当使用新的数据分析方法时，出现与预期不符的结果时，我会采取以下步骤进行调整：

1. 仔细检查数据收集过程：首先，我会重新审视数据的收集和处理过程，确保数据的准确性和完整性。我会检查数据源，了解数据收集的方式，确保数据的来源和采集方法是可靠的。

2. 重新审视分析方法：我会重新审视所使用的分析方法，查看是否存在潜在的偏差或错误。我会与同事讨论和分享我的分析方法，以获得不同的观点和建议。

3. 进行敏感性分析：我会对关键参数和假设进行敏感性分析，以确定这些因素对结果的影响程度。这可以帮助我理解数据分析方法的局限性和可信度。

4. 寻求反馈和审查：我会寻求其他同行和领域专家的反馈，以便他们审查我的数据分析方法并提出改进建议。这有助于发现潜在的问题和改进方法。

5. 调整分析方法并重新分析数据：根据前述步骤的反馈和调整，我将调整数据分析方法并重新分析数据，以获取更准确和可靠的结果。这个过程可能需要多次迭代，直到达到理想的结果为止。

通过这些步骤，我可以确保我的分析方法和结果是可靠和准确的，从而更好地支持业务决策和解决问题。

示例：

假设我使用了一种新的机器学习算法来预测销售额，但结果与实际情况不符。我会回顾数据收集过程，重新审视所使用的算法和参数，进行敏感性分析，寻求同事和专家的反馈，然后调整算法并重新预测销售额，直到结果符合预期。