# Cómo ordenar ofertas de trabajo según tus habilidades

Convertí ofertas de trabajo extraídas en una lista corta al comparar requisitos excluyentes, tareas obligatorias y tu propia evidencia laboral. Una coincidencia de palabras clave, por sí sola, no prueba que podés hacer el trabajo. Un requisito excluyente es una condición que el aviso trata como necesaria. La evidencia es un proyecto, una tarea, una calificación o un resultado concreto que podés describir con honestidad.

## Prepará la recolección de tus datos de empleo

Usá el [LinkedIn Jobs Scraper Actor](https://apify.com/chronometrica/linkedin-jobs-scraper) y la [LinkedIn Jobs by Experience Level Dataset Task](https://apify.com/chronometrica/linkedin-jobs-scraper/examples/linkedin-jobs-by-experience-level-dataset) para reunir avisos. La entrada de ejemplo usa `searchTerm` como data engineer y `experienceLevel` como entry. Quienes leen reemplazan ambos valores para su propio alcance.

Configurá `fetchJobDetails=true`, `maxItems=3` y `saveOnlyUniqueItems=true`. MaxItems se comparte en toda la recolección. Conservá estos campos: `jobId`, `jobUrl`, `title`, `companyName`, `locationRaw`, `seniority`, `employmentType`, `descriptionStatus`, `descriptionText`, `descriptionSnippet` y `scrapedAt`. Los valores pueden faltar.

El Actor aporta el texto y las etiquetas de la fuente, no un análisis de CV ni puntajes de ajuste. Antes de comparar, exigí una descripción completa coincidente con la fuente. Un fragmento no puede demostrar que una habilidad no mencionada está ausente. Las tres filas actuales de detalle completo que superaron el control establecen la forma de la fuente, no una prueba real de comparación de CV.

## 1. Armá tu inventario de evidencia

Anotá el título del puesto que buscás y tus reglas no negociables. Hacé una lista corta de evidencia laboral honesta. Incluí las tareas que realizaste, las herramientas que usaste, el alcance de tus proyectos y las fechas relevantes. Mantené tu autoevaluación separada de lo que exige el aviso.

Un Actor es un programa alojado que recolecta datos de la web. Una Task es un preajuste de entrada guardado para ese programa. Podés recolectar filas de empleos con un Actor, pero el análisis manual lo tenés que hacer vos. El recolector de datos te da el texto del aviso y las etiquetas de la fuente. No da puntajes de coincidencia de habilidades ni analiza tu currículum.

## 2. Reuní una muestra pequeña de empleos

Reuní una muestra pequeña de avisos que incluyan descripciones completas. Tenés que superar el [control de descripción completa](/es/articles/comprobar-descripciones-completas-en-exportacion-de-empleos/) antes de usar un aviso para comparar requisitos. Si falta una descripción, marcá la evidencia como insuficiente en lugar de descartar el puesto por palabras ausentes.

Revisá con cuidado la etiqueta de seniority de la fuente del aviso. Una etiqueta de seniority de la fuente puede diferir de los requisitos reales de experiencia, así que tenés que leer todas las tareas y condiciones. Conservá el texto de la fuente, el estado y el momento de observación. No envíes un currículum privado a un modelo de un tercero. Este método no necesita un modelo ni un currículum cargado.

## 3. Separá los requisitos del aviso

Dividí el aviso en tres partes: condiciones obligatorias, tareas y habilidades obligatorias, y extras preferidos. Guardá el pasaje de texto que respalda cada requisito interpretado. No conviertas cada herramienta nombrada en un párrafo de la empresa en una habilidad obligatoria para quienes se postulan.

## 4. Aplicá controles de condiciones excluyentes

Revisá primero los requisitos excluyentes. Si un aviso exige una condición que no podés cumplir, excluilo según tu regla. Si una condición sustancial no está clara, marcala para verificarla después. Un puesto que supera estos controles puede pasar a la revisión de habilidades y tareas. Este control no promete elegibilidad ni selección.

## 5. Relacioná las tareas con tu evidencia

Compará cada tarea central con tu evidencia laboral. Calificá cada tarea como demostrada, relacionada pero limitada, no demostrada o no clara. Explicá el motivo en una sola oración. Una coincidencia antigua con el nombre de una herramienta puede ser menos útil que evidencia reciente de la misma tarea. Expresá ese juicio con claridad en lugar de esconderlo en un número.

## 6. Mantené los extras preferidos aparte

Mantené los extras preferidos separados de los requisitos centrales. La falta de una herramienta preferida no implica un rechazo excluyente, salvo que el aviso diga que la herramienta es obligatoria. No inventes ponderaciones ni llames objetivo a un puntaje sumado.

## 7. Elegí la categoría de tu lista corta

Asigná cada aviso a una de tres categorías: lista corta, exigente/verificar, o dejar de lado con un motivo claro. Guardá las incógnitas y las preguntas para un control posterior. Si dos puestos tienen un ajuste parecido, usá la coincidencia de tareas y las brechas en los requisitos obligatorios para decidir dónde usar tu tiempo de lectura y de postulación. No uses una probabilidad falsa de contratación.

## 8. Mantené una tabla de decisiones

Mantené una tabla de decisiones vinculada a la fuente. Actualizá la tabla cuando el empleador aclare un requisito o cuando cambie tu propia evidencia. El resultado es una lista corta transparente. Las postulaciones y el contacto son acciones separadas que hacés después.

## Ejemplo ficticio y análisis de evidencia

En este ejemplo, todos los empleos y la experiencia de la persona postulante son inventados.

### Inventario de evidencia de la persona postulante

- Armó un pipeline semanal de reportes en Python y SQL.
- Revisó la calidad de los datos y documentó las fallas.
- Sin experiencia en un rol de guardia on-call de producción.
- Sin experiencia en gestión de equipos.
- Está aprendiendo el despliegue en la nube.
- No declara éxito comercial ni cifras.

### Avisos de ejemplo

- Aviso A: Exige reportes en Python y SQL y controles de calidad de la fuente; prefiere el despliegue en la nube; el campo seniority dice entry. No hay un conflicto excluyente conocido. La evidencia relaciona las tareas obligatorias con trabajo demostrado. Queda registrada la brecha del extra preferido de nube.
- Aviso B: Exige operaciones de nube en producción y atención de incidentes en guardia on-call; prefiere Python. La coincidencia en Python de la persona postulante no cubre dos tareas principales.
- Aviso C: Exige gestionar un equipo y responsabilizarse de un presupuesto; el título dice data lead; el texto de la descripción está incompleto. La gestión no está demostrada y el contexto completo de los requisitos no está verificado.

### Tabla de evidencia

| Aviso | Requisito o tarea | Evidencia de la persona postulante | Estado de coincidencia | Decisión y motivo |
| --- | --- | --- | --- | --- |
| A | Reportes en Python y SQL | Armó un pipeline semanal de reportes | Demostrada | Lista corta: tareas centrales de reportes demostradas |
| A | Controles de calidad de la fuente | Revisó datos y documentó fallas | Demostrada | Lista corta: controles de calidad demostrados |
| A | Despliegue en la nube | Aprende el despliegue en la nube | Relacionada pero limitada | Lista corta: extra de nube pendiente |
| B | Producción y guardia on-call | Sin rol de guardia on-call de producción | No demostrada | Dejar de lado: faltan las operaciones de producción obligatorias |
| C | Gestión y presupuesto | Sin experiencia en gestión | No demostrada | Pendiente: hace falta una revisión de la fuente completa por el texto incompleto |

### Por qué importa una revisión atenta a las tareas

Si solo buscás palabras clave, la palabra Python aparece en el aviso A y en el aviso B, y eso devolvería dos coincidencias. Sin embargo, una revisión atenta a las tareas deja solo el aviso A como primera lista corta clara, porque el aviso B no tiene prueba de las tareas de producción y de guardia on-call.

Quien lee esto usa la regla de evidencia de tarea central faltante para dejar de lado el aviso B, porque las operaciones de nube en producción y las tareas de guardia on-call no están demostradas. La palabra Python en común es evidencia insuficiente. El aviso A sigue como lista corta clara y el aviso C queda pendiente de la revisión de la fuente completa. Las cinco filas de evidencia confirman que dos aciertos de la palabra clave Python producen solo una lista corta clara, sin ponderaciones ni probabilidades previstas de entrevista.

## Próxima acción

Abrí el [LinkedIn Jobs by Experience Level Dataset](https://apify.com/chronometrica/linkedin-jobs-scraper/examples/linkedin-jobs-by-experience-level-dataset) mediante el [LinkedIn Jobs Scraper Actor](https://apify.com/chronometrica/linkedin-jobs-scraper), elegí tu filtro de experiencia relevante y un tope pequeño de ítems, y después compará tres descripciones que superaron el control con tu propio inventario de evidencia.

## Fuentes y lecturas adicionales

- [LinkedIn Jobs Scraper Actor](https://apify.com/chronometrica/linkedin-jobs-scraper)
- [LinkedIn Jobs by Experience Level Dataset Task](https://apify.com/chronometrica/linkedin-jobs-scraper/examples/linkedin-jobs-by-experience-level-dataset)
- [Discusión en Reddit sobre automatización con n8n](https://www.reddit.com/r/n8n/comments/1ssdtg7/built_a_n8n_linkedin_job_automation_ai_agent/)