Comment postuler à Rennes School of Business
On vous guide pour trouver la formation qui correspond le plus à vos besoins.
Actualités de l’école
Découvrez ce qui fait vivre l’école au quotidien : conférences, partenariats entreprises, projets étudiants et moments forts du campus.
Expérience étudiante
Nos campus de Rennes et de Paris accueillent les étudiants dans des environnements propices à la réussite.
Combine finance, data analytics, programmation et visualisation pour transformer les données financières en outils d’aide à la décision.
Découvrir la formation
Formation conseillée
Découvrir le programme
Tu peux commencer par contrôler l’actualisation d’un tableau de bord et vérifier la qualité des données. Tu échanges ensuite avec la finance, le contrôle de gestion ou les risques pour comprendre un besoin d’analyse. Tu écris une requête, construis une visualisation, testes un modèle ou automatises un reporting. La journée se termine souvent par la présentation des résultats et des recommandations.
Source : enquête interne emploi RSB, réalisée auprès d’un échantillon d’Alumni. Salaire brut annuel moyen, primes incluses.
Voir le programme RSB associé
BNP PARIBAS – SOCIÉTÉ GÉNÉRALE – UBS – KPMG – CACEIS
Découvrir le programme RSB associé
Tes premiers pas dans le métier
Tu peux commencer comme Data Analyst junior, Analyste reporting, Analyste financier data ou Business Analyst finance. Ces premières expériences permettent de maîtriser les outils, les méthodes et le fonctionnement du secteur.
Tu gagnes en autonomie
Avec l’expérience, tu peux évoluer vers des fonctions comme Data Analyst confirmé, Financial Data Analyst ou Analyste risques quantitatifs. Tu prends en charge un périmètre plus large, des projets plus complexes et davantage de coordination.
Tu accèdes à des postes à responsabilité
Avec plusieurs années d’expérience, tu peux évoluer vers
Découvre des professions qui mobilisent des compétences proches ou complémentaires.
Analyste financier Risk Manager
Contrôleur de gestion
Quelles technologies utilise un Data Analyst en finance ?
Selon l’entreprise : Excel avancé, SQL, Python ou R, Power BI, Tableau, outils de bases de données et plateformes cloud.
Quelle est la différence avec un analyste financier ?
L’analyste financier se concentre sur l’évaluation financière et les recommandations d’investissement ou de gestion. Le Data Analyst finance est davantage spécialisé dans la collecte, le traitement, l’automatisation et la visualisation des données.
Faut-il savoir programmer ?
La maîtrise de SQL est très fréquente et Python ou R constitue un avantage important. Le niveau attendu dépend toutefois du poste et de l’environnement technique.
Quelle formation suivre ?
Une formation Bac +5 associant finance, statistiques, économétrie, informatique décisionnelle ou data est recommandée. Le MSc Financial Data Intelligence de Rennes School of Business répond directement à ce positionnement.
Quel est le salaire d’un Data Analyst en finance en début de carrière ?
Un Data Analyst en finance bénéficie d’une rémunération d’entrée très attractive. Selon les données internes RSB (Rennes School of Business), le salaire moyen observé chez les diplômés ayant 0 à 2 ans d’expérience s’élève à 56 262 € brut annuel avec primes. Cette rémunération évolue rapidement pour atteindre 69 087 € après 3 à 5 ans d’expérience, tirée par la forte demande en compétences analytiques et technologiques dans le secteur financier.
Quelles sont les compétences techniques les plus recherchées pour ce poste ?
Les recruteurs privilégient la maîtrise d’outils d’analyse et de programmation comme SQL, Python ou R, indispensables pour la manipulation de données volumineuses (Big Data). Le Data Analyst en finance doit également maîtriser des logiciels de visualisation de données (Power BI, Tableau) et posséder une solide compréhension des concepts financiers (analyse des risques, modélisation financière, marchés de capitaux).
Le métier de Data analyst en finance t’intéresse ?
Découvre le MSc Financial Data Intelligence de Rennes School of Business, un programme conçu pour combine finance, data analytics, programmation et visualisation pour transformer les données financières en outils d’aide à la décision.
