# Competenze data analyst nel 2026: mercato del lavoro, stipendi e domande di colloquio > Le competenze data analyst richieste nel 2026: SQL, Power BI, Python e dbt, retribuzioni, quote di lavoro da remoto per paese e come prepararsi a ogni fase del colloquio. - Published: 2026-11-10 - Updated: 2026-11-10 - Author: Anthony Fillion-Maillet - Tags: data-analytics, jobs, career, skills, interview - Reading time: 9 min --- Le competenze richieste a un data analyst nel 2026 si riducono a un elenco breve, che i responsabili delle assunzioni verificano in quasi tutti i processi di selezione: SQL prima di tutto, uno strumento di BI conosciuto a fondo, statistica sufficiente per leggere un esperimento e la capacità di trasformare una domanda di business vaga in una metrica. Le offerte di lavoro per data analyst pubblicate sul job board di SharpSkill confermano questo elenco e mettono in luce una tendenza meno evidente: il ruolo si sta dividendo in profili BI, reporting e analytics engineering, ciascuno con il proprio colloquio. I dati che seguono mostrano quali competenze vengono citate negli annunci, quanto paga il mercato e come prepararsi alle domande del colloquio da data analyst, fase per fase. > **Fotografia del job board, 10 novembre 2026** > > Sul job board di SharpSkill al 10 novembre 2026: 2.138 annunci attivi in data analytics, di cui 413 pubblicati nei sette giorni precedenti. Il 28% indica una retribuzione e il 56% è proposto in full remote. ## Un solo mestiere, molti titoli diversi Una ricerca limitata a "data analyst" lascia fuori gran parte delle posizioni pertinenti. Sul job board di SharpSkill al 10 novembre 2026, i tag di ruolo associati agli annunci di data analytics si distribuiscono così: 273 annunci con il tag data analyst, 170 business intelligence analyst, 115 data engineer, 103 analytics engineer, 66 business analyst, 51 reporting analyst e 50 BI developer. Ogni titolo corrisponde a un lavoro quotidiano diverso e a una prova tecnica diversa. | Titolo | Cuore del lavoro | Cosa verifica la prova tecnica | |--------|------------------|--------------------------------| | Data analyst | Rispondere a domande di business con query e analisi | SQL, statistica, caso pratico | | BI analyst / BI developer | Costruire e mantenere dashboard e modello semantico | Modellazione dei dati, DAX o LookML, prestazioni dei report | | Reporting analyst | Report ricorrenti, spesso regolamentari o finanziari | Precisione in SQL, Excel, riconciliazione dei numeri | | Analytics engineer | Trasformare i dati grezzi in tabelle testate e documentate | SQL, dbt, controllo di versione, test | | Business analyst | Tradurre le esigenze del business in requisiti e KPI | Definizione delle metriche, scenari con gli stakeholder, poco codice | La conseguenza pratica è semplice: conviene scegliere uno o due profili e adattare il lessico del CV a quei profili. Un portfolio di dashboard convince per un ruolo da BI analyst, un repository di modelli dbt testati convince per un ruolo da analytics engineer. Inviare lo stesso CV a entrambi, di solito, non convince nessuno dei due. ## Le competenze da data analyst citate esplicitamente negli annunci I tag di competenza estratti dagli annunci sono la misura più diretta di ciò che le aziende chiedono, e il segmento francese del job board offre il campione più pulito. Tra i 234 annunci attivi di data analytics in Francia al 10 novembre 2026, SQL compare in 61, Python in 31, Microsoft Power BI in 27, Google Cloud Platform in 18, dbt in 14, BigQuery in 14 e Power Query in 9. Su tutte le regioni, SQL è anche la competenza tecnica esplicita più frequente (94 annunci), davanti a Python (51). **SQL è il biglietto d'ingresso.** Chi conduce il colloquio non si ferma a filtri e raggruppamenti. Si aspetta join che non duplicano le righe, CTE che rendono leggibile una query lunga e funzioni finestra come ROW_NUMBER, LAG o una somma progressiva. La [documentazione di PostgreSQL sulle funzioni finestra](https://www.postgresql.org/docs/current/tutorial-window.html) resta il riferimento primario più chiaro su come si comportano partizioni e frame, e la stessa semantica vale in BigQuery, Snowflake e SQL Server. **Python è richiesto, ma a un livello più circoscritto rispetto ai data scientist.** Negli annunci significa pandas per pulire e rimodellare i dati, una libreria di grafici per l'esplorazione rapida e, a volte, un notebook da consegnare a un referente di business. Il machine learning compare soprattutto negli annunci ibridi "analyst / data scientist", che meritano una lettura attenta prima di candidarsi. **Uno strumento di BI, padroneggiato davvero.** Power BI domina il campione francese. La certificazione Microsoft [Power BI Data Analyst Associate (esame PL-300)](https://learn.microsoft.com/en-us/credentials/certifications/data-analyst-associate/), la cui pagina è stata aggiornata l'ultima volta ad aprile 2026, elenca le quattro aree che le aziende verificano poi al colloquio: preparare i dati, modellarli, visualizzarli e analizzarli, gestire e proteggere Power BI, con Power Query e DAX citati esplicitamente. Tableau e Looker compaiono in settori specifici, Looker Studio nei team marketing. Raramente un annuncio chiede due strumenti di BI a livello esperto. **Le competenze di analytics engineering entrano nei ruoli da analyst.** dbt e BigQuery compaiono ciascuno in 14 annunci francesi, e il tag analytics engineer è quarto a livello mondiale. Un analyst capace di scrivere un modello dbt e di aggiungere i [test sui dati descritti nella documentazione di dbt](https://docs.getdbt.com/docs/build/data-tests) (unicità, valori non nulli, valori ammessi, relazioni) copre entrambi i ruoli, ed è proprio il profilo che i piccoli team data cercano sempre più spesso. > **Leggere un annuncio in 30 secondi** > > Basta contare gli strumenti elencati nei requisiti. Un annuncio che chiede SQL, uno strumento di BI e un data warehouse in cloud descrive un lavoro reale. Un annuncio che elenca Power BI, Tableau, Python, Spark, machine learning e gestione degli stakeholder di solito fonde tre ruoli in uno: chiedere quale risultato è atteso dopo il primo mese rivela ciò di cui il team ha davvero bisogno. ## Livelli di seniority nel mercato del lavoro data analyst Il mercato pende verso i profili esperti. Sul job board di SharpSkill al 10 novembre 2026, 957 dei 2.138 annunci attivi sono classificati senior (45%), 443 mid-level (21%) e 216 lead. Gli annunci junior sono 127 e gli stage 83: le posizioni di ingresso rappresentano quindi circa un annuncio su dieci. Questa distribuzione cambia il modo di prepararsi a ogni livello: - **Junior e stagisti** si giocano tutto sui fondamentali. Un test SQL pulito e un progetto di portfolio breve e ben spiegato pesano più di una lunga lista di strumenti. - **I profili mid-level** vengono valutati sull'autonomia: prendere in carico una richiesta ambigua, scegliere la metrica giusta e consegnare senza che un senior controlli ogni query. - **I profili senior e lead** vengono valutati sull'influenza: definire i KPI con i responsabili di business, decidere tra numeri in conflitto e spiegare perché una certa dashboard non va costruita. La stessa domanda SQL può comparire a qualsiasi livello. Cambia la domanda successiva: a un junior si chiede se la query funziona, a un senior come si comporta su una tabella da un miliardo di righe e come presenterebbe il risultato a un direttore finanziario. ## Retribuzioni dei data analyst nel 2026 Sul job board di SharpSkill al 10 novembre 2026, 604 annunci di data analytics indicano una retribuzione annua. Convertita in euro, la mediana è di 102.523 €, con la metà centrale compresa tra 76.500 € e 132.012 €. Questo dato globale richiede una precisazione: gli annunci statunitensi pubblicano lo stipendio molto più spesso (il 56% di essi) e forniscono 391 delle 604 retribuzioni, quindi la mediana riflette soprattutto il mercato degli Stati Uniti, dove raggiunge 115.092 €. | Mercato (job board SharpSkill, 10 novembre 2026) | Annunci con retribuzione | Retribuzione annua mediana | |--------------------------------------------------|--------------------------|----------------------------| | Tutte le regioni | 604 | 102.523 € | | Stati Uniti | 391 | 115.092 € | | Regno Unito | 34 | 74.920 € | In Germania meno di 20 annunci pubblicano una cifra, un numero troppo basso per una mediana affidabile: lì le fasce retributive pubblicate restano rare e lo stipendio si discute di solito nel primo contatto. Lo stesso approccio prudente vale per chi si candida in mercati europei dove la trasparenza retributiva negli annunci è ancora limitata: conviene arrivare al primo colloquio con una cifra già definita. Come riferimento pubblico per gli Stati Uniti, il Bureau of Labor Statistics non prevede una categoria "data analyst"; la professione più vicina, quella degli [operations research analyst](https://www.bls.gov/ooh/math/operations-research-analysts.htm), mostra una retribuzione mediana di 88.940 $ a maggio 2025 e una crescita occupazionale prevista del 12% tra il 2025 e il 2035. Il lavoro da freelance resta minoritario: il 9% degli annunci di data analytics sul job board riguarda missioni freelance. Tra i 65 annunci che indicano una tariffa giornaliera, la mediana è di 465 €, con la metà centrale tra 430 € e 500 €. Contratti, portage e IR35 sono trattati nella [guida alle offerte freelance per data analyst](https://sharpskill.dev/it/blog/data-analytics/freelance-data-analyst-jobs-2026). ## Lavoro da remoto e ibrido: le differenze tra paesi Sul job board di SharpSkill al 10 novembre 2026, il 56% degli annunci di data analytics è in full remote, il 18% ibrido e il 5% in sede; il resto non specifica la modalità. Queste quote globali nascondono forti differenze da un paese all'altro: | Paese | Annunci attivi | Full remote | Ibrido | |-------|----------------|-------------|--------| | Stati Uniti | 695 | 83% | 5% | | Regno Unito | 200 | 32% | 33% | | Francia | 234 | 7% | 53% | | Germania | 99 | 27% | 35% | Un'etichetta "remote" raramente significa "da qualsiasi luogo". La maggior parte degli annunci in remoto limita il paese di residenza per ragioni fiscali e di gestione delle buste paga, oppure impone una sovrapposizione con un certo fuso orario. L'altro vincolo è l'accesso ai dati: banche, assicurazioni e aziende sanitarie richiedono spesso che gli analyst che lavorano su dati personali siano in sede o utilizzino un dispositivo gestito dall'azienda. Verificare questi due punti già nel primo contatto evita una sorpresa tardiva al momento dell'offerta. La [pagina pubblica sul mercato del lavoro data analytics](https://sharpskill.dev/it/lavoro/data-analytics) mostra gli stessi indicatori per ogni paese, con i collegamenti ai dettagli nazionali. ## Domande colloquio data analyst: come prepararsi a ogni fase La maggior parte dei processi di selezione per data analyst segue la stessa sequenza: un primo colloquio con il recruiter, un test SQL (dal vivo o da svolgere a casa), un caso pratico o uno scenario di business e un colloquio finale con il responsabile dell'assunzione. Ogni fase misura una competenza diversa. **La prova SQL.** Ci si deve aspettare un problema di ranking ("i tre prodotti più venduti per categoria"), un confronto tra periodi ("la crescita del fatturato mese su mese") e un caso di deduplicazione. La trappola classica è un join su una chiave non univoca che moltiplica silenziosamente le righe e gonfia una somma senza generare alcun errore. I candidati che controllano il numero di righe prima e dopo ogni join si distinguono. Le [domande di colloquio sulle funzioni finestra SQL](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/sql-window-functions) coprono gli schemi che ritornano più spesso. **La prova di statistica e sperimentazione.** I ruoli da analyst di prodotto e marketing includono quasi sempre una domanda sull'A/B testing: scegliere la metrica principale, stimare la dimensione del campione e spiegare perché fermare un test appena sembra significativo aumenta i falsi positivi. Il [modulo sull'A/B testing](https://sharpskill.dev/it/technologies/data-analytics/domande-colloquio/ab-testing) allena proprio queste risposte. **Il caso pratico.** L'intervistatore presenta un sintomo di business, per esempio un calo del 15% degli ordini settimanali, e osserva il ragionamento. Una risposta solida verifica prima che il calo sia reale (modifica del tracciamento, ritardo nei dati, stagionalità), poi lo segmenta (piattaforma, paese, clienti nuovi rispetto a clienti abituali) e solo dopo propone delle cause. Una risposta debole salta a un'ipotesi nel primo minuto. **La prova di BI e modellazione.** Per i ruoli BI le domande riguardano gli schemi a stella, la differenza tra una colonna calcolata e una misura in DAX e le ragioni per cui un report è lento. I candidati devono saper spiegare il contesto di filtro con parole semplici. **La prova con gli stakeholder.** I ruoli senior aggiungono uno scenario: due team riportano cifre di fatturato diverse per lo stesso mese. La risposta attesa ricostruisce entrambe le definizioni fino alle tabelle di origine e propone un'unica metrica documentata, invece di dare ragione a una delle due parti. La raccolta completa di [domande di colloquio per data analytics](https://sharpskill.dev/it/technologies/data-analytics) organizza SQL, Python, strumenti di BI e statistica per modulo, e il [cheatsheet per sviluppatori](https://sharpskill.dev/it/dashboard/sviluppatore/cheatsheet) condensa la sintassi da ripassare la sera prima. Per un percorso domanda per domanda, la [guida completa alle domande di colloquio per data analyst](https://sharpskill.dev/it/blog/data-analytics/data-analyst-interview-questions-2026-complete-guide) approfondisce ogni argomento. ## Checklist delle competenze prima di candidarsi - Scegliere uno o due profili (data analyst, BI analyst, analytics engineer) e riscrivere il CV con il lessico usato in quegli annunci. - Esercitarsi su funzioni finestra, CTE e conteggio delle righe dopo i join finché una query di ranking o di confronto mese su mese richiede meno di dieci minuti. - Padroneggiare a fondo uno strumento di BI, incluso il livello di modellazione (misure DAX e contesto di filtro per Power BI), invece di elencarne tre. - Preparare un caso pratico completo: un dataset disordinato, i passaggi di pulizia, la metrica scelta e una raccomandazione su una sola slide. - Ripassare le basi dell'A/B testing: metrica principale, dimensione del campione e perché guardare i risultati in anticipo li distorce. - Chiedere nel primo contatto la fascia retributiva, la politica sul lavoro da remoto (paese, fuso orario, accesso ai dati) e lo stack di data warehouse e BI in uso. - Consultare la [panoramica sulle offerte di lavoro per data analyst](https://sharpskill.dev/it/blog/data-analytics/data-analyst-jobs-2026) per capire dove vengono pubblicati gli annunci, poi filtrare il job board per seniority e puntare alle posizioni realistiche. --- Source: SharpSkill (https://sharpskill.dev), tech interview preparation for your real stack. HTML version of this page: https://sharpskill.dev/it/blog/data-analytics/data-analyst-skills-employers-want-2026