Il bias di selezione è da tempo di grande rilevanza non solo per la ricerca. In ambito aziendale, ma anche nella vita di tutti i giorni, selezioniamo informazioni o riceviamo dati che sono già stati distorti in modo selettivo. Se commettiamo errori già nella selezione è dovuto anche, in gran parte, alle distorsioni cognitive, che poi alterano inevitabilmente il risultato.
La frequenza con cui si manifestano distorsioni di selezione dimostra chiaramente che noi non siamo imparziali, ma che anche solo avvicinarsi a uno stato di imparzialità richiede uno sforzo importante. Gli esempi seguenti del bias di selezione mostrano le numerose implicazioni di una distorsione di selezione.
Nel primo esempio bisogna condurre un sondaggio sulla conoscenza generale di una marca di un integratore alimentare salutare. Se il sondaggio si effettua in palestre, negozi di prodotti naturali o supermercati biologici, le persone intervistate faranno parte dei target del prodotto, il che può sembrare sensato. Questo, tuttavia, genererebbe già un bias di selezione compromettendo l’affidabilità del risultato della ricerca di mercato.Le persone che frequentano palestre, negozi di prodotti naturali o supermercati biologici sono di solito più ricettive all’efficacia e all’importanza di prodotti salutari. Si può presumere, quindi, che la conoscenza del marchio in questi gruppi di persone sia più elevata, il che falsificherebbe la valutazione.
Il secondo esempio di bias di selezione dimostra, invece, quali possono essere le implicazioni di una selezione non casuale. I ricercatori economici devono condurre un’indagine sulla congiuntura economica il più rappresentativa possibile di tutte le imprese del paese. La selezione dei dati avviene, tuttavia, sulla base del registro delle imprese e delle società commerciali e di capitale che vi sono registrate. In questo caso, il bias di selezione è ancora più forte di quanto si possa supporre a prima vista: la distorsione esclude non solo i piccoli commercianti, ma anche numerosi liberi professionisti di successo (come avvocati, medici e architetti), artisti e coloro che svolgono un lavoro secondario, in qualunque settore.
Questo esempio è ovvio e ricercatori esperti non commetterebbero questo errore. Tuttavia, può capitare che tanti bias di selezione meno evidenti si sommino arrivando a distorcere anche un dato fondamentale come quello delle previsioni economiche di un paese.