Excel pour data analyst : les formules et outils vraiment utiles

Pour un data analyst, Excel n’est pas seulement un outil de tableau. C’est souvent l’endroit où l’on reprend un export, ou l’on contrôle une information, ou l’on construit une synthèse exploitable rapidement.

Le besoin est rarement de connaître toutes les fonctions. Le besoin est de savoir structurer un fichier, fiabiliser la saisie, calculer les bons indicateurs et faire ressortir les actions prioritaires. Excel sert surtout à analyser, vérifier, simuler et décider. Alors voici 10 formules et outils utiles pour vous aider à gagner du temps dans votre métier :

1. Structurer son fichier avant les formules

La plupart des erreurs Excel commencent avant les formules. Elles viennent d’un fichier mal organisé : titres fusionnés, lignes vides, totaux au milieu de la base, libellés saisis de plusieurs manières ou des colonnes qui changent d’un mois à l’autre.

Pour un data analyst, le bon réflexe consiste à séparer les données sources, les paramètres, les calculs et le tableau de bord.

Un fichier simple peut contenir :

• Ventes : la base principale ;
• Paramètres : listes, seuils, objectifs, responsables ;
• Calculs : colonnes d’aide et contrôles ;
• Dashboard : les indicateurs à lire rapidement.

La règle à garder : une ligne = un événement, une opération, une demande ou une observation. Pas une ligne qui mélange plusieurs sujets.

Cas pratique : créer une base propre pour data analyst

Dans l’onglet Ventes, créez les colonnes suivantes :

Sélectionnez la plage, puis transformez-la en tableau structuré avec Ctrl + T. Renommez le tableau Ventes.

L’intérêt est immédiat : si vous ajoutez une nouvelle ligne, les formules qui utilisent Ventes[CA] s’agrandissent automatiquement. C’est plus robuste qu’une plage fixe du type E2:E500.

Astuce CLEEX : commencez toujours par structurer avant d’automatiser. Une bonne formule sur un mauvais tableau reste fragile.

2. Nettoyer un export avec les bons réflexes

Les exports métier sont rarement parfaits. On y trouve des espaces invisibles, des dates au format texte, des doublons, des colonnes inutiles ou des montants importes comme du texte.

Avant d’analyser, il faut rendre la base exploitable. Quelques fonctions suffisent souvent :

• SUPPRESPACE pour enlever les espaces en trop ;
• NETTOYER pour retirer certains caracteres invisibles ;
• SUBSTITUE pour remplacer un séparateur ;
• DATEVAL si une date arrive sous forme de texte ;
• ESTNUM pour vérifier qu’un montant est bien numérique.

Cas pratique : préparer un export exploitable

Supposons que la colonne CA arrive àvec des espaces et le libellé EUR. Ajoutez une colonne Montant propre.

=VALEUR(SUBSTITUE(SUBSTITUE([@[CA]];"EUR";"");" ";""))

Si une date est importee comme texte, ajoutez une colonne Date propre :

=DATEVAL([@[Date]])

Controlez ensuite les lignes problématiques :

=SI(ESTNUM([@[Montant propre]]);"OK";"Montant a vérifier")

Ce nettoyage prend quelques minutes, mais il évite de construire un tableau de bord sur des données fausses.

3. Retrouver une information avec RECHERCHEX

RECHERCHEX permet de récupérer automatiquement une information depuis une table de référence.

Pour un data analyst, elle sert souvent à retrouver le responsable d’un canal, une catégorie, un objectif, un taux, un responsable ou un seuil d’alerte.

Elle est préférable a RECHERCHEV quand elle est disponible, car elle reste plus lisible et moins fragile si les colonnes changent.

Cas pratique : enrichir la base avec un paramètre métier

Dans l’onglet Paramètres, créez une table avec deux colonnes :

Dans Ventes, ajoutez une colonne Information associée.

=RECHERCHEX(A2;Paramètres[Clé];Paramètres[Valeur];"Introuvable")

Adaptez A2 à la cellule qui contient la clé à rechercher : canal, client, service, produit, fournisseur, projet ou collaborateur.

Le dernier argument "Introuvable" est important. Il évite d’afficher une erreur brute et signale clairement qu’une clé manque dans les paramètres.

4. Calculer les indicateurs avec SOMME.SI.ENS et NB.SI.ENS

SOMME.SI.ENS additionne des valeurs selon plusieurs critères. NB.SI.ENS compte des lignes selon plusieurs critères.

Ce sont deux fonctions centrales pour l’analyse de données. Elles permettent de calculer taux de conversion, marge par canal, un volume par catégorie, un montant par mois ou un nombre d’alertes.

Cas pratique : calculer un indicateur prioritaire

Dans Dashboard, créez une cellule pour suivre taux de conversion.

Si votre table contient une colonne de montant et une colonne de critère, vous pouvez additionner les lignes qui correspondent à la valeur choisie dans le dashboard :

=SOMME.SI.ENS(Ventes[CA];Ventes[Canal];Dashboard!$A$2)

La cellule Dashboard!$A$2 peut contenir un statut, un canal, une catégorie, un service ou une priorité selon le fichier.

Pour compter les lignes à surveiller :

=NB.SI.ENS(Ventes[Canal];"À contrôler")

Le principe est toujours le même : on évite les filtres manuels et on obtient un chiffre qui se met à jour dès que la base change.

5. Suivre les dates avec AUJOURDHUI

AUJOURDHUI renvoie automatiquement la date du jour. Combinee avec une date d’échéance, elle permet de voir ce qui est en retard, ce qui arrive bientot et ce qui peut attendre.

Pour un data analyst, c’est utile pour repérer campagnes dont les données n’ont pas été actualisées.

Cas pratique : afficher les jours restants

Ajoutez une colonne Jours restants.

=[@[Date]]-AUJOURDHUI()

Si votre colonne d’échéance s’appelle autrement, remplacez Date par le bon nom de colonne.

Ajoutez ensuite une colonne Alerte date :

=SI([@[Jours restants]]<0;"En retard";SI([@[Jours restants]]<=7;"À traiter cette semaine";"OK"))

Ajoutez une mise en forme conditionnelle :

• rouge pour En retard ;
• orange pour À traiter cette semaine ;
• gris ou vert pour OK.

Astuce issue des fichiers de calcul de dates : les dates doivent rester de vraies dates Excel. Si une date est stockée comme texte, les calculs de retard deviennent instables.

6. Automatiser les statuts avec SI

SI transforme une règle métier en résultat lisible. Au lieu d’obliger quelqu’un à interpréter plusieurs colonnes, le fichier affiche directement une action.

Pour un data analyst, c’est souvent ce qui rend le fichier vraiment utile : on ne lit pas seulement des chiffres, on sait quoi faire.

Cas pratique : créer une colonne Action

Ajoutez une colonne Action.

=SI([@[Alerte date]]="En retard";"Relancer";SI([@[Canal]]="Termine";"Classer";"Suivre"))

Adaptez les libellés à votre métier. Pour data analyst, la colonne peut afficher Relancer, Contrôler, Prioriser, Facturer, Commander, Analyser ou Clôturer.

Vous pouvez aller plus loin avec SI.CONDITIONS si plusieurs règles se suivent :

=SI.CONDITIONS([@[Jours restants]]<0;"Urgent";[@[Jours restants]]<=7;"Cette semaine";VRAI;"Normal")

La dernière condition VRAI sert de cas par defaut.

7. Analyser avec les tableaux croisés dynamiques

Les tableaux croisés dynamiques permettent d’analyser une base sans multiplier les formules.

Pour un data analyst, ils sont parfaits pour obtenir rapidement une synthèse par mois, par catégorie, par responsable, par statut ou par canal.

Cas pratique : construire une synthèse exploitable

À partir du tableau Ventes, insérez un tableau croisé dynamique.

Placez par exemple :

• en lignes : une catégorie métier comme client, canal, service, produit, fournisseur ou projet ;
• en colonnes : le mois ou le statut ;
• en valeurs : somme de CA ou nombre de lignes ;
• en filtre : responsable, région, équipe ou priorité.

Vous obtenez une lecture immédiate des zones qui concentrent le volume, les retards ou les montants.

Astuce CLEEX : avant de créer un TCD, ajoutez si besoin une colonne Mois :

=TEXTE([@[Date]];"aaaa-mm")

Cela facilite les analyses mensuelles et évite de manipuler les dates à la main.

8. Fiabiliser la saisie avec les listes déroulantes

Les erreurs de saisie cassent les analyses. Si un même statut est saisi En cours, en cours, En-cours et EC, Excel les considere comme des valeurs différentes.

La validation des données permet de créer des listes déroulantes propres.

Cas pratique : standardiser les statuts

Dans l’onglet Paramètres, créez une liste :

Dans Ventes, sélectionnez la colonne Canal, puis utilisez la validation des données avec cette source :

=Paramètres!$A$2:$A$6

Faites la même chose pour les catégories, responsables, priorités, canaux ou familles.

Astuce issue des modèles de listes déroulantes : centralisez les listes dans Paramètres. Si un libellé change, vous le modifiez une seule fois.

9. Simuler un scénario métier

Excel est très fort pour tester une hypothèse rapidement.

Pour un data analyst, un bon scénario peut servir à mesurer l’impact d’une hausse de conversion de 0,3 point. Le but n’est pas de predire parfaitement l’avenir. Le but est de comprendre les ordres de grandeur.

Cas pratique : comparer réel, hypothèse et impact

Dans Paramètres, saisissez une hypothèse en cellule B2. Exemple : 10 %.

Dans votre base, ajoutez une colonne Montant simule :

=[@[CA]]*(1+Paramètres!$B$2)

Ajoutez une colonne Impact :

=[@[Montant simule]]-[@[CA]]

Puis totalisez l’impact :

=SOMME(Ventes[Impact])

Vous pouvez créer trois hypothèses : prudente, centrale et ambitieuse. Cela suffit souvent pour préparer une décision sans construire un modèle lourd.

10. Construire un tableau de bord simple

Un bon tableau de bord tient sur un écran. Il ne montre pas tout. Il montre ce qui aide a agir.

Pour un data analyst, les indicateurs utiles sont :

• CA
• Marge
• Taux de conversion
• Top canal
• Produits en baisse

Cas pratique : créer un dashboard lisible

Dans l’onglet Dashboard, créez une table de synthèse :

La colonne Signal peut être automatisee avec SI :

=SI(B2<Paramètres!$B$5;"À surveiller";"OK")

Ajoutez des couleurs simples et évitez de surcharger le fichier. Le bon dashboard n’est pas celui qui impressionne. C’est celui qui permet de prendre une décision en moins d’une minute.

Bonnes pratiques pour un fichier Excel fiable

Quelques règles simples font une grande difference :

• transformer les plages en tableaux structurés avec Ctrl + T ;
• nommer les tableaux : Ventes, Demandes, Budget, Paramètres ;
• séparer les données sources, les calculs et le tableau de bord ;
• éviter les cellules fusionnées dans les bases de données ;
• utiliser des listes déroulantes pour les statuts, catégories et responsables ;
• garder les dates en vraies dates Excel, pas en texte ;
• utiliser ARRONDI pour les montants financiers ;
• utiliser SIERREUR uniquement quand l’erreur est prevue ;
• ajouter une mise en forme conditionnelle sur les alertes ;
• sauvegarder une version mensuelle des fichiers importants.

Un fichier Excel utile doit être comprehensible par quelqu’un d’autre que la personne qui l’a crée. Si une formule devient impossible a relire, c’est souvent que la structure du tableau doit être simplifiee.

Cas pratiques où Excel aide vraiment un data analyst

Excel est particulierement utile pour :

• nettoyer et contrôler un export métier ;
• suivre les volumes, montants, retards et statuts ;
• comparer plusieurs catégories ou responsables ;
• construire un tableau de bord mensuel ;
• simuler une hypothèse avant de prendre une décision ;
• repérer les anomalies avec la mise en forme conditionnelle ;
• automatiser les calculs récurrents avec des tableaux structurés ;
• préparer une synthèse claire pour une réunion.

L’idée n’est pas de tout gérer dans Excel. L’idée est d’utiliser Excel comme une couche d’analyse et de contrôle, là ou il apporte le plus de valeur.

FAQ

Quelles fonctions Excel faut-il connaître en priorité pour data analyst ?

Les plus utiles sont SOMME.SI.ENS, NB.SI.ENS, SI, SI.CONDITIONS, AUJOURDHUI, RECHERCHEX, TEXTE, SIERREUR, les tableaux structurés et les tableaux croisés dynamiques.

Excel peut-il remplacer un outil métier ?

Pas complètement. Excel est excellent pour analyser, contrôler, simuler et présenter. Pour produire la donnée officielle, gérer les workflows ou historiser les validations, un outil métier reste souvent plus adapté.

Comment éviter les erreurs dans un fichier Excel ?

Utilisez des tableaux structurés, des listes déroulantes, des formats de date propres, des noms de colonnes stables et un onglet Paramètres. évitez les cellules fusionnées dans les bases de données et ne modifiez pas manuellement les résultats calculés.

Comment construire un tableau de bord utile ?

Commencez par cinq à huit indicateurs maximum. Chaque indicateur doit répondre a une question concrète : quoi surveiller, quoi relancer, quoi corriger ou quoi décider.

Faut-il apprendre Power Query quand on est data analyst ?

Oui. Power Query est souvent le meilleur outil pour nettoyer, fusionner et préparer des exports récurrents avant l’analyse.

Conclusion

Pour un data analyst, bien utiliser Excel ne consiste pas à empiler les formules. Il s’agit de structurer les données, automatiser les contrôles simples et faire ressortir les décisions importantes. Commencez par une base propre, ajoutez les fonctions essentielles, puis construisez un tableau de bord court. SOMME.SI.ENS, NB.SI.ENS, SI, AUJOURDHUI, RECHERCHEX, les listes déroulantes et les tableaux croisés dynamiques couvrent déjà une grande partie des besoins.

Pour aller plus loin, CLEEX propose des ressources pratiques pour progresser sur Excel et construire des fichiers professionnels plus fiables, plus rapides et plus utiles au quotidien. Voir toutes les fonctions Excel en détails ou voir toutes les formules Excel en détails.

💡 Testez votre niveau Excel. En quelques minutes, situez votre niveau le logiciel de Microsoft grâce à ce Test Excel gratuit avec corrigé.

Si vous souhaitez bénéficier de la meilleure formation Excel pour les data analyst, je vous recommande de prendre contact avec Nicolas Parent de Morpheus Formation (organisme de formation certifié Qualiopi). Passez par Nicolas, c’est la garantie de bénéficier d’une formation certifiante et surtout d’une formation personnalisée en fonction de vos besoins métier. Cela vous permettra de gagner un temps infini sur Excel -> Je contacte Nicolas.