Data Analyst vs Business Analyst : les vraies différences

On me pose la question chaque semaine en mission. Faut-il prendre un Data Analyst ou un Business Analyst pour structurer la prise de décision ? Les deux postes coûtent presque le même prix. Mais ils ne livrent pas la même chose et ne se sourcent pas dans les mêmes viviers.

La réponse courte : le Data Analyst transforme la donnée en chiffres pour décider. Le Business Analyst traduit un besoin métier en process et en specs. Votre équipe ne sait pas lire ses chiffres ? Ouvrez un poste de Data Analyst. Vos outils ne collent pas à la façon dont le métier travaille ? C'est un Business Analyst qu'il vous faut.

Ce guide trace la frontière avec des fourchettes de salaire recoupées (baromètre Lity, étude de rémunération APEC 2025) et les vraies différences d'outils. Il donne aussi la méthode qu'on applique chez Lity pour trancher avant le brief. À la fin, vous saurez quel profil ouvrir et combien le budgéter.

Data Analyst et Business Analyst : la frontière concrète

Le Data Analyst part de la donnée. Le Business Analyst part du process métier. C'est la première ligne de partage et elle change tout sur le quotidien, les outils et le périmètre.

Le Data Analyst raisonne en SQL et dashboards

Son terrain : l'entrepôt de données, les modèles dbt, les dashboards Looker ou Tableau. Il répond à des questions chiffrées. Quel canal acquisition convertit le mieux. Quelle cohorte rétient à 6 mois. Pourquoi le panier moyen baisse en mai. Sa journée tourne autour de la requête, du contrôle qualité, de la restitution visuelle.

Le Business Analyst raisonne en process et exigences

Son terrain : les ateliers métier, les specs fonctionnelles, les modèles BPMN. Il traduit un besoin business en cahier des charges pour la DSI ou un éditeur. Migration ERP, refonte CRM, automatisation d'un workflow finance. Sa journée tourne autour des entretiens stakeholders, des user stories, des revues de specs avec la maîtrise d'œuvre.

Les outils ne se recoupent pas en 2026

C'est le test le plus rapide pour valider qu'on parle bien du même métier. Si la stack annoncée mélange dbt et BPMN, la fiche n'a pas été cadrée.

Le test à poser en call qualif

Demandez au candidat de décrire son dernier livrable concret. Si la réponse parle de table dim_customer et de dashboard rétention, c'est un Data Analyst. Si la réponse parle de matrice RACI et de specs fonctionnelles validées par le COMEX, c'est un Business Analyst.

Cas d'usage : quand prendre l'un ou l'autre

Sur nos missions data, on a tracé 4 contextes types. Le bon profil tombe en moins de 5 minutes une fois ces critères posés.

Cas 1 : structurer le pilotage business

Vous avez un CRM, un outil produit, un outil finance. Personne ne sait croiser les chiffres. Réponse : Data Analyst Confirmé. Il structure les KPI, s'appuie sur l'entrepôt existant ou le cadre avec un Data Engineer, et livre les premiers dashboards dans ses premiers mois.

Cas 2 : refondre un ERP ou migrer un outil métier

Vous changez de SIRH, déployez un ERP, refondez votre CRM. Réponse : Business Analyst Confirmé. Il anime les ateliers, rédige les specs, suit l'intégrateur.

Cas 3 : optimiser un parcours client digital

Vous voulez augmenter la conversion sur le tunnel d'achat ou de souscription. Réponse : Data Analyst orienté produit. Il analyse les funnels, propose des A/B tests, suit les KPI semaine après semaine.

Cas 4 : cadrer un nouveau projet métier complexe

Vous lancez un projet transverse : nouveau parcours achats, refonte du closing comptable, automatisation supply chain. Réponse : Business Analyst Senior. Il interview les directions, modélise les flux, livre un dossier de cadrage exploitable.

Salaires Data Analyst vs Business Analyst en 2026

Les deux métiers démarrent au même niveau. Selon notre baromètre, un Data Analyst et un Business Analyst débutants touchent autour de 38 K€ de fixe à Paris. À 5 ans, les deux sont encore autour de 49 K€. L'écart apparaît ensuite, plutôt en faveur du Business Analyst porté par les projets de transformation. Comptez 60 contre 62 K€ à 8 ans, puis 69 contre 73 K€ à 13 ans. L'APEC 2025 va dans le même sens. Elle donne 54 K€ de médiane, fixe et variable, aux cadres des métiers du big data, dont le Data Analyst. Le chiffre est le même pour les métiers de la business analyse et du pricing.

Fourchettes de marché observées, pas des vérités : médianes du baromètre des salaires Lity recoupées avec l'étude de rémunération APEC 2025. En régions, retirez 10 à 15 % (Lyon autour de 10 %). Le variable, quand il existe, s'ajoute au fixe.

Sourcer un Data Analyst ou un Business Analyst : pas les mêmes canaux

Le Data Analyst se chasse sur LinkedIn et la communauté tech

LinkedIn Recruiter reste le canal principal sur Paris. Welcome to the Jungle marche bien sur les scale-ups orientées data. Les meetups PyData Paris et les salons comme Big Data & AI Paris sont de bons viviers de profils confirmés. Kaggle et GitHub donnent des signaux concrets sur les projets perso.

Le Business Analyst se chasse via les cabinets de conseil

Le vivier principal sort des Big 4, des cabinets MOA spécialisés et des éditeurs. Sur LinkedIn, ciblez les BA en sortie de mission longue de 3 ans en cabinet. APEC et Cadremploi marchent mieux qu'un jobboard tech sur ces profils.

Évaluer un Data Analyst : 3 questions techniques

Question 1 : montre-moi ta dernière requête SQL complexe

On demande au candidat de partager son écran et d'écrire ou commenter une requête réelle de son job actuel. Bon signal : il parle de fenêtrages, de CTE, d'optimisation. Mauvais signal : il copie une requête simple en disant 'je n'ai pas le droit de montrer plus'.

Question 2 : raconte un dashboard que tu as construit et son impact

Réponse attendue : qui l'utilise, quelle décision il pilote, comment la métrique a évolué après mise en place. Si la réponse parle technique sans business, le candidat n'a pas la maturité Confirmé.

Question 3 : comment vérifies-tu la qualité de tes données ?

Réponse attendue : tests dbt, reconciliation manuelle avec le métier, alertes Monte Carlo ou Soda. Si la réponse est 'je regarde si ça semble cohérent', le profil n'est pas prêt pour de la prod.

Évaluer un Business Analyst : 3 questions process

Question 1 : raconte-moi ton dernier projet de cadrage

Réponse attendue : le périmètre initial, les stakeholders interviewés, les écarts entre le besoin exprimé et le besoin réel, la décision finale. Si le candidat parle uniquement de la spec finale sans le travail amont, il a fait du copier-coller.

Question 2 : un atelier qui a dérapé, comment tu as géré

Réponse attendue : un cas concret, sa lecture politique de la situation, la résolution. Mesure la maturité relationnelle. Sur les missions transformation, le BA est en première ligne face aux résistances.

Question 3 : comment structures-tu un dossier de specs lisible ?

Réponse attendue : sommaire type, niveaux de détail différenciés selon les lecteurs (COMEX, DSI, intégrateur), traçabilité des exigences. Bon signal : il cite BABOK ou une méthode interne formalisée.

Le test technique adapté à chaque profil

Test Data Analyst : SQL + cas business 4h

Une heure de SQL sur cas réel (5 questions, complexité croissante) plus un take-home de 3h sur dataset réaliste. Livrable attendu : 3 insights chiffrés et un dashboard Looker Studio ou Metabase. Pour aller plus loin, voir la méthode de recrutement par simulation.

Test Business Analyst : dossier de cadrage 6h

On donne au candidat un cas réel anonymisé : migration d'un outil ou refonte d'un process. Livrable attendu : note de cadrage de 4 pages avec problématique, parties prenantes, options et reco motivée. C'est plus parlant qu'un QCM de certification.

Évolutions de carrière à 5 ans

Les deux trajectoires sont solides mais ne convergent qu'au niveau Lead. Avant ça, les pivots latéraux sont rares.

Trajectoire Data Analyst

Junior à 2 ans, Confirmé à 5 ans, Senior à 8 ans. Pivots fréquents : Analytics Engineer (vers la donnée), Product Analyst (vers le produit), Data Lead (vers le management). À 10 ans, les profils ambitieux visent Head of Data ou VP Data Platform.

Trajectoire Business Analyst

Junior à 2 ans, Confirmé à 4-5 ans, Senior à 7-8 ans. Pivots fréquents : Product Owner (vers le produit), Project Manager (vers le pilotage), Consultant senior (vers le conseil). À 10 ans, les profils visent Head of Transformation, Directeur des Opérations ou Associé en cabinet conseil.

Quel profil prendre selon votre maturité

Voici la matrice qu'on utilise en mission. Deux axes : maturité data interne et complexité des process métier. Elle évite la plupart des briefs mal posés.

Quand passer par un cabinet expert Data

Trois cas où le cabinet est rentable. Vous hésitez entre Data Analyst et Business Analyst, ce qui veut dire que le brief n'est pas cadré. Vous cherchez un profil hybride rare (Data Analyst + capacité atelier métier). Vous avez déjà raté un recrutement et le coût d'erreur dépasse celui du cabinet.

Pour cadrer le brief et chasser le bon profil, parler à un headhunter Data chez Lity évite des mois de tâtonnement. Notre délai moyen de recrutement est de 22 jours.

Pour aller plus loin : le guide recruter un Data Analyst et le comparatif Data Analyst vs Data Scientist. Voir aussi nos fiches métier Data Analyst et Business Analyst.

Récap : trancher Data Analyst ou Business Analyst en 5 questions

• Mon besoin part-il d'une donnée à exploiter ou d'un process à cadrer ?
• La stack métier est-elle dominée par un ERP ou un warehouse ?
• Le quotidien sera-t-il en SQL ou en ateliers métier ?
• Mes stakeholders attendent un dashboard ou un cahier des charges ?
• Le ROI viendra d'une décision appuyée sur les chiffres ou d'un projet de transformation ?
• Si vous hésitez, le besoin réel est probablement un Business Analyst senior
• Le bon profil sort en 30 minutes de cadrage, pas en 3 semaines de fiche de poste
• Chiffrer le coût d'erreur avant de lancer le recrutement