在最开始的数据分析中，他用了十几种分析方法，其中大部分都是常规的方法，就只是一带而过不用多讲。
有难点的还是两种方法，一种是对于衰变信号中，单独数据的归总；另一种是对于衰变信号数值的判定。
归总和判定，也就是整体分析和个体分析的区别。
前者还好一些。
整体的分析只是方法复杂一些不好理解，讲解以后大家都理解了，也就没有什么问题了。
后者就不同了。
王浩使用了自创的个体数据分析方法，然后进行数值转换，得出了个体对应的数据。
这个转换大部分人都不太理解，他们不明白为什么要这样转换，以及转换后会不会对原始数据的分析造成影响。
当讲完了方法以后，格斯纳-雷尼尔当即开口问道，“王浩博士，你的这个转换方法，我认为是有问题的，在进行转换以后，数值和原始数据区别很大，肯定会影响到最后的分析结果。”
“你能解释一下，为什么要进行这种转换吗？”
王浩点头道，“这是为了之后的数学分析。事实上，我所做的一切分析，都是为了后面的数学分析。”
他侧身对着台下，说道，“这一切的分析都是为了寻找数据趋向性，来为数学分析做基础。”
“刚才的方法也是一样的，目的同样是做进一步的分析。”
格斯纳-雷尼尔马上道，“那么你怎么证明，这个数值转化的分析对于最后的结果不会造成影响？”
他说着站起来，对其他人解释道，“我也承认王浩博士的分析方法非常精湛，甚至可以说是我想不到的。”
“大家都能发现，其中的转换方法非常的复杂，想理解都不容易，最后的结果也许就会对于后续的分析造成影响。”
“即便是整个转化过程没有问题，但最大的问题就是，最后得出的数据和原始数据差异很大，甚至可以说没什么关联。”
“至少，我们很难从分析前的数据以及分析后的数据对比中看出关联。”
格斯纳-雷尼尔说的话还是有道理的。
他们确实没有在分析方法上找到问题，有些人也完全理解了分析过程，但前后两组数据有如此大的差异，怎么证明对于最后的分析结果没有影响呢？
当然了。
很多数据分析的结论和初始数据都存在差异，表面上当然看不出相似之处。
这也是很正常的。
大多数人更关心分析结论是否有意义，而不是去追究原始数据和分析后数据的差异。
数据分析就是这样的，从一大堆繁杂的数据中找到一条通路，谁也不敢说，百分之百就是正确的。
同样的原始数据，不同的人能得出不同的分析结果。
格斯纳-雷尼尔的问题，从专业的角度上来讲，有些难为人了，但他显然不这么看，既然从方法上找不到问题，自然就要追究结论和初始数据的差异。
他根本不相信分析的最终结论，自然是要找到其中可能存在的问题。