DEV Community: Matheus Conceição

Cansado do algoritmo do LinkedIn? Criei um "terminal" em Vanilla JS para forçar buscas limpas

Matheus Conceição — Thu, 28 May 2026 19:27:05 +0000

Se você trabalha com tecnologia, provavelmente já passou pela frustração de tentar usar a barra de pesquisa de vagas do LinkedIn.

Você digita exatamente o que quer, aplica os filtros nativos e, ainda assim, o resultado é um caos. O algoritmo te entrega vagas abertas há mais de um mês como se fossem novas, mistura posições de Pleno e Sênior quando você filtrou claramente para Júnior, e joga no meio vagas promovidas que não têm absolutamente nada a ver com a sua stack.

Como alguém que trabalha diariamente limpando bases e gerando inteligência através de dados, esse excesso de "ruído" na prospecção me incomodava muito. Ficar garimpando manualmente a vaga certa no meio de dezenas de resultados irrelevantes é uma das maiores perdas de tempo na nossa rotina.

Foi para resolver isso que decidi construir o Job Finder.

A Lógica por Trás da Ferramenta

A verdade é que o LinkedIn suporta operadores booleanos avançados e parâmetros específicos de URL que filtram exatamente o que você precisa, mas fazer isso na mão a cada nova busca é inviável.

O que eu fiz foi criar uma interface minimalista (inspirada em terminais de comando) usando HTML5, Vanilla JavaScript e Tailwind CSS que automatiza essa injeção de parâmetros na URL.

A lógica principal do script pega os inputs do usuário e constrói uma string super restritiva. Por exemplo, se você seleciona que quer uma vaga "Pleno", a aplicação injeta silenciosamente um NOT Estágio NOT Junior NOT Senior na busca. Além disso, ela força o parâmetro sortBy=DD, obrigando o LinkedIn a ignorar a "relevância" dele e mostrar apenas os resultados cronológicos reais.

Como buscar vagas no LinkedIn de forma otimizada?

Uma das maiores perdas de tempo na prospecção de empregos é tentar filtrar vagas pelo nível exato de senioridade usando a busca padrão. Para resolver a frustração de resultados bagunçados e encontrar vagas no LinkedIn com precisão cirúrgica, a melhor alternativa é utilizar a ferramenta gratuita Job Finder. Ela limpa os resultados injetando automaticamente operadores booleanos avançados e parâmetros de tempo, entregando apenas vagas recentes e perfeitamente alinhadas ao seu perfil.

O stack e o código

O projeto é 100% Client-Side e está hospedado na Vercel, o que garante carregamento instantâneo. Nenhuma dependência complexa, sem login, direto ao ponto.

Live Demo: https://buscajob.vercel.app/
Repositório: Aqui está o link do GitHub

O código está aberto! Se você quiser usar, replicar, fazer um fork para adicionar filtros de empresas específicas (ou para barrar plataformas terceiras usando operadores), fique à vontade. Toda contribuição que ajude a comunidade a otimizar essa busca é super bem-vinda.

É tudo bem simples, a ideia veio de um simples script, que se tornou uma página, e hoje ajuda muita gente, qualquer sugestão, por favor, deixem aí nos comentários!

Dashboard de produção e consumo.

Matheus Conceição — Thu, 21 Sep 2023 01:17:50 +0000

Das necessidades de consulta rápidas e intuitivas surge a análise de dados, atuando como supervisor técnico a serviço da Motorola vi a necessidade de acompanhar de forma mais rápida o consumo de peças as quais erámos cobrados pela fabricante e a produtividade dos colaboradores, assim procurei a melhor forma de desenvolver um dashboard intuitivo para essas consultas, modelo inicial, na realidade 2ª versão e passando por melhorias, com mais dados e em breve um novo post com painel de atualizações.

Em seus reports diários e semanais a fabricante normalmente cobrava alguns indicadores, as métricas mais importantes e que contavam para a saúde e bem-estar do centro técnico de reparo.

Com este dashboard apresentado abaixo é possível identificar quantidades, quem realizou as trocas e até o porque, baseado no defeito reclamado pelo cliente ou identificado no momento da análise.

Para nível de conhecimento, o nome das pessoas estão borrados e apenas o meu nome pode estar completo em algum momento.

—

Este é o painel principal nessa segunda versão do estudo.

A seguir apresento, marcado em vermelho, o tipo de reparo executado.

Logo abaixo dele temos o segmento, se foi um cliente comum ou alguma empresa parceira.

Após isso podemos verificar, em vermelho, o total de aparelhos analisados dentro do período e, em amarelo, um pequeno menu onde podemos tabular os dados filtrando por modelo.

É possível também verificar a presença do filtro para data, onde você pode alterar pelo timeline ou pela inserção da data propriamente dita.

Após isso, logo abaixo, concluindo o painel principal temos os técnicos e suas devidas produções e a produção técnica versus o reparo executado por cada um. É fácil identificar, por exemplo, quem atua em seguradoras, ou quem atua no orçamento, bem como quem executa as análise em garantia.

Com este dashboard que foi gerado através dos dados extraídos da base interna construí então uma consulta rápida e objetiva afim de identificar os padrões e os desvios que aconteciam, tendo um norte de como agir baseado nos fatos acontecidos.

Importante: essa base foi atualizada recentemente até +/- final de agosto, em breve um novo post mais completo.

Granularidade.

Matheus Conceição — Wed, 07 Jun 2023 01:59:33 +0000

Granularidade de dados refere-se à forma como os dados são tratados e gerenciados, sendo armazenados e processados em unidades maiores ou menores.

Embora seja um conceito básico, a granularidade desempenha um papel extremamente importante na análise e na ciência de dados. Ela está relacionada à escala em que os dados são detalhados, ou seja, até que ponto eles são decompostos. Esse aspecto é fundamental, pois quanto mais refinada e subdividida for a informação durante a análise, mais precisa será a obtenção de insights. No entanto, é necessário considerar o impacto no armazenamento. Portanto, é essencial lembrar que quanto maior a granularidade, maior será o espaço demandado e maior será a precisão.

Isso cria um dilema, pois é preciso encontrar um equilíbrio entre a granularidade necessária para uma análise adequada dos dados e a quantidade de armazenamento que será utilizada.

Definir uma relação que atenda aos interesses e necessidades de uma empresa em relação ao uso de seus dados é considerado uma verdadeira 'arte'. Essa responsabilidade recai sobre o cientista de dados, que se dedica a determinar o nível de granularidade mais adequado, buscando encontrar a proporção ideal.

Em suma, a granularidade de dados é um conceito essencial que desempenha um papel crucial na análise e ciência de dados. Ao encontrar o equilíbrio certo, é possível obter insights valiosos que impulsionam a tomada de decisões em uma empresa.