un projet livré sous contrainte. Écrivez les faits, pas le décor.

Un exemple de réponse#

Question classique : "Racontez une fois où vos données contredisaient l'avis d'une équipe."

Réponse possible :

"L'équipe marketing voulait augmenter le budget sur un canal qu'elle jugeait rentable. En refaisant l'attribution des conversions sur 90 jours, j'ai trouvé que la majorité des conversions étaient en réalité déclenchées par un autre canal. J'ai présenté deux analyses côte à côte, avec la même définition de conversion pour les deux. L'équipe a accepté le résultat, et le budget a été redéployé. Ce que j'ai retenu : poser la définition de la métrique avant de discuter des chiffres évite une partie des désaccords."

Cette réponse donne un contexte, une action, un résultat et un apprentissage. Elle ne ment pas, et elle ne dépend d'aucune connaissance interne.

Le marché français : ce qui change#

Si vous candidatez depuis la France, quelques points pratiques à garder en tête. Le recrutement peut se faire via une entité locale, un contrat à l'étranger, ou un portage selon le pays concerné. La structure exacte dépend de l'offre, pas des rumeurs en ligne. Demandez-le explicitement avant de signer quoi que ce soit.

Sur la rémunération, les fourchettes annoncées pour des postes de data analyst en fintech varient fortement selon l'expérience, la ville et le type de contrat. Les montants affichés sur les offres en Île-de-France sont souvent plus élevés qu'en région, et un poste portant le même titre peut correspondre à des pétrins très différents. Consultez l'offre en cours et la source officielle de l'entreprise, et ne vous fiez pas à un chiffre recopié sur un forum.

Un dernier point : les offres bougent vite. Regardez régulièrement les offres d'emploi à jour plutôt qu'une annonce vue il y a trois mois. Certaines équipes recrutent par vague, d'autres gardent l'annonce en ligne longtemps.

Check-list avant d'envoyer#

• Votre CV reprend les termes exacts de l'annonce pour les compétences que vous avez vraiment
• Chaque ligne de résultat contient un outil, une portée ou un chiffre vérifiable
• Votre profil LinkedIn reprend les mêmes mots-clés que le CV
• Vous avez identifié trois situations comportementales réelles à raconter
• Vous pouvez résoudre un exercice SQL intermédiaire en parlant à voix haute
• Vous avez préparé deux questions à poser sur les données et les outils de l'équipe
• Vous savez quel type de contrat vous acceptez, et sous quelle juridiction
• Vous avez vérifié l'offre et les conditions directement sur la source officielle

Si votre candidature est déjà prête et que vous cherchez d'autres pistes, la page des offres d'emploi et les articles de fond sur la recherche de poste regorgent de conseils applicables à d'autres entreprises du secteur.

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 connaître Python pour ce type de poste ?

Non, beaucoup d'offres de data analyst privilégient SQL et l'outillage de visualisation. Python ou R est un plus, parfois un prérequis. Lisez l'annonce : si elle cite Python trois fois, entraînez-vous sérieusement avant de postuler.

Combien de temps préparer un entretien technique ?

Deux à trois semaines en travaillant un peu chaque jour me paraît un minimum pour un profil qui ne pratique pas SQL quotidiennement. Entraînez-vous sur des exercices chronométrés et à voix haute. Le format de l'entretien varie, donc confirmez-le auprès du recruteur.

Dois-je adapter mon CV pour chaque offre ?

Oui, mais pas de la première à la dernière ligne. Adaptez le titre, les trois premières lignes et l'ordre de vos expériences. Comptez vingt minutes par candidature sérieuse, et gardez une version de base pour les candidatures rapides.

Que dire si je n'ai pas d'expérience en fintech ?

Dites-le franchement, puis parlez des compétences transférables : volumes de données, exigences de qualité, sensibilité aux enjeux de fraude ou de conformité. Ne simulez pas une expérience que vous n'avez pas. Le recruteur le verra en trois questions.

Mon CV passe-t-il vraiment les filtres automatiques ?

Personne ne peut le garantir, car les logiciels de recrutement diffèrent d'une entreprise à l'autre. Ce que vous contrôlez, c'est la présence des bons mots-clés et un format simple, sans tableaux ni colonnes complexes. Testez-le et corrigez ce qui bloque.