Vacancy description
Imported 2026-11-06 16:15:32.833141+00:00
Over Quintel
Quintel is een klein en dynamisch bedrijf dat als gids in de energietransitie beweging creëert. Centraal in onze aanpak is dat we een probleem niet overnemen, maar anderen in staat stellen zelf inzichten op te doen en zo verder te komen. Dit doen we door advieswerk, onderzoek en modelontwikkeling, met name van het open-source en open-access Energietransitiemodel (ETM). Sinds 2026 is het model in beheer van de onafhankelijke stichting POTES. Quintel is de initiator en voornaamste ontwikkelaar van ETM.
Over de functie
Je wordt onderdeel van het Modeling & Development team van Quintel. Dit team werkt aan de berekeningen, data en software achter het ETM. De data daarin loopt van technologie- en kostenkengetallen en uurprofielen tot een beschrijving van het complete energiesysteem van ruim 400 regio’s (de Europese landen, elke Nederlandse provincie en gemeente) voor een referentiejaar, opgebouwd uit openbare bronnen. Lang was die data een alleen een randvoorwaarde om met het ETM te kunnen rekenen; inmiddels komen partijen steeds vaker juist voor de data zelf.
De manier waarop we die data verwerken is organisch gegroeid en kan een flinke professionaliseringsslag gebruiken. De weg van bron naar berekening is nu geen gestroomlijnd proces: we willen naar pipelines die volledig script-based en modulair zijn. Daar hebben we de komende vier jaar tijd en middelen voor. Het doel is dat onze manier van energiedata verwerken de standaard wordt voor de energietransitie in Nederland en Europa: van EU-niveau tot een wijk of bedrijventerrein.
Waar je aan gaat werken
Jij ontwerpt de nieuwe pipelines, bouwt ze en gaat ze op termijn beheren. We zoeken bewust iemand op het snijvlak van data engineering en data science: je bouwt de infrastructuur én maakt je de inhoud eigen. Je weet niet alleen hoe de data door het systeem loopt, maar ook wat de getallen betekenen en wanneer ze niet kloppen. Wat je bouwt moet navolgbaar zijn: elk getal is terug te leiden tot de bron. Ook moet het team ermee kunnen blijven werken. Je bouwt voort op wat er staat en vervangt alleen als daar goede redenen voor zijn
Voorbeelden van waar je aan gaat werken:
Een nieuwe pipeline ontwerpen en bouwen voor de nationale datasets, die twee bestaande routes samenvoegt en de data beter laat aansluiten op internationale standaarden, zoals de Eurostat-energiebalansen;
De regionale datasets (gemeenten, RES-regio’s en provincies), uurprofielen en lokale data omzetten van losse notebooks en Excel-bestanden naar één reproduceerbare, schaalbare pipeline;
Controles inbouwen die afwijkingen zichtbaar maken, voor ons en voor gebruikers;
Uurprofielen, kosten en technische specificaties en lokale data onderbrengen in dezelfde structuur.
Wat wij bieden
Een inspirerend, gedreven team waarin iedereen initiatief neemt en zich uitspreekt;
Een salaris tussen €3.800 en €5.200 per maand, afhankelijk van je ervaring, plus pensioenregeling en 25 vakantiedagen;
De kans om het datafundament te bouwen onder een model dat door duizenden gebruikers in Nederland en Europa wordt gebruikt;
Ruimte om je te ontwikkelen in een groeiend bedrijf, met passende training en coaching;
Maandelijkse borrel, jaarlijks teamweekend en strategiedagen;
Een kantoor aan de grachten van Amsterdam, met goede koffie en een (vegetarische en grotendeels biologische) lunch;
Ruimte om deels op afstand te werken (maandag is onze vaste kantoordag).
Wie wij zoeken
We zoeken een nieuwe collega voor 32 tot 40 uur per week, werkzaam vanuit ons kantoor in Amsterdam. Jij:
hebt 2 tot 5 jaar relevante ervaring als data engineer / scientist of in een vergelijkbare rol, en een WO-opleiding in een relevant veld zoals data science, energiewetenschappen, econometrie, natuurkunde of techniek;
werkt vlot met Python en Git, en vindt je weg in een complex Excel-bestand of een GitHub-repository;
werkt analytisch en systematisch, met oog voor detail: één verkeerde eenheid werkt door in honderden datasets;
bent proactief: je wacht niet tot er een klus klaarligt, maar overziet waar anderen aan werken en waar afhankelijkheden zitten;
bent pragmatisch: je verbetert stap voor stap wat er al staat, in plaats van opnieuw te beginnen;
wilt het energiesysteem goed genoeg leren kennen om te begrijpen waar de databehoefte van een modelleur, consultant of klant vandaan komt;
kan duidelijk uitleggen wat er gebeurt, in het Nederlands en het Engels.
Idealiter, maar niet noodzakelijk: kennis van energiestatistieken (zoals energiebalansen of de Klimaatmonitor), ervaring met tooling voor datapipelines of datavalidatie (zoals Dagster of Airflow), en ervaring met het publiceren van open data.
Je hoeft dit niet allemaal al te kunnen: we kijken naar aanleg en zin om te groeien. Herken je je in de meeste punten? Solliciteer dan!
Hoe te solliciteren
Stuur je CV en een korte motivatie naar jobs@quintel.com
Doe dat uiterlijk 1 december, daarna begint ons selectieproces
Let op: we kunnen helaas geen verblijfs- of werkvergunning sponsoren
Mocht je vragen hebben, aarzel dan niet om ons een e-mail te sturen (jobs@quintel.com)
Full-text baseline
Classified 2026-11-07 12:47:21.075674+00:00
DataNeeds review
Explicit role/task wording or requested domain skills support the proposed scope; LTA review remains required.
Skills suggested
- Spreadsheet data work
Source passage
werkt vlot met Python en Git, en vindt je weg in een complex Excel-bestand of een GitHub-repository;
Proposed e-CF links
Suggested links for review. They do not assess skill levels.
No e-CF links were suggested.
Other source passages
Data Scientist / Engineer
AI suggestion
Classified 2026-11-07 16:21:21.840137+00:00
DataSuggestion
Skills suggested
- Data pipelines
Source passage
De regionale datasets (gemeenten, RES-regio’s en provincies), uurprofielen en lokale data omzetten van losse notebooks en Excel-bestanden naar één reproduceerbare, schaalbare pipeline;
- Python programming, required
Source passage
werkt vlot met Python en Git, en vindt je weg in een complex Excel-bestand of een GitHub-repository;
- Spreadsheet data work, required
Source passage
werkt vlot met Python en Git, en vindt je weg in een complex Excel-bestand of een GitHub-repository;
- Data cleaning and quality
Source passage
Controles inbouwen die afwijkingen zichtbaar maken, voor ons en voor gebruikers;
- Needs and results communication, required
Source passage
kan duidelijk uitleggen wat er gebeurt, in het Nederlands en het Engels.
- Statistical reasoning, preferred
Source passage
Idealiter, maar niet noodzakelijk: kennis van energiestatistieken (zoals energiebalansen of de Klimaatmonitor), ervaring met tooling voor datapipelines of datavalidatie (zoals Dagster of Airflow), en ervaring met het publiceren van open data.
Proposed e-CF links
Suggested links for review. They do not assess skill levels.
Data pipelines to B.2: Component Integrationrelated · draft aiet for amey review
Source passage
De regionale datasets (gemeenten, RES-regio’s en provincies), uurprofielen en lokale data omzetten van losse notebooks en Excel-bestanden naar één reproduceerbare, schaalbare pipeline;
Task: The task integrates systems or components and checks compatibility.
Data pipelines to D.7: Data Science and Analyticsrelated · draft aiet for amey review
Source passage
De regionale datasets (gemeenten, RES-regio’s en provincies), uurprofielen en lokale data omzetten van losse notebooks en Excel-bestanden naar één reproduceerbare, schaalbare pipeline;
Task: The task extracts and integrates data sources for analytics.
Python programming to B.1: Application Developmentrelated · draft aiet for amey review
Source passage
werkt vlot met Python en Git, en vindt je weg in een complex Excel-bestand of een GitHub-repository;
Task: The Python code implements a specified application task with tests.
Data cleaning and quality to D.7: Data Science and Analyticsrelated · draft aiet for amey review
Source passage
Controles inbouwen die afwijkingen zichtbaar maken, voor ons en voor gebruikers;
Task: The task prepares data for analysis.
Data cleaning and quality to D.10: Information and Knowledge Managementrelated · draft aiet for amey review
Source passage
Controles inbouwen die afwijkingen zichtbaar maken, voor ons en voor gebruikers;
Task: The task applies quality controls within an organisational information process.
Needs and results communication to D.11: Needs Identificationrelated · draft aiet for amey review
Source passage
kan duidelijk uitleggen wat er gebeurt, in het Nederlands en het Engels.
Task: The task clarifies customer needs for an ICT solution.
Statistical reasoning to D.7: Data Science and Analyticsrelated · draft aiet for amey review
Source passage
Idealiter, maar niet noodzakelijk: kennis van energiestatistieken (zoals energiebalansen of de Klimaatmonitor), ervaring met tooling voor datapipelines of datavalidatie (zoals Dagster of Airflow), en ervaring met het publiceren van open data.
Task: The task applies a statistical method to support data analysis.
Other source passages
Jij ontwerpt de nieuwe pipelines, bouwt ze en gaat ze op termijn beheren.
We zoeken bewust iemand op het snijvlak van data engineering en data science: je bouwt de infrastructuur én maakt je de inhoud eigen.