判断数据是否符合Poisson分布，通常可以通过以下几个步骤来进行：

首先，了解Poisson分布的基本特征。Poisson分布是用来描述单位时间内或特定空间内某事件发生次数的概率分布。它的主要特点包括：事件发生的概率在整个观察区间内是均匀的；事件的发生是独立的；在非常短的时间间隔内，事件发生两次或以上的概率几乎为零。

其次，计算样本数据的均值和方差。Poisson分布的一个重要特性是其均值（λ）等于方差。因此，如果一组数据符合Poisson分布，则它的样本均值应该接近于样本方差。你可以通过计算给定数据集的这两个统计量来进行初步判断。

然后，进行拟合优度检验。在确定了数据的均值和方差后，可以使用卡方（Chi-square）检验等方法来评估实际观察到的数据与理论上的Poisson分布之间的差异是否显著。具体做法是将数据分组，计算每组中观测频数与根据Poisson分布预测的期望频数之间的差异，并通过这些差异构造一个统计量来进行假设检验。

最后，利用软件工具辅助判断。许多统计分析软件（如R语言、SPSS等）都提供了直接测试数据是否符合特定概率分布的功能。例如，在R中可以使用fitdistrplus包中的fitdist函数来拟合Poisson分布，并通过plot()函数绘制拟合曲线与实际数据的对比图，直观地观察两者的匹配程度。

综上所述，判断数据是否符合Poisson分布需要结合理论知识、统计计算以及图形分析等多种手段来进行。