Excel Power Query en 2026 : ETL pour analystes de données et questions d'entretien
Guide complet sur Excel Power Query pour l'ETL : transformations de données, langage M, fusion de requêtes et questions d'entretien pour analystes de données.
Data Analytics
DATA
Parcours complet en Data Analytics couvrant toute la chaîne de valeur de la donnée. De la manipulation de données avec Google Sheets et SQL à la création de dashboards interactifs avec Power BI et Looker Studio, en passant par l'automatisation avec les outils ELT (dbt, Zapier) et l'analyse prédictive avec Python (Pandas, Scikit-Learn). Apprenez à identifier les sources de données, construire des funnels, analyser la rétention client, et recommander des actions concrètes à partir de vos analyses.
Ce que tu vas apprendre
Manipulation de données avec Google Sheets et formules avancées
SQL avancé avec BigQuery : requêtes analytiques, CTEs, window functions
Data modeling pour les équipes marketing, sales et produit
Outils ELT : dbt pour la transformation, Zapier pour l'automatisation
Tracking web avec Google Tag Manager et plans de suivi
APIs et webhooks pour l'extraction de données
Data visualisation avec Power BI et Looker Studio (Google Data Studio)
Analyse statistique et AB testing
Python pour l'analyse : Pandas, Plotly, Jupyter, Google Colab
Machine Learning appliqué : prédiction de churn, segmentation client avec Scikit-Learn
Méthodologie d'analyse : KPIs, funnels de vente, rétention, cohortes
Projet end-to-end : de l'identification du problème au dashboard automatisé
Sujets clés à maîtriser
Les concepts les plus importants pour comprendre cette techno et réussir tes entretiens
1
Google Sheets : formules avancées (VLOOKUP, INDEX/MATCH, ARRAYFORMULA), tableaux croisés dynamiques, automatisation
2
SQL : SELECT, JOIN, GROUP BY, HAVING, window functions (ROW_NUMBER, RANK, LAG/LEAD), CTEs, sous-requêtes
3
BigQuery : partitionnement, clustering, requêtes imbriquées, optimisation des coûts, UDFs
4
Data Modeling : schémas en étoile, tables de faits et dimensions, normalisation, dénormalisation
5
KPIs & Métriques : CAC, LTV, MRR, ARR, churn rate, NPS, taux de conversion, ARPU
6
Funnels & Cohortes : analyse de conversion, rétention par cohorte, analyse RFM
7
ELT & Data Pipeline : Extract-Load-Transform, dbt (models, tests, sources), orchestration
8
Zapier & automatisation : triggers, actions, workflows multi-étapes, webhooks
9
Google Tag Manager : tags, triggers, variables, dataLayer, plan de taggage
10
Power BI : DAX, mesures calculées, relations, visualisations, filtres, drill-down
11
Looker Studio : sources de données, champs calculés, filtres, paramètres, blending
12
Visualisation : choix du bon graphique, storytelling data, principes de design (Tufte)
13
AB Testing : hypothèses, taille d'échantillon, significativité statistique, p-value, test de Student
14
Python & Pandas : DataFrames, Series, groupby, merge, pivot_table, cleaning
15
Plotly : graphiques interactifs, subplots, animations, dashboards
16
Scikit-Learn : régression, classification, clustering (K-Means), train/test split, métriques
17
Méthodologie : cadrage du problème, identification des sources, nettoyage, analyse, recommandations
Le défi Data Analytics du jour
Un extrait par jour. Trouve le bug, ou prouve qu'il n'y en a pas.
632 offres Data Analytics en ligne
CDI et freelance, avec pays, remote et salaire quand il est publié. Mises à jour tous les jours, réservées aux abonnés.
Articles récents sur Data Analytics
Découvre nos derniers articles et guides sur Data Analytics
Questions Entretien Data Analyst 2026 : Guide Complet SQL, Python et Analytics
Maîtrisez les questions d'entretien data analyst les plus fréquentes en 2026. Fonctions SQL window, manipulation pandas, statistiques et études de cas métier avec exemples de code pratiques.
Questions d'Entretien Data Analyst Italie 2026 : SQL Avancé, Python et Études de Cas
Préparer les entretiens Data Analyst en Italie avec des questions réelles des entreprises italiennes en 2026. SQL avancé, Python pandas, études de cas et processus de recrutement italien.