Pracovní nabídky v obnovitelné energetice · Datová věda

Pracovní pozice v datové vědě v obnovitelné energetice

Datoví vědci v obnovitelné energetice staví statistické a strojově učené modely, které předpovídají výrobu, vyrovnávají síť v reálném čase, optimalizují výkon zařízení a mění toky dat z větrných turbín, FV střídačů a bateriových úložišť v rozhodnutí o obchodování a údržbě. Práce stojí na pomezí meteorologie, trhu s elektřinou a fyzikálního inženýrství, čímž se liší od běžné firemní datové vědy.

Globální počet pracovních míst v obnovitelných zdrojích dosáhl v roce 2024 podle výroční zprávy IRENA-ILO 16,6 milionu a podíl analytických rolí roste úměrně s tím, jak automatizace stlačuje marže u rutinních pozic. V Česku zaznamenala výroba a distribuce elektřiny, plynu, tepla a klimatizace ve 4. čtvrtletí 2025 nejvyšší meziroční nárůst průměrné mzdy v celé ekonomice, a to 15,8 %. Senior datoví analytici v IT zde dnes berou kolem 120 000 Kč hrubého měsíčně, v energetických scale-upech a obchodních útvarech ještě výrazně výš.

Po čem zaměstnavatelé sahají

Pozice se sdružují do tří typů. Forecasting data scientists predikují výrobu a spotřebu na horizontech od pěti minut do dvou let, což je hlavní role u dodavatelů jako OVO Energy, výrobců typu NextEra Energy a distributorů jako Enexis. Kvantitativní analytici modelují ocenění PPA, hedging a expozici na vyrovnávacím trhu pro obchodní desky. ML a analytics inženýři dopravují modely do produkce po boku týmů datového inženýrství a DevOps. Úzce specializovaná, ale dobře placená nika: datoví vědci pro chytré nabíjení v elektromobilitě a Principal Plasma Data Scientists u startupů zaměřených na jadernou fúzi.

Dovednosti, za které se připlácí

Základ tvoří Python, SQL a cloudový datový sklad spolu se solidní statistickou analýzou a strojovým učením. Nadstandardní platy přicházejí s doménovou hloubkou: numerická předpověď počasí (ECMWF, ICON), simulace toku výkonu v síti, mechanika trhu s elektřinou nebo zpracování dat ze SCADA v rozlišení pod sekundu. Pravděpodobnostní předpovědi (kvantilová regrese, conformal prediction) jsou dnes standardem všude, kde se řeší vyrovnávání sítě nebo obchod. Posilovací učení se přesouvá z výzkumu do produkce při řízení baterií a chytrého nabíjení.

Kam obor směřuje

Roli mění tři posuny. Zaprvé, generativní AI sráží cenu základní analytické práce a tlačí datové vědce do oborově specifických problémů, které stroje samy zatím nezvládají, což u obnovitelných zdrojů znamená chaotická data ze SCADA, řídké historie zařízení a kontrafaktuální úvahy o tržním designu. Zadruhé, virtuální elektrárny a agregace za elektroměrem vyvolávají poptávku po prediktivních modelech, které zvládají tisíce malých zařízení místo hrstky velkých. Zatřetí, týmy AI pro energetiku jsou dnes standardem ve scale-upech jako Kiwigrid, Eliq nebo Gridware, kde se po datovém vědci chce, aby zároveň posílal kód do produktu. Kariérně se vyplácí umět číst výsledovku i jednopólové schéma rozvodny ve stejném týdnu.