实验数据和别人的相差很大，本身并不足以判定为造假。是否构成数据造假，需要综合考虑多个方面。以下是对此问题的详细分析：

一. 数据差异的原因分析

1. 实验条件与方法的不同：科学实验的结果往往受到多种因素的影响，包括实验条件、操作方法、样本选择等。因此，即使研究主题相同，不同研究者得出的数据也可能存在差异。

2. 数据处理的差异：在数据处理过程中，不同的统计方法、分析软件或数据解读方式都可能导致结果的不同。

3. 随机误差与系统性误差：科学实验中难免存在随机误差，这是由实验本身的随机性决定的。同时，系统性误差也可能导致数据偏差，但这并不意味着数据就是造假的。

二. 数据造假的判定标准

1. 数据篡改或伪造：这是指故意修改、删除或添加数据，以使其符合某种预期或结论。这种行为是明确的数据造假行为。

2. 数据误导性呈现：即使数据本身没有篡改，但如果呈现方式存在误导性，如选择性呈现数据、隐瞒关键信息或夸大数据效果，也可能构成学术不端行为。

3. 无法重复验证：如果其他研究者无法重复验证某实验结果，这可能是由于数据造假、实验方法不规范或数据解读错误等原因造成的。

三. 法律与学术界的处理方式

1. 学术界的处理：在学术界，如果发现数据造假行为，通常会进行严格的调查和审核。一旦确认造假事实，会采取相应的处理措施，如撤稿、惩罚作者等。

2. 法律的处理：在法律层面，如果数据造假行为涉及刑事责任，如破坏计算机信息系统罪等，将依法追究相关人员的法律责任。但请注意，单纯的数据差异并不足以构成犯罪。

四. 我的建议

• 如果您的实验数据与他人的相差很大，首先应进行仔细的数据复核和分析，以排除实验条件、方法或数据处理等方面的差异。
• 如果确实存在无法解释的差异，建议公开透明地呈现您的实验数据和方法，并接受同行评审和质疑。
• 在任何情况下，都应坚持学术诚信原则，避免任何形式的数据造假行为。

如有进一步需要，您可以继续咨询我。